用圆谐-傅立叶矩描述图像

提出了一种描述图像特征的圆谐—傅立叶矩，对圆谐—傅立叶矩的特性进行了初步分析，用圆谐—傅立叶矩可以完整、无冗余地重建原图像，选取有限数量的低阶圆谐—傅立叶矩与同级次的圆谐—傅立叶函数的乘积叠加求和，可以近似地重建原图像，实验结果表明，圆谐—傅立叶矩有很好的图像描述能力，使用10阶以上的圆谐—傅立叶矩就能较清晰地重建原图像。     

基于复指数矩的图像旋转角检测

提出基于复指数矩多畸变不变性的图像及图像子块的旋转角检测算法.根据复指数矩的定义和算法,计算原图像及旋转图像的复指数矩,求出两图像复指数矩幅角差,即可检测图像的转角.分析了低阶图像复指数矩角向一、二、三阶的性能和特征,指出应用角向一阶复指数矩,可以检测任意旋转角度,其检测误差不超过2°.实验验证了算法的有效性.     

不变矩在图像重建中的应用

为解决图像重建过程中的可视效果问题,利用Zernike矩和pseudo-Zernike矩进行图像重建,通过NHS对图像的相似度进行度量.实验证明Zernike矩和pseudo-Zernike矩进行图像重建的效果有明显的差异,且高阶矩的重构效果并不理想,仅当重构阶数在20～48之间才能保证图像重建具有很好的相似度.     

用切比雪夫图像矩描述图像

提出一种新的图像矩———切比雪夫图像矩,给出了图像矩的定义,研究了图像矩的描述性能,重建了原图像,给出了实验结果.     

一种离散正交Hahn矩的图像分析方法

提出了一种新的以离散Hahn多项式为变换核的离散正交Hahn矩并用于图像重建,推导了Hahn多项式的有关递推关系式.为了能计算高阶矩,减少矩计算过程中的累计误差,精确重建图像,利用Hahn多项式关于x方向的对称性并对部分表达式进行了优化处理,取得了显著的效果.通过与离散正交Tchebichef矩的重建图像进行比较,表明了该方法的有效性.     

图像矩在图像区域复制粘贴检测中的快速计算算法

在图像区域复制粘贴篡改检测中,特征提取是非常重要的一个步骤,而图像矩(如Zernike矩,圆谐-傅里叶矩和指数矩)是一种比较常见的特征向量.针对目前大多数检测算法在提取某些图像矩运行时间过长的问题,提出一种图像矩的快速算法.利用计算机仿真计算图像矩时,要把积分形式的表达式离散化,将积分转化为求和.在最终的计算图像矩的离散表达式中,可以将表达式分成固定值和像素值的乘积.将两部分分开计算,只计算固定值一次,像素值N_(um)次,然后得到它们的乘积.由此大大减少了计算的次数,从而大幅度降低了运行时间.只要图像的分辨率不变和计算的图像矩个数足够多,相比于经典的计算方法,图像矩的快速算法能极大的提高算法的运行效率.     

一种有效的图像目标识别算法

通过提取图像7个不变矩,结合神经网络(BP)对图像目标进行识别计算.结果表明,该算法具有很好的识别效果,可以应用于图像小目标的识别.     

基于圆谐-傅立叶矩的抗几何攻击数字水印算法

提出一种基于圆谐-傅立叶矩的抗几何攻击数字水印算法.利用图像函数的圆谐-傅立叶矩幅度的旋转、缩放不变性,在水印检测时,计算待检图像局部区域的圆谐-傅立叶矩,用所得的矩幅度与载体图像在该区域的矩幅角构成新的矩,通过与待检图像的矩进行比较,可以近似地恢复水印图像.实验结果表明,圆谐-傅立叶矩算法具有很好的旋转和缩放不变性,水印对旋转和缩放等噪声攻击具有较好的检测性.     

基于Zernike矩和BP神经网络的纹理分割

提出了一种基于Zernike矩和BP神经网络的纹理分割方法.对图像的每个像素,选择一个窗口,计算该窗口内的Zernkie矩,然后通过非线性变换器将得到的矩值转换成纹理特征;选择BP神经网络作为分类器,将图像的每个像素得到的n维特征向量输入BP神经网络进行分类,最后将结果标注在原图像上.和基于Legendre矩的纹理分割结果相比,基于Zernike矩的纹理分割可以降低分割错误率.     

基于改进伪Zernike矩的数字水印算法

抵抗几何变换一直是水印算法研究的难点和重点,构造图像强的几何不变性空间是解决问题的一种思路.图像的伪Zernike矩具有较强的旋转不变性,通常在模式识别中有着广泛应用.利用数字图像伪Zernike矩的旋转不变性进行改进,对矩归一化,使得归一化后的矩在保持旋转不变性的同时,还具有缩放不变性.直接在图像的矩上嵌入水印需要重建图像,会严重破坏图像质量,且计算量巨大,本文提出改进的嵌入方案,结合图像的伪Zernike矩重构水印信息,直接添加在图像空域内,避免图像的重建,不仅保证图像质量,时间效率也有大幅提高.实验结果表明,提出的方法在对抗常规信号处理及图像旋转、缩放等方面有较好的鲁棒性.