基于度量矩阵特征值的图像空间关系描述

构造了在平移缩放旋转下保持不变的基于度量矩阵特征值的图像空间关系描述子。理论计算和仿真实验表明这种描述与人的主观视觉心理相一致,在平移缩放旋转下以及小噪声下具有较强的鲁棒性,具有较好的类别可分离性。与传统的空间关系描述方法如几何法和图匹配法相比,可以更好地描述图像空间关系,同时计算量有所减小。用于图像识别、图像检索、图像配准取得了较好效果。     

基于Zernike矩的视频对象零水印算法

针对几何攻击所导致的水印不同步问题,提出了一种结合Zernike矩和图像归一化的有效视频对象水印算法。Zernike矩的幅度具有旋转不变性,缩放和平移不变性通过图像归一化取得。水印嵌入采用零水印方案,解决了基于Zernike矩的图像重构效果不理想和重构过程中复杂度高的问题。实验结果表明,该水印算法对旋转、缩放等几何操作具有鲁棒性,同时对压缩、滤波、高斯噪声等常见的图像处理操作也具有鲁棒性。     

基于局部Zernike矩的RST不变零水印算法

旋转、缩放和平移(RST)等几何攻击能够破坏水印检测的同步性,使得水印检测失败。针对此问题,提出了一种基于图像局部Zernike矩的RST不变零水印算法。Zernike矩的幅度具有旋转不变性,再结合图像归一化,使其具有缩放和平移不变性。由于Zernike矩的图像重构效果不理想且重构过程中复杂度高,因此水印嵌入选择零水印方案。实验结果表明,该算法对旋转、缩放和平移(RST)的攻击具有很好的鲁棒性,同时对JPEG压缩、加噪、滤波等常见的图像处理操作也具有很好的鲁棒性。     

基于Zernike矩和前馈神经网络的图像配准

提出一种基于Zernike矩和多级前馈神经网络的图像配准算法。利用低阶Zernike矩表征图像的全局几何特征,通过多级前馈神经网络学习图像所经历的旋转、缩放和平移等仿射变换参数,在一级前馈神经网络的基础上添加二级前馈网络,以提高参数估计精度。仿真结果表明,与基于DCT系数的神经网络算法相比,该算法旋转、缩放和平移估计精度较高,对噪声的鲁棒性较强。     

异源图像特征点边缘描述与匹配

特征提取是数字图像处理和计算机视觉中的一项重要技术,而利用特征描述算子来构造图像特征点是图像特征提取及配准中的一个关键步骤。SIFT特征点检测算子具有平移、旋转及缩放不变性,在图像配准中应用很广泛。针对基于SIFT特征的64维描述算子的不足进行了改进。通过仿真实验证明,改进后的算法比原算法精度更高,且时间复杂度有所降低。     

Radon变换域的鲁棒图像Hash算法研究

针对数字图像内容认证的问题,提出了一种基于Radon变换域的鲁棒图像Hash算法。该算法在Radon变换域提取图像平移、缩放不变的矩特征,将矩特征的离散傅里叶变换系数作为图像的Hash值。离散傅里叶变换可实现抗图像旋转操作,并可降低图像Hash的维数。为了增加安全性,整个特征提取过程都是基于密钥进行的。理论分析证明Radon变换域的不变矩特征对一般的图像处理操作,特别是平移、缩放、旋转等几何操作有极好的不变性。实验结果表明提出的算法几乎可以容忍所有的图像内容保存操作,比如缩放、旋转、JPEG压缩、滤波和加噪等,同时对视觉上有明显失真或根本不相似的图像有高度的敏感性。     

基于Cartesian矩的水印图像矫正算法

提出了一种水印图像矫正算法。该算法利用水印图像几何变换前后的Cartesian矩计算出水印图像缩放的尺度因子、旋转角度和平移参数，实现了对水印图像几何失真的快速矫正，不但可以校正水印图像的旋转失真、缩放失真和平移失真，还能有效地矫正联合失真。实验表明，该算法矫正精度高、性能稳定、计算量小，可以快速准确地矫正水印图像的高强度几何失真和联合失真。     

