轮廓矩不变量及其在物体形状识别中的应用

为了有效地刻画物体的形状特征，在基于区域的Hu矩不变量的基础上，构造了一种基于物体轮廓曲线的新的矩不变量，即轮廓矩不变量。该不变量不仅独立于物体本身的颜色和灰度级，而且具有平移、旋转和尺度不变性，因此可将轮廓矩不变量应用于物体形状的识别，为了能快速地进行物体形状识别，还讨论了小波边缘检测和轮廓的获取问题及其算法。实验表明，基于这种轮廓矩的识别算法具有很好的识别率。     

带约束条件的特征与最小二乘影像匹配

讨论了一种新的边缘检测方法和用链码描述的线矩数学模型，给出了基于不变线矩匹配的约束条件，并采用基于特征与最小二乘结合实现了精确的子像素匹配。     

一种新的形状特征——高斯描绘子

为了有效和正确地反映物体的形状特征,构造了一种基于物体轮廓曲线的新的不变量,即高斯描绘子。构造思路主要有两点:第一,定义一个具有平移、尺度不变性的函数——高斯势函数;第二,分别计算高斯势函数在8个同心圆上的平均值,从而获得8个不变量。相对其他的形状特征描述法,这些不变量不仅关于平移、旋转、尺度和反射不变,而且具有识别/匹配率高、计算量小、对适度的边缘变动和噪声不敏感以及适用范围广等优点。将这8个不变量应用于物体识别,实验结果表明,高斯描绘子的确具备上述优点。     

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。     

高斯几何矩及其在特征匹配与图像配准中的应用

针对几何矩存在特征表述能力较弱和对噪声敏感等缺点,提出一种高斯几何矩,并给出了它的平移和旋转不变矩,同时提出一种基于高斯几何矩的图像配准方法.在几何矩的基础上引入高斯核,定义了高斯几何矩;再由高斯复数矩推导高斯几何矩的位移不变矩及旋转不变矩的独立与完备集;讨论了尺度因子对高斯几何矩表征图像的影响,充分利用尺度因子的灵活性特点,重点捕获图像的有效信息,提高了图像的特征表述能力.对高斯几何矩和几何矩的特征匹配能力与图像配准能力进行详细比较的结果表明,文中提出的高斯几何矩矩比几何矩具有更强的特征表述能力和抗噪声干扰能力.     

区域高斯描绘子及其在物体识别中的应用

为了对几何变形的图像进行正确和有效的识别,对基于物体轮廓的高斯描绘子进行推广,构造了一种基于区域的新的不变量--区域高斯描绘子.构造思路主要有两点:①定义一个具有平移、尺度不变性的函数--区域高斯势函数;②分别计算区域高斯势函数在8个同心圆上的平均值,从而获得8个不变量.这些不变量不仅具有平移、旋转、尺度和反射不变性,而且对噪声不敏感,适用范围广.将区域高斯描绘子应用于物体识别,获得很高的识别率.     

一种基于多区域不变矩的步态识别方法

步态识别是一种新的生物识别技术，它通过人行走的姿势来实现对人身份的鉴别。本文提出了一种基于多区域不变矩的步态识别方法，将视频序列中检测出的步态侧影分为五个子区域，提取每个子区域的不变矩特征并计算步态序列中不变矩的变化特征，从而构成描述步态序列的特征向量。最后的实验表明，提出的方法具有较好的识别性能，是一种有效的步态识别方法。     

基于小波矩不变量的海上目标识别

针对识别海上目标时不同目标相似性大的特点,将不变矩理论与小波分析相结合,本文引入一种基于小波矩不变量的特征提取法,并且为得到一组局部最优特征组而提出一种结合DB Index准则的特征选择法。在仿真实验中,将小波矩不变量与Hu矩、Zernike矩进行了比较。实验表明,小波矩不变量具有更好的识别效果。     

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。     

基于小波矩的车辆特征提取算法研究

车辆目标图像特征提取是智能交通系统中车辆识别与分类的关键问题。在车型提取算法中,矩特征是较为常用的车型特征描述子。针对Hu矩的七个特征分量在数量级上差别较大且受比例因子影响的问题,基于不变矩和小波能量的原理和特点的研究,重点提出了基于小波矩的特征提取算法,并应用于车辆的特征提取。最后的实验对实际车辆图像进行采集,对预处理图像进行小波分解得到三级子图像,对子图像求取修正Hu不变矩,将不变矩作为特征量,利用最小邻距离分类得出识别结果。最后的实验结果显示,通过这种方法提取的特征量具有平移、旋转、比例不变性,能反映目标图像的重要的、本原的属性,与传统Hu矩相比,识别率提高了13.5%,达到了预期的目标。     

逐级细化的交通标志识别算法

针对交通标志识别中存在的识别精度和实时应用之间的矛盾,根据中国交通标志的特点,提出一种逐级细化的交通标志识别算法。首先进行粗分类,构建颜色属性-梯度直方图（Color name-histogram of gradient,CN-HOG）描述子表示每类标志的形状和颜色特征,采用线性支持向量机（Support vector machine,SVM）将交通标分为禁令标志、警告标志、指示标志、解除禁令标志和其他标志5大类;然后进行细分类,采用词袋模型中颜色和形状特征早融合的方式将颜色属性（Color name,CN）和尺度不变特征变换（Scale-invariant feature transform,SIFT）描述子相结合、利用高斯核SVM得到交通标志区域的最终类别标记。在公开数据集上的实验表明本文算法在满足实时应用的同时取得了99.15%的识别精度。     

伪Zernike矩不变性分析及其改进研究

伪 Zernike矩是基于图象整个区域的形状描述算子 ,而基于轮廓的形状描述子 ,例如曲率描述子、傅立叶描述子和链码描述子等是不能正确描述由几个不连接区域组成的形状的 ,因为这些算子只能描述单个的轮廓形状 .同时 ,由于伪 Zernike矩的基是正交径向多项式 ,和 Hu矩相比 ,除了具有旋转不变性、高阶矩和低阶矩能表达不同信息等特征外 ,还具有冗余性小、可以任意构造高阶矩等特点 ,另外 ,伪 Zernike矩还可以用于目标重构 .目前 ,伪 Zernike矩没有得到广泛的应用 ,其中的一个主要原因是 ,它不具备真正意义上的比例不变性 .为了能使伪Zernike矩得到更广泛的应用 ,在详细分析伪 Zernike矩不变性的基础上 ,提出了伪 Zernike矩的改进方法 ,使改进后的伪 Zernike矩在保持旋转不变性的同时 ,还具有真正意义上的比例不变性 ,同时给出了部分的实验分析结果 .实验结果证明 ,该改进后的伪 Zernike矩较改进前的伪 Zernike矩 ,具有更好的旋转和比例不变性 .     

Off-line recognition of Chinese handwriting by multifeature andmultilevel classification

In this paper, an off-line recognition system based on multifeature and multilevel classification is presented for handwritten Chinese characters. Ten classes of multifeatures, such as peripheral shape features, stroke density features, and stroke direction features, are used in this system. The multilevel classification scheme consists of a group classifier and a five-level character classifier, where two new technologies, overlap clustering and Gaussian distribution selector are developed. Experiments have been conducted to recognize 5,401 daily-used Chinese characters. The recognition rate is about 90 percent for a unique candidate, and 98 percent for multichoice with 10 candidates