An Edge-Based Formulation for the Exact Computation of High-Order Zernike Moments of 2D Shapes and Images

技术摘要：一种用于精确计算二维形状与图像高阶 Zernike 矩的基于边缘的公式化方法

问题陈述
Zernike 矩是已建立的旋转不变描述符，广泛应用于形状分析、模式识别和医学成像。然而，其标准计算依赖于基于像素的求积法，通过对像素中心进行黎曼和来近似连续图像积分，将每个像素视为点质量（Dirac $\delta$ 函数）。这种近似引入了两个关键限制：

1. 空间混叠（Spatial Aliasing）： 随着矩阶数的增加，径向多项式的振荡尺度变得与单个像素相当甚至更小。点质量模型无法捕捉这种空间延展性，导致显著的离散化误差。
2. 数值不稳定性： 在高阶情况下（通常为 $n \gtrsim 50$），浮点误差的累积和混叠会降低 Zernike 矩的精度。这在图像重建中表现为“幽灵像素”（位于对跖位置的伪值），并降低了描述符在分类任务中的判别能力。

虽然之前的研究通过递推关系解决了径向多项式求值的数值稳定性问题，但根本性的误差来源——即连续基函数与离散像素网格之间的几何失配——在标准实现中仍未得到解决。

方法论
作者提出了一种根本不同的方法，通过应用格林公式（Green's theorem）将定义 Zernike 矩的二维面积积分转换为沿图像边界的一维线积分，从而消除离散化误差。

1. 格林公式转换：
   该方法不通过对像素中心求和，而是将图像（或形状）视为由分段线性轮廓构成的域。面积积分被转换为沿边界 $\partial D$ 的线积分。对于多边形形状或分解为常强度区域的栅格图像，总矩量是每个边缘贡献之和。

2. 精确边缘积分：
   研究表明，沿边缘的被积函数是关于边缘参数 $t$ 的多项式函数。具体而言，径向原函数 $Q_n^m(r)$ 与角度分量相结合，使得生成的被积函数 $A_n^m(t)$ 是一个次数至多为 $n$ 的多项式。

   • 递推关系： 作者推导了径ial 原函数 $Q_n^m(r)$、$S_n^m(r)$ 和径向多项式 $R_n^m(r)$ 的递推关系，以高效计算这些值，避免灾难性抵消。
   • 求积法： 由于转换后的被积函数是多项式，因此可以通过数值求积精确评估线积分。作者利用了 Clenshaw–Curtis 求积法，该方法允许高效的自适应细化，并在不同矩阶之间复用函数求值。

3. 适用性：

   • 轮廓数据： 该方法直接适用于由闭合多边形轮廓定义的矢量形状，无需参考像素网格即可计算矩量。
   • 栅格图像： 对于数字图像，该方法将其视为正方形单元组成的网格。积分沿像素间的边缘进行。至关重要的是，相邻像素间具有相同强度的共享边缘会相互抵消（$\Delta I = 0$），这意味着计算量实际上与活跃边界（具有强度梯度的边缘）的数量相关，而非总像素数量。
   • 彩色图像： 该框架通过将像素表示为纯四元数并计算四元数 Zernike 矩（QZM）扩展到彩色图像，从而捕捉 RGB 通道之间的相关性。

核心贡献

1. 精确的基于轮廓的公式化： 推导出了由分段线性轮廓包围区域的 Zernike 矩的精确公式，并将其表示为线积分之和。该公式引入了零离散化误差和零求积误差。
2. 栅格图像的扩展： 提出了一种改进方案，用于计算分段常数栅格图像的精确 Zernike 矩。这提供了分段常数图像的精确积分，与传统的点质量近似形成对比。
3. 算法效率： 将二维面积积分简化为一维线积分，将精确积分的理论计算复杂度从 $O(N^4)$（对于精确二维面积求积）降低到 $O(N^3)$（其中 $N$ 是最大阶数）。在实践中，自适应求积通常能实现接近线性的阶数增长。
4. 全面验证： 作者通过涵盖图像重建、形状分析和字符分类的实验证据证明了其有效性。

结果
针对不同复杂度的图像（自然彩色图像、几何齿轮、单像素测试、二维码、汉字）的数值实验表明：

• 低/中阶数： 在低阶情况下（$M \le 100$），基于边缘的方法与经典的基于像素的方法精度匹配。
• 高阶稳定性： 在高阶（$M = 500$）时，基于像素的方法会出现严重的混叠。
  • 重建： 简单形状（如单个白像素）的基于像素的重建由于对称性破缺，会在对跖位置出现“幽灵像素”；而基于边缘的重建则保持无伪影。
  • 二维码： 高阶下的二维码基于像素重建效果显著恶化，变得无法辨认，而基于边缘的重建依然清晰可读。
  • 分类： 在涉及 5 个汉字的分类任务中，基于像素的 Zernike 不变量的准确率从 $M=100$ 时的 96.9% 下降到 $M=500$ 时的 90.1%。相比之下，基于边缘的不变量保持并略微提升了准确率，在 $M=500$ 时达到 97.3%。
• 计算成本： 由于需要评估线积分，目前基于边缘的方法比标准尺寸图像的基于像素的方法慢（37–74 倍）。然而，该方法具有天然的可并行性，且计算负担与图像周长（活跃边缘）成正比，而非与面积成正比。

意义与主张
本文声称，所提出的基于边缘的公式化方法解决了 Zernike 矩计算中长期存在的空间混叠问题。通过将图像视为连续的分段常数场并在边界上进行精确积分，该方法实现了基于像素近似无法达到的数学精确性。

作者强调，尽管深度学习在图像分析领域占据主导地位，但对于需要可解释性、有限训练数据和精确几何特征的应用场景，基于矩的描述符仍然至关重要。所提方法确保了这些描述符即使在高阶情况下也能保持稳定和判别力，而传统方法在高阶时往往失效。这项工作表明，该框架不仅是理论上的改进，对于涉及高阶矩的高保真形状分析和重建任务而言，也是一种实际的必要手段。文中提到的未来方向包括将该方法推广到其他正交矩（如 Legendre、Chebyshev 矩），以及将该公式扩展到通过多边形表面网格计算的三维 Zernike 矩。