基于矩特征的三维飞机目标识别

利用矩特征可以从二维图像识别三维目标,４阶矩的图像峰值反映了目标的形状,为了使它具有平移、比例和旋转不变性,作者对其进行了归一化处理。文中将未修正的不变矩、修正的不变矩及归一化的４阶矩用于三维飞机目标识别,仿真结果表明归一化的４阶矩和修正的正的不变矩可有效地用于三维目标的识别。     

空间目标融合识别算法及实验研究

提出了基于红外与可见光图像的空间目标融合识别算法。算法针对空间目标的物理特征,利用红外和可见光图像提供的互补信息进行空间目标融合识别。方法以空间卫星为识别目标,采用不变矩和仿射不变矩来描述目标特征,提出了基于红外和可见光的特征级和决策级融合识别方案,并进行了半物理仿真实验和分析。实验证明这两种基于红外和可见光的融合识别算法可明显改善目标识别的精度和可靠性。     

基于组合不变矩和神经网络的三维物体识别

在三维物体识别系统中,提出将三维物体的Hu不变矩和仿射不变矩两者的低阶矩组合作为三维物体的特征,结合改进的BP神经网络应用于三维物体的分类识别。理论分析和仿真实验表明组合这两种矩特征进行物体识别,性能优于单独使用Hu不变矩,如果进一步对这两种组合的矩特征进行主成分分析处理,可显著提高系统识别性能,并减少网络的训练时间。     

一种改进的不变矩特征与物体识别

引入了一种改进的不变矩特征表示方法。不变矩特征通过7个不变矩量很好地表征了图像的局部结构信息;通过压缩不变矩的值,得到了更优秀和实用的特征表示。改进的不变矩表示方法进一步包含图像的全局结构信息。实验结果表明,改进的不变矩比不变矩有着更好的识别效果,比现有的物体识别方法有着更大的优势,其易于执行,省去了参数调节,且效率高。     

三维飞机目标识别的一种新方法

提出了将小波不变矩用于三维飞机目标的识别中.先采用CCD成像传感器拍摄小角度变化的不同姿态的二维飞机图像,建立完整的飞机图像模型库,然后对这些图像进行归一化处理,提取这些二维图像的小波不变矩,针对小波不变矩维数较高的特点,采用离散度和顺序前进法相结合的原则来对其进行特征优化选择,选择一组较优的特征组,最后用改进的BP神经网络为分类器进行三维飞机图像的识别.仿真结果表明,同Hu矩相比,小波矩不变量有比较好的识别效果.     

用于模式识别的极半径不变矩

提出了用于目标物识别和分类的极半径不变矩，对目标物进行分割后，先求出目标物的形心，进而求出极半径矩、归一化矩和归一化的中心矩，在此基础上，给出了5个具有平移、旋转和尺度变换不变性的特征量用于物体形状的识别，文中给出了这些不变矩的特性，并给出了极半径不变矩和边界序列矩以及Hu提出的不变矩的实验比较结果，该文提出的极半径不变矩，既可用于区域目标的识别，也可用于边界形状的识别。     

基于小波矩的车辆特征提取算法研究

车辆目标图像特征提取是智能交通系统中车辆识别与分类的关键问题。在车型提取算法中,矩特征是较为常用的车型特征描述子。针对Hu矩的七个特征分量在数量级上差别较大且受比例因子影响的问题,基于不变矩和小波能量的原理和特点的研究,重点提出了基于小波矩的特征提取算法,并应用于车辆的特征提取。最后的实验对实际车辆图像进行采集,对预处理图像进行小波分解得到三级子图像,对子图像求取修正Hu不变矩,将不变矩作为特征量,利用最小邻距离分类得出识别结果。最后的实验结果显示,通过这种方法提取的特征量具有平移、旋转、比例不变性,能反映目标图像的重要的、本原的属性,与传统Hu矩相比,识别率提高了13.5%,达到了预期的目标。     

