原始Zernike矩边缘算子抗干扰性能

针对Zernike矩算子在边缘模糊、随机噪声存在情况下的检测性能进行了研究,以获得该算子的抗干扰性能.通过分析Zernike矩算子的各阶矩计算过程,得知将像素灰度与模板进行卷积便可获得Zernike矩,这样的计算有利于减小随机干扰的影响.利用人工合成的二值图像进行了边缘检测性能测试,结果表明,对于模糊噪声图像,由于边缘的过渡特征,Zernike矩算子检测具有一定精确性,但会在某种程度上存在边缘细化能力、定位精度下降的问题;而对于随机噪声图像,当最大值在40以内时,Zernike矩算子具有较强的抗噪能力;若随机噪声超出此范围,则检测效果急剧恶化.     

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.     

基于多特征融合的运动物体识别方法研究

为了实现运动目标的实时检测,本文基于多特征融合,提出了一种运动物体分级识别方法.首先通过对运动目标的分割,分析得到各个物体的形状矩特征、面积大小及运动速度.对上述特征,采用支持向量机方法对其矩特征进行快速的一级分类,然后对一级分类结果及各物体的面积、速度等信源根据其对分类的重要程度,采用模糊积分技术进行多特征融合分类.实验表明,本方法具有较强的学习能力及较高的识别精度,可有效地应用于道路监控等系统.     

基于Zernike矩亚像素边缘检测的改进算法

通过分析Zernike矩以及基于Zernike矩的亚像素图像边缘检测原理,针对Ghosal提出的基于Zernike矩的亚像素图像边缘检测算法检测出的图像存在边缘较粗及边缘亚像素定位精度低等不足,提出一种改进算法。推导了Zernike矩模板系数,提出一种新的边缘判断依据。改进的算法能较好检测图像边缘并实现较高的边缘定位。最后,设计两组实验,实验结果将各尺寸模板结果及与Ghosal算法进行比较,证明了改进算法的优越性。     

两级Zernike矩算子的快速亚像素边缘检测

开发了基于两个不同尺寸模板Zernike矩的新边缘检测算子.首先利用小模板3*3尺寸的像素级Zernike矩算子快速检测出所有可能边缘点;然后利用大模板7*7尺寸的亚像素级Zernike矩算子重新精确定位边缘.检验结果表明,本方法定位精度为亚像素级,且算法运行时间为0.14s.新算子具有运算速度快、定位精度高的优点.     

一种使用小波矩的飞行器目标识别方法

为了在自动识别中提高分类准确率,利用小波的多分辨特性对飞行器图像进行特征提取,并对图像进行径向小波变换,得到可分辨的小波矩.为保证数字图像从笛卡尔坐标系变换到极坐标系的精度,将原图像扩大64倍,并使用三次B样条小波矩、Haar小波矩和Zernike矩分别提取两组图像的特征向量,得到的分离度标准差由使用Zernike矩的0.584提高到使用三次B样条小波矩的0.158.表明三次B样条小波矩可以有效提高分类准确率.     

高速的9×9尺寸模板Zernike矩边缘算子

根据Zernike矩基本原理,提出了基于9×9模板尺寸的Zernike矩边缘算子。首先推导Zernike矩模板计算过程,然后计算出2个9×9模板,并选取二值图像和经过5次平滑的模糊图像为对象对新算子进行了测试。结果表明:对于理想的二值图像,新算子具有较强的边缘细化能力,且边缘检测精度也较高;而对于模糊图像,虽然新算子的边缘检测效果也较好,但应注意边缘图像表征与亚像素坐标数据间存在不一致的现象。最后,采用先粗后精定位思想,使新算子的运算速度大幅提高,耗时仅为0.19s。     

基于Zernike矩的抗旋转攻击图像感知哈希算法

以Zernike矩为特征图像感知哈希算法,由于Zernike矩对图像旋转具有不变性,使得算法具备了旋转攻击下的鲁棒性;同时由于Zernike矩是图像的正交表示,能够很好地提取图像的内容,使得算法具有良好的区分性.算法首先将图像归一化,然后提取图像Zernike矩作为特征,经过密钥置乱后,对特征进行量化生成哈希串.算法在...     

