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.     

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.     

基于正弦调频傅里叶变换的自旋微动群目标分辨

近年来针对孤立目标的微动特征提取技术已较为成熟,但针对群目标的分辨与微动特征提取技术尚有待深入研究。本文以空间自旋微动群目标为例,提出了一种基于正弦调频傅里叶变换的自旋微动群目标分辨方法。首先建立了自旋微动群目标的回波模型,在此基础上采用正弦调频傅里叶变换来提取回波中的微多普勒特征分量。针对正弦调频傅里叶变换在分析多分量正弦调频信号时所特有的交叉项问题,提出了一种有效的交叉项抑制方法。最后,结合交叉项抑制方法,利用正弦调频傅里叶变换处理自旋群目标微动信号,实现了对自旋微动群目标的分辨,并准确地提取出各子目标自旋频率特征。     

基于Zheng签密和SK签密的改进方案

近年来针对孤立目标的微动特征提取技术已较为成熟,但针对群目标的分辨与微动特征提取技术尚有待深入研究。以空间自旋微动群目标为例,提出了一种基于正弦调频傅里叶变换的自旋微动群目标分辨方法。建立了自旋微动群目标的回波模型,在此基础上采用正弦调频傅里叶变换来提取回波中的微多普勒特征分量。针对正弦调频傅里叶变换在分析多分量正弦调频信号时所特有的交叉项问题,提出了一种有效的交叉项抑制方法。结合交叉项抑制方法,利用正弦调频傅里叶变换处理自旋群目标微动信号,实现了对自旋微动群目标的分辨,并准确地提取出各子目标自旋频率特征。     

一种新的基于形状特征的图像检索方法

提出一种新的基于形状的图像特征提取和匹配方法.综合采用改进的不变矩和二维极坐标傅里叶描述子对形状特征进行描述.改进的不变矩可以描述物体的整体形状信息,具有平移、旋转和尺度不变性,二维极坐标傅里叶描述子可以对形状的相似性进行定量判别,具有较强的通用性.最后,采用线性加权求和的方式计算综合相似度,将具有较高相似度的结果集返回给用户.实验结果表明,与其它检索方法相比,该方法可以有效地提高检索的查全率和查准率.     

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。     

基于线性矩和小波变换的医学图像特征提取

应用小波矩作为图像特征量以及小波变换进行医学图像的自动特征提取,利用小波变换对线性矩进行分析,提取图像的各分辨率下的小波系数经快速傅里叶变换作为特征。使计算量和数据量大大减少,为特征的选取带来方便。矩特征由于其良好的稳定性、抗噪性和旋转不变性在图像识别中受到了广泛的关注和应用。由小波矩来构造目标的旋转不变性的特征,可以克服传统矩的弊端,又具有旋转不变性的特征。     

基于伪Zernike色度分布矩的彩色图像检索方法

颜色是图像的基本视觉属性,不仅与图像中的物体和场景密切相关,而且对图像本身尺寸、方向、视角的依赖性较小.颜色矩是一种简单有效的颜色特征,其数学基础在于图像的任何色彩分布均可用矩来表示.以伪Zernike矩理论为基础,提出了一种基于伪Zernike色度分布矩的彩色图像检索新方法.首先将彩色图像从三维RGB颜色空间转换到二维对立色度空间,以获得图像像素的色差度量值;然后结合伪Zernike矩相关知识,在二维色度空间中计算出各像素的伪Zernike色度分布矩,最后将伪Zernike色度分布矩作为图像颜色特征,并进行彩色图像检索.仿真实验表明,该算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率.     

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.     

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%.