用于星系形态分类的旋转不变描述子

多方向物体的检测是一个困难的模式识别问题。在本文中，我们提出评估不同族描述子对于星系形态分类的性能。我们研究了 Hu 矩、Flusser 矩、Zernike 矩、Fourier-Mellin 矩以及基于一维矩和傅里叶变换的环形投影技术的性能。我们考虑两个主要数据集用于性能评估。第一个数据集是基于 11 类星系代表性模板的人工数据集，这些模板在不同变换（噪声、平滑）下单独或组合进行评估。评估基于图像检索性能，以估计此类图像中旋转不变描述子的鲁棒性。第二个数据集由从 Galaxy Zoo 2 项目中提取的真实图像组成。椭圆星系与旋涡星系的二分类通过包括形态学滤波和拉普拉斯金字塔的预处理步骤实现。对于二分类，我们将不同的特征集合与支持向量机（SVM）、极限学习机以及不同类型的线性判别分析技术进行比较。结果支持如下结论：所提出的椭圆星系与旋涡星系二分类框架提供的 ROC 曲线下面积达到 99.54%，证明了该方法在辅助天文学家研究星系方面的鲁棒性。