基于SOPC的物体特征识别系统

提出一种基于SOPC的物体特征识别系统。系统由复杂的预处理、不变矩提取以及分类识别、输出结果显示等模块构成,能完成物体的形状、颜色、位置、大小的识别及其在识别结果的VGA上显示。形状识别时间在6S以内,颜色识别在0.1S以内。在识别率方面,形状识别率基本上能达到98%,六种颜色识别率也基本达到了96%。     

基于二维成像的三维物体形状特征分析

目前三维物体识别方法在识别过程中所需数据量大、难以实用。该文简化三维物体识别过程,构建了一个基于单视点二维投影图像的三维物体识别系统。分别选取Zernike矩、基于Trace变换的Triple特征、MSA等三种形状特征,实现了对物体的视点空间的聚类划分。在普林斯顿三维模型库上,通过分类识别实验分析三种形状特征的性能。实验表明:特征对不同类别物体的分类效果差异明显。该文由此提出了针对目标物体形状及应用环境的特征选取方案。     

一种多尺度目标的序贯识别新方法

提出了一种基于分级特征模型的多尺度目标序贯识别新方法，研究了不变矩特征的尺度变化规律；建立了多尺度目标不变矩的分级特征模型，进而完成多尺度目标的序贯识别，多尺度舰船目标的模拟实验表明，这种基于不变矩分级特征模型的序贯识别算法，能有效地完成多尺度目标的识别，从而证实了分级特征模型符合多尺度目标特征的变化规律，有利于表达多尺度目标的特征，提高目标的检测，识别概率，减少计算复杂性。     

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．     

一种多尺度目标的序贯识别新方法

提出了一种基于分级特征模型的多尺度目标序贯识别新方法；研究了不变矩特征的尺度变化规律；建立了多尺度目标不变矩的分级特征模型，进而完成多尺度目标的序贯识别．多尺度舰船目标的模拟实验表明，这种基于不变矩分级特征模型的序贯识别算法，能有效地完成多尺度目标的识别，从而证实了分级特征模型符合多尺度目标特征的变化规律，有利于表达多尺度目标的特征，提高目标的检测、识别概率，减少计算复杂性．     

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...     

基于数学形态学的交通标志自动识别

本文提出了基于数学形态学理论的交通标志自动识别方法,并研制了一个实验系统．运用数学形态学方法对交通标志的内核形状进行形态处理并提取其形态骨架函数,根据内核形状的形态骨架特征对交通标志进行分类,以达到识别交通标志的目的．实验结果表明形态骨架函数能有效地表达交通标志的内核形状特征,以形态骨架函数作为物体的形状特征进行模式匹配,能较好地识别交通标志．新的形态骨架匹配算法具有位移不变性质,使得识别具有良好的稳健性     

基于Hu修正不变矩的商标识别

商标是商品的重要标识,代表着商品的质量与生产厂家的信誉,因而商标的自动识别具有重大意义和广泛的应用前景.在各种识别算法中,最为关键的是目标特征提取,由于矩特征具有较好的不变特性而得到普遍应用.为此,本文将采用Hu修正不变矩对商标图像进行形状特征提取,并利用最小距离分类器来进行特征匹配,以此为基础对商标进行识别.仿真实验表明该方法不但满足不变矩的特征,而且还具有较高的识别率,有利于商标识别.     

一种新的纹理图像识别方法

采用了一种基于方向滤波器组的旋转不变纹理识别方法。该方法用DFT-encoding从图像方向信息中提取出旋转不变纹理特征后,用贝叶斯距离作为分类器,用包含有30类单色自然纹理的图像库进行识别试验,比较了各种因素对于识别率的影响,确定了对失真图像识别能力最优的纹理特征及参数设置。     

超对称量子力学中一维形状不变势与严格解

找到几个具有形状不变性的一维势，用超对称量子力学理论求得其束缚态能量的严格表达式，给出已知所有形状不变势中束缚态数为有限者的数目，丰富了形状不变势的家族。     

用二维阶次规正不变矩识别三维目标

论述了用二维投影图像的矩不变量来识别三维目标的方法。该方法有效地降低了目标识别的维数，简化了目标匹配和识别的算法。通过考察阶次规正不变矩ＯＮＭＩ的性能，证明了ＯＮＭＩ有效地减小特征量的动态范围并提高了其抗噪性。分类结果表明，该特征平衡方法比如加权因子法更有利于目标的识别分类。     

