基于伪Zernike矩模糊不变量的图像识别算法

为了提高模糊图像的识别率,提出了一种新的基于正交伪Zernike矩模糊不变量的图像识别算法.该算法首先推导出模糊图像的伪Zernike矩和原始图像的伪Zernike矩之间的线性关系,然后利用该关系构造出伪Zernike矩的模糊不变量,最后将该不变量作为描述算子对模糊图像进行识别.实验表明,与Zernike矩模糊不变量相比,伪Zernike矩不变量具有更好的模糊不变性,并且基于伪Zernike矩模糊不变量的图像识别算法能获得更高的识别率,特别是当图像含有较大噪声时.     

一种改进的伪Zernike矩的快速算法研究

Zernike矩因具有正交性和旋转、平移、尺度不变性被广泛应用于模式识别特别是图像分析领域. 伪Zernike矩与Zernike矩相比, 具有更多的特征向量以及更强的抗噪声能力. 但在求伪Zernike矩时, 计算复杂性很大. 针对该问题, 在Chong和Xia等人对伪Zernike多项式的研究基础上, 结合Clenshaw递推公式, 提出了一种改进的快速求解算法. 实验结果表明, 改进后的方法在CPU的时间耗费上有较大的改善, 并初步将其应用于人脸识别中, 在训练和识别的时间上, 获得了较好的效果.     

一种改进的伪Zernike矩快速计算方法

为了有效地利用伪Zernike矩进行图像分析和模式识别,针对传统伪Zernike矩快速计算方法在计算伪Zernike矩时复杂度大的问题,提出一种改进的伪Zernike矩快速计算方法.该方法利用Clenshaw递推公式实现了伪Zernike矩多项式求和的快速计算.初步实验结果表明:在计算指定阶伪Zernike矩时,文中方法比传统伪Zernike矩快速计算方法需要更少的CPU时间;在人脸特征的提取及识别方面,文中方法的识别率比传统的主成分分析方法约高5%,而特征提取需要的平均时间为1.2 s.     

完备的Zernike矩不变量集的构造及应用

为了解决模式识别应用中传统的不变量特征之间的相关性问题,基于Zernike矩提出一种构造其完备的相似变换不变量集的新方法.首先,根据图像的Zernike矩与径向矩之间的关系,以径向矩为中间桥梁,建立原图像的Zernike矩和旋转缩放后图像的Zernike矩之间的关系,然后由原图像的同阶和低阶Zernike矩线性组合即可...     

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.     

基于伪Zernike色度分布矩的彩色图像检索方法

颜色是图像的基本视觉属性,不仅与图像中的物体和场景密切相关,而且对图像本身尺寸、方向、视角的依赖性较小.颜色矩是一种简单有效的颜色特征,其数学基础在于图像的任何色彩分布均可用矩来表示.以伪Zernike矩理论为基础,提出了一种基于伪Zernike色度分布矩的彩色图像检索新方法.首先将彩色图像从三维RGB颜色空间转换到二维对立色度空间,以获得图像像素的色差度量值;然后结合伪Zernike矩相关知识,在二维色度空间中计算出各像素的伪Zernike色度分布矩,最后将伪Zernike色度分布矩作为图像颜色特征,并进行彩色图像检索.仿真实验表明,该算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率.     

一种改进的Zernike矩的雷达图像目标识别方法

针对Zernike不变矩目标识别算法计算复杂,计算复杂度高的不足和雷达图像乘性噪声严重和识别率不高的问题,提出了一种快速计算Zernike矩目标识别算法.该算法通过利用Zernike矩对称性和反对称性对雷达图像进行快速计算求得不变矩,然后通过加权求得新的特征向量,最后通过支持向量机进行目标识别.实验结果表明,提出的算法不仅解决了计算过于复杂的问题,还降低了噪声且提高了目标识别率.     

