花粉过敏症作为过敏科常见的疾病,其发病率呈逐年上升的趋势,对空气中花粉种类进行分类、识别,对诊断、治疗和预防过敏症的发生具有重要的意义,其中花粉颗粒的分类和计数是重要的技术手段之一。传统的花粉粒子分类和计数是由生物研究专家在显微镜下手动进行的,由于是人工手动进行,所以识别过程会耗费大量时间与人力资源,并且识别率不高。近年来由于计算机视觉以及模式识别技术的发展,发现通过数字图像特征如形状、几何和统计特征等可以有效的对不同图像进行分类与识别。研究利用计算机对花粉图像进行自动分类与识别的技术将成为花粉鉴别分析的一种有效手段。本文就花粉图像的分类与识别特征提取算法进行了相关研究,希望可以提高花粉图像特征提取的速度以及特征向量的鲁棒性,并提高利用特征进行识别时的识别率与分类精度。主要研究内容包括:(1)针对花粉图像具有纹理、沟、孔、凹凸度等结构特征、灰度变化明显的特点,提出了基于图像突变点几何约束直方图的花粉图像特征提取方法。采用具有多尺度的二进制离散小波变换寻找图像的突变点,然后计算突变点具有方向的邻域几何关系,提取邻域几何关系的突变点直方图统计特征(MPHSFD)作为花粉图像的统计特征描述子用于识别与分类。通过在Confocal花粉图像数据库和Pollenmonitor数据库的仿真实验表明,该方法所提取突变点可以较好的描述花粉图像边缘轮廓,最后形成统计特征可以较好的反映花粉图像的边缘轮廓,对于花粉图像的旋转、平移以及尺度变化具有较好的鲁棒性。(2)针对高阶矩对噪声比较敏感,利用矩对图像进行特征描述时会导致特征维度高、识别率低的问题,提出了基于分数阶的三维Zernike矩来描述图像特征,并应用到花粉图像的识别与分类上。该方法首先将花粉图像映射到三维坐标,计算其分数阶Zernike矩。为了降低特征描述子的维度,并对其进行优化,使用差分进化算法对就得的分数阶Zernike矩集合进行筛选与优化;最后将经过优化的分数阶Zernike矩做傅里叶变换,将归一化的傅里叶描述子作为最后的图像特征描述子。通过在Confocal花粉图像数据库和Pollenmonitor数据库的仿真实验表明,该描述子对花粉图像的旋转、平移以及尺度变化都具有较好的鲁棒性。