基于特征提取的电气设备红外图像识别算法

针对变电站设备的红外图像特征提取和识别问题,提出了基于不变矩的图像特征提取和识别算法.基于统计学中矩函数的概念,提出了用于表征图像全局特征的图像矩函数,并以二维几何矩为基础,提出了用于图像识别的6个矩不变量参数.通过对中心矩计算方法进行改进,消除了图像变换过程中的计算误差,实现了图像不变矩参数的准确计算.结果表明,所提出算法的综合识别率可达94%,能够满足实际应用需求.     

不变矩及其在基于形状特征图像检索中的应用

提出一种快速有效推导不变矩的方法--三角函数生成法,并在此基础上描述了一种基于Hu形状不变矩的图像全局形状特征提取方法和算法.实验结果表明,使用这种算法提取的形状特征向量具有对平移、旋转和尺度变化的不变性,适合于进行图像形状的检索.     

基于RBPNN的退化交通标志图像的识别算法

为了识别退化的交通标志图像,提出了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。在利用模糊-仿射联合不变矩作为图像特征的基础上,采用递归正交最小二乘算法优化设计径向基概率神经网络分类器。仿真结果表明:模糊-仿射联合不变矩是一种有效的退化交通标志图像的特征提取算法,所设计的径向基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。     

基于综合矩特征的图像检索研究

基于内容的图像检索技术是当今研究的热点领域之一.为了克服全局颜色矩检索方法不包含颜色空间分布信息的不足以及传统多特征综合检索方法效率低的问题,提出一种快速有效的提取基于离散余弦变换的能量矩特征方法,并在此基础上描述了一种基于圆环颜色矩和能量矩的综合特征检索方法.实验结果表明：所提出的综合矩特征检索方法比传统的综合颜色和纹理特征的检索方法在查准率和运行效率上有了较大的提高,且对图像旋转、尺寸变化及噪声有较强的鲁棒性.     

基于不变矩的机器视觉车辆类型识别技术

针对智能交通领域汽车类型识别的应用背景，利用单目视觉开发了基于计算机视觉车辆类型识别系统；论述了单目视觉原理及特征提取的关键技术，利用不变矩及不变矩矢量在图像平移、旋转及比例变换时保持不变的特性，以其作为主要特征实现车辆类型有效识别。试验结果表明，该技术可以实现车辆类型的自动、快速和准确分类。     

一种有效的SAR图像目标识别方法

根据不变矩特征提取和支撑矢量机分类的优势,提出了一种有效的SAR图像目标识别方法.首先对样本SAR图像进行预处理。然后提取目标区域的不变矩特征并计算灰度均值,将其组成特征向量训练SVM分类器,最后用训练好的SVM分类器对要识别的SAR图像进行目标识别.采用该方法对一些含有桥梁和坦克的SAR图像进行目标识别实验,取得了较好的识别结果.     

基于Contourlet变换和不变矩的图像检索方法

利用Contourlet变换具有良好的稀疏特性及其能准确捕获图像中边缘信息的特性,提出一种基于Contourlet变换和不变矩的图像检索方法.利用Contourlet变换分解得到高、低频子带,计算各高频子带的信息熵和低频子带的7个不变矩构成图像的特征向量,采用不同权值的欧氏距离作为图像的相似度进行检索.实验结果表明,该方法具有较高的查准率,能够对纹理图像进行很好的分类和检索.     

基于Gabor变换和不变矩的掌纹识别研究

提出了一种将二维Gabor变换和不变矩特征相结合对掌纹图像进行特征提取,并采用多层前向反馈神经网络进行掌纹图像训练识别的方法。该方法首先对掌纹图像进行预处理,获得掌纹感兴趣区域(ROI),然后构造一组Ga-bor滤波器从而得到ROI的特征向量,结合掌纹图像的不变矩特征共同作为神经网络的输入进行训练识别。实验表明该方法的有效性。     

小波和仿射不变矩的目标特征提取方法研究

不变矩是目标识别中重要而有效的特征提取方法。利用小波矩具有的多尺度、平移和旋转不变性进行特征提取,有较高的识别率。但当拍摄角度不同,图像发生形变,识别效果降低。针对这一问题,提出了一种将小波矩和仿射不变矩相结合用于目标特征新的提取方法,并验证本方法的鲁棒性更高,识别效果更好。     

LEGENDRE正交矩的一种近似计算方法

矩及矩理论在图像分析以及多媒体数据库图像检索中有很大的用途，但由于计算复杂，难以直接应用，文中从近似处理角度，提出了一种近似计算方法，先计算截交线上的矩，并利用LEGENDRE多项式的性质进行近似处理，然后组合成一维矩，再由一维矩得到二维矩，明显提高了计算效率。     

根据特征点及梯度进行改进的矩不变阈值分割图像算法

介绍了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，但该算法具有一定的盲目性，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一种改进算法，该算法根据图像的特征点及其梯度进行调整，以达到减少盲目性，尽量保留图像前景物体信息，去掉无用背景信息的目的。     

基于Pseudo-zernike不变矩的肺部图像特征提取及分类研究

为准确、快速地分析肺部图像的特征,提出了一种基于Pseudo-zernike不变矩的肺部特征分析方法.通过对肺部图像进行预处理和基于Pseudo-zernike不变矩的特征提取,利用具有良好识别性能的SVM分类器对提取的肺部图像特征值做分类研究.实验结果表明,该方法能够很好地表征肺部图像的特征,具有良好的分类准确率.     

