基于不变矩和支持向量机理论的船舰目标识别

基于支持向量机(Support Vector Machine,SVM)理论和不变矩(Invariant Moments)理论,提出一种船舰目标识别方法。首先,对图像进行预处理,将彩色图像转化为灰度图像;然后利用Hu不变矩来提取图像的七个不变矩特征;最后,选用支持向量机作为分类器,并将计算出的图像的七个矩特征作为支持向量机的输入对支持向量机进行训练和测试。实验证明,将不变矩特征提取方法与SVM相结合用于模式识别,可以得到很高的分类效率和准确率。     

基于不变角度轮廓线的三维目标识别

三维物体的快速准确识别是研究的热点.根据局部特征变换的特点,提出了不变角度轮廓线的识别方法.算法通过点云矢量特征对物体进行局部分割,利用欧式距离、测地距离以及角度三个变量,建立其不变角度轮廓特征描述,进一步提取不变矩特征,构建特征向量数据库集.被识别物体的特征描述和数据库中特征进行夹角余弦匹配,可完成物体的识别.通过识别实验以及识别算法性能分析,结果表明算法具有较高的识别率和识别效率,可以用于复杂点云物体识别.     

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．     

基于飞机目标的仿射不变矩研究

在分析不变矩的原理的基础上,将不变矩原理运用于航空图片飞机机型识别,同时提取图 像的三阶仿射不变矩作为特征输入,建立了对飞机图像的识别系统,完成了目标的最后匹配和识别。     

不变伪线矩算法在运动船只目标识别中的应用

为准确得到港口运动船只的特征、且在节约系统资源的同时快速高效地跟踪目标,结合传统不变矩和不变线矩的特点,提出了一种基于不变伪线矩的目标识别算法.进行计算复杂性分析,验证了算法的快速性;同时分析了不变伪线矩的稳定性.使用新算法得到图像中各目标的计算区域,并对计算区域进行边缘检测预处理,通过二值图像计算得到不变伪线矩.评估了新算法的不变伪线矩性能,并进行了仿真测试与分析.结果表明,该算法在准确得到运动目标所在区域特征的同时提高了运算速度,并成功应用于运动船只智能监测系统.     

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%.     

基于不变矩和SVM的步态识别

步态识别是生物识别领域的研究热点之一,文章首先提取步态序列图像的不变矩,并利用主成分分析法（PcA）进行特征处理,最后使用支持向量机（SVM）进行分类。通过在步态数据库上进行实验,达到了较高的识别率。     

基于不变矩的前视红外图像机场目标识别

根据远距离前视红外图像中机场跑道的成像特点,提出了一种基于仿射不变矩的红外序列图像机场目标识别方法.该方法对图像进行多次双阈值分割,搜索分割图像中各潜在目标区域轮廓链,计算其仿射不变矩和目标背景梯度特征,并利用前后帧目标大小的约束关系等先验知识,对各候选目标区域进行识别,最终获取机场目标.试验结果表明:该算法对复杂背景下的远距离前视机场目标的正确识别率优于96%,误识率低于2%.     

基于不变性矩的3D目标识别

提出一种直接使用３Ｄ信息的目标识别方法。３Ｄ不变性矩可作为任意３Ｄ形状的表示特征且具有平移、旋转和尺度变化的不变性，人工神经网络的训练过程对应于主动式机器视觉的内部建模过程，该方法适应于３Ｄ主动式机器视觉的目标识别。     

采用不变矩图像匹配与直方图的仪表识别算法

为了解决当前仪表识别算法在机床仪表状态信号多变、实时性强的环境下状态识别错误的不足,设计一种基于不变矩图像匹配与直方图的在线仪表识别算法.首先,基于不变矩特征,通过图像的重心坐标获取其中心不变矩,设计图像匹配算子,并根据仪表灯的匹配度量值定位当前状态信号位置.然后,根据定位到的信号中心点坐标,提取出状态信号外接最小矩形.最后,依据信号灯颜色的直方图特性,计算出反投影直方图,实现对状态信号颜色的判断.实验结果表明:与当前机床仪表识别技术相比,面对机床仪表状态信号多变的环境时,文中算法具有更高的识别精度.     

