不变矩在车牌字符识别中的应用

为了克服车牌字符的倾斜和相似字符间的误识别对字符识别带来的影响,提出了一种基于不变矩的匹配算法.利用不变矩的旋转不变性克服字符倾斜带来的影响.对不变矩算法进行改进,增加了5个新的不变矩量,包含了更多的细节特征,并用原点矩代替中心矩,减少平移不变性带来的误差,解决了相似字符间的误识别.实验证明了方法的正确性和可行性.     

一种基于极坐标变换的点模式匹配算法

点模式匹配是目标识别、图像配准与匹配、姿态估计等计算机视觉与模式识别应用方向的基础问题之一。提出了一种新的利用点特征进行匹配的算法,该算法根据点集的分布与点位置信息,构建了点的特征属性图,通过极坐标变换得到对数极坐标的特征图,并利用几何不变矩方法对特征图进行描述。由特征描述向量的比较,获得粗匹配结果,然后通过几何约束迭代的方法获取最终的点集匹配结果。本文贡献如下:一,构建了一种点的极坐标变换特征,并运用不变矩进行描述,使所提特征具有旋转与平移的不变性;二,提出了利用点特征与整体点集几何约束结合的匹配算法,能有效克服出格点与噪声带来的不利影响。最终实验说明了算法的有效性和鲁棒性。     

一种改进的基于不变矩的图像匹配算法

通过对不变矩理论的分析,提出以局部图像的边缘不变矩特征及其灰度信息的统计特征相结合的两阶段匹配算法.首先利用不变矩的平移、旋转及伸缩的不变性,计算图像边缘不变矩,将其作为匹配特征,在匹配结果中取前N个较好的匹配结果作为侯选目标;再根据契比雪夫不等式确定候选目标的置信度;最后计算各个候选目标的直方图包含的统计特性进行最终目标的定位.实验结果表明该算法克服了传统图像匹配方法搜索目标时存在的置信度问题,通过与基于不变矩特征直接匹配方法和基于灰度相关的匹配方法比较可见,在性能上明显优于这两个方法,并得到较理想的匹配结果.     

基于目标图领域点比较的色彩传递研究

目前,图像的色彩传递主要基于Lαβ颜色空间,利用邻域点匹配算法和高阶矩匹配算法,或者采用亮度分割匹配等方法,在源图和目标图之间进行色彩匹配传递。但是,这些算法匹配点数量多,速度慢。针对这个问题,文章在原有匹配方法的基础上提出了基于目标图相邻点匹配以及目标图邻域点匹配的改进方法,在保证传递效果的情况下,提高了色彩传递的速率,文章还讨论了色彩传递过程中存在的一些问题,给出了一些解决方案。     

基于不变矩和小波分析的指横纹匹配新算法

为了有效提高刑侦过程中采集到的指横纹匹配的准确率和效率,提出一种基于修正不变矩和小波多分辨率分析的指横纹特征提取和匹配算法。该方法在一次识别阶段,为克服比例因子和旋转角度对矩的影响,提出最小矩形的求矩区域修正方法并对由Radon投影得到的不变矩特征矩阵进行初等行变换确定旋转角度,从而建立候选图像集合。在二次识别阶段,利用小波多分辨率分析对候选图像集合的确定角度Radon投影进行分析,再由得到的加权不变矩特征向量进行最高相似度匹配。实验结果表明,该方法较传统方法有更好的识别率。     

一种抗图像模糊的快速景象匹配算法

针对各种原因引起的实测图退化情形,将模糊不变矩引入景象匹配中。为了解决匹配过程中计算量大的问题,从简化匹配特征的计算及优化搜索策略两方面采取措施。在模糊不变矩计算方面,通过预先建立21个和表矩阵,提出了一种适用于匹配过程的矩特征高效求解算法;在搜索策略方面,考虑到模糊不变矩特征对图像分辨率的敏感性,提出在原分辨率基准图上采用遗传算法进行搜索匹配。实验结果表明,在实测图出现模糊及受噪声干扰情况下,所提匹配算法在保证匹配精度的同时,其匹配耗时比传统方法少好几个数量级,能够满足导航系统对实时性的要求。     