基于SIMD-MCC的2D图像矩并行算法

在模式识别和计算机视觉中,不变矩发挥着很重要的作用,因为图像在经过平称、旋转和伸缩变换后具有力矩不变的良好特性,直接计算二维图像力矩,需要大量的加法和乘法运算,而乘法运算最为费时。文中提出了一个在ＳＩＭＤ－ＭＣＣ计算机上实现的计算二维图像矩的并行算法。它的基本思想是将一个二维图像矩分解成很多个垂真矩和一个水平矩,利用数据并行性在ＳＩＭＤ－ＭＣＣ计算机上进行计算。这个算法极大地利用了计算的并行性,其     

基于不变性特征的水下目标特征提取

针对水下成像环境的特殊性和复杂性，分析了在离散状态下比例因子对不变矩特征的影响，构造了基于区域矩的仿射变换不变量，以克服水下不确定因素给目标识别带来的困难，为了验证所提取特征的有效性，对球体、椭球体、三棱柱和四棱柱4类水下目标进行了特征提取试验．仿真试验结果表明，该方法在对简单背景水下图像的特征提取上能够取得较好的效果，可有效地克服水下图像灰度分布不均和环境不确定因素的干扰，实现了对水下目标的区分．     

基于Pseudo—zernike不变矩的肺部图像特征提取及分类研究

为准确、快速地分析肺部图像的特征,提出了一种基于Pseudo—zernike不变矩的肺部特征分析方法。通过对肺部图像进行预处理和基于Pseudo-zernike不变矩的特征提取,利用具有良好识别性能的SVM分类器对提取的肺部图像特征值做分类研究。实验结果表明,该方法能够很好地表征肺部图像的特征,具有良好的分类准确率。     

基于扩展轮廓的快速仿射不变特征提取

针对快速仿射不变特征提取算法分类识别能力较差的问题,首先找出了算法证明及计算过程中的不足;其次提出并证明了扩展轮廓的仿射不变性,并通过扩展轮廓修正了算法中不足;然后,通过仿真实验给出了算法中参数设置的区间,并确定了算法中组合函数的个数及幂次。实验对比了基于扩展轮廓的快速仿射不变特征提取算法与原始算法及多尺度自卷积矩算法的分类识别能力,结果表明,基于扩展轮廓的快速仿射不变特征提取算法的分类识别能力明显优于原始算法和多尺度自卷积矩算法。     

基于Zernike矩和BP网络的道路交通标志识别方法研究

道路交通标志的背景相当复杂,颜色失真严重并存在不同程度的几何失真现象。不变矩是图像的一种统计特征,具有平移不变性、旋转不变性和比例缩放不变性,被广泛的应用于图像识别中。在研究了Hu矩和Zerni—ke矩基础上,提出基于Zernike矩与BP网络相结合的道路交通标志识别方法。识别过程分别对图像进行了Hu矩和Zernike矩特征提取、BP网络训练与测试、对形变图像进行分类识别。结果表明：基于Zernike矩和BP网络的交通标志识别方法具有很强的抗图像平移、缩放和旋转识别能力,实现简单、训练速度快、识别率高等特点,且识别准确率优于Hu不变矩目标自动识别。     

基于Zernike矩的抗旋转攻击图像感知哈希算法

以Zernike矩为特征图像感知哈希算法,由于Zernike矩对图像旋转具有不变性,使得算法具备了旋转攻击下的鲁棒性;同时由于Zernike矩是图像的正交表示,能够很好地提取图像的内容,使得算法具有良好的区分性.算法首先将图像归一化,然后提取图像Zernike矩作为特征,经过密钥置乱后,对特征进行量化生成哈希串.算法在...     

一种基于小波矩的图像识别方法

研究了一种基于小波矩的图像目标平移、缩放和旋转不变特征提取算法,将不变特征提取算法与BP神经网络结合,组成一个图像识别系统.目的在于提高图像处理的质量,这种方法有更好的实用性.在这个系统中,利用小波矩不变量不仅可以得到图像的局部特征,还增加了对图像结构精细特征的把握能力强的优点,把提取的图像目标平移、缩放和旋转不变特征馈人BP神经网络,完成有监督的不变性模式识别.在实验中,利用该方法对无噪、有噪图像,特别是相似物体图像进行识别,可获得98％的正确识别率;并且将其与一般不变矩特征的算法获得的实验数据进行了对比分析.实验结果表明,该方法在图像识别准确率和抗噪性能上都有较大的提高.     

基于ART2神经网络的机械零件模式识别

为了实现可靠的机械零件识别,设计了一套基于ART2神经网络的零件形状识别系统,采用一种新的图像特征,即对预处理后的图像进行正交傅里叶-梅林矩变换.该特征对图像大小、方位、强度变化具有良好的不变性.同时采用ART2神经网络识别方法,并进行了算法改进.实验结果表明,该系统能够进行有效识别.最后,对正交傅里叶-梅林矩的计算进行分析,并提出进一步研究的方向.