一种基于组合不变矩的新的舰船图像目标识别方法

利用图像的不变矩特征进行目标识别是一种有效的方法.通过比较Hu矩、仿射不变矩和小波不变矩的特点和适用条件,提出了一种运用部分Hu矩、仿射矩和小波矩组合来识别舰船图像目标的方法.仿真实验结果表明,该组合矩对于提高舰船图像目标的识别率是有效的.     

基于时频变换的弹道目标微多普勒特征提取

微多普勒特征是识别弹道目标的重要手段.文中从空间弹道导弹和诱饵散射点微动模型出发,提出了一种基于时频二维像不变矩的微多普勒特征提取方法.该方法首先对导弹和诱饵进行时频变换,然后提取了图像中的7个Hu不变矩作为目标识别的特征.通过仿真实验,分析了特征组合对识别效果的影响,并提出了最优特征组合.文中还评估了特征矢量在不同信噪比条件下的稳定性,试验结果表明,时频像不变矩特征对信噪比变化具有一定的稳定性.     

基于不变距的舰船目标识别

通过对Hu不变矩和仿射不变矩原理的分析,得知不变距特征在图像平移、伸缩、旋转时均保持不变.分析了舰船红外图像的特点,结合Hu不变矩和仿射不变距原理,以大量外场试验数据为基础,对转向的舰船进行了识别研究.从仿真实验得到的大量数据中,发现舰船在转向过程中仍然能很好的识别.     

基于组合矩的激光成像雷达目标识别算法

随着激光技术的发展,激光成像雷达在现代战争复杂战场环境中逐渐获得了广泛的应用,目前激光成像雷达自动目标识别技术已成为国内外研究的热点问题。提出了基于组合矩的激光成像雷达目标识别算法,从激光成像雷达目标的距离像中提取低阶的Zernike矩、Hu矩和中心矩构成组合矩特征,该特征对距离像噪声不敏感,应用径向基函数(RBF)神经网络对三种地面目标进行分类识别。实验结果表明,该算法与应用Zernike矩和Hu矩特征进行分类识别相比,对三种激光成像雷达地面目标的平均识别率在高载噪比(20dB)下分别提高了1.0%和3.7%;在低载噪比(10dB)下分别提高了11.8%和42.5%;当载噪比高于17dB时,该算法的平均识别率达到100%。因此该算法取得了比较好的识别效果。     

基于组合不变矩特征的空中目标识别方法

根据NMI特征和Jan Flusser提出的仿射不变矩各自的特点和适用条件,提出了一种组合不变矩.利用组合不变矩提取图像的不变特征向量,并结合Fisher线性判别准则,实现了对空中目标的Fisher线性判别器(FLDA)的分类识别.同时,考虑到识别的快速性方面,对FLDA进行了改进,提出了主分量分析(PCA)与FLDA相结合的识别算法.仿真实验结果表明,该方法具有较高的识别精度和速度.     

基于不变矩和改进BP神经网络的目标识别

基于Hu不变矩的尺度不变性,以图像的不变矩特征作为输入,建立基于批训练的改进型误差反向传播(BP)神经网络。运用基于Bayesian正则化的Levenberg-Marquardt算法优化误差函数计算精度,改进网络,实现参数最优化组合。通过MAT LAB环境,建立了基于不变矩的改进BP神经网络目标识别模型。实验表明,该方法实现了对目标的准确识别和对干扰图像的正确判断。     

飞机红外图像的目标识别及姿态判断

飞机红外图像的自动目标识别(ATR)是红外探测与成像制导技术中的重要研究内容之一.首先分析了飞机红外图像的特点,然后结合Hu不变矩和仿射不变矩,提出了一组有利于目标特点提取的特征量和自动识别算法,并建立了飞机红外图像的姿态库.通过对若干飞机图片和干扰图片进行飞机目标识别和姿态判断,验证了该方法的有效性.     

一种基于改进BP神经网络的图像目标识别算法

本文利用不变矩具有平移、旋转和尺度不变性的特点,将其应用于图像识别.提取图像的七个不变矩,然后利用改进的神经网络(BP)进行了图像目标识别算法研究,结果表明此算法具有较好的识别效果,并且速度较快,可以应用于图像小目标的识别当中.     

基于区域矩的舰船图像目标特征融合方法研究

为了增强特征对图像目标的描述能力,一类重要的方法是将不同类型的特征融合。面向舰船图像目标识别,研究了基于区域矩的特征融合方法。区域矩不是计算原始图像像素的矩,而是计算图像特征的矩,具体是首先设计合适的目标特征,然后利用中心矩、Hu氏不变矩和径向矩实现特征融合,并基于KNN分类实现目标识别。仿真实验表明,与区域协方差相比,区域矩可以更好地融合舰船可见光图像或红外图像的目标特征,而且没有随机初始化问题,所以实用性和有效性更高。     

基于PNN的退化交通标志图像的识别算法研究

为了识别退化的交通标志图像,该文采用一种新的特征提取算法。该算法在处理图像退化问题时,采用模糊-仿射联合不变矩直接提取图像的特征,从而避免了需要较大计算量的图像复原处理过程。针对各阶模糊-仿射联合不变矩数量级差异较大问题,提出一种数量级标准化算法。在深入分析PNN与K-means聚类算法的基础上,提出采用全局K-均值算法优化设计概率神经网络分类器,并将其用于交通标志图像的分类识别。仿真结果表明:模糊-仿射联合不变矩是一种有效的处理退化交通标志图像的方法,所设计的概率神经网络分类器不仅具有精简的结构而且具有较好的推广性能。     

