相似变换下的模板图像自动匹配技术

基于Fourier-Mellin变换的相似不变性,论文给出了一种相似变换(即模板图像和场景图像之间存在平移、旋转和尺度缩放)下的模板匹配方法。主要工作包括:第一,给出了一种模板匹配度量准则。该准则可对每次的匹配结果直接做出判断,无需进行穷尽搜索;第二,对搜索策略、搜索步长等问题给出了优化建议。大量实验结果验证了该方法的可行性和鲁棒性。     

基于Radon和解析Fourier-Mellin变换的尺度与旋转不变目标识别算法

由于正交矩对噪声鲁棒性强、重建效果好,因此被广泛应用于目标识别与分类中,但是正交矩本质上缺乏尺度变换不变性,而且必要的图像二值化与规一化过程会引入重采样与重量化误差。为此,在研究现有正交矩的基础上,提出了一种基于Radon变换和解析Fourier-Mellin变换的尺度与旋转不变的目标识别算法。该算法首先直接对目标灰度图像进行Radon变换,然后对Radon变换结果进行进一步解析,通过Fourier-Mellin变换将原图像的旋转变化转化为相位变化,将原图像的尺度变化转化为幅度变化;最后,通过定义一旋转与尺度不变函数,同时利用不变函数的4种特征,再应用k-近邻法实现分类。理论与实验结果表明,由于避免了正交矩方法存在的重采样与重量化误差,该算法的分类精度高于基于正交矩的分类方法,而且对白噪声的鲁棒性也显著高于基于正交矩的识别与分类方法。     

Quaternion Fourier-Mellin moments for color images

The quaternion Fourier-Mellin moments for describing color images are introduced, which can be seen as the generalization of traditional Fourier-Mellin moments for gray-level images. Then, the quaternion Fourier-Mellin moment invariants are derived, which could be a useful tool in color object recognition tasks that require the similarity invariance. In addition, the problem of color image registration using quaternion Fourier-Mellin moments is discussed. The registration method can match color images differing in rotation and scaling. The advantage of our method is that it can process color image directly, without losing color information. Experimental results validate the effectiveness of the method we proposed.     

基于多分辨Fourier-Mellin变换的剪纸纹样识别算法

提出一种基于多分辨Fourier-Mellin的剪纸纹样识别算法。该算法先对剪纸纹样图像进行Fourier-Mellin变换,再对变换后的图像通过小波变换计算出各层方差和均值,得到剪纸纹样不同子带的特征值,应用支持向量机对剪纸纹样进行识别。实验证明,该方法不仅具有平移、旋转和尺度不变性,而且适用于有夸张艺术变形的剪纸纹样识别。     

一种基于学习的自动图像配准检验方法

图像配准是众多具体应用的共性核心技术, 如图像融合, 变化检测等. 然而, 当参考图像经过变换后, 如何自动地确定变换后的图像是否与目标图像真正达到了配准仍然是目前文献中一个尚未很好解决的问题. 究其原因, 主要是很难找到一种图像相似性的度量方法来有效地对配准后的图像进行评价. 不同于传统的方法, 本文提出了一种基于学习的相似性度量方法, 即将图像配准的度量问题转化为模式分类问题, 由基于机器学习设计的分类器自动检验图像是否配准. 本文对 400 组图像进行了配准检验, 实验结果显示了该方法的可行性和可靠性. 尽管本文方法的具体实现是针对基于 Fourier-Mellin 变换的配准算法, 但这种基于学习的图像配准检验思想同样可以应用到其他配准方法中.     

一种基于SIFT算子的人脸识别方法

高独特性特征的选择以及合适匹配策略的选用是人脸识别技术的关键。讨论了基于仿射不变的几何特征SIFT算子进行人脸识别的方法。SIFT算子的计算复杂度较高,并且不同的人脸表情和图像模糊会加大特征匹配的难度。为克服上述缺点,提出了一种新的算法,将选择6个人脸上感兴趣子区域进行描述,并根据各自的独特性赋予不同的权值,最后在匹配过程中使用相似度的平方来减小偏差数据造成的影响。实验结果表明,该方法能有效减轻表情变化对于身份识别率急剧下降的影响,并可显著减少计算复杂度和特征匹配时间。     

基于Fourier-Mellin变换的图像配准方法及应用拓展

从两个方面拓展了基于Fourier—Mellin变换的图像配准方法的应用范围．首先是全景图像的拼接．不同于传统的方法，该方法不需要准确控制相机的运动，小需要知道相机的焦距等内部参数．也不需要检测图像特征，在配准精度要求不是很高的情况下，直接生成的全景图像可以满足很多实际应用的需要；同时，实验也表明，该方法应用于弱透视图像的配准．也具有很好的配准效果．另一个拓展是图像曲线的匹配．传统的曲线匹配方法一般通过曲线特征点（如角点、曲率极值点等）之间的对应求得曲线间的变换参数．一种新的思想是先将图像曲线转化为二值图像，然后应用Fourier—Mellin变换对这些二值图像进行配准，从而达到对两条曲线的匹配．大量实验表明，该方法对射影畸变不是十分显著且摄像机为一般运动下获得的图像之间的配准问题（如手持数码相机获取的图像之间的配准问题）均能取得比较好的配准效果．     

基于四元数傅里叶梅林变换的旋转不变彩色纹理分类

提出一种基于四元数傅里叶梅林变换(Quaternion Fourier-Mellin Transform,QFMT)的旋转不变彩色纹理分类方法。该方法首先对彩色图像各分量图像进行对数极坐标变换,然后将经过变换后的3幅分量图像表示成四元数,并对其进行四元数傅里叶变换(Quaternion Fourier Transform,QFT),最后对幅度谱分别统计其环形特征量和楔形特征量作为纹理分类的特征向量,利用最近邻分类器进行分类。实验结果表明,本文提出的方法分类准确率更高,且具有良好的旋转不变纹理分析性能。     

