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．     

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。     

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     

肤色检测和Hu矩在安全帽识别中的应用

安全帽在工业生产中的应用非常广泛,为了防止事故发生,确保生产安全,建立对安全帽的自动检测及报警系统变得越来越迫切。主要对安全帽的识别算法进行了研究,采用肤色检测的方法定位到人脸区域,并以此获得脸部以上的区域图像,将Hu矩作为图像的特征向量,分别比较神经网络和支持向量机(SVM)两种分类模型。实验结果表明:SVM对安全帽的识别有很好的效果,将会对监控系统实现智能化提供有力的支持和实际的指导意义。     

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.     

基于Zernike矩特征的FCM-RBF神经网络图像分类器

针对交通监控图像识别精度较差的问题,设计一种基于径向基(radial-basis)函数神经网络的图像分类器.该分类器利用Zernike矩噪声敏感度较小、形状特征稳定性好的特点,构建四阶矩的特征向量,用于特征提取;利用自适应模糊聚类方法,解决径向基函数神经网络隐层节点数不确定的问题.仿真分析表明,该分类器与基于改进的快速模糊C均值聚类算法的Back Propagation网络分类器和径向基函数神经网络分类器相比具有更高的识别率,与改进的粒子群优化模糊C均值聚类算法的径向基函数神经网络分类器相比具有相近的识别率,但其计算复杂度较低.仿真实验结果表明,该方法具有较好的分类能力及较高的计算效率.     

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.     

基于图像饱和度分量Zernike矩的元件封装识别

针对电子元件的自动检测识别问题,给出一种图像饱和度分量的Zernike矩识别电子元件的新方法。根据电子元件的图像颜色特征,分层提取原始图像的饱和度分量,通过遗传算法对饱和度图像分量进行二值化分割并计算改进的Zernike矩作为元件图像的识别特征,利用切比雪夫与曼哈顿距离加权线性来取代传统的欧氏距离判断相似性,降低相似性判定时的运算时间,从而达到识别元器件外观的目的。实验表明,该方法能够准确地识别待测的元器件封装,可应用于电子元件生产和检测中。     

基于Zernike矩和双谱特征的新型干扰识别算法

为了有效应对频谱弥散干扰(SMSP)和切片组合干扰(CI),提出了一种利用Zernike矩和双谱分析的干扰识别方法。首先对雷达接收信号进行双谱分析,经过降维和归一化处理后,将三维双谱信息转化为二维特征信息,然后将得到的二维特征谱变为灰度图,运用数字图像处理技术对灰度图进行一系列的预处理后,利用Zernike矩特征提取图像的形状特征进行识别。仿真实验证明该方法具有较好的识别率,特别是受信噪比影响较少,且在低信噪比下识别率仍能达到90%。通过与文献[4~6]比较表明,该算法识别效果最好,进一步说明了采用该算法在雷达干扰信号识别领域中的可行性。     

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...     

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Zernike矩和水平集的超声图像分割

为了提高超声图像的分割精确率,提出了一种基于Zernike矩和水平集的超声图像分割方法.首先,利用9个具有不同阶数和重复度的Zernike矩提取超声图像的纹理特征,保留矩的幅值和相位,获得18个特征图,同时在每一特征图目标区域内外采样,利用采样值计算出特征图的权值.然后,将特征图与高斯算子进行卷积,计算其边缘检测函数,将所有特征图的边缘检测函数与对应的特征图权值相乘,所得结果之和即为该超声图像的边缘检测函数.最后,利用基于变分函数的水平集方法对超声图像进行分割.基于前列腺超声图像的实验结果显示,相比基于梯度的水平集方法和基于Zernike矩幅值的水平集方法,所提方法具有更高的分割精度,dice相似系数达到95%以上.