基于Fourier-Mellin矩的彩色图像检索

为提高图像检索效率,本文提出一种Fourier—Mellin矩的彩色图像检索方法,该方法利用彩色图像的Hilbert变换下相位一致性和梯度幅值的结构特征.用Fourier-Mellin矩描述图像纹理特征,既利用相应一致性不受图像亮度和对比度变化的特点,叉利用Fourier Mellin矩的旋转不变性的特点,对彩色图像有很好的检索效果。为验证该算法的效率,在三个彩色图像库中进行对比实验,实验表明:该算法明显优于文中比较算法。     

基于Contourlet 变换和Hu 不变矩的图像检索算法

文章提出一种基于Contourlet 变换和Hu 不变矩的图像检索算法。首先,对每幅图像进行Contourlet 变换,得到低频子带与高频方向子带,把计算得到的低频子带的Hu 不变矩和各个高频方向子带的均值与标准差作为图像的特征向量,利用Manhattan距离进行相似度度量,完成基于内容的图像检索。为对该文提出的算法的检索效果进行检验,分别与基于Contourlet 变换特征的检索算法和基于Hu不变矩特征的检索算法等方法进行了对比实验研究。结果表明,该算法有效地融合了图像的纹理特征与低频子带的形状特征,较好地实现了基于内容的图像检索,平均查准率达到73.94%。     

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。     

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...     

Zernike矩不变性分析及其改进

在分析了Zernike矩不变性后,提出了一种基于图像整个区域形状描述算子的改进Zernike矩。改进的Zernike矩不仅具有旋转不变性,而且还具有改进前不具有的比例不变性。试验结果证明,和改进前的Zernike矩相比,改进后的Zernike矩具有更好的不变特征,可用作基于区域的形状描述算子。     

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.     

一种基于形状矩阵的傅立叶描述子

提出了一种基于形状矩阵的傅里叶描述子,该算法首先对植物叶片图像二值化,随后将图像的直角坐标转换为极坐标,并将极点移至图像质心,再利用极坐标光栅系统对图像重新采样形成形状矩阵,之后对矩阵进行离散傅里叶变换,利用低频系数描述图像的形状信息。实验结果显示该方法的检索性能明显优于Hu不变矩、等面积同心圆等其他5种算法,在对图像的抗噪性实验中也证明了该算法的高效性。     

基于不变矩的制动开关图像匹配方法

针对TFDS检测系统中制动开关定位耗时较长的缺点,提出一种基于Hu不变矩的变步长匹配方法。该方法由粗匹配和精匹配组成,并根据制动开关形状设计了横向匹配的变步长计算公式。首先通过Hu不变矩计算模板图像与检测图像中模板窗口的匹配值,根据匹配值的权重来选择对应步长,并把匹配值大于设定阈值的点作为初级预选点;然后获取每个预选点邻域内的最佳匹配点,将其保存到极大值序列以搜索最大值,最终锁定制动开关所在区域。实验结果表明,该算法对尺度变换、平移以及旋转具有一定的不变性,且匹配速度大大提高,取得了良好的匹配效果。     

改进的统一Hu矩在图像目标识别中的应用

以图像的平移、旋转及尺度变换为研究对象,结合Hu提出的基于区域的不变矩和Chen提出的基于边界的不变矩,进一步改进了统一Hu矩,并证明了改进后的不变矩在离散状态下的不变性。其中针对图像旋转的特点引入权向量的改进发法,并通过实验证明了这种方法极大提高了图像在旋转变换后的识别命中率,使其具有一定的应用前景。     

基于Krawtchouk不变矩的仿射攻击不变性局部水印算法

本文提出了一种基于原始图像Krawtchouk不变矩实现的仿射攻击不变性局部水印算法.具体介绍了Krawtchouk不变矩的构造方法,水印是事先产生的且与原始图像无关,通过将水印嵌入到图像的Krawtchouk不变矩中实现仿射攻击不变性.这种基于Krawtchouk矩的水印算法是局部水印技术,即水印的嵌入只是影响到部分原始图像,因此该算法对剪切攻击具有很好的鲁棒性.检测过程中采用独立分量分析技术实现真正意义上的盲检测.文中具体分析了所提出算法的计算复杂度,实验数据说明这种水印算法对通用水印测试软件Stirmark具有很好的鲁棒性.     

彩色图像中基于Hu矩的手势识别方法研究

手势识别是图像处理中一个主要研究方向,Hu矩由于其良好的不变性被广泛地应用在二值图像中进行图像识别.文中将传统的Hu矩引入到彩色图像中,经过大量的实验,得出了Hu矩在彩色图像中的特性,提出了基于Hu矩的图像旋转识别法,应用在彩色图像的手势识别中.     

