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。     

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.     

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。     

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。     

基于Zernike矩特征的FCM-RBF神经网络图像分类器

针对交通监控图像识别精度较差的问题,设计一种基于径向基(radial-basis)函数神经网络的图像分类器.该分类器利用Zernike矩噪声敏感度较小、形状特征稳定性好的特点,构建四阶矩的特征向量,用于特征提取;利用自适应模糊聚类方法,解决径向基函数神经网络隐层节点数不确定的问题.仿真分析表明,该分类器与基于改进的快速模糊C均值聚类算法的Back Propagation网络分类器和径向基函数神经网络分类器相比具有更高的识别率,与改进的粒子群优化模糊C均值聚类算法的径向基函数神经网络分类器相比具有相近的识别率,但其计算复杂度较低.仿真实验结果表明,该方法具有较好的分类能力及较高的计算效率.     

基于Zernike矩的图象识别

分析了Zernike矩的旋转不变性特征 ,并将其应用于旋转目标的识别。由于Zernike矩可以构造任意高阶矩 ,所以Zernike矩的识别效果优于其他方法。因而Zernike矩在旋转目标识别中具有广泛的应用前景     

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矩在图象识别中的应用

将Hu矩和Zernike矩应用于图象识别 ,比较了两者的识别效果。理论分析和仿真结果表明 ,Zernike矩的识别效果优于Hu矩     

基于ITK的水平集医学图像分割算法

根据基于水平集图像分割的原理,采用ITK中提供的医学图像分割算法,实现了对医学图像的有效分割。     

一种基于Zernike分布矩与Contourlet变换相融合的彩色图像检索算法

基于内容的图像检索技术可以从庞大的网络图像库中较快速地找到用户所要查询的图像,但单一视觉特征不能充分地刻画图像内容信息等问题降低了检索结果的精度.针对于此,该文提出了一种基于Zernike分布矩与Contourlet变换相融合的彩色图像检索算法,首先算法对彩色图像进行Zernike分布矩提取,然后进行Contourlet变换,计算图像转化后的方差和熵,将结果作为图像的纹理特征,归一化处理并计算彩色图像纹理特征的权值.最后将计算后的纹理特征作为图像检索的依据,以此进行彩色图像的检索.仿真实验证明,这种基于Zernike分布矩与Contourlet变换相融合的彩色图像检索算法能够较全面地描述图像的语义信息,更具层次地依据彩色图像的本质特征进行彩色图像检索,一定程度上提高了图像检索的查准率和查全率.     

完备的Zernike矩不变量集的构造及应用

为了解决模式识别应用中传统的不变量特征之间的相关性问题,基于Zernike矩提出一种构造其完备的相似变换不变量集的新方法.首先,根据图像的Zernike矩与径向矩之间的关系,以径向矩为中间桥梁,建立原图像的Zernike矩和旋转缩放后图像的Zernike矩之间的关系,然后由原图像的同阶和低阶Zernike矩线性组合即可...     

Evolutionary computation based optimization of image Zernike moments shape feature vector

The image shape feature can be described by the image Zernike moments. In this paper, we points out the problem that the high dimension image Zernike moments shape feature vector can describe more detail of the original image but has too many elements making trouble for the next image analysis phases. Then the low dimension image Zernike moments shape feature vector should be improved and optimized to describe more detail of the original image. So the optimization algorithm based on evolutionary computation is designed and implemented in this paper to solve this problem. The experimental results demonstrate the feasibility of the optimization algorithm. Biography: LIU Maofu (1977–), male, Associate professor, Ph.D., research direction: image mining, natural language processing.     

基于C-V模型的水平集方法在脑CT图像分割中的应用

阐述了C-V模型和多相水平集算法的原理。在分析了其优缺点后,引入了多阈值单水平集算法。并针对其不足,将李纯明惩罚函数项引入到多阈值单水平集算法,提出了无需重初始化的多阈值单水平集算法。实际结果表明,算法在保证分割精度的基础上,能够有效提高算法效率。     

利用分区处理和水平集算法分割序列三维乳腺MRI

对比增强的磁共振成像技术是检测乳腺肿瘤的新方法,但需处理大量随时间变化的三维影像序列。为了从这种四维影像中分割出乳房组织,该文提出了自动分区域分割方法。先分割乳房与空气,并统计乳房部分的灰度;再分割乳房与胸腔,将前面统计出的乳房灰度作为先验知识设定初始轮廓和特征图像,采用基于阈值区间的三维水平集算法,并将前一时间点的结果作为后一时间点分割的初始轮廓,从而实现自动的四维分割。临床数据实验表明,该方法可有效地分割四维乳腺磁共振影像,且自动化程度和分割准确度均较高。     

逐层迭代的多尺度水平集红外图像分割算法

针对应用传统水平集方法进行红外图像分割易产生误分割且运算量大,提出了一种多尺度水平集分割算法,该算法利用小波变换将图像分解成多尺度子图像,在子图像上进行图像分割,采用插值法将粗尺度上曲线演化结果投影到细尺度上作为初始轮廓线,逐层分割,并根据图像噪声的大小,确定演化模型中的正则项参数,使噪声得到有效抑制,获得准确的分割结果.仿真实验表明,该方法不仅分割效果好,而且具有抗噪性强和运算速度快的特点.     

基于水平集分割方法的医学图像三维重建

为了提高医学图像处理对疾病辅助诊断和治疗的效果,提出一种新的基于先验形状的水平集方法,对多张脊柱CT切片进行分割,并将其分割结果进行三维重建。首先使用核主成分分析算法对训练样本进行降维,并用水平集来表达主成分作为先验形状;然后对水平集形状样本均值进行形态学处理,从而获得分割的初始轮廓;最后将初始轮廓引入RSF模型来构造新的总能量泛函,并依此对形态学预处理之后的每一张CT图像进行分割,进而根据分割结果进行三维重建。实验结果表明,新方法对多张CT切片的分割比传统分割方法具有更优的分割效果和更高的分割效率,能够精准地进行椎骨重建,指导脊椎的矫正手术。     

视觉注意特征的变分水平集图像分割模型

针对传统主动轮廓模型较低的鲁棒性能和对先验知识融合能力的不足,基于视觉注意机制的先验知识和曲线演化的理论框架,首先建立图像底层视觉显著性特征的数学模型,在此基础上提出新的曲线演化能量泛函模型,然后对该能量泛函采用变分水平集方法进行推导,得到曲线演化的偏微分方程,数值实验表明该模型相对于经典主动轮廓模型具有更强的抗噪性与分割效率.该模型的提出为进一步在主动轮廓模型中引入更高层次视觉显著性特征、得到更优越的分割模型打下了基础.