一种黑片图像亚像素边缘检测方法

为了提高黑片图像边缘检测的精度,提出了利用亚像素边缘检测技术来检测黑片图像的边缘.针对Zernike矩的亚像素边缘检测算法存在计算量大和边缘定位精度低等不足,利用Sobel算子对图像进行像素级边缘提取,然后利用改进的Zernike矩算子来检测黑片图像的亚像素边缘,为了防止Sobel算子遗漏可能的亚像素点,增加了一个搜索算法来提高检测的精度.实验结果表明,该方法测量精度高,定位精确,能够应用于黑片的在线检测.     

一种快速医学图像亚像素边缘检测方法

针对目前医学图像配准中使用的多是配准精度较低的像素级的边缘检测的问题,提出一种新算法将像素级算子sobel,log,prewitt,roberts,zerocross和canny分别与Zernike矩算子及搜索算法相结合,并对边缘检测结果进行比较,从中选取较优的算子来实现医学图像亚像素边缘检测.实验结果表明该算法克服了像素级算子和Zernike矩算子的缺点,提取的边缘定位精度高,计算时间短,抗干扰性强.     

基于Krawtchouk矩不变量和核模糊聚类的快速分形编码

针对基于分类的快速分形编码方法存在着编码速度与解码质量间的矛盾,鉴于Krawtchouk矩不变量具有在仿射变换下保持不变的特性和核模糊聚类在处理非线性问题上的突出优势,本文首次将这两者引入到分形编码中,提出了基于Krawtchouk矩不变量和核模糊聚类的自适应分类快速分形编码方法。首先根据Domain块的方差将其粗分类,再根据Domain块的Krawtchouk矩不变量利用核模糊聚类对Domain块细分类。实验结果表明,与其他基于分类的快速分形编码方法相比,在解码图像质量提高的同时,大大加快了分形编码的速度。     

一种基于手绘图的商标检索算法

为了高效的进行商标设计,提出了基于内容的商标检索算法．首先应用Zernike矩描述图像的形状信息,并将手绘图作为查询条件进行检索,依据形状距离进行排序,将排序结果作为第一轮检索结果输出．其次,用户对第一轮检索结果进行标注,并将标注结果反馈给系统,通过分类器学习后,再次进行检索并输出最终检索结果．实验结果表明,提出的算法在商标图像的检索中具有检索准确率高、耗时少的特点;此外,算法可支持用户以手绘的方式进行查询,有一定的实用价值．     

基于正交傅里叶－梅林矩的神经网络不变性模式识别

利用移位、尺度和旋转不变特征，提出了一种基于神经网络方法的不变性模式识别．不变特性描绘子是正交傅里叶－梅林矩，它们是Ｚｅｒｎｉｋｅ矩和正交复矩的推广．网络是采用ＢＰ算法的多层前馈网络．实验表明该方法具有良好的效果．     

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。     

旋转和平移鲁棒的形状错误隐藏算法

相邻帧视频对象间运动较复杂时,传统方法只能采用效果稍差的空域视频对象形状错误隐藏,为了得到更好的隐藏结果,本文基于Harris角检测器和局部Zernike矩的旋转和平移不变性,提出了一种新的时域形状错误隐藏算法。首先引入纹理信息,用Harris角检测器获取视频对象中的兴趣点,通过比较各兴趣点局部Zernike矩的欧式距离提取对象间的最优匹配点对,然后确定视频对象间的运动参数,对参考对象运动补偿,最后实现基于轮廓的错误隐藏。实验表明,本文算法对视频对象间任意平移、旋转或结合两种运动的复杂情形仍能得到很好的隐藏结果。