基于离散正交矩的图像模糊不变性研究*

提出一种基于离散正交Tchebichef矩的模糊不变矩构造算法,其对中心对称点扩散函数造成的模糊图像具有不变性。该不变矩的构造与基于连续矩构造的模糊不变矩思想相似,但其在计算过程中不存在离散近似误差和坐标变换误差,故在有噪声和无噪声情况下均具有更好的模糊不变性。仿真实验验证了本算法的可行性。     

基于局部小波矩的图像匹配算法

该文将图像的视觉不变矩特征引入到图像匹配领域中,通过提取图像的局部小波矩,提出了一种基于局部小波矩的图像匹配算法。并分别对所提出的算法,基于一般不变矩特征的匹配算法有关实验数据进行了对比分析,结果表明了该文所提出算法的可行性和有效性。     

基于主目标区域形状不变矩的图像匹配算法

基于不变矩图像匹配虽然克服了性能的不稳定性,在相对平移、旋转尺度变换的鲁棒性等方面具有一定的优势,但由于其计算公式复杂,匹配耗时长,实时性差。针对此提出了一种新的基于主目标区域的形状的图像匹配算法。此算法先取出待匹配图像的主目标区域,通过提取主目标区域的7个矩不变量图像特征,用图像特征向量的归一化欧氏距离表示图像的相似度,并用花朵等图像作为示例图像进行验证,实验证明该算法具有一定的优越性。     

基于主目标区域形状不变矩的图像匹配算法

基于不变矩图像匹配虽然克服了性能的不稳定性,在相对平移、旋转尺度变换的鲁棒性等方面具有一定的优势．但由于其计算公式复杂,匹配耗时长,实时性差。针对此提出了一种新的基于主目标区域的形状的图像匹配算法。此算法先取出待匹配图像的主目标区域,通过提取主目标区域的7个矩不变量图像特征,用图像特征向量的归一化欧氏距离表示图像的相似度,并用花朵等图像作为示例图像进行验证,实验证明该算法具有一定的优越性。     

基于步态能量图和不变矩的身份识别算法

分析步态能量图即具有作为静态的外观特征,又包含了识别的动力学有用信息,同时证明了步态能量图对噪声的不敏感性。文章提出了一种基于步态能量图和不变矩的身份识别算法,介绍了不变矩的基本理论以及Hu提出的七个不变矩,利用图像不变矩的平移、尺度和旋转不变特性,从原始的步态能量图中提取不变矩特征作为步态能量图的输入特征向量,运用不变矩的最小距离分类器的模式匹配进行步态特征分类。最后在CASIA步态数据库上对所提出的算法和其他新的步态识别方法相比较。实验结果表明,提出的算法是一种有效的步态识别方法。     

新形式勒让德矩的研究

针对传统非正交矩很难进行图像重建的缺点,以及离散矩用于重建需要重复采样的缺陷,以降低图像重建误差为目标,提出了一种以在离散坐标空间内拟合克罗内克狄拉克函数为核心思想的新形式矩的定义--基于勒让德多项式的矩,并对其性质进行了阐述。这种矩在函数空间非正交却拥有优秀的重建效果,且其在矩计算误差、旋转不变性等多个维度较目前主流矩都具有更优秀性能,特别是在目前主流图像矩表现不尽如人意的大尺寸图像领域。此外,突破性地发掘图像矩的抗噪音性能并加入性能对比。通过与目前主流的三种矩：Zernike矩、Polar-Fourier矩以及Polar Harmonic Transform（PHT）矩的对比实验,证明利用这种基于新思想的矩提取图像特征可以具有更小的信息冗余度及多个维度的鲁棒性,其在旋转不变性、减小图像重建误差以及提高抗噪稳定性方面的性能表现至少可以提高22%。     

一种基于区域不变小波矩的图像相似匹配挖掘方法

将小波多尺度分析理论与不变矩理论相结合,提出了一种基于区域不变小波矩的图像匹配挖掘算法和逐步求精的跳跃式搜索策略,将该算法与基于Hu矩和自仿射不变矩特征的图像匹配挖掘算法的性能进行仿真对比分析,得到了较好的结果。     

