基于Zernike矩的水果形状分类

提出了一种基于Zernike矩的水果形状分类方法，首先运用标准矩对水果图像进行归一化，使得归一化后的图像具有平移和尺度不变性，然后从归一化后的图像中提取具有旋转不变性的Zernike矩特征，并运用主成分分析法确定分类需要的特征数目，最后将这些特征输入到支持向量机分类器中，完成水果形状的分类．通过与傅立叶描述子的分类性能比较，结果表明由于Zernike矩具有良好的正交性和旋转不变性，使分类性能明显有大幅提高。     

基于归一化单元转动惯量特征的二值商标图像检索

由于计算量的限制和不精确的特征提取方法，使得大多数的图像特征提取方法无法有效地解决图像的检索问题．为了解决这一问题，提出一种基于归一化单元转动惯量特征的商标图像检索方法．该方法首先将商标图像划分为若干个单元子图像，然后分别提取各个单元子图像的归一化转动惯量不变特征，最后使用欧式距离度量图像中的归一化单元转动惯量特征矢量之间的相似性．对图像库中2000多幅商标图像实验表明，归一化单元转动惯量特征具有良好的旋转、平移、尺度以及变形不变性，得到的检索结果能够很好地满足人的视觉感受．     

基于归一化单元转动惯量特征的二值商标图像检索

由于计算量的限制和不精确的特征提取方法,使得大多数的图像特征提取方法无法有效地解决图像的检索问题.为了解决这一问题,提出一种基于归一化单元转动惯量特征的商标图像检索方法.该方法首先将商标图像划分为若干个单元子图像,然后分别提取各个单元子图像的归一化转动惯量不变特征,最后使用欧式距离度量图像中的归一化单元转动惯量特征矢量之间的相似性.对图像库中2000多幅商标图像实验表明,归一化单元转动惯量特征具有良好的旋转、平移、尺度以及变形不变性,得到的检索结果能够很好地满足人的视觉感受.     

基于Radon和Fourier-Mellin变换的物体几何不变性分析

本文提出一种具有高容噪能力并且对灰度和二值图像都适用的平移、尺度与旋转不变性分析方法,该算法在对图像进行坐标变换后,利用Radon变换将目标图像转换到投影空间,组成投影矩阵,然后对投影矩阵进行Fourier-Mellin变换,最后从变换矩阵中提取不变特征、进行目标图像的分类。理论分析与实验结果表明,与现有的不变性分析方法相比,该算法克服了以往方法的不足,对灰度和二值图像的不变性识别都适用,并且本算法对噪声的鲁棒性强;对灰度图像的识别率高;可以达到理想的分类效果。     

一种基于局部奇异值分解和最近邻决策规则的人脸识别方法

提出了一种基于局部奇异值分解和最近邻决策规则的人脸图像识别方法。其主要内容包括以下方面：由于奇异值向量具有稳定性、转置不变性等特点,对归一化的人脸图像,采用局部奇异值分解抽取人脸图像特征作为识别特征;针对人脸识别问题,采用最近邻决策规则取代隶属度函数来进行分类识别。实验结果显示,所提出的方法减少了数据计算量,运行速度快,并提高了识别率。同时,人脸识别结果也证明了该方法的有效性。     

用支持向量机实现尺度和旋转不变性纹理分类

提出了一种简单的尺度和旋转不变性纹理分类方法．首先使用对数-极坐标变换对要分类的各纹理图像进行变换,生成对数-极坐标图像;然后以对数-极坐标图像的正则化以后的行投影数据向量构成纹理图像的特征向量;最后运用支持向量机实现尺度和旋转不变性纹理图像的分类．实验结果表明,该方法在尺度和旋转不变性纹理图像的分类中,准确率可达90％以上．     

局部归一化的人脸光照处理方法

复杂的光照变化是影响人脸识别的一个关键问题,针对人脸图像中的光照变化问题,采用图像局部归一化处理方法对人脸进行光照处理,提取光照不变性特征,并进行对比实验研究.实验结果表明,局部归一化算法可以使图像保持正常光照条件下具有的局部统计特性,对消除光照影响有较好的作用.     

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.     

基于 CNN 和 Group Normalization 的校园垃圾图像分类

为解决大学校园的垃圾回收分类问题, 提出了一种基于卷积神经网络和归一化技术的垃圾图像分类方法, 不需要对输入的图像进行复杂的处理, 网络模型即可根据算法提取图像特征, 通过加入群组归一化(GroupNormalization)和网络模型各层之间的协作, 克服传统分类算法的缺点, 实现对垃圾图像的分类。 实验表明,该识别方法具有较高准确率, 可以较好识别不可回收及可回收垃圾。     

缺损图像的特征模板匹配方法

基于二值图像的边缘拐点特征，建立其特征模板，在此基础上讨论了缺损二值图像的匹配过程。所采用的特征模板匹配方法将图像局部特征和它们的尺度大小联系起来，使识别过程更为合理，对１７个缺损飞机图像仿真实验结果表明，这一方法取得了很好的分类效果。     

基于协同理论的不变性模式识别

提出了一种基于协同学理论的不变性模式识别模型．该模型首先对输入图象模式进行位置和大小上的归一化，然后提取其旋转不变性子波特征作为模型的试验模式，最后由协同系统的序参量迭代方程得出正确的识别结果．这种方法与Ｈａｋｅｎ提出的两种协同不变性模式识别方法相比，既比频域法更接近于人类的认识过程，又避免了“伪状态”的出现，使得系统严格收敛到正确的模式上．实验表明，该模型不但具有很好的识别精度，而且还表现出较好的抗干扰和缺损能力．     

