基于Zernike矩与BoF-SURF特征融合的花粉图像分类识别
来源：计算机工程杂志2018年第7期北京时间：
作者：谢永华,朱延刚,赵贤国
单位：南京信息工程大学 a.计算机与软件学院; b.江苏省网络监控中心,南京 210044
摘要：针对传统单一花粉图像鉴别特征普遍存在抗噪声干扰能力弱、几何不变性低等问题,提出一种融合Zernike矩全局特征和加速鲁棒性特征包BoF-SURF局部斑点特征的花粉图像分类识别算法。提取花粉图像的Zernike矩描述子以及基于尺度空间梯度信息的SURF特征描述子,使 用K-means聚类算法对SURF特征描述子进行特征聚类,构建花粉图像的SURF视觉特征包,并对2种特征进行融合用于花粉图像分类识别。实验结果表明,与传统的花粉图像特征提取算法相比,该算法对花粉尺度和旋转变化具有较好的鲁棒性,在Confocal和Pollenmonitor图像数 据集上均获得了较高的识别率。
关键词：Zernike矩,目标识别,K-means聚类算法,特征融合,花粉识别
基金资助：国家自然科学基金(61375030)。