基于Tchebichef不变矩的多比特抗几何攻击图像盲水印算法

现有的大多数水印算法对旋转、平移和尺度变换等几何攻击的鲁棒性比较差,微小的几何攻击都有能导致水印检测器失效,因此水印算法对几何攻击具有鲁棒性非常重要。本文提出了一种基于Tchebichef不变矩实现的多比特几何攻击不变性图像盲水印算法。文中具体介绍了Tchebichef不变矩的构造方法,水印是事先产生的与原始图像无关的信号,嵌入过程中将水印嵌入到图像的Tchebichef不变矩中实现几何攻击不变性。水印检测过程中采用独立分量分析技术实现真正意义上的多比特水印盲检测。文中具体分析了所提出的水印算法的计算复杂度,实验过程中采用通用水印测试软件Stirmark对所提出的水印算法进行鲁棒性测试,实验数据说明这种水印算法对Stirmark具有很好的鲁棒性。     

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。     

一种基于改进BP神经网络的物体识别方法

提出基于自适应学习速率动量梯度下降的BP算法进行物体识别,并以修正的Hu不变矩特征作为BP神经网络的输入,通过训练对网络的权值和阈值进行调整.该算法使BP神经网络在学习速率和稳定性上有了进一步的提高.仿真结果表明该方法对物体的平移、旋转、缩放都具有不变性,从而验证了该方法的有效性.     

基于形状特征的图像检索算法研究

针对图像检索存在性能的不稳定性、相对平移、旋转和尺度变换等问题,提出了基于区域内形状特征的不变矩和轮廓力矩法和傅里叶描述符结合的方法.其中的不变矩和轮廓力矩法具有良好的平移、旋转、尺度缩放不变性及抗干扰性,傅里叶算法不仅对噪音具有很好的鲁棒性,而且对几何变换具有不变性,更加适合图像检索的需要.通过实验可知,该算法对于图像的扭曲形变具有不变性,在具有一定形变干扰的情况下,仍得出较好的图像检索结果;且检索结果排列的顺序与人的主观视觉判断大致相同,检索精度好.     

基于支持向量机的步态识别算法研究

为了准确快速地进行运动人体的步态识别,提出了一种基于主分量分析(PCA)和统一Hu矩融合的步态识别算法。将人体髋关节以下作为感兴趣区域,对图像序列中运动人体的感兴趣区域进行了分割,并提取主分量外形特征,同时计算感兴趣区域的统一Hu不变矩特征,将二者结合,构成步态序列的特征空间,采用支持向量机(SVM)分类器进行分类识别,通过MATLAB仿真实验验证了算法的有效性。实验结果表明,该算法识别速度快,具有较高的识别率。     

SAR图像目标识别新方法

提出一种SAR图像目标识别新方法。首次引入BM3D方法,用于滤除原始图像中的相干斑噪声,BM3D结合了空间域和变换域去噪的优势,滤波性能优异。在特征提取步骤,将低阶Hu矩与高阶Zernike矩组合,Hu矩描述目标的粗略信息,高阶Zernike矩描述目标的细节信息,因此组合矩能够更加全面而细致地表达目标特性。使用组合矩特征训练SVM分类器,对含噪的SAR图像进行识别实验。实验结果表明:本文方法的识别率高达98.90%,优于已有的SAR目标识别方法。     

基于多特征决策融合的SAR飞机识别

针对高分辨率SAR图像的飞机目标识别问题,提出了一种基于飞机几何特征、PCA特征、Hu不变矩等多特征决策融合的自动目标识别方案。针对飞机样本特点,分别提取飞机的几何长宽特征、PCA特征和Hu不变矩特征,使用三个支持向量机分类器分别对样本的三类特征进行预分类,然后采用基于等级的决策融合方法将预分类结果进行决策融合,输出最终的目标类别。实验过程中,随机选取一定百分比的样本进行训练,获得分类器模型,对全部的样本进行测试识别。通过实验发现,将几何特征、PCA特征和Hu不变矩特征的分类结果进行决策融合后,克服了单一特征决策的不准确性,有效地提高了每一类样本的识别准确率。     

基于组合矩的激光雷达距离像目标识别

激光成像雷达距离像与目标表面物理结构特性密切相关,体现目标的本质特征,是目标识别的主要研究方向。采用组合矩的神经网络方法进行了相干激光雷达距离像目标识别仿真研究。用Hu不变矩和仿射不变矩两者的低阶矩组合表示距离像目标区域特征,利用反向传播(BP)神经网络识别不同方位角的车辆。当视场角不变时,训练10个目标,每个目标取3～19个样本,在不同载噪比(CNR)情况下,分析Hu不变矩、仿射不变矩和两者组合矩的识别率。理论分析和仿真实验表明利用组合不变矩进行距离像目标识别性能优于单独利用其中一种不变矩。     

一种实用的图像识别算法的研究

针对直接对灰度图像或二值图像求不变矩的计算量大,目标不够明确的的缺点,提出了先对图像进行预处理,再进行基于图像轮廓边缘的统一Hu不变矩计算,并加上了图像离心率的特征量,最后利用这些特征量进行图像识别的算法过程。实验表明此算法运算效率高、识别准确,能用于图像实时处理。