SAR图像的改进相位相关配准方法

基于相位相关的图像配准方法以其运算量小、抗干扰性强等优点得到广泛关注,但它只能解决具有平移运动的图像配准问题,为此,文章提出一种改进的相位相关配准方法,分析了其配准原理,给出流程图,并将其应用于存在缩放、旋转和平移变换的SAR图像配准中。仿真结果表明,该算法能够较为准确地估计出待配准图像相对于基准图像的平移参数、缩放尺度和旋转角度。     

基于对数极坐标映射的图像拼接方法

图像拼接在基于图像的绘制、视频检索以及景物匹配等领域有着广泛的应用，为了获取大画面宽视场的场景表示，针对存在旋转及缩放变化的图像，提出了一种基于对数极坐标映射的图像拼接方法，该方法先将图像从笛卡儿坐标空间转换到对数极坐标空间，使得笛卡儿坐标空间中图像的旋转和缩放转换为对数极坐标空间中图像的二维平移，这样可直接利用相位相关法来估算出图像间的旋转角度和缩放因子，然后以此作为初值，再采用非线性最小化优化算法进一步求精图像间的运动参数来实现图像的配准，最后通过图像融合来实现图像的拼接。实验结果表明，该方法是有效的。     

一种基于特征点匹配的图像拼接方法研究

针对图像间因具有旋转及光线强度差异等现象而导致的拼接效果不佳及拼接速度慢的问题,提出一种基于特征点的配准算法;在特征点提取阶段,尺度不变的特征变换方法 (SIFT)具有对图像尺度缩放、旋转、放射变换以及亮度变化保持不变的优点,文章采用了改进的SIFT特征点提取算法;在特征点匹配阶段,采用改进的RANSAC算法对特征点匹配对提纯;最后用加权平均法实现拼接图像的融合;实验证明,该算法有效提高了图像拼接的效率和准确性,拼接精度可以达到亚像素级。     

基于角点及空间分布的图像检索方法

本文提出了一种利用角点特征进行图像检索的新方法,该方法利用改进后的Harris算法检测角点,在此基础上结合角点信息、质心距与非角点信息进行检索。该描述方法对形状的平移、旋转、尺度具有鲁棒性。实验结果表明,该方法能够充分利用轮廓信息正确描述形状特征,且实现简单,有效提高了检索的效率。     

基于Hu不变矩和BP网络的条形码图像识别方法

针对目前比较流行的一维条形码和二维条形码识别算法存在对几何失真图像的识别准确率较低的问题,提出了一种新的基于不变矩和BP网络的条形码识别方法,提取不变矩特征向量作为特征值输入BP网络,对其进行训练与测试,利用训练好的BP网络对形变条形码图像进行识别,实现了对存在旋转、平移和缩放等几何失真的条形码图像的正确识别.实验结果表明,基于Hu不变矩和BP网络的条形码识别方法具有很强的抗图像平移、拉伸和旋转识别能力,并且具有实现简单、训练速度快、识别率高等特点.     

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。     

光场图片中基于Plenoptic的尺度不变特征描述符

在光场中,图片的特征描述符可以用于对象的识别和跟踪等应用。为了使光场图片在旋转和缩放等操作下保持不变,本文基于Plenoptic函数的图片表达方法提出一种尺度不变特征描述符。首先,对Plenoptic函数与光场进行了描述,并用七维数据来表示时序图片序列。其次,对Plenoptic函数的规范化进行了分析,并给出了三维场景点向二维和三维Plenoptic空间的映射方法。接下来,分析了光场中图片在旋转和缩放操作下的尺度不变特性,并给出了相应的变换算法。最后,在提取尺度不变的特征向量时通过融合函数降低了参数调整所需的计算量。实验表明,本文提出的尺度不变特征描述符可以更好的描述图片,从而在基于描述符的操作中具有更优的性能。     

基于视觉词汇形状描述的图像表示方法

针对目前图像表示中引入空间位置信息的空间金字塔匹配方法缺乏对图像中视觉物体平移、缩放和旋转的考虑,提出一种基于视觉词汇形状描述模型的图像表示方法。该方法相对于每个视觉单词的几何中心建立空间几何模型,保证平移不变性;给出对数极坐标空间金字塔匹配,对对数极半径做归一化,保证缩放不变性;在空间金字塔划分过程中确定极角的主方向,从而保证旋转不变性。分别在Caltech-101数据集和自建图像数据集上对该方法进行了验证和比较。实验结果表明,该方法提高了分类识别准确率,特别是对于包含明显平移、缩放和旋转变化的图像数据集;该方法的方差较小,说明其鲁棒性更强。     

