4种矩描述子在形状检索中的性能比较

在基于内容的图象检索(CBIR)中,形状是图象的主要低层特征之一.人们虽已经提出了许多表示形状的方法,然而大多数方法都要假定知道形状的边界信息,在一般情况下,形状的边界是无法获取的.基于区域的描述子不但适用于一般形状,而且具有很强的抗噪声和抗失真能力.通过对下列4种区域形状描述符的研究和比较几何不变矩(GMD),Legendre矩(LMD)、Zernike矩(ZMD)以及正交的Fourier-Mellin矩(OFMMD),并在一个由400多幅图象组成的形状库上进行的检索试验表明,从计算复杂度、稳健性、分层表示以及检索性能来考虑,Zernike矩是4种矩当中最适合于进行形状检索的描述符.     

基于Zernike矩的模糊与仿射混合不变量研究

Zernike矩作为形状描述子,其信息冗余度低且对噪声不敏感,在图像特征提取和模式识别中得到了广泛应用。为提高Zernike矩对含有模糊和仿射图像的形状描述能力,提出一种基于Zernike矩的形状描述子,该描述子使用规范化方法构造Zernike矩的仿射不变量,结合Zernike矩的模糊不变量得到Zernike矩的模糊和仿射混合不变量。将该矩混合不变量作为形状描述子描述图像的形状特征,并与几何矩模糊和仿射混合不变量进行对比实验,结果表明,Zernike矩的模糊和仿射混合不变量在混合形变下形状描述能力较强,具有不变性,并且对噪声的鲁棒性较好。     

一种改进和提取Zernike特征矩的方法

数字图像的离散性使Zernike矩的计算存在误差,降低了特征描述能力。采用一种方圆转换方法将矩形图像转化为抽象的圆形图像,计算转化后图像Zernike矩,改进Zernike矩的计算方法,从而减少计算误差,提高计算速率,提高Zernike矩的特征描述能力。同时根据统计理论,提出一种规范的特征提取方法。经车牌字符识别实验验证,改进方法能够很好地提取图像特征,用于模式识别。     

空间加权伪Zernike矩的人脸图像特征提取方法

为了解决人脸图像检索中人脸定位不精确的问题,提出了一种空间加权伪Zernike矩的人脸图像特征提取方法.该方法通过设计的加权函数来强调或突出面部上的关键部位,如眼睛、鼻子,嘴巴等区域的重要性,因而能够对人脸特征进行更精确地提取.仿真实验结果表明,利用空间加权伪Zernike矩进行人脸区域描述时,检索准确率明显优于传统的主成分分析方法和直接伪Zernike矩特征提取方法.     

一种基于Zernike不变矩和改进的Hough变换的图像检索方法

针对基于内容的图像检索为了解决不变矩只关心对象的区域特征,而忽视了图像边界的缺点,提出Zernike不变矩与改进的Hough变换相结合的方法。改进的Hough变换方法充分利用Hough变换空间的统计信息,对形状的仿射变换具有一定的鲁棒性、易并行处理和良好的几何解析性等优点。该算法有效地融合了图像形状的边缘和区域特征。实验结果表明,在图像检索的综合性能上优于Zernike方法以及基于改进的Hough变换的方法,检索速度快,准确率高。     

基于伪Zernike矩归一化的人脸特征提取方法

以改进的伪Zernike矩相关知识为基础,提出了一种新颖的人脸识别特征提取方法。该方法在识别时不需要进行几何校正,降低了人脸识别系统的算法复杂度。计算人脸图像的伪Zernike矩,对其进行归一化处理,采用最小邻近分类器进行判别。实验结果表明,该算法不受人脸尺度和旋转变化的影响,并且对表情、姿态和光照具有较强鲁棒性。进一步探讨了伪Zernike矩在人脸识别方面的应用。     

改进后的Zernike矩在文物图像检索中的应用

Zernike矩作为一种基于区域的形状描述子,具有良好的旋转不变性,能够很好地提取图像内部的形状信息,广泛应用于基于内容的图像检索(CBIR)、图像描述、物体定向及模式识别等各个领域.介绍了Zernike矩的定义和基本特性,并对Zernike矩算法提出了改进,使其具有较好的比例不变性,最后讨论了Zernike矩在基于内容的文物图像检索系统中的应用,同时给出部分实验数据和实验结果.     

融合区域和全局特征提取的医学图像检索技术

针对胸部CT扫描图像库，提出了一种融合区域和全局特征提取的医学图像检索方法。为了提取局部感兴趣区域，给出了一种基于灰度层共现矩阵的区域增长算法，分割出病灶区域，再结合迭代阈值算法进行病灶边界的磨合。为了避免身体姿势问题造成的图像角度差异，利用具有旋转不变性的Zernike矩提取图像的全局特征，融合感兴趣区域的形状和分布特性以及整幅图像Zernike矩全局特征作为图像匹配准则的客观依据。实验结果表明，该算法能够比较有效地应用于基于内容的医学图像检索系统中。     

综合颜色纹理形状特征的图像检索

图像特征的提取和使用在基于内容的图像检索中至关重要.研究了在基于内容的图像检索系统中整合颜色,纹理,形状的提取方法.将图像按照一定的规则进行分块,对各个分块分别进行各种特征向量的提取.颜色特征的提取是基于YUV颜色空间的颜色直方图,纹理特征的提取采用Gabor滤波器,形状特征的提取是基于Zernike矩的计算.实验结果表明,综合图像的颜色、形状和纹理特征提高了图像检索的准确性.     