图像综合特征及其在图像检测与匹配中的应用

针对灰度,几何畸变较大的图像匹配困难的问题,提出了一种图像匹配的新方法。该方法在图像预处理时,首先利用SUSAN算法来检测图像目标的边缘,然后利用图像不变矩,并结合形态信息、灰度信息构造的图像综合特征来进行图像匹配,以完成目标的识别与跟踪。由于SUSAN算法检测特征定位准确,对局部噪声不敏感,而且不变矩具有平移、旋转、比例不变的特性,因此可取得较好的检测与匹配效果。实验也表明,该算法既具有较强的抗灰度、抗几何畸变能力,又具有较强的噪声抑制能力。     

图像矩特征匹配的快速算法(英文)

针对图像匹配过程中矩特征计算量大的问题,从矩特征求解特点出发,提出了一种快速的矩特征匹配算法.该算法利用匹配过程中相邻待匹配子图间的相关性,通过设置十个和表,使得每个待匹配子图低阶矩的计算只需很少的几次加乘运算,大大降低了矩特征的计算复杂度,缩短了匹配耗时.同时,由于所提算法矩特征的计算是基于图像灰度值的精确计算,且匹配过程采用遍历搜索策略,因此其匹配精度与传统遍历搜索的匹配精度相当.仿真结果验证了所提算法的有效性.     

基于结构特征的遥感影像匹配

影像数据的获取受到传感器、大气、光照等多种因素影响,影像数据本身即存在成像的不确定性,且用于匹配的影像数据间常存在较大的尺度、旋转差异,因此利用传统的基于区域灰度的匹配方法很难实现遥感影像的自动匹配.针对遥感影像数据的复杂性,结合不变矩的优良性质,提出一种基于地物结构特征的影像自动匹配方法.首先基于RANSAC(random sample consensus)算法提取影像直线特征,并进一步根据地物构造特征,在直线特征的基础上,设计并实现结构特征提取方法;然后利用结构特征的不变矩及空间相似性测度自动检测最优匹配特征对,实现影像的初始匹配;最后采用松弛匹配等方法,并对松弛匹配结果进行优化,实现影像全局匹配.为了验证算法性能,采用仿真数据和实地遥感影像进行测试,实验结果表明,本文方法不受旋转、缩放等因素影响,能实现遥感影像的自动快速匹配.     

基于人工鱼群微细分解的先验未知像素点修复算法

由于未知像素点先验信息缺失,因此模块匹配和边缘结构信息未知,全息修复困难。传统方法采用子空间特征信息多维搜索方法未能实现对图像纹理的微细结构信息的模板匹配,效果不好。引入人工鱼群算法,提出一种基于人工鱼群微细分解和亮度补偿的先验未知像素点全息修复算法,即采用子空间特征信息多维搜索方法进行先验未知像素点置信度的更新,以保持被修复的图像破损区域的连续性。构建人工鱼群算法的图像微细分解模型,结合边缘特征点亮度补偿策略,来实现对先验未知像素点的图像信息修复改进。实验结果表明,改进的图像修复算法具有良好的视觉效果,修复时间和计算开销较少,提高了稳定性和收敛性,图像修复后的信噪比误差较小,保持在6%以内,因此该算法的性能优越。     

A novel two stage template matching method for rotation and illumination invariance

Template matching is the process of determining the presence and the location of a reference image or an object inside a scene image under analysis by a spatial cross-correlation process. Conventional cross-correlation type algorithms are computationally expensive. Furthermore, when the object in the image is rotated, the conventional algorithms cannot be used for practical purposes.In this paper, an algorithm for a rotation invariant template matching method based on the combination of the projection method and Zernike moments is proposed. The algorithm consists of two stages. In the first stage, the matching candidates are selected using a computationally low cost feature. Frequency domain calculation was adopted to reduce the computational cost for this stage. In the second stage, rotation invariant template matching is performed only on the matching candidates using Zernike moments.