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%.     

基于Lifting Scheme的自适应小波滤波器组的研究

具有高阶消失矩的滤波器在分析平稳信号时,要比使用低阶消失矩的滤波器效果好;而在信号的边缘区和突变区,用低阶消失矩的滤波器会达到更好的效果,所以在这一理论基础的指导下,提出了一种有效的双正交两通道小波滤波器组的构造方法,它是基于Lifting Scheme的一种自适应结构.它的突出优点是可以保证信号的完全重建.实验证明,这种自适应的小波滤波器组在很多应用中显然要优于有固定消失矩的小波滤波器组.     

不变伪线矩算法在运动船只目标识别中的应用

为准确得到港口运动船只的特征、且在节约系统资源的同时快速高效地跟踪目标,结合传统不变矩和不变线矩的特点,提出了一种基于不变伪线矩的目标识别算法.进行计算复杂性分析,验证了算法的快速性;同时分析了不变伪线矩的稳定性.使用新算法得到图像中各目标的计算区域,并对计算区域进行边缘检测预处理,通过二值图像计算得到不变伪线矩.评估了新算法的不变伪线矩性能,并进行了仿真测试与分析.结果表明,该算法在准确得到运动目标所在区域特征的同时提高了运算速度,并成功应用于运动船只智能监测系统.     

基于不变矩的前视红外图像机场目标识别

根据远距离前视红外图像中机场跑道的成像特点,提出了一种基于仿射不变矩的红外序列图像机场目标识别方法.该方法对图像进行多次双阈值分割,搜索分割图像中各潜在目标区域轮廓链,计算其仿射不变矩和目标背景梯度特征,并利用前后帧目标大小的约束关系等先验知识,对各候选目标区域进行识别,最终获取机场目标.试验结果表明:该算法对复杂背景下的远距离前视机场目标的正确识别率优于96%,误识率低于2%.     

基于不变矩特征和神经网络的图像模式模糊分类

提出了一种基于不变矩特征和神经网络的医学图像识别模型·所设计的识别模型包括不变矩特征提取、不变矩矢量标准化、模糊化预处理、BP网络与竞争选择·利用不变矩方法提取医学图像的特征矢量,能有效检测出具有平移、旋转和比例变化的图像,利用神经网络作为分类器对提取的特征矢量分类,使用模糊化的方法先对输入特征数据做预处理再进行识别,每一个图像模式归属于某一类是以0到1的数字代表其归属程度·实验结果验证了模型的有效性,训练好的网络有很好的分类能力·     

基于形状特征的图像检索技术

提出一种新的基于图像形状的检索方法.首先,用Canny算子对图像进行平滑处理,提取图像边界方向直方图特征;其次,用改进的不变矩来描述图像形状的区域特征,改进后的不变矩特征不受图像的缩放、平移和旋转影响;最后,为了克服不变矩只针对对象区域而忽视图像边界的缺点,提出改进的不变矩与边界方向特征相结合的方法,使得检索取得更好的...     

基于高辨识度尺度不变特征的人耳识别方法

提出一种基于对人耳图像仿射不变特征进行小波变换的人耳识别方法.首先,提取人耳图像SIFT(尺度不变特征转换)特征,然后对SIFT特征向量进行一维小波变换获得更具辨识度的特征,最后利用余弦距离进行特征点匹配进而完成识别.实验结果表明,与一些传统的方法相比,本文提出的方法表现出更好的性能.     

基于局部特征和集成学习的鲁棒彩色人脸识别算法

为了充分利用人脸图像的局部信息、改善现有基于整体特征的彩色人脸识别算法的识别率,提出了一种基于局部特征和集成学习分类器的鲁棒彩色人脸识别算法.在特征提取阶段,使用自适应四元数pseudo-Zernike矩(AQPZMs)来描述图像子块的特征.对于具有较大熵的图像子块使用较高阶次的四元数pseudo-Zernike矩(QPZMs)提取特征,反之则使用较低阶次的QPZM s.在匹配识别阶段,使用集成学习分类器进行判别.针对不同彩色人脸图像库的测试结果表明,当人脸图像受到光照、表情等因素影响时,与采用QPZMs或者四元数二维主成分分析(Q2DPCA)进行整体特征提取的识别算法相比,所提算法的识别率更高.     

