结合学习特征的图像矩视觉伺服方法

针对平面图像特征选择,提出一种结合学习特征的改进图像矩视觉伺服方法,以解决不变图像矩特征存在的交互矩阵奇异问题并获得更优的运动特性.该方法首先基于不变矩特征具有的TRS(2D平移、2D旋转及尺度变化)不变特性,利用非线性支持向量机回归算法,对不变矩特征与摄像机X轴、Y轴转角的关系进行分别学习建模;然后利用两个模型的估计值(即学习特征)作为针对X轴旋转及Y轴旋转运动的图像特征,其交互矩阵具有完全解耦及线性特性,且对于任意平面目标不存在奇异问题;进而结合目标图像重心点坐标和面积的归一化特征及图像方向角特征,实现摄像机在任务空间的平移及旋转六自由度控制;最后通过仿真验证了文中方法的有效性.     

一种基于轮廓特征的运动目标识别方法

针对视频图像中形状匹配的局限性,即当待检测物体出现平移、旋转变化时识别目标需要很长的计算时间,提出了一种基于轮廓特征的运动目标识别方法.首先获取能自动更新的背景图像,采用背景减法提取运动目标的轮廓,然后运用其轮廓的边界不变矩特征和形态学特征,构建一个轮廓特征向量的模型,再分析比较待测运动目标轮廓特征向量与每类标准样本之间的欧氏距离,实现对运动目标的识别分类. 试验结果表明,该方法具有识别精度高、计算量小、实时性好的特点.     

挖掘机器人铲斗不变矩及改进BP网络识别方法

在利用视觉信息跟踪、识别挖掘机器人铲斗目标时,实时采集的铲斗图像存在旋转、平移、缩放等情况.为提高对铲斗目标的识别能力,提出了基于不变矩和神经网络相结合的铲斗目标识别方法.提取铲斗图像对于平移、旋转、缩放具有不变性能的7个不变矩特征向量,归一化后作为改进BP神经网络的训练样本及测试样本.应用训练后的神经网络对铲斗目标进行识别,仿真表明该方法具有较好的识别能力.     

基于小波矩特征的小波神经网络目标识别

提出一种具有尺度、平移与旋转不变性的目标识别方法.该方法首先提取目标图像的小波矩特征,然后与小波神经网相结合,构成一套目标识别系统.小波矩不变量不仅可以表示图像的全局特征,而且还能表示局部特征;而小波神经网络结合了小波分析和传统神经网络的优点,具有很强的学习能力和推广能力.因此基于小波矩的小波神经网络目标识别系统在进行目标识别时具有很大的优势.实验中使用该方法对4类飞机目标进行识别,实验结果证明其识别率高于其它的目标识别方法.     

基于Hu不变矩的加权矩方法及应用

为了有效地利用不变矩理论和技术对数字图像的特征进行分析,在研究几何不变矩的基础之上,提出了具有平移、旋转和尺度不变性的加权矩方法,可以应用于图像特征分析、特征识别和图像分类等应用领域。     

电视图像目标实时分割与识别算法

研究一种电视图像目标实时分割和识别算法.在二维图像不变矩和相对矩的基础上,进一步组合优化得出4个不变矩,结合复数矩、圆方差和椭圆方差组成目标特征向量,利用k-近邻法实现目标的识别和分类.图像分割采用改进矩不变阈值分割和基于梯度的自适应阈值分割提取目标.仿真实验表明,提取的目标特征量对于平移、缩放和旋转均能保持较好的不变性.用该分割算法分割的图像边缘清晰,分割时间为8 ms,易于硬件实现.     

基于矩和多分辨分析的图像识别

应用矩和多分辨分析对图像进行特征提取，求取不同分辨率下的小波系数的均值、能量和方差，作为特征向量。这组特征向量是将图像的矩特征和小波特征结合形成小波矩特征，即反映了图像的全局信息，又反映了图像的局域性信息，并且具有旋转、平移和缩放不变性。该算法不但解决了图像识别中特征量随图像旋转、平移和缩放而变化的问题，而且提高了对近似物体的识别能力。最后简要介绍了仿真实验及结果，证实此算法能对飞机、舰船等目标进行有效的识别。     

不变矩算法的改进与人耳识别技术

由于人耳识别具有不受表情、化妆等影响的独特优势,研究了人耳识别特征技术,对不变矩算法进行了改进,获得6个改进的高阶不变矩特征向量.分别用两种算法对人耳图像进行识别处理,比较两种识别结果.改进后不变矩算法的高阶不变矩具有平移、旋转不变和尺度缩放不变的特性.采用BP人工神经网络对60只人耳图像进行识别验证,正确识别率达到91.8%.     

