基于Zernike矩的人体行为识别

为了保证特征提取的有效性,更完备地描述人体行为序列,提出了一种基于Zernike矩的人体行为识别方法.该方法利用规范化的运动历史图像(MHI)进行图像序列的表示,从中提取出基于Zernike矩的统计描述作为特征向量进行识别.同时,提出了一种利用图像的重建过程确定分类时采用的Zernike矩的最高阶次的算法.实验中,对8类不同的人体行为进行了测试.应用Zernike矩特征的分类精度高于用规则矩和Hu矩作为特征的方法,证明了基于Zernike矩的人体行为识别方法的有效性.     

基于Zernike矩和BP网络的道路交通标志识别方法研究

道路交通标志的背景相当复杂,颜色失真严重并存在不同程度的几何失真现象。不变矩是图像的一种统计特征,具有平移不变性、旋转不变性和比例缩放不变性,被广泛的应用于图像识别中。在研究了Hu矩和Zerni—ke矩基础上,提出基于Zernike矩与BP网络相结合的道路交通标志识别方法。识别过程分别对图像进行了Hu矩和Zernike矩特征提取、BP网络训练与测试、对形变图像进行分类识别。结果表明：基于Zernike矩和BP网络的交通标志识别方法具有很强的抗图像平移、缩放和旋转识别能力,实现简单、训练速度快、识别率高等特点,且识别准确率优于Hu不变矩目标自动识别。     

基于二次样条小波变换极大模的织物疵点检测方法

提出了一种基于二次样条小波变换极大模的织物疵点检测方法:首先由二次样条小波对织物图像进行分解,利用分解后的纬向和经向2个子图像建立正常织物图像和待检测织物图像的极大模边缘图像,并求得它们的差分图像;然后由差分图像提取特征参数检测织物疵点以及识别疵点的位置.实验表明:这种方法具有检测准确率高,稳定性好等优点.     

基于小波的图像插值研究

借助图像的小波变换，提出了一种新的图像插值方案，该方案利用图像小波分解后高低分辨率子带之间存在的相似性，由低分辨率子带插值近似高分辨率子带，从而得到比原图像分辨率高的图像。结合三次B样条插值，实验结果令人满意。     

基于RGB降维模型和小波的彩色图像边缘检测

针对彩色图像边缘检测计算量大的弱点,对彩色图像空间(RGB)进行三基色降维处理,保持图像的各个基色的灰度矩不变,以最大限度地保留原图像的主要特征.用三次B-样条函数作为光滑函数来定义小波函数,通过小波变换对降维后的图像进行边缘检测.实验结果表明,该方法既可以突出细节边缘,也能够保持图像的主要信息,而且比其他彩色图像边缘检测方法平均减少了40%的计算时间.     

基于三次B样条小波的图像边缘检测技术研究

图像的边缘信息在图像的各种变换和处理中至关重要,边缘检测是为了获取更多的图像细节信息。根据边缘信息的多尺度特性和小波变换的性质,研究了基于B样条小波的图像边缘检测方法。采用三次B样条小波设计的平滑滤波窗算子,实现相对简单、效率较高。测试表明,该算子与其他边缘检测算子具有相似的视觉处理效果。     

基于提升小波变换的视频图像处理

根据提升小波变换的双向预测运动补偿以及动态自适应调整的特性,对MPEG-4标准编码产生的相邻图像质量剧烈波动的缺陷进行调整.利用三次样条函数进行样条逼近得出的算法,对调整后的图像进行压缩.通过对图像进行分析与仿真,结果提高了图像质量和压缩比,同时优化了边缘效应.     

B样条小波在图像多尺度边缘检测中的应用研究

本文介绍了使用小波变换检测图像边缘的原理,利用B样条小波构造出一个边缘检测算子,使用多孔算法进行边缘提取,并提出了一种更简化的实现方法,通过实验验证了这种方法的有效性。     

基于B样条小波的自适应阈值多尺度边缘检测

利用小波变换的特点,设计了3次B样条平滑滤波算子。对图像进行多尺度滤波,得到了不同尺度的小波变换。结合自适应阈值方法,在每种尺度下分别提取了图像边缘;而后利用边缘信息的多尺度特性,综合多尺度边缘得到单像素宽边缘。通过计算机仿真对该方法进行验证表明:该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,明显优于已有的边缘检测方法。     

Zernike矩快速算法的修正

首先对Mukundan和Ramakrishnan提出的Zernike矩快速算法进行了修正,给出了更为完整、准确的坐标变换公式。然后给出了由伪极坐标系向笛卡尔坐标系转换的方法。最后,将每一幅图像在相同阶数和重复度下的4个方向Zernike矩模值的均方差与均值的比作为评价指标,对修正前和修正后的算法以及图像预处理对Zernike矩快速算法的影响进行了综合验证。针对5幅图片,两种算法分别有5×11个评价值,实验结果表明:改进后的算法有44个评价值好于原始算法,同时也通过实验验证了多种预处理对Zernike矩的影响。