3D花粉图像数据降维及鲁棒鉴别特征提取方法研究

Pollen automatic classification has wide application prospect in the fields of pollen prediction, species identification, and some other application fields. 3D pollen images recorded through confocal microscopy ususally have some special characters, such as high dimensionality, loss of structual features, minuate shape deformation and pose variation, and so on. This project will aim at the research on dimensionality reduction and robust feature extraction for 3D pollen images, so as to sovle the disadvantages ofthe traditional 3D pollen gray invariant features, including high dimensionality, huge computation complexity and weak robustness.The research contents include: 1)Research on surface mesh segmentation method based on local curvature similarities and statistical feature extraction method based on corelations of local curvature,so as to improve the robustness of the compressed data against pollen minuate shape deformation and pose variation. 2) Research on improving and optimizing the traditional 3D pollen gray value invariant features extraction method. Introcude the Harmonic function to feature decomposition, and then design a normalized space geometic transformation function based on scale and angular components, which could be regarded as a unified robust description for rotation,transformation and scale geometic transformation. 3)Research on the design of geometric transformation invariant sphererical integral kernal function in local mesh integral space, and then use it for integral invariant features extraction, which is expected to solve the problems of weak robustness and sophiciated structure of the tranditional single kernal function.

花粉自动分类识别在指数预报、物种鉴别等方面具有广泛的应用前景。共焦显微镜下的3D花粉图像具有数据维数高、结构特征缺失、有轻微形变和姿态变化等特点。本项目旨在研究有效的3D花粉图像数据降维方法和鲁棒鉴别特征提取方法，解决经典的灰度不变量特征维数高，计算复杂以及鲁棒性弱等问题。研究内容包括：1）研究基于局部曲率相似度约束的网状区域分割方法及局部曲率相关性统计特征提取方法，并用于3D花粉图像数据降维，以期提高降维数据对于图像轻微形变和姿态变化的鲁棒性；2）对经典3D花粉图像灰度不变量特征提取方法进行拓展研究。拟将谐波调和函数引入降维数据分解，在球坐标下设计基于尺度和角度分量的归一化空间几何变换组函数，以期获得对旋转、平移和比例三种空间几何变换的鲁棒描述；3)研究局部网状积分空间下具有几何变换不变性的球形积分核函数设计，并用于积分不变量特征提取，以期解决传统单向积分核函数鲁棒性弱和结构复杂等问题。

花粉自动分类识别在生物制药、指数预报、物种鉴别等方面具有广泛的应用前景。本项目旨在对共焦显微镜下的3D花粉图像数据维数高、结构特征缺失、有轻微形变和姿态变化等缺点开展研究，提出有效的3D花粉图像数据降维方法和鲁棒鉴别特征提取方法。项目研究内容包括：.1）研究基于局部曲率相似度约束的网状区域分割方法及局部曲率相关性统计特征提取方法，提高了花粉图像的姿态、旋转和比例变化的鲁棒性；.2) 研究了基于高斯尺度空间的粗糙度描述子的花粉图像特征描述方法，该方法计算简单，对图像的描述完整且具有旋转不变性；.3）针对现有不变量描述子大多具有较多的冗余信息多，计算成本高特征维数高且识别率低的问题，提出了一种新的基于Zernike矩的不变量傅里叶描述子的特征提取方法，能较好地描述图像，并对图像的旋转，平移和尺度变化具有很好的鲁棒性；.4）针对二维特征无法描述三维花粉图像的内部结构和三维空间像素关联问题, 提出一种三维花粉图像局部二值特征提取方法。该方法的识别率最高可以超过95%, 同时对于花粉图像的比例和姿态变化具有较好的鲁棒性, 和传统方法相比具有更好的识别效果。.5）研究了花粉图像表面曲率体素的球状空间描述方法以及傅里叶特征计算方法，提出了用于3D花粉图像识别的三维离散球状傅里叶描述子特征。实验表明该方法对于花粉图像的空间旋转亦具有很好的鲁棒性。