图像分析中的矩技术

矩技术可广泛应用于图像检索和识别、图像分割、模板匹配、数据压缩、数字水印及运动图像序列分析等领域,近年来其研究取得了较大的进展。为了使人们对这一技术有个概略了解,首先对图像分析中的矩技术进行了较为全面的介绍和评述;然后着重探讨了离散正交矩技术在图像特征表示、图像重建、计算性能等方面的研究现状;最后提出了图像分析中的矩技术目前存在的问题和进一步的研究方向。     

Krawtchouk矩旋转不变性的分析

矩是基于区域的形状描述子,相对于基于轮廓的描述子例如傅立叶、链码描述子等,对于不连通的图像形状描述和对噪声的鲁棒性等方面有着更良好的性能.正交矩又可分为连续正交矩和离散正交矩,Krawtchouk矩是离散正交矩中的一种,和连续正交矩不同,基于离散正交矩本身的离散特性,更适合于对数字图像的处理.但同其他离散矩一样,Krawtchou矩并不具备天然的几何不变性(旋转、缩放和平移),这也从一定程度上限制了Krawtchouk矩的应用.为使Krawtchouk矩得到更广泛的应用,对Krawtchouk旋转不变矩的构造进行详细分析和实验,比较出更适合用于浮游植物的Krawtchouk旋转不变矩.     

三维图像矩计算

计算三维图像的矩通常需要六重循环,难以满足实时处理的需要。受一维和二维图像矩的计算启发,提出了一种新的快速计算方法,利用矩阵相乘实现多重循环。用三维CT图像验证了算法的计算速度。     

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．     

基于差分矩因子的灰度图像矩快速算法

由于不变矩对图像的平移放大旋转的不敏感性,因此在图像处理、模式识别、场景匹配和计算机视觉等领域获得越来越广泛的应用．但是,求矩运算过程复杂,计算量大,使它的应用受到限制．快速求矩算法不少,但大多限于二值图像．文中提出一种新的适用于灰度图像的快速求矩算法．算法基于文中提出和证明的差分求和定理,即两个离散函数数组的乘积,等于将其中一个差分、另一个累进求和后的乘积．将矩因子作为一个函数数组,图像作为另一个函数数组,对矩因子数组实施多次差分,差分结果使得矩因子数组除边界1个或几个数组元素外,其余数组元素值皆为0．这样需对所有数组元素的乘积变为只对边界1个或几个数组元素的乘积．由于边界上不为0的数组元素值几乎都为1,这实际上就无需乘法计算．该算法原理简单,编程容易,求矩结果精确,适用于任意灰度图像．利用该算法,对任意大小和任意级别的灰度图像,无需任何乘法计算,且加法运算次数也大幅减少．和其它求矩算法相比,计算复杂性大大降低．     

不变矩在模式识别中的应用研究

矩作为模式的特征在二维图象模式识别中应用很广。该文根据Hu矩、Zernike矩、Pseudo-zernike矩、Legendra矩、旋转矩和复数矩的原始表达式,归纳出适用于计算机处理的矩的一般表达式。接着,引出三次B样条小波矩,依照矩的一般表达式与Zernike矩比较它们作为模式特征的辨别力和可靠性,得出与前人不一样的结论。最后,以实验验证之。     

基于矩的图像变化检测

传统的线性预测的方法在遥感图像变化检测不具有很好的普适性,基于矩的遥感图像的变化检测方法具有对光照,噪声的稳健性.Gaussian-Hermite矩是正交矩,叠加了高斯平滑,但是计算量大.Circular shift矩具有光照不敏感性,但是不是正交矩,具有明显的分块效应.采取将Gaussian-Hermite矩和Circular shift矩相结合,采用由粗到精的策略,应用到遥感图像的变化检测中.将其同单独用Circular shift矩,线性预测的方法进行比较,实验表明提出的方法计算量小,对噪声,光照具有不敏感性.     

矩快速算法综述

矩是图像处理、模式识别和计算机视觉中的通用技术之一.本文逐一介绍了几何矩和正交矩的各种快速算法,并对其性能进行了评估.几何矩快速算法包括图像变换、Delta方法、拐点方法、Green定理法、图像块表示法、可重构网格法、SIMD阵列法和VLSI算法.与几何矩相比,正交矩快速算法种类较少.     

