利用高斯描绘子进行字符识别

高斯描绘子是一种基于边缘的形状特征，具有识别/匹配率高、相对于平移、旋转、尺度和反射不变、计算量小、对适度的边缘变动和噪声不敏感以及适用范围广等优点。将高斯描绘子用于字符识别，并与另一种基于边缘的特征轮廓矩不变量Hu矩的推广和改进进行比较。实验结果表明，高斯描绘子有很好的识别效果。     

空间曲率矩不变量的构造及其应用

由于传统的不变量方法是针对位置坐标进行计算,难以识别形状特征有微小区别的3维目标。为了能方便地识别有微小区别的3维目标,首先利用平均曲率来描述空间曲面的固有特征,并将传统的3维矩不变量和曲率思想相融合,构造出了一类新的矩不变量——空间曲率矩不变量;然后通过归一化过程,证明了这类不变量对平移、旋转和尺度变换具有无关性。实验表明,空间曲率矩不变量方法和传统的方法相比,不仅能够更好地对形状相似的目标进行分类,并能降低运算复杂度。     

基于几何矩的 CAD 模型形状匹配算法及应用

基于矩方法及其理论,提出了一个基于几何矩的形状匹配算法,用于识别 CAD 模型中具有相 似形状特征的几何体。该算法采用一组满足平移、旋转、缩放不变性的几何矩不变量对三维几何体的形状特征 进行描述,并根据形状特征向量的相似程度评估几何体之间的相似性。为提高几何矩计算的准确性和效率,对 CAD 模型的三角面片数据进行了预处理,并采用递归算法实现各阶几何矩的快速计算。形状匹配算法被应用 于 CAE 软件的相似几何体拾取中,能够通过 GUI 交互的方式实时拾取与目标几何体形状特征相似的几何体, 取得了良好的应用效果。     

基于边界矩和支持向量机的火焰识别算法*

根据火焰的燃烧特性,结合火焰的空间形状特征和动态变化特征,设计了一种基于动态边界矩和支持向量机的火焰识别算法。利用相邻帧边界矩不变量的差值来描述火焰的动态特征,基于支持向量机对火焰和疑似火焰目标样本进行分类检测。实验表明,该算法具有较好的火焰目标识别性能、较低的虚警率和较强的抗干扰性能。     

基于改进小波矩特征的快速无损图像描述算法

为了更有效地利用小波矩不变量算法来快速无损地计算图像特征值, 提出了一种融合Mallat算法的无损采样的新型小波矩不变量算法. 在此基础之上, 结合傅里叶变换的原理及特点, 提出了基于频率幅值谱与小波矩不变量的特征提取方法. 并将改进的小波矩不变量算法与传统使用三次B样条矩的小波矩、Hu矩进行了比较. 实验表明, 改进的小波矩不变量在比传统小波矩不变量算法性能几乎没有损失的情况下, 大大加快了小波矩不变量的计算速度, 并且基于频率幅值谱的小波矩有更强的抗噪性.     

利用角点坐标计算图象的矩不变量

本文提出了一种直接利用角点坐标计算形状的方法，并导出了低阶矩的闭合形式，最后给出了计算M．K．Hu提出的七个矩不变量的算法。该算法计算的是经典不变矩的精确值，但大大地筒化了计算。     

局部矩不变量轮廓图像角点检测

为解决图像轮廓特征点问题,提出了基于轮廓局部矩不变量的轮廓角点检测方法,通过计算轮廓线支撑区域内中心点两侧轮廓点的不变矩特征,从而提取轮廓曲率函数.实验结果验证了该方法具有抗干扰性好、定位准等优点.     

基于Zernike矩的模糊与仿射混合不变量研究

Zernike矩作为形状描述子,其信息冗余度低且对噪声不敏感,在图像特征提取和模式识别中得到了广泛应用。为提高Zernike矩对含有模糊和仿射图像的形状描述能力,提出一种基于Zernike矩的形状描述子,该描述子使用规范化方法构造Zernike矩的仿射不变量,结合Zernike矩的模糊不变量得到Zernike矩的模糊和仿射混合不变量。将该矩混合不变量作为形状描述子描述图像的形状特征,并与几何矩模糊和仿射混合不变量进行对比实验,结果表明,Zernike矩的模糊和仿射混合不变量在混合形变下形状描述能力较强,具有不变性,并且对噪声的鲁棒性较好。     

针对潜望镜的舰船目标识别算法的研究

鉴于潜望镜智能化程度不高的现状,对以潜望镜识别水面舰船为应用背景的目标识别算法进行了研究.算法选择Zernike矩不变量作为识别特征,并且利用基于上层建筑的矩不变量以提高特征的分类能力;同时还对舰船目标的观察空间进行形态划分,减少目标表示所需图像数量,提高识别效率.仿真试验验证了识别算法的有效性.     