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．     

人脸识别中利用眼球进行人脸归一化

人脸识别中,人脸的归一化处理是至关重要的一个环节,以此为基础可使得人脸的整体分析和识别变得容易和准确。算法首先利用人脸的垂直积分投影曲线获得人脸的左右边界,然后利用水平积分投影曲线获得人眼所处的大致水平位置,进而裁剪出这个包含人眼的大致区域。在此基础上利用Canny算子求出眼睛区域的边缘图像,然后对边缘像素进行聚类,再利用Hough变换的改进方法求出左右眼球中心的精确位置,最后利用中心瞳孔的位置进行人脸的归一化处理。经实验验证,该方法速度快、精确度高,受表情、偏转和光照的影响小。经本方法校正后,后续的识别正确率得到了提高。     

基于k-近邻分类匹配的虹膜识别技术与应用

利用虹膜图像中丰富的结构和纹理特征作为身份鉴别的依据,与其他生物特征识别相比,具有更高的可靠性.虹膜识别系统包括虹膜图像采集、虹膜图像预处理、特征提取、匹配与识别等部分.该文提出一种基于k-近邻分类器虹膜识别方法,该方法先对虹膜图像进行定位、归一化和增强等预处理,利用Gabor滤波实现虹膜纹理特征的提取,再用k-近邻分类器进行匹配,达到了识别的目的.实验结果表明,该方法是可行的.     

土地覆盖变化检测中不同相对辐射归一化方法的评价

【目的】从土地覆盖变化检测性能的角度寻求一种精度较高且归一化过程相对简单、客观和自动化的辐射归一化方法。【方法】借助2013年7月和2015年9月的南京地区Landsat 8 OLI图像并以2013年影像为基准,执行基于伪不变特征(pseudo-invariant features, PIF)、时不变点群(temporally invariant cluster, TIC)、全景影像回归(wall-to-wall regression, WWR)和加权不变点(weighted invariant pixels, WIP)4种方法,分波段对2015年的多光谱图像进行辐射归一化处理。在此基础上利用变化向量分析技术(change vector analysis, CVA)进行土地覆盖变化信息提取,并借助高空间分辨率Google Maps对提取到的变化信息进行空间一致性验证。【结果】使用PIF、TIC、WWR和WIP方法对图像归一化后,利用变化向量分析提取的土地覆盖变化信息与目视解译得出的土地覆盖变化信息的空间一致性分别为79.63%、81.75%、72.72%和82.59%; 依不同变化地类给出变化检测阈值,算法的空间一致性会进一步提高。【结论】考虑到算法的客观性、自动化程度和变化检测精度,在4种方法中,TIC法和 WIP法更适合工程化的图像辐射归一化操作。     

基于拆支跟踪法提取特征的视网膜血管形态识别

介绍了视网膜血管形态识别的新方法和方法改进,包插图象预处理中的自适应灰度校正,拆支跟踪法提取互连通型网孔的特征链码,利用最小差距判别准确则实现方位无关性形态识别等,并给出实验结果。     

自商图像优化加权LBP直方图的光照变化人脸识别

针对光照变化环境下人脸识别难度大的问题,提出了一种基于自商图像(SQI)和加权局部二值模式(LBP)的光照变化人脸识别方法。首先,利用SQI方法消除光照变化;然后,将两个加权的多区域LBP分别应用于各个图像以提取光照不变特征;最后,将自商图像方法和加权LBP算法提取的直方图融合形成最终的特征向量并用于人脸识别。在扩展YaleB和CMU-PIE人脸数据库上的实验结果表明,相比其他几种人脸识别方法,取得了更好的识别效果。     

彩色分量流形特征融合的人脸识别

对人脸图像RGB彩色空间三分量的非线性流形嵌入进行了分析,提出一种结合了流形学习技术和图像彩色信息的人脸识别方法。 该方法对人脸图像的彩色三分量分别采用局部线性嵌入（LLE）方法进行特征提取,提取的特征进行归一化处理和特征融合,采用线性判别分析（LDA）增加分类判别性,最后采用k最近邻法（kNN）进行分类。 该方法中提取的特征,能够保持人脸图像数据的非线性结构,同时利用了人脸图像的彩色信息。 对比实验结果表明,利用了彩色信息的三分量流形学习特征融合方法,比Fisherface特征灰度图像和单个彩色分量的人脸识别性能有所改善。      

基于Rubber-sheet模型的虹膜识别算法研究

为了实现对虹膜内外边界的精确定位,提出了改进的虹膜图像定位算法.虹膜图像预处理过程主要包括虹膜边界定位、归一化处理和图像增强三部分,其中虹膜图像边界定位是实现虹膜识别的重要前提.首先使用质心探测法确定其二值化虹膜图像的内边界中心,然后再对内边界进行曲线拟合,从而实现对虹膜内边界的定位.使用Canny算子进行边缘检测,确定虹膜图像外边界,完成对虹膜边界的定位.使用Rubber-sheet模型对经过定位的虹膜区域图像进行归一化处理,方便虹膜图像的信息提取和编码匹配.实验证明改进的算法有效提高了虹膜图像预处理效率.