基于Hu矩和Zernike矩的形态特征储粮害虫分类方法研究

在工程应用的背景下,为了提高储粮害虫的识别率并节约分类时间,该文研究了以形态特征为基础的以Hu矩和Zernike矩为具体分类依据的储粮害虫分类方法,以常见的9种粮虫为对象,通过主成分分析特征压缩和支持向量机分类器完成此次实验,最后的实验结果表明Hu矩和Zernike矩相结合提取的不变矩特征使整个实验得到较高的成功率。     

基于矩的数字图像多边形逼近方法

提出了两种基于矩的数字图像的多边形逼近方法。通过比较原始图形和近似图形之间几体矩或Legendre矩的偏差的大小,选择一个最佳的近似结果,进一步可以得到一个顶点数递减的近似多边形序列。与现存的方法比较,这种方法有效地避免了逼近这结果依赖于起始点的选取的缺陷。     

基于Hu矩和Zernike矩的形态特征储粮害虫分类方法研究

在工程应用的背景下,为了提高储粮害虫的识别率并节约分类时间,该文研究了以形态特征为基础的以Hu矩和Zernike矩为具体分类依据的储粮害虫分类方法,以常见的9种粮虫为对象,通过主成分分析特征压缩和支持向量机分类器完成此次实验,最后的实验结果表明Hu矩和Zernike矩相结合提取的不变矩特征使整个实验得到较高的成功率。     

Hu不变矩的构造与推广

为了更简洁高效地构造指定要求的不变矩,并判断矩组信息冗余性,推导了实复矩反演关系公式并提出了Hu不变矩构造定理。不变矩多项式和不变矩多项式空间概念的引入,可以赋予不变矩多项式空间代数结构特征。结合组合计数定理,列出了工程上非常实用且没有信息冗余的全部3阶4次不变矩,这是对7个经典Hu不变矩的推广。实验表明,与Hu不变矩的代数不变量构造方法和三角函数系构造方法相比,该构造方法更简洁高效且具有一般性,也更适合判断矩组信息冗余。所构造新不变矩具有较好的鲁棒性,用于图像描述取得了较好效果。     

不变矩在车牌字符识别中的应用

为了克服车牌字符的倾斜和相似字符间的误识别对字符识别带来的影响,提出了一种基于不变矩的匹配算法.利用不变矩的旋转不变性克服字符倾斜带来的影响.对不变矩算法进行改进,增加了5个新的不变矩量,包含了更多的细节特征,并用原点矩代替中心矩,减少平移不变性带来的误差,解决了相似字符间的误识别.实验证明了方法的正确性和可行性.     

矩特征的一种快速算法

介绍了一种基于边界点计算形状矩特征的算法,并采用该算法计算了目标的形状特征。结果表明该算法比传统的矩特征计算方法是具有高的运算速度。     

基于组合不变矩的空间目标识别

本文针对Hu提出的不变矩和Jan Flusser提出的仿射不变矩的不同特点和适用条件，提出在不增加特征向量维数的条件下，将不变矩的部分分量和仿射不变矩组合成一个新的特征向量即组合不变矩，以用于空间目标的识别，并通过仿真实验进行了比较验证，结果表明组合不变矩对于空间目标的识别是有效的，且在一定程度上提高了识别率。     

模糊边界矩特性研究

研究了图像边界矩的模糊不变性,推导出模糊边缘带区域不变矩中Φ₂^(Fe) ~Φ₇^(Fe)与该图像所对应的清晰图像的边界不变矩Φ₂~Φ₇一致的结论。利用该结论,对模糊图像提取边界不变矩特征时,可不必首先精确提取其精确边缘,方便了边界不变矩特征的提取,提高了边界不变矩特征提取的鲁棒性。仿真实验结果也验证了结论的正确性。     

不变矩算法研究

本文对于R.Y.Wong提出的用于图像匹配的不变矩法进行了分析,给出了在离散情况下平移和旋转不变性的理论证明,同时指出比例因子的不变性在离散情况下是不成立的。最后在DPS8/52计算机系统上采用四幅不同图像进行了计算机仿真实验,取得了与理论分析一致的结果。     

一种基于Krawtchouk矩的水印算法

提出一种基于Krawtchouk矩的水印算法,通过修改一些原始Krawtchouk矩并重构图像以获得水印图像.基于Krawtchouk矩与几何矩的关系,提出采用具有平移、比例缩放和旋转不变性的几何不变矩来检测水印.实验表明,与用Krawtchouk不变矩检测相比,该算法对于大角度旋转和图像平移的几何攻击具有更好的鲁棒性.     

利用梯度矩进行三维目标描述

对目标进行合理的描述是进行目标识别的基础.对于三维目标来说,目标表面梯度反映了目标形状的三维信息,对目标表面梯度进行描述也就是对目标的三维形状进行描述.基于这一思想,本文提出了梯度矩的概念,给出了梯度矩的定义,并讨论了梯度矩的不变性.利用梯度矩可以把三维空间中的问题转化到二维空间中去,这样不仅显著减少了计算复杂度,也可以利用成熟的二维矩理论进行研究.     

伪Zernike矩的不变性分析及其应用

本文从几何矩的概念出发,详细介绍了Zernike和伪Zernike矩。然后重点分析了伪Zernike矩的旋转、位移及尺度不变性。本文利用脱机手写签名图像对此进行了验证,实验结果证明了其不变性特征。故本文提出利用伪Zernike矩来进行脱机手写签名图像的特征提取。