Image normalization for pattern recognition

In general, there are four basic forms of distortion in the recognition of planar patterns: translation, rotation, scaling and skew. In this paper, a normalization algorithm has been developed which transforms pattern into its normal form such that it is invariant to translation, rotation, scaling and skew. After normalization, the recognition can be performed by a simple matching method. In the algorithm, we first compute the covariance matrix of a given pattern. Then we rotate the pattern according to the eigenvectors of the covariance matrix, and scale the pattern along the two eigenvectors according to the eigenvalues to bring the pattern to its most compact form. After the process, the pattern is invariant to translation, scaling and skew. Only the rotation problem remains unsolved. By applying the tensor theory, we find a rotation angle which can make the pattern invariant to rotation. Thus, the resulting pattern is invariant to translation, rotation, scaling and skew. The planar image used in this algorithm may be curved, shaped, a grey-level image or a coloured image, so its applications are wide, including recognition problems about curve, shape, grey-level and coloured patterns. The technique suggested in this paper is easy, does not need much computation, and can serve as a pre-processing step in computer vision applications.     

基于傅里叶变换的形状上下文描述方法

提出了一种新的基于傅里叶变换的形状上下文描述方法,与以前的形状上下文描述子相比,增加了天然的旋转不变性,同时描述子本身也更加简洁.该傅里叶形状描述子,将全局采样点的分布信息有机地结合到了每个采样点的特征描述中去,从而使代表不同形状的采样点集可以得到准确的鉴别匹配.进一步考虑点集之间仿射变换的代价,从而可以很好地运用到二维形状分类识别问题中去.该方法满足平移、缩放、旋转三个不变性,在形状有遮挡、缺损的情况下都可以取得较好的容错识别效果.     

高斯卷积角:用于叶片图像检索的形状描述不变量

植物叶片图像的识别是计算机视觉和图像处理技术在生物学和现代农业中的一个重要应用.其挑战性在于植物叶片种类数量巨大,且许多叶片图像具有很大的类间相似性,使得描述叶片图像的类间差异变得非常困难.本文提出了一种称为高斯卷积角的叶片形状描述新方法.该方法用高斯函数与叶片轮廓点的左右邻域向量的卷积产生高斯卷积角,再通过改变高斯函数的尺度参数,生成多尺度的高斯卷积角,组成特征向量.组合各轮廓点的特征向量,构成一个特征向量集合,作为叶片形状的描述子.两幅叶片图像的相似性可以简单的通过计算它们的高斯卷积角特征向量集合间的Hausdorff距离来进行度量.高斯卷积角描述子具有平移、旋转、缩放和镜像变换的内在不变性.该不变性从理论上得到了证明.该描述子还具有由粗到细的描述叶片形状的优良特性,使得其具有很强的叶片辨识能力.通过用中外两个公开的叶片图像数据集进行算法性能测试,实验结果表明该方法优于现有的其他同类方法,验证了该方法的有效性.     

基于SIFT特征点匹配的水印图像几何校正算法*

为了有效实现水印图像的水印检测与水印嵌入之间的同步,提出一种应用SIFT(scale invariant feature transform)特征点匹配估计水印图像几何变换参数的校正算法.用两个稳定而又相距最远的图像SIFT特征点的变化估计图像所经历的旋转和缩放参数,校正之后,再用一个稳定的SIFT特征点的变化校正图像...     

基于多邻域统计矩直方图的彩色图像检索

提出一种创新的基于多邻域统计矩直方图方法(MNSMH)，该方法在量化HSV颜色模型下，计算每个像素点不同邻域的统计矩，对每个邻域统计矩，计算它的归一化直方图．以这些直方图和颜色直方图一起作为图像的特征索引进行彩色图像检索．这些不同邻域矩反映了图像颜色的空间分布信息，而它们的直方图又是对整个图像的全局统计，对图像的平移、旋转和尺度不变．实验结果表明，该方法性能稳定，与两种基于颜色直方图方法相比，能够明显地提高检索率．