基于特征域和Zernike矩的多倍零水印版权认证方案

利用特征域和Zernike矩,提出一种多倍零水印版权认证方案。该方案采用Harris角点检测去提取载体图像的特征点,然后将这些特征点扩展成半径为R的特征域。特征域的Zernike矩不变量被用来构造特征向量,并且将这些特征向量二值化以形成多倍零水印。在水印检测阶段,通过正确检测出的水印数量与阈值的比较来证明检测图像的版权属性。研究结果表明提出的方法能拒绝各种攻击,包括模糊、噪声、中值滤波、JPEG压缩、旋转、缩放、剪切及Stirmark RBA攻击。与同类算法相比,文中所提方法具有更好的性能。     

基于NSCT和伪Zernike矩的人脸识别

为了提高光照条件下人脸识别系统的识别率,提出了一种非下采样Contourlet变换和伪Zernike矩相结合的人脸识别新算法.该算法首先利用软阈值去噪方法在Lambertian光照模型中提取人脸的光照不变成分,然后计算其伪Zernike矩向量作为人脸的分类特征.在Extended YaleB和CMU PIE人脸库上的实...     

一种基于特征点和伪Zernike矩的数字图像水印算法

利用墨西哥帽小波尺度交互的方法提取了图像的特征点,并以特征点为圆心的圆盘中选取部分伪Zernike矩嵌入水印.仿真试验证明,这种基于图像特征点和伪Zernike矩的第二代水印算法.可以抵御剪切攻击和旋转攻击,对频域操作也具有一定鲁棒性.     

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%.     

低阶不变矩人耳识别方法

介绍了不变矩原理及特点,由于高阶矩对噪声敏感,提出一种低阶不变矩分子区域人耳识别方法.对分子区域的人耳图像,提取各个区的低阶不变矩首尾相连组成一组特征矢量,作为耳识别模型.在北京科技大学建立的图像库遍历实验后,结果表明,低阶矩识别效果好于高阶矩,分区好于整体.划分32区低阶不变矩达到100%的识别率.     

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·     

Hu矩和Zernike矩在表情识别应用中的比较

首次将Zernike矩运用于同一个人的表情识别问题，分别计算了同一个人面部图像的Hu矩和Zernike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Hu矩和Zernike矩的识别能力和抗噪性进行了比较，试验结果证明Zernike矩更适合识别细微变化的面部表情．     

基于组合矩不变量特征的BP神经网络分类器

本文通过研究矩特征的性质，在传统的７个矩不变量的基础上，提出了５个组合矩不变量来完成对目标特征的描述．为完成对三维物体的识别，这里采用三层的ＢＰ神经网作为分类器，其输入特征为上述组合矩不变量．文中对三类目标在各种姿态下的矩特征分布的情况进行了研究，并将神经网分类器与最小距离分类器的分类性能作了比较．实验证明，神经网分类器能够完成对三维目标的识别，并且在实时性和鲁棒性方面表现了良好的特性     

基于LVQ神经网络的植物种类识别

提出一种基于学习矢量量化（LVQ）神经网络的计算机植物种类识别新方法. 使用2-D不变矩、 多尺度2-D Gabor滤波器等多种方法分别提取了叶片的几何特征和纹理特征, 应用LVQ神经网络识别植物种类. 实验结果表明, 该方法对植物种类的识别效率较高.     

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．     

融合多特征和压缩感知的手势识别

基于压缩感知理论,提出了一种新的手势识别方法,考虑到单个特征的局限性,结合Zernike矩和HOG描述符从全局和局部角度描述手势外观和形状.训练阶段提取手势训练图像的Zernike矩和HOG特征构建字典,识别阶段提取待测样本特征,将其表示成相应训练字典的稀疏线性组合,采用求解l1范数的最优化问题实现分类.实验结果证明,和目前应用较广的手势识别方法相比,该方法具有较强的竞争性,而且通过融合两种形状特征,对光照、尺度、旋转等变化更具鲁棒性.     

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。