基于形状不变矩的储粮微生物识别

运用柔性形态学进行图像边缘检测,然后采用改进的7个形状不变矩对储粮微生物中的四种主要细菌进行了特征提取和分类。实验取得理想结果,说明改进的形状不变矩能够满足储粮微生物识别要求。     

基于形状不变矩的图像检索算法的研究

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IMS。实验结果表明,使用IMS。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。     

相对矩及在几何形状识别中的应用

在计算机视觉中,几何形状的识别具有十分重要的意义,而一般几何形状可以分为区域和结构两类。Hu提出的不变矩是用于区域形状识别的几何特征,但对于结构则因不满足缩放不变的条件而不适用。为此对Hu提出的区域不变矩和Chen提出的区域不变矩快速算法进行了扩展,并定义了对于结构和区域均满足平移、缩放、旋转不变的相对矩,从而统一了区域和结构的矩特征计算公式,而且与Hu的不变矩相比,更具有一般性,利用相对矩进行的识别实验表明,相对矩是对区域、封闭和不封闭结构的形状进行识别的有效特征,尤其在识别封闭和不封闭结构时,比傅立叶描述子等传统方法简便。     

用不变矩和边界方向进行形状检索

基于形状的图像检索一直以来是图像内容检索的一个难点问题，而目前采用周长、面积、边角率等描述形状的方法不能使形状检索达到理想的效果．本文提出了一种新的针对图像形状的检索方法．首先，用Canny算子对图像进行平滑处理，提取图像边界方向直方图特征、其次，用不变矩来描述图像形状的区域特征，不变矩特征不受图像的缩放、平移和旋转的影响．最后，为了克服不变矩只关心对象区域，而对图像边界忽视的缺点，提出了不变矩与边界方向特征相结合的方法，使得检索取得更好的效果．本文通过对医学图像的形状检索实验，给出了实验结果和结论．     

微生物显微图像分类识别技术研究及应用

阐述了储粮微生物显微分类识别的方法,提出了检测系统的硬件和软件组成.介绍了对检测到的微生物图像的目标区域,自动提取静态微生物图像的纹理特征和几何形状特征的主要技术和方法.实验结果表明,该方法可为储粮微生物的计算机自动模式识别提供稳定的特征参数值,不但有效提高了识别效率,而且也为储粮微生物的快速鉴定和分类研究开辟了新的途径.     

基于形状特征和颜色的服装图像检索

提出将基于内容的图像检索用于电子购物中,首先利用不变矩的形状特征检索,为提高检索效果引入离心率特征,接着再利用改进的颜色直方图进行检索。通过实验证明该方法的有效性和可行性。     

基于小波和相对矩的形状特征提取与检索方法

提出了一种基于小波和相对矩的形状特征提取与检索方法。首先，对亮度图像进行小波多尺度边缘检测，得到多尺度边界图像；然后，计算每一尺度的7个不变矩，再转化为10个相对矩，所有尺度上的相对矩组成图像的特征向量；最后，对特征向量进行高斯归一化，用欧氏距离度量图像间的相似度，构建了一个基于形状特征的网像检索系统。实验结果表明，该方法具有明显的优越性和通用性。     

基于形状不变矩的t-混合模型的图像分类

提出一种基于物体形状不变矩特征,采用t-混合模型计算后验概率的统计形状分类的方法:采用Hu形状不变矩作为图像特征,用t-混合模型的EM迭代算法,估计出模型中未知参数,计算出形状类别的后验概率。实验结果表明,物体序列的形状不变矩具有良好的统计分布性质,按其后验概率分类的准确性较高。     

一种改进的不变矩特征与物体识别

引入了一种改进的不变矩特征表示方法。不变矩特征通过7个不变矩量很好地表征了图像的局部结构信息;通过压缩不变矩的值,得到了更优秀和实用的特征表示。改进的不变矩表示方法进一步包含图像的全局结构信息。实验结果表明,改进的不变矩比不变矩有着更好的识别效果,比现有的物体识别方法有着更大的优势,其易于执行,省去了参数调节,且效率高。     

图像不变矩的推广

该文提出了一种快速有效的推导不变矩的方法——三角函数生成法，建立了一种不变矩空间，总结出不变矩的一般构造规律，导出了5个新的不变矩表达式C8～C12其它高阶不变矩表达形式也可采用类似的构造方案．在此基础上还得出多种高阶不变矩的表达通式，讨论了不变矩的反射变换特性．并在实验中给出了离散情况下一些图像不变矩的稳定性比较．利用扩充后的不变矩特征集能更准确地对图像进行分类和识别．     

基于模糊模式识别的显微图像分类

提出了一种基于贴近度和择近原则的模糊模式识别方法来实现储粮微生物显微图像的判别,该方法充分利用了由于微生物生长时间的长短会连同种菌类间存在差异、不同种菌类存在相似性的这个模糊的特点,引入了模糊集的理论.实验结果表明,该方法的评价结果更符合客观实际,获得了较好的分类效果,同时该方法也丰富了模糊识别理论,拓宽了其应用范围,也为实现储粮微生物在线检测提供了一种新方法,具有一定的应用价值.     