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.     

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.     

基于正交矩模糊和仿射混合不变量的图像识别算法

为了识别含有模糊和仿射混合形变的图像,提出了一种新的基于正交矩模糊和仿射混合不变量的图像识别算法.该算法首先使用归一化方法构造了基于Legendre正交矩的仿射不变量,并结合Legendre正交矩的模糊不变量提出了Legendre正交矩的模糊和仿射混合不变量;然后将该混合不变量作为描述算子,将欧几里德范数作为分类尺度,以最近邻法则作为分类器,对图像进行识别.实验结果表明,与其他基于非正交矩的混合不变量相比,基于Legendre正交矩的模糊和仿射混合不变量在混合形变下能够获得更好的不变性,不会带来信息冗余问题,并且对噪声鲁棒性较好;此外,该图像识别算法比其他算法具有更高的识别率,特别是在图像含有较大噪声的情况下.     

矩在面部表情识别中的应用

将Zernike矩和小波矩运用于面部表情识别问题,分别计算了面部图像的Hu矩、Zernike矩、Haar矩、Shannon矩和B样条矩,以模式识别中常用的类间距作为依据,提取了面部图像的各种矩的最好特征和次好特征,并对Zernike矩和B样条矩的识别能力和抗噪性进行了比较.实验证明:用Zernike矩作为面部表情特征,其识别率在特征数取5个时能达到95%,B样条矩在特征数取2个以上时识别率能达到100%.     

GFO和不变矩实现基于形状的图像检索新方法

提出了一种新的基于形状的图像检索方法。首先利用广义模糊算子对图像进行边缘检测，以检测出的边缘映射图计算不变矩阵来代表边缘图像的形状信息，从而完成对图像的自动索引；其次，重新定义了相似度测度，提高了匹配速度；最后，设定纵横比辅助搜索，以提高检索精度。实验结果表明，此方法在一定程度上排除了与形状无关信息的影响，不但简单有效，而且搜索速度快，具有一定的实用意义。     

基于矩特征的目标识别

对图像中的目标进行自动识别,既节省了人力,又提高了信息的时效,是模式识别发展的一个重要方向.文中用矩不变量表示目标的形状特征,并对其在离散时不具有尺寸不变性进行改进,构造了新的矩不变量.根据提取的矩特征设计了支持向量机分类器,用于对不同类型的目标进行分类识别,利用VC＋＋和Libsvm工具开发了自动识别软件.     

一种新的RSTC不变矩图像特征点匹配

研究了图像特征点的匹配，针对单纯依靠灰度度量会出现多峰值，匹配不可靠、不准确的问题，本文提出了一种新的匹配方法。该方法首先用改进的SUSAN算法找到角点，然后构造一种新的RSTC不变矩来描述角点特征，并用RSTC不变特征量作为匹配相似度的度量，再结合RANSAC鲁棒估计以及外极线约束进行引导匹配，可以获得比较好的匹配结果。实验结果证明了该方法的有效性。     

不变矩构造方法的研究

在7个经典不变矩基础上，总结出基不变矩的一般构造规律，提出了一种新的推导不变矩的重要方法——三角函数分解法，导出了多个新的不变矩表达式，提出了不变矩空间的概念，讨论了不变矩在图像反转变换下的特性．利用扩充后的基不变矩特征序列就可以更准确地对图像进行分类和识别．     

智能坐标测量系统中零件位姿自动识别

零件位姿自动识别是实现三坐标测量机智能化的关键技术．设计了基于图像不变矩和神经网络的图像匹配与识别算法，将被测零件的虚拟图像与实际图像进行匹配，实现了零件放置姿态的识别功能．由图像几何矩计算出零件在实际图像中的位置和方向，经过像平面坐标系至机器坐标系的转换，得到零件在机器坐标系中的位置和方向．实验结果表明，此零件位姿自动识别方法是智能且高效的，识别算法的重复精度小于0．1mm，识别系统的最大空间定位误差不大于0.6mm．