基于不变矩与证据理论的飞机序列图像识别

D—S证据理论是一种决策级信息融合方法,能够综合各信息源。为了提高对飞机序列图像进行识别的能力,增加信息可信度,提高系统容错能力,提出一种不变矩与D—S证据理论相结合的方法,对飞机序列图像进行了识别。通过构造飞机图像的模板库,对于待识别的图像提取不变矩特征,提出了两种通过不变矩特征构造基本置信函数,然后运用D—S证据理论进行融合,得到图像的识别结果。通过实验,比较了两种不变矩特征和三种构造函数对识别结果的影响,并将其结果与支持向量机、神经网络的仿真结果相比较。实验结果表明方法是有效且可行的,识别概率优于其它的方法。     

基于不变矩的实时人形监测与识别系统

介绍了一种实时监视系统，该系统可以捕获正在进入摄像机镜头的物体，并识别其是否是人类．所采用的主要方法是，预处理其中包含了除背景之外的其它物体的图像，即，去掉背景图像，并得到该物体的形状图像，然后提取其七个不变矩，利用贝叶斯分类器做主要手段对不变矩进行分类，另外采用辅助手段修正分类结果，识别该物体的形状是否为人形，从而判断出是否有人类经过．     

遥感图像小型目标的识别方法

提出使用特征提取的方法来识别遥感图像中的小目标。介绍了不变矩法和高阶累积量法两种用于目标识别方法的原理和如何构造它们的不变特征集的过程。在论述了这两种不变特征集的构造方法的基础上，对遥感图像采用多元识别方法。实验结果证明：经过图像预处理后，采用不变矩法和高阶累积量法进行多元搜索有很高的准确度。     

基于粗集理论的含噪图像边缘检测

文章提出了一种基于粗糙集的图像边缘检测算法。首先，利用粗集理论将一幅图像划分为不同的子图，然后对子图分别去噪，再将两个去噪子图叠加得到最终去噪图像，最后，利用边缘条件属性对去噪图像做边缘检测。实验结果表明，该方法能满足对噪声图像进行边缘检测的要求。     

一种基于小波域的分形图像编码改进算法

提出了一种基于小波域的分形图像编码改进算法。该算法首先将图像分解到小波域,然后根据各子图像所包含能量的大小和所代表的方向等信息,采用不同大小、形状和类别的图像块及相似块,进行分形编码。在编码过程中按照零树结构在同方向不同分辨率的各个子带图像上确定要预测的图像块,同时在同方向低一级分辨率的子带图像上寻找与其最佳分形匹配的相似块,并由各级相似块构成预测树。实验证明,这种改进算法能够大大提高分形编码的速度,并取得较高的压缩比。     

静态图象的动态压缩方法

文中介绍一种通过动态压缩途径来压缩静态图象的方法。该方法首先使用排列变换将静态图象分解成动态图象序列，然后再利用现有的ＭＰＥＧ压缩程序对该图象序列进行压缩。文中还讨论了各种扫描曲线对于所生成的图象序列中相关性的影响，肯定了希尔伯特曲线的良好的局部相关性。最后使用标准测试图象Ｌｅｎａ进行了实验，结果，在压缩比同为６６：１的情况下，本方法的峰值信噪比（ＰＳＮＲ）要比ＪＰＥＧ高出０．６ｄＢ左右。     

Multiresolution image dynamic thresholding

A pyramid-based method of dynamic thresholding where the Gaussian pyramid is used to support a coarse-to-fine search strategy is presented. At the top level of the pyramid the image is divided into four subimages, and in each subimage, the gray-level variance is analyzed to find whether there is an edge. The hierarchical search is continued until the bottom level of the pyramid, or the original image, is reached. At the bottom level the threshold values of those subimages where an edge is present are estimated, and the value of zero is assigned to those subimages where no edge is present. Finally, by using interpolations of subimage and pixel threshold values, the dynamic threshold values are found.     

