基于Zernike矩的图象识别

分析了Zernike矩的旋转不变性特征 ,并将其应用于旋转目标的识别。由于Zernike矩可以构造任意高阶矩 ,所以Zernike矩的识别效果优于其他方法。因而Zernike矩在旋转目标识别中具有广泛的应用前景     

Hu矩和Zernike矩在图象识别中的应用

将Hu矩和Zernike矩应用于图象识别 ,比较了两者的识别效果。理论分析和仿真结果表明 ,Zernike矩的识别效果优于Hu矩     

Zernike矩与应用

在图象文字识别过程中，获取的图象文字可能会出现几何变形。通常有斜视角度引起的透视失真，光学成象或电子扫描系统的限制而产生的失真。校正图象文字的几何失真常用比例、平移、旋转处理实现。比例和平移相对旋转比较简洁，可以用形心（重心）重新确定原点位置、图形大小。要校正图象文字的旋转角度则不易，必须要了解它旋转的确切角度，而后再作校正处理。若从非失真座标系到失真座标系变换方程已知，那么校正旋转处理比较方便。然而一般情况下失真变换方程是未知的，要通过测量已知图象的失真图象中的网格位置的近似值来确定失真变换方…     

基于Zernike矩和Gabor变换的脱机签名鉴定

本文介绍了一种利用Zernike矩和Gabor变换的脱机签名鉴定方法。通过特征融合技术将两种特征联合起来作为签名的特征。试验表明融合后的特征对签名的分类效果要优于单独使用Zernike矩或Gabor特征。     

基于改进的Zernike不变矩的图像重建

简要介绍了描述图像形状特征的Zernike不变矩，在给出Zernike不变矩定义的基础上，讨论了Zernike不变矩的改进，指出可以使用基于改进的Zernike不变矩的形状特征数据来重建图像；基于改进的Zernike不变矩进行图像重建的实验，结果证明了对其进行改进的可行性。     

ZEPNIKET矩的旋转不变性及对旋转角度的估计

Ｚｅｒｎｉｋｅ矩所用的变换核是一组正交换核，并且矩的模在空间上是旋转不变的，本文指出了Ｚｅｒｎｉｋｅ矩的相位包含了所有有关目标在空间取向的信息，为了提取这一重要信息，提出利用大于给定门限的多个矩的统计估计方法，计算机模拟结果，表明了这种方法有效性。     

基于Hu矩和Zernike矩的文字识别

在研究Hu矩和Zernike矩的基础之上,提出一种基于Hu矩和Zemike矩的文字识别方法,在采集的文字图像中提取Hu矩和Zernike矩特征,利用K近邻的分类方法进行分类,理论和实验表明,该识别方法具有很强的抗图像平移、拉伸和旋转识别能力,其中Zemike正交矩由于其正交性在具有较高的识别能力的同时,还具有很强的冗噪能力。     

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.     

基于Zernike矩的图像不变性识别研究

本文提出一种基于Zernike矩的图像不变性识别方法,用于图像的平移、缩放和旋转不变性识别。理论分析和实验结果表明,Zernike矩做为一种经典的正交矩分析方法,具有良好的抗噪能力、图像识别能力。     

Zernike矩的快速算法

给出了Zernike矩求解的一种快速算法 .利用Zernike多项式迭代性质 ,找出了Zernike正交矩之间的内在关系 ,这样 ,高阶的Zernike矩可由低价的Zernike矩求出 ,再在Chan等人提出的关于一维几何矩有效算法的基础上 ,得出了一种快速算法 .与已有方法相比 ,该算法大大减少了求解过程中的乘法次数 ,降低了计算复杂度 ,从而提高了运算速度和效率 ;并可以有效用于模式识别、图像分析及重建等领域中     

基于 Zernike 矩的边缘检测方法

提出了一种基于Zernike矩的边缘检测方法.根据建立的四参数边缘模型,利用Zernike矩的性质导出了边缘参数和矩的关系,通过求矩得到边缘参数.所提出的方法可以达到子像素级检测精度,对噪声不敏感,具有良好的稳定性.     

基于Zernike矩的边缘检测方法

提出了一种基于Ｚｅｒｎｉｋｅ矩的边缘检测方法,根据建立的图参数边缘模型,利用Ｚｅｒｎｉｋｅ矩的性质导出了边缘参数和矩的关系,通过求矩得到边缘参数,所提出的方法可以达到子像素级检测精度,对噪声不敏感,具有良好的稳定性。     

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。     

基于不变性矩的3D目标识别

提出一种直接使用３Ｄ信息的目标识别方法。３Ｄ不变性矩可作为任意３Ｄ形状的表示特征且具有平移、旋转和尺度变化的不变性，人工神经网络的训练过程对应于主动式机器视觉的内部建模过程，该方法适应于３Ｄ主动式机器视觉的目标识别。     

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．     

离散情况下不变矩的不变性分析

定义了中心复数矩,提出了基于中心复数矩的不变矩表示,进而讨论了离散情况下不变矩的平移、旋转及尺度不变性,给出了理论分析结果,并用实验进行了验证。     

一种多圆谐光学图象识别方法

提出了一种多圆谐函数识别方法，这种方法采用了目标中的多个圆谐成分，并把这些圆谐成分的空间进行编码，产生一种多圆谐滤波器，由于多个圆谐成分的采用，提高了识别的准确性，而且增加了识别的灵活性，根据不同的相关峰值编码可以同时识别几个不同的目标而不失去旋转不变性，进行了计算机模拟和光学实验，结果与理论分析一致。     

基于不变性矩特征的人工神经网络2—D形状识别

在２－Ｄ不变性矩快速计算的基础上，利用人工神经网络，使用不变性矩完成２－Ｄ形状的识别。实验结果与现有文献的结果比较，本文采用的方法具有特征数目少、意义统一、识别快速、准确的特点。