低阶不变矩人耳识别方法

介绍了不变矩原理及特点,由于高阶矩对噪声敏感,提出一种低阶不变矩分子区域人耳识别方法.对分子区域的人耳图像,提取各个区的低阶不变矩首尾相连组成一组特征矢量,作为耳识别模型.在北京科技大学建立的图像库遍历实验后,结果表明,低阶矩识别效果好于高阶矩,分区好于整体.划分32区低阶不变矩达到100%的识别率.     

改进的矩不变阈值分割图像算法

介绍图像的矩以及在保持图像的矩不变的条件下对图像进行两级阈值分割的方法,指出利用该方法分割出来的图像具有过多的无用背景信息.为此,在矩不变阈值算法的基础上提出了两种改进算法,一种是根据特征点检测函数进行迭代;另一种是根据特征点检测函数的均值进行调整,以达到尽量保留图像前景物体信息,去掉无用背景信息的目的.     

电视图像目标实时分割与识别算法

研究一种电视图像目标实时分割和识别算法.在二维图像不变矩和相对矩的基础上,进一步组合优化得出4个不变矩,结合复数矩、圆方差和椭圆方差组成目标特征向量,利用k-近邻法实现目标的识别和分类.图像分割采用改进矩不变阈值分割和基于梯度的自适应阈值分割提取目标.仿真实验表明,提取的目标特征量对于平移、缩放和旋转均能保持较好的不变性.用该分割算法分割的图像边缘清晰,分割时间为8 ms,易于硬件实现.     

一种有效的图像目标识别算法

通过提取图像7个不变矩,结合神经网络(BP)对图像目标进行识别计算.结果表明,该算法具有很好的识别效果,可以应用于图像小目标的识别.     

不变伪线矩算法在运动船只目标识别中的应用

为准确得到港口运动船只的特征、且在节约系统资源的同时快速高效地跟踪目标,结合传统不变矩和不变线矩的特点,提出了一种基于不变伪线矩的目标识别算法.进行计算复杂性分析,验证了算法的快速性;同时分析了不变伪线矩的稳定性.使用新算法得到图像中各目标的计算区域,并对计算区域进行边缘检测预处理,通过二值图像计算得到不变伪线矩.评估了新算法的不变伪线矩性能,并进行了仿真测试与分析.结果表明,该算法在准确得到运动目标所在区域特征的同时提高了运算速度,并成功应用于运动船只智能监测系统.     

一种新的掌纹特征提取算法

提出一种基于小波图像分解和不变矩函数的掌纹特征提取算法.该算法首先对掌纹ROI灰度图像进行N层二维小波分解,得到3N 1幅子带图像,分别计算每幅子图像的各阶不变矩函数作为特征向量.该算法首次将不变矩理论应用于掌纹识别,可对掌纹ROI灰度图像直接提取特征,去除了如图像增强和纹理细化等预处理算法所带来的消耗,得到的特征向量长度远小于传统算法.作者使用自行采集的数据库对该算法进行实验,获得了98.33%的正确识别率,验证了算法的有效性和准确性.     

基于正交矩模糊和仿射混合不变量的图像识别算法

为了识别含有模糊和仿射混合形变的图像,提出了一种新的基于正交矩模糊和仿射混合不变量的图像识别算法.该算法首先使用归一化方法构造了基于Legendre正交矩的仿射不变量,并结合Legendre正交矩的模糊不变量提出了Legendre正交矩的模糊和仿射混合不变量;然后将该混合不变量作为描述算子,将欧几里德范数作为分类尺度,以最近邻法则作为分类器,对图像进行识别.实验结果表明,与其他基于非正交矩的混合不变量相比,基于Legendre正交矩的模糊和仿射混合不变量在混合形变下能够获得更好的不变性,不会带来信息冗余问题,并且对噪声鲁棒性较好;此外,该图像识别算法比其他算法具有更高的识别率,特别是在图像含有较大噪声的情况下.     

一种改进的Zernike矩的雷达图像目标识别方法

针对Zernike不变矩目标识别算法计算复杂,计算复杂度高的不足和雷达图像乘性噪声严重和识别率不高的问题,提出了一种快速计算Zernike矩目标识别算法.该算法通过利用Zernike矩对称性和反对称性对雷达图像进行快速计算求得不变矩,然后通过加权求得新的特征向量,最后通过支持向量机进行目标识别.实验结果表明,提出的算法不仅解决了计算过于复杂的问题,还降低了噪声且提高了目标识别率.     

