基于傅立叶描述子的尺蛾形状识别文献综述
1.研究的背景、目的及意义
随着时代的进步，人们的生活质量不断的提高 ，计算机互联网技术和多媒体技术得以快速的发展，尤其是面对即将来临的5G时代，我们所需要处理的图像识别问题也就越来越多。数字图像识别在我们的生活中扮演的角色越来越重要，所以在这方面的研究具有重大的前景和潜力。【2】我国是一个农业大国，以往因为没有足够的农作物保护知以及有效的防范害虫，昆虫带来的经济损失十分巨大，因此能够准确实时的监测农作物上的害虫的种类、形状、数量将直接决定了农作物的健康状况以及收成。在我国，仍然在使用人工方式进行昆虫的识别和分类，从而带来的问题就是效率低下，事倍功半。开发一些能够快速、精确识别的计算机图像识别系统是我国农业发展的刚需和必经之路。
基于傅里叶描述子是分析和识别物体形状的重要方法之一【8】，它利用了基于曲线多边形近似的连续傅里叶变换方法计算傅里叶描述子，并且通过形状的主方向消除边界起始点相位影响的方法，定义了新的具有旋转、平移和尺度不变性的归一化的傅里叶描述子。通过实验表明，傅里叶描述子能够高效、准确的描述识别物体的形状。所以，在这个大背景下，想要提高植被的保护和农作物的收成，我们就需要研究一种基于傅里叶描述子的尺娥形状识别的系统技术设计，实用于防治害虫。
2.国内外同类研究概况
傅里叶描述子（Fourier Descriptor）是目前形状表示方法中应用最广泛的一种。这个研究基于轮廓和基于区域的分类方法可以分为两类【3】：基于轮廓的一维傅里叶描述子和基于区域的二维傅里叶描述子。
一维傅里叶描述子只是根据形状图像提取出闭合曲线，是边缘检测算法对一个物体边缘轮廓线的精确提取。国外学者经过研究将一维傅里叶描述子应用于部分曲线，还首次提出了具有仿射变换不变性的1-DFDo Granlund提出了可以描述轴对称形状的不变量。有些研究者们提出了同样是基于变换域的小波形状描述子。一维傅里叶描述子在当今已经发展相当成熟的Fourierde 强大理论支持下，使得它具有比其他图像特征提取的描述子有着相当实用的优点，每一个傅里叶系数都有着明确的物理意义，容易标准化，使得一维傅里叶描述子在形状匹配时的计算复杂度很低还有能够同时提取局部甚至全局的形状特征。
二维傅里叶描述子是基于区域的形状表示算法。特征向量中数值代表是频域特征。由于它是对所检测物体的环向和径向进行多分辨率分析，所以比一维傅里叶描述子有着更加优良的性能。对于经过平移、旋转、和尺度变换的形状（比如尺娥），2-DFD都能进行准确的描述，并且同时能够得到极为相似的特征向量。
在我国，近年来有害生物的监测和诊断成为了植保系统领域的热点【1】在基于形状不变模式的识别中，不变矩阵【2】和傅里叶描述子。Kauppien比较了各种典型的形状识别方法【11】，实验结果表明，基于物体轮廓的坐标序列的傅里叶描述子具有最佳的形状描述识别性能。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