一种基于Zernike矩形状检索的新算法

高维Zernike矩作为图像检索的形状特征描述子,具有描述图像区域细节信息的能力,能够全面有效地表征图像的内容。但是高维的矩存在着“维数灾难”的问题,不仅使算法的复杂度增大,而且会增加不必要的信息,造成主要信息混淆,影响对图像的描述。提出了流行学习的方法来处理冗余的数据信息。在通过拉普拉斯图保持局部样本数据不变的情况下,引入了全局算法来保证样本的整体性。考虑到信息之间的相关性而影响投影的准确率,对其进行Schur特征值分解,得到正交基向量,从而使数据重构相对容易,并且Zernike矩的旋转不变性仍能保持下来,使检索得到的图像更加符合人眼视觉效果。该方法在检索性能上优于传统的局部保持投影方法,检索效果有明显的提高。     

图像挖掘中基于Zernike矩的形状特征描述与评价

在图像挖掘中，最关键的步骤是提取图像特征并对之进行描述和评价；在介绍Zernike矩的基础上，指出可以使用Zernike矩集描述图像的形状特征；根据Zernike矩逆变换，可以得到基于Zernike矩形状特征集的图像重构技术，从而通过重构图像与原图像的相异度和重构率来对Zernike矩特征集描述图像形状特征的精确度进行评价；实验结果证明了基于Zernike矩描述图像形状特征与基于图像重构进行评价的可行性。     

Invariant image recognition by Zernike moments

The problem of rotation-, scale-, and translation-invariant recognition of images is discussed. A set of rotation-invariant features are introduced. They are the magnitudes of a set of orthogonal complex moments of the image known as Zernike moments. Scale and translation invariance are obtained by first normalizing the image with respect to these parameters using its regular geometrical moments. A systematic reconstruction-based method for deciding the highest-order Zernike moments required in a classification problem is developed. The quality of the reconstructed image is examined through its comparison to the original one. The orthogonality property of the Zernike moments, which simplifies the process of image reconstruction, make the suggest feature selection approach practical. Features of each order can also be weighted according to their contribution to the reconstruction process. The superiority of Zernike moment features over regular moments and moment invariants was experimentally verified     

主成分分析在图像Zernike矩特征降维中的应用

首先介绍了图像特征向量维度过高的问题以及图像特征降维处理。在讨论Zernike矩基本概念以及图像Zernike矩形状特征向量表示的基础上，指出Zernike矩特征向量一般都是高维的。在介绍主成分分析方法的基础上，指出可以将其应用到Zernike矩特征向量的降维中，并给出了降维的处理过程。最后的实验结果证明了该方法的可行性。     

On invariance analysis of Zernike moments in the presence of rotation with crop and loose modes

Zernike moments are widely applied in digital image processing fields based on many desirable properties, such as rotational invariance, noise robust and efficient representation of pattern. On the computational analysis of Zernike moment is challenging issue. From an algorithmic aspect, in this paper we investigate the effect of image rotation (including crop rotation and loose rotation) operations on Zernike moments in both theoretical and experimental ways. For the crop rotation, we suggest to extract the Zernike moments by mapping the image over a disc instead of inside a circle since the outside of an image after the crop rotation will be distorted. Referring to the loose rotation, we propose a preprocessing step (which is called image size normalization) to embed an image and its rotated versions into a predefined size of zero-value image in such a way that the effect of image size change due to loose rotation can be eliminated. By incorporating the proposed image size normalization operation, we introduce an effective extraction method of image Zernike moments against loose rotation operation. Experimental results show the validity of the proposed extraction method.     

小波神经网络在图像配准中的应用

提出了一种基于小波网络的图像配准方法。将特征点定义进行了推广,提出了一种以特征区域定义和提取方法。使用Zernike矩表征区域的特征并进行特征区域的对应。因图像配准变换是复杂且难以预知的,利用小波神经网络具有良好的函数逼近性能,提出了具有局域特性的小波神经网络模型逼近图像的配准变换。实验表明这是一种有效的图像配准方法。     

基于Zernike色度分布矩的彩色图像检索算法

以对立色度空间及Zernike矩理论为基础,提出一种基于Zernike色度分布矩的彩色图像检索方法。该方法首先将彩色图像从三维RGB颜色空间转换到二维对立色度空间,以获得图像像素的色差度量值。然后结合Zernike矩相关知识,在二维色度空间中计算出各像素的Zernike色度分布矩,最后将Zernike色度分布矩作为图像颜色特征,并进行彩色图像检索。仿真实验表明,该算法能够准确高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率。