挖掘机器人铲斗不变矩及改进BP网络识别方法

在利用视觉信息跟踪、识别挖掘机器人铲斗目标时,实时采集的铲斗图像存在旋转、平移、缩放等情况.为提高对铲斗目标的识别能力,提出了基于不变矩和神经网络相结合的铲斗目标识别方法.提取铲斗图像对于平移、旋转、缩放具有不变性能的7个不变矩特征向量,归一化后作为改进BP神经网络的训练样本及测试样本.应用训练后的神经网络对铲斗目标进行识别,仿真表明该方法具有较好的识别能力.     

基于伪Zernike矩模糊不变量的图像识别算法

为了提高模糊图像的识别率,提出了一种新的基于正交伪Zernike矩模糊不变量的图像识别算法.该算法首先推导出模糊图像的伪Zernike矩和原始图像的伪Zernike矩之间的线性关系,然后利用该关系构造出伪Zernike矩的模糊不变量,最后将该不变量作为描述算子对模糊图像进行识别.实验表明,与Zernike矩模糊不变量相比,伪Zernike矩不变量具有更好的模糊不变性,并且基于伪Zernike矩模糊不变量的图像识别算法能获得更高的识别率,特别是当图像含有较大噪声时.     

一种新的RSTC不变矩图像特征点匹配

研究了图像特征点的匹配，针对单纯依靠灰度度量会出现多峰值，匹配不可靠、不准确的问题，本文提出了一种新的匹配方法。该方法首先用改进的SUSAN算法找到角点，然后构造一种新的RSTC不变矩来描述角点特征，并用RSTC不变特征量作为匹配相似度的度量，再结合RANSAC鲁棒估计以及外极线约束进行引导匹配，可以获得比较好的匹配结果。实验结果证明了该方法的有效性。     

基于组合矩不变量特征的BP神经网络分类器

本文通过研究矩特征的性质，在传统的７个矩不变量的基础上，提出了５个组合矩不变量来完成对目标特征的描述．为完成对三维物体的识别，这里采用三层的ＢＰ神经网作为分类器，其输入特征为上述组合矩不变量．文中对三类目标在各种姿态下的矩特征分布的情况进行了研究，并将神经网分类器与最小距离分类器的分类性能作了比较．实验证明，神经网分类器能够完成对三维目标的识别，并且在实时性和鲁棒性方面表现了良好的特性     

基于伪Zernike矩不变量分析的视觉测力

提出了一种基于伪Zernike矩不变量分析的视觉测力方法.该方法利用伪Zernike矩不变量所构成的特征向量来描述微装配过程中微夹爪变形之后的形状,并由此建立了矩不变量特征向量与受力之间的函数关系;建立训练集,输入为矩不变量特征向量,输出为已知受力;通过支持向量机比较测试集与训练集中的特征向量,对测试集的输入进行多类分类,从而估计未知受力.对4种不同规格的微悬臂梁进行了实验,结果验证了该方法的有效性.     

矩在面部表情识别中的应用

将Zernike矩和小波矩运用于面部表情识别问题,分别计算了面部图像的Hu矩、Zernike矩、Haar矩、Shannon矩和B样条矩,以模式识别中常用的类间距作为依据,提取了面部图像的各种矩的最好特征和次好特征,并对Zernike矩和B样条矩的识别能力和抗噪性进行了比较.实验证明:用Zernike矩作为面部表情特征,其识别率在特征数取5个时能达到95%,B样条矩在特征数取2个以上时识别率能达到100%.     

不变矩构造方法的研究

在7个经典不变矩基础上，总结出基不变矩的一般构造规律，提出了一种新的推导不变矩的重要方法——三角函数分解法，导出了多个新的不变矩表达式，提出了不变矩空间的概念，讨论了不变矩在图像反转变换下的特性．利用扩充后的基不变矩特征序列就可以更准确地对图像进行分类和识别．     

一种图像目标实时识别系统

以ＴＭＳ３２０Ｃ４０为主处理器，选用不变矩为目标特征，采用以积分方法为基础的一种不变矩快速算法，对极点的计算提出了具体算法。给出了各种极占的叠加分量。并采用ＢＰ神经网络对目标进行分类，实现了一种图像目标实时识别系统。实验表明，识别效果良好。     

基于矩特征的目标识别

对图像中的目标进行自动识别,既节省了人力,又提高了信息的时效,是模式识别发展的一个重要方向.文中用矩不变量表示目标的形状特征,并对其在离散时不具有尺寸不变性进行改进,构造了新的矩不变量.根据提取的矩特征设计了支持向量机分类器,用于对不同类型的目标进行分类识别,利用VC＋＋和Libsvm工具开发了自动识别软件.