基于均衡化及柔性形态学的显微图像边缘检测

对显微图像进行噪声过滤和增强是对其进行的分类、识别、检测处理的基础,在分析、综合传统的图像增强和图像分割的算法的基础上,将直方图变换和柔性数学形态学组合,提出了基于均衡化及柔性数学形态学的显微图像边缘检测方法,并通过实现表明该方法能够有效的抑制微生物显微图像的噪声,提高检测精度,保护边缘细节,并且易于编程实现.     

基于组合不变矩和神经网络的三维物体识别

在三维物体识别系统中,提出将三维物体的Hu不变矩和仿射不变矩两者的低阶矩组合作为三维物体的特征,结合改进的BP神经网络应用于三维物体的分类识别。理论分析和仿真实验表明组合这两种矩特征进行物体识别,性能优于单独使用Hu不变矩,如果进一步对这两种组合的矩特征进行主成分分析处理,可显著提高系统识别性能,并减少网络的训练时间。     

基于不变矩特征和神经网络的人脸识别模型

不变矩是图像的一种统计特征,具有平移不变性、旋转不变性和比例不变性,广泛应用于图像识别。该文将图像矩阵的不变矩作为识别特征,建立了人脸识别模型。将人脸图像经过不变矩特征提取、不变矩矢量标准化及不变矩矢量排列处理后,运用BP网络进行识别,经过竞争选择,获得识别结果。利用ORL人脸数据库进行仿真实验,结果表明,该文的人脸识别模型实现简单、识别率高、训练速度与识别速度较快、便于实时实现。     

基于步态能量图和不变矩的身份识别算法

分析步态能量图即具有作为静态的外观特征,又包含了识别的动力学有用信息,同时证明了步态能量图对噪声的不敏感性。文章提出了一种基于步态能量图和不变矩的身份识别算法,介绍了不变矩的基本理论以及Hu提出的七个不变矩,利用图像不变矩的平移、尺度和旋转不变特性,从原始的步态能量图中提取不变矩特征作为步态能量图的输入特征向量,运用不变矩的最小距离分类器的模式匹配进行步态特征分类。最后在CASIA步态数据库上对所提出的算法和其他新的步态识别方法相比较。实验结果表明,提出的算法是一种有效的步态识别方法。     

一种新的不变矩与神经网络玉米病害识别系统

基于不变矩理论,对玉米病害图像进行二值化、图像归一化处理,提出一种新的、具有较好逼近能力和较强容错能力的RBF-BP神经网络识别系统。利用Hu不变矩特征的平移不变性、比例不变性、旋转不变性和对目标良好的抗干扰性等特性,处理复杂、多变的玉米病害图像,形成不变矩特征矢量样本库。根据Hu不变矩在提取图像特征过程中的可靠性、独立性及数目小的特点和RBF-BP神经网络在识别过程中较好收敛性特点,对玉米病害图像进行特征提取、网络训练和病害特征的识别。仿真实验结果表明RBF-BP神经网络系统的有效性。     

基于改进K—Means算法的车辆识别方法

车辆的检测和识别一直是道路监控、安全辅助驾驶、车辆自主导航等领域的重要研究内容。文中基于机器视觉方法,在Lab颜色空间通过对经典K—Means算法的聚类中心、聚类数和距离测度三方面的改进实现了L分量的聚类,从而达到图像分割的目的。提取图像的矩形度、Hu矩和Affine矩的特征,针对不同的车型建立各自的模板,利用改进Hu不变矩和仿射不变矩的组合不变矩对分割后图像进行车型的识别。实验结果表明,文中提出的方法对于复杂环境下的车辆检测和识别具有良好的可靠性和鲁棒性。     

基于小波矩的新型图形识别算法

该文提出了一种基于小波矩的新型图形识别算法。小波矩除了具有矩特征的平移、缩放和旋转不变及抗噪性强的特性以外,还增加了小波对图象结构精细特征的把握能力强的优点。文章结合FFT变换的优点提出了改进的离散傅立叶－小波矩,并由所提取的小波矩特征与最小距离分类器结合形成一个图象识别系统,成功实现了对精细复杂汉字图符的识别。通过与采用传统的几何矩识别结果比较,在识别准确率、识别速率和抗噪性上性能都有较大的提高。