Higher order orthogonal moments for invariant facial expression recognition

Automatic facial expression recognition (FER) is a sub-area of face analysis research that is based heavily on methods of computer vision, machine learning, and image processing. This study proposes a rotation and noise invariant FER system using an orthogonal invariant moment, namely, Zernike moments (ZM) as a feature extractor and Naive Bayesian (NB) classifier. The system is fully automatic and can recognize seven different expressions. Illumination condition, pose, rotation, noise and others changing in the image are challenging task in pattern recognition system. Simulation results on different databases indicated that higher order ZM features are robust in images that are affected by noise and rotation, whereas the computational rate for feature extraction is lower than other methods.     

基于特征值分解的图像边界与空间关系描述

针对图像识别、检索、配准中的特征提取与特征描述问题,利用加权图的邻接矩阵特征值分解方法,构造具有平移、缩放、旋转不变性的图像边界形状和空间关系描述子。理论分析与仿真实验结果表明,该算法在缩放和旋转条件下具有较强的鲁棒性和较好的类别可分离性,相比传统算法可以更好地进行图像描述,且计算量有所减小。     

一种基于环间面积比的旋转、平移和缩放不变性描述符

提出一种具有旋转、平移、缩放和镜像不变性的描述符。该描述符通过对二值化图像在空间上的划分,以对象在每个环内的分布为特征。首先证明所定义的描述符具有四个不变性,然后用提出的特征完成手势的识别。通过实验表明,当待识别对象存在一定形变时,该描述符仍能够较好地完成匹配,且准确率高于其它算法,表明该特征的鲁棒性。另外,基于对象空间分布的概念可拓展到其它应用中,如计算环内的Hu矩、曲线能量,甚至链码和傅里叶描述子等从而形成新的特征。     

用不变矩和边界方向进行形状检索

基于形状的图像检索一直以来是图像内容检索的一个难点问题，而目前采用周长、面积、边角率等描述形状的方法不能使形状检索达到理想的效果．本文提出了一种新的针对图像形状的检索方法．首先，用Canny算子对图像进行平滑处理，提取图像边界方向直方图特征、其次，用不变矩来描述图像形状的区域特征，不变矩特征不受图像的缩放、平移和旋转的影响．最后，为了克服不变矩只关心对象区域，而对图像边界忽视的缺点，提出了不变矩与边界方向特征相结合的方法，使得检索取得更好的效果．本文通过对医学图像的形状检索实验，给出了实验结果和结论．     

基于ZM相特征描述符的图像配准方法

针对图像特征间的视角、模糊、旋转和尺度变换以及噪声干扰等不确定性因素对图像配准精度的影响,定义了基于Zernike矩的相特征不变区域描述符,给出了Zernike矩的归一化及其相值度量方法,提出了一种基于此的图像配准算法。通过对比实验验证,本文算法能够有效提取目标图像特征点并准确进行特征匹配,且在保障配准精度的前提下显著降低了算法复杂度。     

基于Harris角点和SIFT描述符的高分辨率遥感影像匹配算法

影像匹配是诸多遥感影像处理和影像分析的一个关键环节。传统基于角点的灰度相关匹配算法由于不具备旋转不变性而需要人工干预进行粗匹配,无法实现自动化。SIFT(scale invariant feature transform)算法能很好地解决图像旋转、缩放等问题,但是对于几何结构特征更加清晰、纹理信息更加丰富的高分辨率遥感影像而言,该算法消耗内存多、运算速度慢的问题非常突出。将两者结合,提出基于Harris角点和SIFT描述符的影像匹配算法。实验结果表明,相比SIFT算法,该算法大量缩减了运算时间,同时保留了SIFT描述符的旋转不变性和对光照变化的适应性,克服了灰度相关算法无法实现全自动的缺点,在高分辨率遥感影像匹配上效果较好。     

