几种正交矩描述图像的性能比较

给出几种常见的正交矩(Legendre矩、第1类Chebyshev矩、第2类Chebyshev矩、jacobi矩)的定义，对它们的特性进行了初步分析．采用这些矩进行图像的重建，对其图像描述能力进行了分析比较．在此基础上．提出一种变形Jacobi矩，具有很好的图像描述能力．     

二值图像Legendre矩快速算法

提出一种有效的计算二值图像Legendre矩的方法，首先使用Yang-离散格林公式将二值图像矩计算中区域内求和转换为沿区域边界求和；然后提取该图像的边界点，再利用Shu提出的公式计算出边界点的Legendre多项式的叠加值，经过这3步后，二维Legendre矩计算转化为一维Legendre矩计算，从而有效地减少计算复杂度，介绍了用Hatamian滤波器计算一维Legendre矩的方法，最后给出实验结果证明方法的可行性。     

基于正交矩模糊和仿射混合不变量的图像识别算法

为了识别含有模糊和仿射混合形变的图像,提出了一种新的基于正交矩模糊和仿射混合不变量的图像识别算法.该算法首先使用归一化方法构造了基于Legendre正交矩的仿射不变量,并结合Legendre正交矩的模糊不变量提出了Legendre正交矩的模糊和仿射混合不变量;然后将该混合不变量作为描述算子,将欧几里德范数作为分类尺度,以最近邻法则作为分类器,对图像进行识别.实验结果表明,与其他基于非正交矩的混合不变量相比,基于Legendre正交矩的模糊和仿射混合不变量在混合形变下能够获得更好的不变性,不会带来信息冗余问题,并且对噪声鲁棒性较好;此外,该图像识别算法比其他算法具有更高的识别率,特别是在图像含有较大噪声的情况下.     

不变矩在图像重建中的应用

为解决图像重建过程中的可视效果问题,利用Zernike矩和pseudo-Zernike矩进行图像重建,通过NHS对图像的相似度进行度量.实验证明Zernike矩和pseudo-Zernike矩进行图像重建的效果有明显的差异,且高阶矩的重构效果并不理想,仅当重构阶数在20～48之间才能保证图像重建具有很好的相似度.     

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Legendre正交矩的三维边界检测算子

提出一种基于Legendre正交矩的新的三维边界检测算子. 通过窗口计算, 该算子可以用来检测三维物体的边界, 并具有比一般其他算子更高的方向灵敏度和表面精度, 同时具有明确的几何模型意义. 计算量是采用矩算子时必须考虑的一个地方. 通过预先计算模板, 可以大大加速计算过程. 我们通过光线跟踪方法将该算子应用于医学图像的绘制当中. 结果表明, 采用Legendre矩的三维边界检测算子, 是一种位置方向计算精度较高的三维边界检测方法.     

基于指数矩的图像分解和重建

提出一种基于指数构建的圆谐傅里叶矩--指数矩,在笛卡尔坐标系下直接计算指数矩,并利用指数矩进行图像的分解和重建,用指数矩能完整、无冗余的重建原图像,若选取有限数量的低阶指数矩与同级次的指数函数的乘积叠加求和,则可以近似的重建原图像.仿真实验结果表明,指数矩有很好的图像描述能力,使用10阶以上的指数矩就可以很好的重建原图像,而且计算速度比较快.     

一种离散正交Hahn矩的图像分析方法

提出了一种新的以离散Hahn多项式为变换核的离散正交Hahn矩并用于图像重建,推导了Hahn多项式的有关递推关系式.为了能计算高阶矩,减少矩计算过程中的累计误差,精确重建图像,利用Hahn多项式关于x方向的对称性并对部分表达式进行了优化处理,取得了显著的效果.通过与离散正交Tchebichef矩的重建图像进行比较,表明了该方法的有效性.     

用切比雪夫图像矩描述图像

提出一种新的图像矩———切比雪夫图像矩,给出了图像矩的定义,研究了图像矩的描述性能,重建了原图像,给出了实验结果.     

