复合不变矩和GLCM特征加权融合的人脸识别研究

为了提高人脸识别率,提出一种基于复合不变矩和灰度共生矩阵的特征提取方法 CHu-GLCM。首先将人脸图像分割成许多大小相等的子块,提取所有子块的不变矩特征,并按照一定的权重系数把所有子块的不变矩特征组合起来作为整幅人脸图像的复合不变矩特征,再提取人脸图像的灰度共生矩阵;然后利用支持向量机在决策层把人脸图像的复合不变矩特征和灰度共生矩阵进行加权融合;最后分别在ORL和YALE人脸库中进行实验检测。研究结果表明:在训练样本个数为5时,与传统的特征提取方法相比,给出的方法可以使人脸识别率至少提高4个百分点。     

基于直方图调整的传统民族图案特征分析

利用计算机图形图像技术对中国传统民族艺术图案的特征进行了数值分析。利用直方图均衡化和灰度值五值化方法将原始灰度图像进行灰度分布调整,形成具有更加清晰灰度差异的新灰度图像;利用图像分析与处理中的几何不变矩方法,计算新灰度图像的12个几何不变矩,作为其特征向量;利用聚类分析中的k一均值聚类方法对其进行分类。通过具体算例,可以看出该方法原理简单、实现容易,得到了较好的分析结果,为传统民族艺术图案的计算机分析与处理提供了参考。     

一种新的掌纹特征提取算法

提出一种基于小波图像分解和不变矩函数的掌纹特征提取算法.该算法首先对掌纹ROI灰度图像进行N层二维小波分解,得到3N 1幅子带图像,分别计算每幅子图像的各阶不变矩函数作为特征向量.该算法首次将不变矩理论应用于掌纹识别,可对掌纹ROI灰度图像直接提取特征,去除了如图像增强和纹理细化等预处理算法所带来的消耗,得到的特征向量长度远小于传统算法.作者使用自行采集的数据库对该算法进行实验,获得了98.33%的正确识别率,验证了算法的有效性和准确性.     

基于不变矩和支持向量机理论的船舰目标识别

基于支持向量机(Support Vector Machine,SVM)理论和不变矩(Invariant Moments)理论,提出一种船舰目标识别方法。首先,对图像进行预处理,将彩色图像转化为灰度图像;然后利用Hu不变矩来提取图像的七个不变矩特征;最后,选用支持向量机作为分类器,并将计算出的图像的七个矩特征作为支持向量机的输入对支持向量机进行训练和测试。实验证明,将不变矩特征提取方法与SVM相结合用于模式识别,可以得到很高的分类效率和准确率。     

基于仿射不变矩的轴心轨迹自动识别方法

讨论了仿射不变矩的原理,通过改进仿射不变矩的积分因子,保证了积分因子在仿射变换下的不变性,将仿射不变矩应用于水电机组轴心轨迹特征的提取.通过计算轴心轨迹的仿射不变矩作为特征向量,结合人工神经网络方法,提出了一种高效的轴心轨迹自动识别新方法.对3类典型的轴心轨迹的自动识别进行了仿真试验,并与Hu氏不变矩方法的识别效果进行对比.试验结果表明:采用仿射不变矩方法的轴心轨迹识别率达到95%,明显高于Hu氏不变矩的识别率,仿射不变矩具有比Hu氏不变矩更好的轴心轨迹识别能力.     

一种基于小波分时灰度矩与概率神经网络的电网故障诊断方法

为提高电网故障诊断的准确率和速度,提出一种将小波分时灰度矩与概率神经网络相结合的电网故障诊断方法,通过对小波灰度矩进行时间上的划分,计算得到故障发生后电流在不同时刻的灰度矩的值,从而得到小波系数随时间的变化情况;以小波分时灰度矩作为概率神经网络的输入,诊断结果作为输出,实现对电网故障的自动诊断,利用PSCAD/EMTDC对电网不同类型的故障进行了仿真,采用连续小波变换对电网发生短路故障后的暂态信息进行分析,提取其灰度矩信息,利用概率神经网络进行了故障识别。仿真结果表明,小波分时灰度矩具有较强的细节表现能力,可作为电网故障的故障特征,与概率神经网络相结合可有效地实现对电网故障的自动识别。     

末敏弹红外伪成象探测系统目标识别技术

通过理论分析及计算机模拟,提出了用矩不变法对由末敏弹红外伪成象探测系统获得的在简单背景条件下的目标进行自动识别的实用算法。特别在原不变矩法所使用的7个绝对不变矩(平移、施转、比例不变)的基础上,引进了β函数,改进了原不变矩,使不变矩对图象灰度(强度)有极好的稳定性。这一特性放宽了对图象预处理的要求。另外,该文引用目标投影函数方法计算原点矩,并在理论上和计算机模拟结果中分析了采用二个改进的不变矩描述目标特征的可能性。     