伪Zernike矩不变性分析及其改进研究

伪 Zernike矩是基于图象整个区域的形状描述算子 ,而基于轮廓的形状描述子 ,例如曲率描述子、傅立叶描述子和链码描述子等是不能正确描述由几个不连接区域组成的形状的 ,因为这些算子只能描述单个的轮廓形状 .同时 ,由于伪 Zernike矩的基是正交径向多项式 ,和 Hu矩相比 ,除了具有旋转不变性、高阶矩和低阶矩能表达不同信息等特征外 ,还具有冗余性小、可以任意构造高阶矩等特点 ,另外 ,伪 Zernike矩还可以用于目标重构 .目前 ,伪 Zernike矩没有得到广泛的应用 ,其中的一个主要原因是 ,它不具备真正意义上的比例不变性 .为了能使伪Zernike矩得到更广泛的应用 ,在详细分析伪 Zernike矩不变性的基础上 ,提出了伪 Zernike矩的改进方法 ,使改进后的伪 Zernike矩在保持旋转不变性的同时 ,还具有真正意义上的比例不变性 ,同时给出了部分的实验分析结果 .实验结果证明 ,该改进后的伪 Zernike矩较改进前的伪 Zernike矩 ,具有更好的旋转和比例不变性 .     

Translation invariants of Zernike moments

Moment functions defined using a polar coordinate representation of the image space, such as radial moments and Zernike moments, are used in several recognition tasks requiring rotation invariance. However, this coordinate representation does not easily yield translation invariant functions, which are also widely sought after in pattern recognition applications. This paper presents a mathematical framework for the derivation of translation invariants of radial moments defined in polar form. Using a direct application of this framework, translation invariant functions of Zernike moments are derived algebraically from the corresponding central moments. Both derived functions are developed for non-symmetrical as well as symmetrical images. They mitigate the zero-value obtained for odd-order moments of the symmetrical images. Vision applications generally resort to image normalization to achieve translation invariance. The proposed method eliminates this requirement by providing a translation invariance property in a Zernike feature set. The performance of the derived invariant sets is experimentally confirmed using a set of binary Latin and English characters.     

一种基于微分不变量的图像变化检测方法

配准误差、噪声干扰和照度变化是影响变化检测性能的主要因素,利用图像结构信息进行变化检测,可以有效地克服这些因素的影响.文中提出了一种利用微分不变量描述图像结构信息并进行变化检测的方法.微分不变量具有平移和旋转不变性,并且对噪声具有较强的鲁棒性.首先利用微分不变量构造特征描述子,然后在一个搜索窗内计算各描述子之间的Mahalanobis距离,取其最小值并与阈值相比作变化检测.实验证明,所提出的算法对噪声干扰和配准误差都有较强的鲁棒性.     

像素聚类改进二进制描述子鲁棒性

目标：本文通过挖掘图像局部区域特征信息,提出了一种鲁棒性更高的二进制描述子。针对BRIEF关于旋转和视角变化鲁棒性差的问题,本文通过图像补丁分层处理、增加关键点图像补丁个数来捕获更多的局部特征信息,对BRIEF描述子改进。方法：首先,根据灰度序列对补丁内所有像素点分类,像素的一个聚类形成了一个亚补丁,然后在每个亚图像补丁上进行类似BRIEF的随机测试。其次,由于原图像补丁大小、尺度大小影响补丁的像素点成分,从而影响像素聚类的效果,所以在原图像关键点周围分割出多个不同大小的图像补丁,或是将原图像补丁根据尺度金字塔确定几个尺度大小不同的补丁,然后再对图像补丁进行分层、测试。所构建的描述子不仅包含了补丁像素的灰度比较信息,而且包含了灰度排序信息和像素群聚信息,提高了描述子的鲁棒性。结果：通过性能对比实验,发现所提的描述子的性能提高了,而且好于对比的浮点描述子。结论：所以挖掘图像补丁的特征信息能提高二进制描述子的鲁棒性。     

密度分布特征及其在二值图像检索中的应用

图像的形状是描述图像的重要视觉和语义特征,可通过图像中像素点的区域分布表现出来。为了对二值图像进行有效检索,提出了一种基于区域的形状特征——密度分布特征,用来进行二值图像检索。该方法在经过形心定位和子图像区域划分后,可得到2个M维特征向量,其中第1个表示各个子图像区域的目标像素的相对密度,第2个表示各个子图像区域的目标像素在极坐标方向上的相对密度的一阶数值差分。在进行相似性度量时,首先采用Gaussian模型对用这2个特征向量计算得到的距离分别进行归一化处理;然后综合两个特征向量的距离计算总的相似度。实验结果表明,密度分布特征不仅能够有效地刻画二值图像的形状,具有非常好的平移、尺度和旋转不变性,而且检索结果优于Hu不变矩。