基于傅里叶变换的红外人脸图像温度归一化

为了减少环境温度对红外人脸图像的影响,本文提出了一种基于傅里叶变换的红外人脸图像温度归一化方法。首先,对不同环境温度下的红外人脸图像变换到傅里叶域,得到幅度谱和相位谱。其次,基于统计分析理论,幅频系数和相频系数的方差用于表示不同特征受环境温度影响的程度。为了达到归一化的目的,对方差较大的幅频系数和相频系数用训练样本的均值进行替换。最后,为了验证温度归一化的有效性,将归一化的红外人脸图像用于传统的基于PCA的红外人脸识别系统。实验结果表明,本文提出的归一化方法可以提取稳定的红外人脸特征,提高了环境温度变化下红外人脸识别的识别率。     

基于双特征匹配层融合的步态识别方法

步态识别是根据人类走路的姿态来进行远距离的身份识别。针对轮廓不完整的图 像和关键帧容易造成部分信息丢失而引起的识别率下降问题,提出一种基于双特征匹配层融合 的步态识别方法。步态既有静态图像特征,又有动态速度变化特征,因此本文提出用匹配层融 合方法将静态的 Hu 矩 6 个不变矩特征和动态的帧差百分比特征融合后进行步态身份识别。首 先对一个周期内的归一化步态图像进行 Hu 矩特征以及帧差百分比的特征提取,将 Hu 矩 6 个不 变矩特征描述成一个特征向量,然后运用匹配层融合算法对 2 个特征进行融合;最后使用 K 近 邻分类器进行身份识别。实验表明,该方法较单一方法能够有效地提高步态识别正确率。     

基于方块编码的图像压缩

随着多媒体技术的迅速发展，图像压缩与编码方法日益重要。方块编码是有损压缩方法中的一种重要的编码方法，它的基本原理是将图像分割成子块矩阵，并为各子块矩阵设计其量化电平，量化后用位映像矩阵代替子块矩阵，从而达到数据压缩的目的。给出了用MATLAB编写的实现代码及实验结果。     

一种基于小波变换与自适应混合量化的新图象压缩算法

本文提出了基于小波变换与自适应混合量化的图象压缩算法，该算法首先将小波变换后的图象高频子带划分为扫描块，然后依据图象的纹理复杂度和重要性程度将这些扫描块划分为4类（平坦，过渡，弱纹理和强纹理）；最后对各类扫描块分别进行向量和标量量化混合编码，实验结果表明，试图象压缩算法在压缩速度，图象复原质量等方面均优于FVQ编码算法和JPEG方法。     

Image fusion method based on nonseparable wavelets

This paper presents an image fusion method based on a new class of wavelet - nonseparable wavelet with compact support, linear phase, orthogonality, and dilation matrix . We first construct a 6 x 6 nonseparable wavelet filter bank. Using these filters the images involved are decomposed into nonseparable wavelet pyramids. Then the following fusion algorithm is proposed: for the low-frequency part, we select the average of the low-frequency subimages from both sensors. For every high-frequency subimage of each level, we select the absolute value of each pixel of the high-frequency subimage to form a new subimage, and the variance of each image patch over a 3 x 3 window in the new subimages is computed as an activity measurement. If the variance of the 3 x 3 window in one new subimage is greater than the variance of the corresponding 3 x 3 window in the other new subimage, then the center pixel value of the 3 x 3 window is selected as a new pixel value of the fused image. A new fused image is then reconstructed. The performance of the method is evaluated using entropy, root mean square error, and peak-to-peak signal-to-noise ratio. The experimental results show that this method has good vision effect. Because the nonseparable wavelet transform can extract more details from source images, all the features in the source images can be seen in the fused image, and the fused image can extract more information from the source images.Received: 5 July 2003, Accepted: 29 November 2004, Published online: 25 February 2005This research was support by NSFC under project 60085002     

一种融合颜色和纹理特征的遥感图像检索方法

海量遥感图像的自动查询和选择，迫切需要有效的基于内容的图像检索方法。鉴于单一视觉特征不能很好地表达图像内容，为此提出一种基于五叉树分解的线性加权颜色和纹理特征距离的检索新方法。该方法首先采用五叉树分解法分解图像，然后在利用多通道Gabor滤波器与图像做卷积得到滤波能量值的基础上，提取各子图像滤波能量纹理特征，最后通过计算子图像的颜色均值和均方差来对查询图像和与其大小相当的数据库子图像进行颜色和纹理特征线性加权距离相似性测度。将该方法用于高分辨率卫星和航空遥感图像数据库检索的实验结果证明，该方法是有效的。