等距变形体的矩不变量构造方法

针对变形体由于形状的变化,其不变量的构造在模式识别领域较困难等问题,对等距变形体的识别问题进行研究,提出一种等距变形体的矩不变量构造方法。首先利用三角网格上的快速行进算法来构造特征矩阵,使得点对之间的测地距离得以保存;然后,对特征矩阵进行归一化,保证同一目标特征矩阵的不变性;最后,构造矩不变量对归一化特征矩阵进行特征提取,并对该矩不变量的平移、尺度和旋转不变性进行证明。研究结果表明:与传统方法相比,该类不变量在不降低识别效果的前提下,运算复杂度较低,并对噪声具有较强的鲁棒性。     

基于改进直方图不变矩的声呐图像识别方法

针对声呐图像受噪声干扰大，目标边界较模糊的特点，并结合传统直方图不变矩识别图像快速的优点，以及其不考虑灰度空间信息而易造成误识的缺点，将目标的形状阕子加入不变矩特征向量中，提出了一种对亮度和对比度变化不敏感，具有旋转和尺度不变性的改进的直方图不变矩．实验仿真结果表明，该方法能够快速、有效地识别水下目标．     

基于Hu矩和Zernike矩的文字识别

在研究Hu矩和Zernike矩的基础之上,提出一种基于Hu矩和Zemike矩的文字识别方法,在采集的文字图像中提取Hu矩和Zernike矩特征,利用K近邻的分类方法进行分类,理论和实验表明,该识别方法具有很强的抗图像平移、拉伸和旋转识别能力,其中Zemike正交矩由于其正交性在具有较高的识别能力的同时,还具有很强的冗噪能力。     

Krawtchouk矩在脱机手写汉字识别中的应用

提出一种基于Krawtchouk矩的脱机手写汉字识别方法。与Zernike矩和Legendre矩等连续正交矩特征相比,Krawtchouk矩是数字域的离散正交矩,不存在数字化过程中所带来的近似误差问题,在计算过程中不需要进行坐标转换,而且构造简单,更加适合用来描述数字图像。在此将Krawtchouk矩用于手写大写金额的识别,并在隐马尔可夫模型(HMMs)框架下对其性能进行了测试。实验结果表明,Krawtchouk矩比传统的连续矩更适合用来描述数字图像,识别效果比连续矩有较显著提高。此外,还对不同参数下的Krawtchouk矩性能进行考察。     

离散情况下不变矩的不变性分析

定义了中心复数矩,提出了基于中心复数矩的不变矩表示,进而讨论了离散情况下不变矩的平移、旋转及尺度不变性,给出了理论分析结果,并用实验进行了验证。     

Mosaic of printed circuit board image based on Gaussian-Hermite moment invariants

Quality inspection of a PCB (Printed Circuit Board) always requires us to stitch some separated images into an integral one. However, during image acquisition, some environmental influences such as vibration, noise and illumination will cause image degradation. An efficient image mosaic method has been urgently required to obtain a high-quality PCB panorama. Hence, an image mosaic method based on Gaussian-Hermite moments is presented in this paper. The characteristic points in the neighborhood of a PCB are represented by Gaussian-Hermite moment invariants. They are characterized by independence to translation or rotation transformations. Meanwhile, such feature representation shows better noise robustness. Experimental results show that the proposed method produces a qualified mosaic of PCB image.     

基于平移、转动和大小变动对象的不变性识别

IOR(不变对象识别)是基于对象在平移、转动、大小变化等情况下的识别方法。该方法分两步:第一步,预处理阶段,通过归一化转动惯量和采用一种新的编码方法来抽取对象的不变拓扑特征,并存入一个数据库中。第二步,识别阶段,采用了一种亲笔最近相邻算法(HNN)。首先自学习预处理得到的数据,并得到对象的总的特征。再通过HNN算法来识别对象。该方法用于实际车牌识别,能得到满意的结果。