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.     

基于改进的Zernike矩亚像素边缘提取算法外螺纹非接触测量

为了进一步改善螺纹图像轮廓提取效果、提高螺纹参数的计算测量精度,在分析基于Zernike正交矩亚像素边缘检测算法的基础上,建立了边缘灰度阈值与一阶导数相结合的模型,提高了亚像素边缘点的定位精度,并在此基础上提出了计算螺纹中径和牙型角的新方法.结果表明,该方法对于克服工件表面水油污染、提高检测精度具有显著效果.     

基于蚁群算法的Zernike矩亚像素工件边缘检测

边缘检测是影响工件尺寸检测精度的主要因素之一。为了进一步提高工件尺寸测量的准确性,本文提出了一个改进Zernike矩的亚像素边缘检测方法。首先,采用滤波和阈值分解等技术对图像进行预处理以得到二值图,再次,采用蚁群算法得到图像的边界,然后,采用Zernike矩的边界检测方法来确定图像亚像素边缘。结果表明,改进的边缘检测方法相较于传统方法,其提取的亚像素边缘坐标与原始坐标之间的绝对误差不超过0.5,且运行速度提高了约10倍,较好地满足了工件尺寸检测精度的要求。     

基于Arimoto熵和Zernike矩的刀具图像亚像素边缘检测

为满足基于机器视觉的刀具尺寸测量系统快速及高精度的要求,提出一种基于直线截距直方图的Arimoto熵和Zernike矩的图像亚像素边缘检测方法.首先,通过高斯滑动窗口获取图像的邻域平均灰度,构造图像的灰度-邻域平均灰度二维直方图,并利用直线截距法将其降为一维直方图;然后,针对得到的直线截距直方图,依据Arimoto熵准则进行阈值分割,并将所得阈值映射回原二维直方图实现目标区域及像素级边缘的提取;最后,由基于Zernike矩的边缘模型对获取的像素级边缘进行重定位,以完成刀具图像亚像素级边缘的提取.通过对刀具图像进行的大量实验,将文中方法与基于Canny的、基于空间矩的、基于灰度矩的以及基于Zernike矩的边缘提取方法进行对比,发现文中方法运行速度更快且提取精度更高.     

基于Zernike矩的改进LoG边缘检测方法

LoG算子是图像边缘检测中的一种经典方法,其通过引入高斯滤波来减少图像中噪声对边缘检测的影响。高斯滤波在抑制噪声的同时也会将图像的边缘弱化,导致不能有效地对图像边缘进行检测。为此提出了一种改进的LoG边缘检测方法,采用Zernike矩对图像进行结构特征描述,并用其作为LoG算子中高斯滤波权值的计算依据;在此基础上,对平滑图像采用Laplacian算子和零点交叉法检测图像边缘。实验结果显示,通过采用基于Zernike矩的权值计算方法能够有效地保持高斯滤波在平滑图像时弱化的边缘特征,使得LoG算子在抑制噪声的同时能够更加有效地提取图像边缘。     

基于机器视觉的加工刀具磨损量在线测量

针对实际生产中测量刀具磨损需要人工操作、停机检测等问题,开发了一个基于机器视觉的加工刀具磨损测量系统.首先提出基于Laplacian算子边缘信息的Otsu分割算法将图像二值化,再通过基于形态学的Canny算子边缘检测粗定位及图像配准提取清晰的刀具磨损区域.最后,使用基于Zernike矩的亚像素边缘检测方法提高测量精度,...     

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。     

一种快速计算Zernike矩的混合算法

提取傅里叶-梅林矩作为Zernike矩的公共项,将Zernike矩表示为该公共项的线性组.通过研究Zerni-ke核多项式与傅里叶函数的对称性,将图像区域分成8个区域,只以一个区域的Zernike基函数的值代替其他7个区域基函数的值.而且Zernike多项式的系数具有迭代性.综合这3项技术,本文提出了一种快速计算Zernike矩的混合算法.根据对256 bit色灰度图像的实验结果表明该方法明显优于现有方法.     

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     

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Sigmoid函数拟合的亚像素边缘检测方法

亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径,因而在基于计算机视觉的检测中具有重要地位。本文对矩法、拟合法和插值法等常用的亚像素边缘检测算法的原理、优点和不足进行了分析。提出了Sigmoid函数拟合的亚像素边缘定位算法,该算法采用Sigmoid函数拟合边缘模型,然后利用图像边缘灰度信息,对该模型进行非线性最小二乘拟合,求得边缘的亚像素位置。实验中测得本文提出的基于Sigmoid函数拟合的亚像素边缘定位算法定位精度为0.045像素,但检测的速度比灰度矩提高了一个数量级,比空间矩、Zernike矩和插值法提高了两个数量级。理论分析和实验结果表明：本文提出的亚像素定位算法能较好的满足影像测量中的稳定可靠、精度高及实时性的要求。     

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.     

椭圆检测算法的比较

椭圆检测在图像识别与计算机视觉领域中一直占有重要的位置,而边缘检测是图像特征提取(包括椭圆检测)的首要条件.介绍了常用的几种边缘检测算法(如Sobel算子、Canny算子、Zernike矩算子等),分析了这些算法的异同与优劣;讨论了几种基于Hough变换及其改进方法的椭圆检测算法(包括利用椭圆极点与极弦性质的提取算法、利用三点确定椭圆的提取算法、利用椭圆几何对称性算法等).比较这些算法并选取几种分别应用于真实图像,并列出检测结果.最后,提出存在的问题和进一步研究的切入点.     

基于伪Zernike矩不变量分析的视觉测力

提出了一种基于伪Zernike矩不变量分析的视觉测力方法.该方法利用伪Zernike矩不变量所构成的特征向量来描述微装配过程中微夹爪变形之后的形状,并由此建立了矩不变量特征向量与受力之间的函数关系;建立训练集,输入为矩不变量特征向量,输出为已知受力;通过支持向量机比较测试集与训练集中的特征向量,对测试集的输入进行多类分类,从而估计未知受力.对4种不同规格的微悬臂梁进行了实验,结果验证了该方法的有效性.     

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%.     

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。     

一种珍珠形状识别方法的研究

提出了一种基于Zernike矩的珍珠形状模糊分类方法,将得到的珍珠图像通过一系列图像预处理后,转化到极坐标系下,利用计算8阶Zernike矩的平均值来作为每种典型形状的特征参数．再运用模糊模式识别的方法实现对单幅珍珠图像的珍珠形状有效判别．通过多视角得到的图像的特征面的寻找与比较判别,实现了珍珠形状的判别分类．