用圆谐-傅立叶矩描述图像

提出了一种描述图像特征的圆谐—傅立叶矩，对圆谐—傅立叶矩的特性进行了初步分析，用圆谐—傅立叶矩可以完整、无冗余地重建原图像，选取有限数量的低阶圆谐—傅立叶矩与同级次的圆谐—傅立叶函数的乘积叠加求和，可以近似地重建原图像，实验结果表明，圆谐—傅立叶矩有很好的图像描述能力，使用10阶以上的圆谐—傅立叶矩就能较清晰地重建原图像。     

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。     

圆谐-傅立叶矩图像重建误差分析

讨论了用低阶圆谐—傅立叶矩重建图像时的固定图像重建误差和平稳随机场重建误差，给出固定图像重建误差函数和统计性误差函数的图形，并对误差进行了分析。结果表明，随着阶数的升高固定图像重建误差迅速下降，而且大图像的误差小于小图像；统计性归一化重建误差也随着矩数的增加明显减小。     

采用双正交小波和分段正交匹配追踪实现压缩感知图像重构研究

采用B样条双正交小波实现图像的稀疏化,用低采样率对高频子带进行压缩感知采样,通过分段正交匹配追踪重建算法实现图像重构.实验结果表明:方案具有较好的图像重构效果,在低通滤波器消失矩相同的情况下,高通滤波器的消失矩越高,图像的压缩感知重构效果越好.随着高通滤波器消失矩的增加,重构图像的效果改善程度减缓,计算复杂性增加.     

某于Legendre矩的多阂值二值图像重构算法

首先介绍Legendre正交矩及其逆变换；然后根据Legendre矩逆变换的特点，采用一种新的方法——多阈值法对重构的值进行二值化；最后给出该方法的实验结果，以说明它的有效性.     

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Legendre矩的多阈值二值图像重构算法

首先介绍Legendre正交矩及其逆变换；然后根据Legendre矩逆变换的特点，采用一种新的方法——多阈值法对重构的值进行二值化；最后给出该方法的实验结果，以说明它的有效性.     

基于Legendre正交矩的亚像素线宽测量方法

线宽测量对弱小目标检测有重要意义。该文提出了一种基于Legendre正交矩的亚像素线宽检测方法。该方法将一般线宽分解为两个对称线宽之和,通过推导0、2、4阶Legendre正交矩,得到对称线宽的计算公式,最后加和得到实际线宽。针对离散数字图像,推导并给出了正交矩的模板系数,并分析了离散带来的测量误差及其修正方法。采用该测量方法对安瓿内标准颗粒异物进行粒径测量,实验结果表明该方法具有较高的测量精度和效率。     

基于Legendre矩的圆度测量方法

由于传统的依靠图形面积和周长的圆度测量方法不适合边沿有突变的图形测量并易受到噪声的影响。为此,提出了基于Legendre矩的新型圆度测量方法,通过图形的(p+q)阶Legendre矩与图形的0阶和p阶极半径矩来计算该图形的圆度。该方法的主要特点在于:首先,其满足图形圆度测量的基本条件;其次,与传统的依靠图形面积和周长的圆度测量方法相比,新提出的方法更适合于一些边界有突变的图形的圆度测量并具有较低的时间复杂度和较强的抗噪能力。实验结果同样表明了这两种方法要明显优于传统的圆度测量方法。     

基于非局部稀疏表示的立体图像的超分辨率重建

针对在立体图像的超分辨率重建过程中,需要分别对低分辨率的彩图和同场景的深度图进行超分辨率重建的问题,提出了一种基于联合稀疏表示的立体图像的超分辨率重建方法.该方法在非局部中心稀疏表示重建方法的基础上,利用彩色图像与同场景深度图像的耦合相关性,通过构造联合特征图像块来学习彩色和深度图像的联合字典;然后构造彩色和深度图像块的联合编码增量作为正则项,利用迭代优化算法求解模型,进而同时重建高分辨率的彩色和深度图像.为验证算法的有效性,在Middlebury数据集上对重建结果进行了主、客观评估,并与不同算法进行了比较.实验结果表明,在客观指标和主观视觉效果上,本文提出的算法可以同时获得令人满意的彩图和高质量的深度图.     

Krawtchouk矩在脱机手写汉字识别中的应用

提出一种基于Krawtchouk矩的脱机手写汉字识别方法。与Zernike矩和Legendre矩等连续正交矩特征相比,Krawtchouk矩是数字域的离散正交矩,不存在数字化过程中所带来的近似误差问题,在计算过程中不需要进行坐标转换,而且构造简单,更加适合用来描述数字图像。在此将Krawtchouk矩用于手写大写金额的识别,并在隐马尔可夫模型(HMMs)框架下对其性能进行了测试。实验结果表明,Krawtchouk矩比传统的连续矩更适合用来描述数字图像,识别效果比连续矩有较显著提高。此外,还对不同参数下的Krawtchouk矩性能进行考察。