基于Hu不变矩扩展的交通标志识别

交通标志的识别是智能交通系统(ITS)的组成部分之一，具有十分重要的意义，对Hu提出的区域不变矩和Chen提出的区域不变矩快速算法进行了扩展，得到一组新的描述形状特征的参数，这些参数具有平移、缩放和旋转不变性，并且具有较低的计算复杂性，具有Hu和Chen方法的综合优点．     

基于高阶神经网络的机构零件形状识别

提出了一种机械零件在线自动检测的形状识别系统,该系统以零件各边的长度、角度、圆心角和与邻边夹角4特征来表示零件的形状,并采用高阶神经网络（HONN）,实现了零件的平移、惊讶和旋转不变怀识别,由于特征参数本身的平移、尺度不变性和循环移位性,可采用二阶HONN 造系统,解决了高阶神经网络中连接的组合爆炸问题,仿真验证了该系统对机械零件的不变性识别能力以及不同参数系统的性能和实用价值。     

超对称量子力学中─维形状不变势与严格解

找到几个具有形状不变性的一维势，用超对称量子力学理论求得其束缚态能量的严格表达式．给出已知所有形状不变势中束缚态数为有限者的数目，丰富了形状不变势的家族．     

融合纹理特征与形状特征的病灶CT图像识别

医学图像病变区域信息复杂,使用单一纹理特征分类效果不佳,提出了一种融合纹理与形状特征的病灶图像识别方法。首先,在常用的纹理特征基础上,融入Hough变换和不变矩两个形状特征,以考虑旋转、平移等畸变带来的图像失真影响;然后,对这些非线性分布融合信息线性化处理,通过支持向量机SVM对其进行分类,得到病灶图像与正常图像的识别结果;最后,采用某医院提供的50幅CT脑图像进行纹理特征和形状特征提取,进而进行SVM分类和识别。实验结果表明,所提出的融合两类特征信息对医学图像识别方法可行,病灶图像识别准确率有所提高。     

基于几何与纹理特征相融合的磁粉探伤裂纹提取算法

为从荧光磁粉探伤图像中获得精确的裂纹提取结果,提出一种基于几何与纹理特征相融合的磁粉探伤裂纹提取算法。算法首先根据裂纹的几何形状特征,提取图像里亮线中心的脊线作为待定裂纹;然后提取待定裂纹上各脊线点的尺度不变特征变换(SIFT)描述子向量,取均值作为待定裂纹的纹理特征,并用支持向量机分类器识别。实验结果表明:针对磁粉探伤中的裂纹,该算法在查全率和查准率上都比传统单一使用几何形状特征或纹理特征的算法更高,结合裂纹的几何形状和局部区域纹理有效地提升了裂纹提取的精度。     

一种基于步态特征的身份识别方法

提出了一种基于步态特征的身份识别方法。首先用背景减除方法检测行人的轮廓;然后将二维的人体轮廓转换为一维的不变矩信号,把人体的步态序列变换为不变矩矢量;最后规格化不变矩矢量,采用最近邻法进行识别。实验结果表明该方法有好的识别性能。     

粒子群优化算法实现仿射不变性形状识别

针对形状识别过程中,轮廓图像会因为视点改变发生仿射变换的问题,提出了一种新的仿射不变特征提取方法及匹配策略。首先,对所有边界点计算其与质心的距离及方向角,并在给定的角度邻域内进行平均以消除噪声干扰;然后,计算方向角相差180°的边界点质心距离之比作为形状特征,该特征具有仿射不变性。由于仿射变换图像间各轮廓点的方向角具有非线性变化特征,质心距离比需要重采样以建立对应关系,笔者将其转化为一个路径规划问题,并用粒子群优化算法得以解决。实验表明该方法对形状识别中的平移、旋转、缩放、拉伸和噪声干扰具有良好的效果。     

基于主分量分析的形状特征提取及识别研究

主分量分析(PCA)是统计学中分析数据的一种有效的方法,可以将数据从高维数据空间变换到低维特征空间,因而可以用于数据的特征提取及压缩等方面。在该文的形状识别系统中,用PCA法提取图像的形状特征,能够较好地满足识别层的输入要求。在识别层研究了3种识别方法:最近邻法则、BP网络及协同神经网络方法,均取得了满意的实验效果。