基于线矩特征的破损目标识别

论述了用曲线的矩特征作为局部不变量来识别二维破损目标的方法。该方法对目标的轮廓进行分割后，利用阶次规正后的轮廓线矩特征，通过粗、细两级的基于Ｈｏｕｇｈ变换的投票匹配法来识别目标。分类实验表明，该方法有利于提高目标局部特征的抗噪性，并简化了破损目标的匹配和识别算法。     

基于矩特征的目标识别

对图像中的目标进行自动识别,既节省了人力,又提高了信息的时效,是模式识别发展的一个重要方向.文中用矩不变量表示目标的形状特征,并对其在离散时不具有尺寸不变性进行改进,构造了新的矩不变量.根据提取的矩特征设计了支持向量机分类器,用于对不同类型的目标进行分类识别,利用VC＋＋和Libsvm工具开发了自动识别软件.     

基于小波矩特征的小波神经网络目标识别

提出一种具有尺度、平移与旋转不变性的目标识别方法.该方法首先提取目标图像的小波矩特征,然后与小波神经网相结合,构成一套目标识别系统.小波矩不变量不仅可以表示图像的全局特征,而且还能表示局部特征;而小波神经网络结合了小波分析和传统神经网络的优点,具有很强的学习能力和推广能力.因此基于小波矩的小波神经网络目标识别系统在进行目标识别时具有很大的优势.实验中使用该方法对4类飞机目标进行识别,实验结果证明其识别率高于其它的目标识别方法.     

局部遮挡目标的识别

提出一种局部遮挡目标的识别方法。该方法利用多边形近似方法将目标轮廓分段，抽取目标轮廓每一小段的不变矩作特征，利用动态规划技术在段间距离表中寻找最佳路径，确定所有的匹配对，这些匹配对序列构成了目标与模型的局部匹配，可从局部匹配中计算匹配可信度。该方法简单、有效、抗噪声能力较强，是一种较好的局部目标识别方法。     

基于Radon变换的矩不变量在声成像探测中的应用

声成像探测是当前国内外近炸引信技术的一个重要发展方向.针对声图像的特点,构造目标轮廓在Radon投影空间的平移、尺度、旋转矩不变量.实验仿真结果表明,与Hu矩相比,该方法能够快速有效地识别水下目标,并且在由于目标运动造成的少量形状缺失的情况下,仍具有较高的识别率.     

二维介质目标电磁散射特性的矩量法分析

利用矩量法对二维介质目标的雷达散射截面进行分析、计算.首先,推出了二维情况下计算雷达散射截面(RCS)的方程,然后应用矩量法计算出了二维介质圆柱的RCS,将结果与解析法结果做对比,发现两种方法结果吻合良好,表明矩量法是研究二维介质目标电磁散射特性的有效方法,最后是矩量法的具体应用,主要对介质方柱、介质三角柱的RCS分别进行了计算.     

用一阶二次矩方法进行海洋平台结构系统的疲劳可靠性分析

提出了对海洋平台进行结构系统疲劳可靠性分析的方法，将管节点的疲劳破坏作为整个系统疲劳可靠性模型中的失效单元，用一阶二次矩方法计算失效途径的疲劳失效概率，并应用β－解链法搜寻关键失效途径。在计算整个结构系统的疲劳失效概率时，利用等效线性安全余量的概念建立失效途径的等效失效单元，从而可计及各失效途径之间的相关性。     

基于八向链码的矩的快速计算及2—D目标识别

提出一种直接基于八向链码的矩的快速计算方法，给出了与多边形近似法矩的计算及形状识别时间比较，最后使用不变性矩和人工神经网络完成了２－Ｄ形状。实验结果表明，本文所提出的方法具有更高的计算和知识速度。     

基于 BP 网络的二维不变性目标识别

为识别坦克等较复杂的目标，描述了一种神经网络分类方法；利用傅立叶描述器提取目标的形状特征，它具有不变性特性；利用多层ＢＰ网络进行分类。讨论了网络结构及模拟实验结果，认为ＢＰ网络对２Ｄ不变性目标识别具有良好的鲁棒性；它的分类结果优于传统的近邻域分类器     

基于灰度图像二维Gabor滤波的目标识别

提出了一种基于灰度图像的Gabor滤波器识别方法.该方法首先采用Gabor小波滤波器组处理灰度目标图像,并在此基础上采用主元分析法(PCA)提取图像特征,然后结合支持向量(SVM)方法将区域内图像匹配问题转化为分类问题来识别目标物体.仿真实验结果表明,该算法能使移动机器人达到92%以上的识别率,并可满足约8 fps的实时图像处理要求.