基于图像直方图的一维不变矩研究

由于基准日与实测图之间存在灰度变化，基于灰度不变矩的匹配方法不能满足实际匹配的要求．图像灰度变化时，对应的直方图基本形状保持不变．据此定义了基于直方围的一维不变矩，并提出基于直方图不变矩的匹配方法．由于直方图不变矩是基于一维矩的定义，运算时间大大减少．     

基于图像直方图的一维不变矩研究

由于基准图与实测图之间存在灰度变化，基于灰度不变矩的匹配方法不能满足实际匹配的要求。图像灰度变化时，对应的直方图基本形状保持不变，据此定义了基于直方图的一不变矩，并提出基于直方图不变矩的匹配方法，由于直方图不变矩是基于一维矩的定义，运算时间大大减少。     

一种基于边缘不变矩推广的图像形状检索

目的 解决图像形状信息复杂,特征描述不够准确所导致的检索精度问题.方法 提出了一种基于Canny边缘提取的融合Hu不变矩及其推广的5个新不变矩作为形状的可视特征描述的方法,并通过归一化的特征向量的加权相似距离在图像形状检索过程中进行匹配.结果 实验结果表明:该方法能够充分利用图像的形状信息,比单一提取Hu不变矩特征具有更好的检索性能.结论 新推广的5个不变矩与原有的7个不变矩结合之后能够更为完整地描述图像的形状信息,并且能够提高检索性能.     

海上目标的实时图像处理系统设计

针对海洋背景的基本特点,确定了具有双视频输入（用TMS320F2812实现视频采集）、基于流水工作模式和可拓展结构的8片TMS320C6416T图像处理系统方案．通过2812-XINTF接口与多片6416-HPI接口连接,实现图像数据传输;软件采用结构化、模块化编程,易于扩展和维护;算法采用随机Hough变换求取海天线从而确定海天区域;基于多梯度特征的目标检测算法检测目标;利用目标的灰度和不变矩特征对检测出的目标进行跟踪．实际海洋环境的试验表明,所采用的图像处理算法效果良好．该系统还可实现对目标的被动测距、可见光和长波红外图像的双波段图像融合等功能．     

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...     

基于仿射几何不变量的鲁棒图像配准算法

提出了一种新的基于特征的鲁棒图像配准算法.该算法通过构造特征区域将仿射几何不变量应用到特征描述过程中,使其能够处理待配准图像之间满足仿射几何畸变的情况.由于在特征描述过程中,特征矢量计算量小且仅与控制点的坐标信息有关而独立于图像的灰度信息,故该算法不仅具有很好的时效性,而且对图像之间灰度值的偏差具有很好的鲁棒性.     

基于双密度小波变换的纹理图像检索

为了进一步提高纹理图像的检索性能，提出了一种基于双密度小波变换算法．该算法根据双密度小波分解变换的特点，从系数角度出发首先对子带进行组合，然后提取一阶和二阶统计矩并将结果作为纹理的特征用于图像检索．由于组合双密度小波变换采用了过采样，具有时移不变性，所以据此生成的算法具有特征数少、检索精度高等特点．对比实验结果表明，该算法的检索精度比单小波和双密度小波变换分别提高了10％和7％，性能最好的是一阶和二阶统计矩组合的方法．     

基于不变角度轮廓线的三维目标识别

三维物体的快速准确识别是研究的热点.根据局部特征变换的特点,提出了不变角度轮廓线的识别方法.算法通过点云矢量特征对物体进行局部分割,利用欧式距离、测地距离以及角度三个变量,建立其不变角度轮廓特征描述,进一步提取不变矩特征,构建特征向量数据库集.被识别物体的特征描述和数据库中特征进行夹角余弦匹配,可完成物体的识别.通过识别实验以及识别算法性能分析,结果表明算法具有较高的识别率和识别效率,可以用于复杂点云物体识别.     

一种基于改进Hu矩的图像检索方法

提出了一个在形状轮廓的基础上,进行改进的Hu矩的形状特征提取与检索方法。首先,对图像进行预处理,利用多阈值颜色分割法提取出图像的前景对象,再采用轮廓跟踪法得到该对象的形状轮廓特征;然后,计算7个不变矩,再转化为10个改进的Hu矩,组成图像的特征向量;最后,用欧氏距离度量图像间的相似度。实验结果表明,该方法具有较好的检索效果。     

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。