基于小波矩不变量的海上目标识别

针对识别海上目标时不同目标相似性大的特点,将不变矩理论与小波分析相结合,本文引入一种基于小波矩不变量的特征提取法,并且为得到一组局部最优特征组而提出一种结合DB Index准则的特征选择法。在仿真实验中,将小波矩不变量与Hu矩、Zernike矩进行了比较。实验表明,小波矩不变量具有更好的识别效果。     

Bezier矩及其在人体姿态识别中的应用

首次提出了Bezier矩的定义,并用于人体姿态的识别。该矩具有较好的数学表达形式,充分反映了形状特性。文中给出了Bezier矩的推导,并给出试验结果以及改进的hu不变矩的试验比较结果,试验证明Bezier矩方法优于改进的hu不变矩方法。     

Detection and recognition of contour parts based on shape similarity

Due to distortion, noise, segmentation errors, overlap, and occlusion of objects in digital images, it is usually impossible to extract complete object contours or to segment the whole objects. However, in many cases parts of contours can be correctly reconstructed either by performing edge grouping or as parts of boundaries of segmented regions. Therefore, recognition of objects based on their contour parts seems to be a promising as well as a necessary research direction.The main contribution of this paper is a system for detection and recognition of contour parts in digital images. Both detection and recognition are based on shape similarity of contour parts. For each contour part produced by contour grouping, we use shape similarity to retrieve the most similar contour parts in a database of known contour segments. A shape-based classification of the retrieved contour parts performs then a simultaneous detection and recognition.An important step in our approach is the construction of the database of known contour segments. First complete contours of known objects are decomposed into parts using discrete curve evolution. Then, their representation is constructed that is invariant to scaling, rotation, and translation.     

相对矩及在几何形状识别中的应用

在计算机视觉中,几何形状的识别具有十分重要的意义,而一般几何形状可以分为区域和结构两类。Hu提出的不变矩是用于区域形状识别的几何特征,但对于结构则因不满足缩放不变的条件而不适用。为此对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,并定义了对于结构和区域均满足平移、缩放、旋转不变的相对矩,从而统一了区域和结构的矩特征计算公式,而且与Hu的不变矩相比,更具有一般性,利用相对矩进行的识别实验表明,相对矩是对区域、封闭和不封闭结构的形状进行识别的有效特征,尤其在识别封闭和不封闭结构时,比傅立叶描述子等传统方法简便。     

一种新的统计仿射不变量

本文在充分分析了现有各种仿射不变量的基础上，提出了一种新的统计仿射不变量，它对于发生尺度变化、旋转、扭曲和平移的目标具有不变性。实验结果表明，相对于传统的仿射不变量，在目标轮廓分割不完整或噪声污染的情况下，仍能够保持较高的稳健性，同时克服了基于轮廓的小波方法和傅立叶级数等方法对目标轮廓出现缺陷时的不足，
，在图像目标识别中具有实用价值。     

Wavelet-based affine invariant representation: a tool forrecognizing planar objects in 3D space

A technique is developed to construct a representation of planar objects undergoing a general affine transformation. The representation can be used to describe planar or nearly planar objects in a three-dimensional space, observed by a camera under arbitrary orientations. The technique is based upon object contours, parameterized by an affine invariant parameter and the dyadic wavelet transform. The role of the wavelet transform is the extraction of multiresolution affine invariant features from the affine invariant contour representation. A dissimilarity function is also developed and used to distinguish among different object representations. This function makes use of the extrema on the representations, thus making its computation very efficient. A study of the effect of using different wavelet functions and their order or vanishing moments is also carried out. Experimental results show that the performance of the proposed representation is better than that of other existing methods, particularly when objects are heavily corrupted with noise     

一种起始点无关的小波系数形状匹配

小波变换的多分辨率特征使其在计算机视觉中得到广泛的应用,在形状匹配中,小波变换对起始点的依赖制约了小波变换的应用。为了克服小波变换对起始点的依赖,引入Zernike矩,提出一种起始点无关的小波系数形状匹配算法。对输入图像进行预处理后提取目标轮廓,生成具有平移、尺度不变的形状链状表达,并通过小波变换进行多尺度分析。最后计算各个尺度下的各阶Zernike矩,来解决小波变换的起始点问题,实现形状表达的旋转不变性。实验结果表明该算法适用于轮廓较明显的目标,同时具有速度快、精度高、鲁棒性强的优点。     

统一Hu矩及在电视图像目标识别中的应用

分析了在离散状态下比例因子对不变矩特征的影响,扩展了Hu提出的基于区域的不变矩和Chen提出的基于边界的不变矩,构造了一种新的不变矩,统一了基于区域和边界的矩不变量公式,并满足离散状态下的比例不变性,比传统的不变矩更具一般性。将其应用到电视图像目标识别中,仿真结果表明,不变矩不变性好,识别率高,实时性好,具有一定的应用前景。     

A shape prior constraint for implicit active contours

We present a shape prior constraint to guide the evolution of implicit active contours. Our method includes three core techniques. Firstly, a rigid registration is introduced, using a line search method within a level set framework. The method automatically finds the time step for the iterative optimization processes. The order for finding the optimal translation, rotation and scale is derived experimentally. Secondly, a single reconstructed shape is created from a shape distribution of a previously acquired learning set. The reconstructed shape is applied to guide the active contour evolution. Thirdly, our method balances the impact of the shape prior versus the image guidance of the active contour. A mixed stopping condition is defined based on the stationarity of the evolving curve and the shape prior constraint. Our method is completely non-parametric and avoids taking linear combinations of non-linear signed distance functions, which would cause problems because distance functions are not closed under linear operations. Experimental results show that our method is able to extract the desired objects in several circumstances, namely when noise is present in the image, when the objects are in slightly different poses and when parts of the object are invisible in the image.