曲线矩不变性的研究

本文提出一种新的矩和矩的不变性。它不仅适合于封闭轮廓线的识别和匹配,而且可以用来进行任意曲线段以任意方式组合所构成的物体的识别和匹配,从而拓广了前人平面矩、付里叶描述子等方法的应用范围。同时运用本文方法更正了前人方法的错误。最后,为了有效地使用曲线矩,本文提出了曲线矩计算的快速算法。新算法几乎不需要乘法,因此实现简单,速度快。     

基于特征级融合和支持向量机的飞机识别

提出一种新的基于组合不变量的飞机识别方法。对不同飞机机型图像,提取Hu矩、仿射矩和归一化傅里叶描述子（NFD）3类不变量进行特征级融合。针对组合不变量取值范围较大问题,提出采用4种归一化方法,结合支持向量机（SVM）以提高飞机识别系统的分类性能。仿真实验表明,提取飞机的组合不变量特征,采用传统神经网络或SVM构建分类器...     

彩色图像的四元数径向矩仿射不变量

为了研究彩色图像的不变量特性,本文把传统灰度图像的不变量理论推广到四元数层面上来,定义了彩色图像的四元数径向矩并构造了该矩函数的仿射不变量。采用四元数对彩色图像建模,可以充分利用彩色图像整体信息,实现彩色图像RGB通道的并行处理。实验结果表明,彩色图像的四元数径向矩仿射不变量的稳定性要优于L.V.Gool等人提出的彩色矩仿射不变量,其数值稳定性(σ/μ值)提高了一个数量级。本文所提出的四元数径向仿射不变量可以作为模式识别中彩色目标的特征描述子。     

Image analysis by Krawtchouk moments

A new set of orthogonal moments based on the discrete classical Krawtchouk polynomials is introduced. The Krawtchouk polynomials are scaled to ensure numerical stability, thus creating a set of weighted Krawtchouk polynomials. The set of proposed Krawtchouk moments is then derived from the weighted Krawtchouk polynomials. The orthogonality of the proposed moments ensures minimal information redundancy. No numerical approximation is involved in deriving the moments, since the weighted Krawtchouk polynomials are discrete. These properties make the Krawtchouk moments well suited as pattern features in the analysis of two-dimensional images. It is shown that the Krawtchouk moments can be employed to extract local features of an image, unlike other orthogonal moments, which generally capture the global features. The computational aspects of the moments using the recursive and symmetry properties are discussed. The theoretical framework is validated by an experiment on image reconstruction using Krawtchouk moments and the results are compared to that of Zernike, pseudo-Zernike, Legendre, and Tchebyscheff moments. Krawtchouk moment invariants are constructed using a linear combination of geometric moment invariants; an object recognition experiment shows Krawtchouk moment invariants perform significantly better than Hu's moment invariants in both noise-free and noisy conditions.     

Image analysis by Gaussian-Hermite moments

Orthogonal moments are powerful tools in pattern recognition and image processing applications. In this paper, the Gaussian-Hermite moments based on a set of orthonormal weighted Hermite polynomials are extensively studied. The rotation and translation invariants of Gaussian-Hermite moments are derived algebraically. It is proved that the construction forms of geometric moment invariants are valid for building the Gaussian-Hermite moment invariants. The paper also discusses the computational aspects of Gaussian-Hermite moment, including the recurrence relation and symmetrical property. Just as the other orthogonal moments, an image can be easily reconstructed from its Gaussian-Hermite moments thanks to the orthogonality of the basis functions. Some reconstruction tests with binary and gray-level images (without and with noise) were performed and the obtained results show that the reconstruction quality from Gaussian-Hermite moments is better than that from known Legendre, discrete Tchebichef and Krawtchouk moments. This means Gaussian-Hermite moment has higher image representation ability. The peculiarity of image reconstruction algorithm from Gaussian-Hermite moments is also discussed in the paper. The paper offers an example of classification using Gaussian-Hermite moment invariants as pattern feature and the result demonstrates that Gaussian-Hermite moment invariants perform significantly better than Hu's moment invariants under both noise-free and noisy conditions.     

基于相对点矩的SAR图像匹配算法

为了解决景象匹配导航系统中图像存在旋转误差以及遮档问题,提出了一种基于相对点矩的SAR图像匹配算法.Harris角点提取算于结合亚像素精确定位算法可以获得高精度的特征点坐标,而Hu不变矩具有平移、旋转、缩放(RTS)不变性,结合两者优点,本文首次提出了相对点矩的概念.相对点矩同样具有RTS不变性,可以实现任意旋转角度下...     

基于小波结构矩的图像识别算法

提出了一种基于小波结构矩的具有平移、旋转、缩放不变性的新型图像识别方法.小波结构矩是在小波矩的基础上通过改变图像函数的结构即几何矩的密度得到的.该算法结合了小波和结构矩的优点,不但实现了对图像特征的精细把握还增大了相似图像之间的距离.采用三次样条函数作为母小波,有效提取了图像的全局特征和局部特征.实验证明,小波结构矩比改进的Hu矩和结构矩具有更高的识别率,目前该算法已经成功运用到全自动金丝球焊机图像识别系统.     

目标不变矩的稳定性研究

研究了在实际应用中影响目标不变矩稳定性的各种因素，包括高斯模糊、有限观测区域和离散化处理等．分析了在这些因素影响下不变矩的变化规律和误差．并对离散条件下不变矩的误差进行了分析．实验证明得出的具有模糊不变的不变矩，能对经过旋转比例变换且模糊的物体进行准确识别．这些研究和分析为不变矩在实际成像识别系统中正确有效地应用提供重要的理论和实验依据．