改进的Fourier-Mellin描述子在图像匹配中的应用

Fourier-Mellin描述子被广泛应用于数字图像匹配中,但由于频谱混叠等噪声及误差的存在,不能保证变化后得到的相关值分布形式是一个标准的二维脉冲函数。本文在此基础上引入带核函数的加权距离公式,先用小波变换在频域中提取出稳定的特征点形成特征向量;然后利用核函数对特征向量进行修正,使之形成标准的二维脉冲函数,以便计算出正确的匹配参数,从而达到两幅图像的匹配。实验结果表明了新算法的有效性和可靠性。     

一种基于2D-DWT和2D-PCA的人脸识别方法

提出了一种联合图像二维离散小波变换（2D-DWT）和二维主成分分析（2D-PCA）的人脸识别方法。首先通过2D-DWT将当前图像分解成四个子图像，其中一子图像对应原图像的主体部分（低通部分），其余三个子图像则对应图像的细节部分（高通部分）。在此基础上，采用2D-PCA方法分别对每一子图像进行特征提取。此外，文中还提出了一种简单有效的方法对各子图像中所提取的特征进行融合，根据所得到的特征进行人脸识别。同其他基于小波分解的人脸识别方法相比，所提出的方法能更充分地利用人脸图像的有用判别信息，并得到更好的识别结果。     

改进的基于小波变换的图像配准方法

针对如何提高图像配准的精度和速度的问题,利用基于Fourier-Mellin变换求解水平参量的准确性和基于互信息方法求解旋转及尺度变换参量准确性的优点,提出一种基于Fourier-Mellin和互信息的图像配准金字塔方法。对多幅遥感图像的实例仿真结果表明,该方法能在提高配准精度的同时减少配准时间。     

基于平面激光测量的移动机器人自定位方法

提出了两种基于平面激光测量的移动机器人自定位方法. 第一种方法是改进的Hough 密度谱的方法, 它的主要优点是避免了现有方法Hough 变换离散化过程中的信息损失问题，提高了算法的精度和鲁棒性. 该方法在引进一种新的Hough 密度谱的基础上，根据谱相关函数值和运动参数的密度得到机器人运动参数的候选值，并应用Hausdor 相似性度量从候选值确定运动参数的最终估计. 第二种方法是基于Fourier-Mellin 变换的方法，主要利用Fourier 变换的位移理论和Fourier-Mellin不变量来估计运动参数. 为了避免图像离散化造成的信息损失，在该方法中使用基于Hausdor 距离的最近点迭代(ICP) 算法来进一步精化平移向量. 实验结果表明，这两种方法均可有效地提高机器人的定位精度，具有一定的实际应用价值.     

基于傅里叶-梅林矩的抗几何攻击图像水印算法

如何有效抵抗几何攻击是数字图像水印研究领域的热点问题之一,一个微弱不可觉察的几何攻击就可能使绝大多数水印算法失效。以不变矩理论为基础,提出了一种基于正交傅里叶-梅林矩的可有效抵抗几何攻击的图像水印新算法。结合傅里叶-梅林矩的几何不变特性,计算出原始图像的傅里叶-梅林矩;根据稳定矩的选取规则选取部分稳定的傅里叶-梅林矩,采用量化调制策略将水印信息嵌入到所选矩的幅值中;将傅里叶-梅林矩修改前后的重构差值图像叠加到原始载体图像中,得到含水印图像。仿真实验表明,该算法不仅具有较好的不可感知性,而且对常规信号处理和几何攻击均具有较好的鲁棒性。     

Hierarchical kernel-based rotation and scale invariant similarity

Image similarity measure has been widely used in pattern recognition and computer vision. We usually face challenges in terms of rotation and scale changes. In order to overcome these problems, an effective similarity measure which is invariant to rotation and scale is proposed in this paper. Firstly, the proposed method applies the log-polar transform to eliminate the rotation and scale effect and produces a row and column translated log-polar image. Then the obtained log-polar image is passed to hierarchical kernels to eliminate the row and column translation effects. In this way, the output of the proposed method is invariant to rotation and scale. The theoretical analysis of invariance has also been given. In addition, an effective template sets construction method is presented to reduce computational complexity and to improve the accuracy of the proposed similarity measure. Through the experiments with several image data sets we demonstrate the advantages of the proposed approach: high classification accuracy and fast.     

傅里叶-梅林变换的图像复制篡改检测

篡改检测已经成为数字图像取证的重要方法。虽然大多数情况下数字图像篡改都难以感知,例如区域复制篡改,它将图像中的对象区域复制到不交叠的其它区域,但仍然会留下少许篡改痕迹。提出了一种新的针对图像区域复制篡改的检测模式。其中,利用傅里叶－梅林变换提取图像块的几何不变量特征,相似性匹配则采用余弦相关系数。通过MATLAB仿真实验,验证了该算法不但可以适应平移、旋转及缩放等几何变换,而且能够有效抵抗噪音污染、模糊滤波以及有损JPEG压缩等攻击。     

基于分数阶矩的仿射不变特征提取

仿射不变的特征提取在目标识别和配准中起关键作用, 图像矩是提取仿射不变特征的重要方法, 高阶矩对噪声较敏感, 实际中仅有几个由整数阶矩构造的仿射不变量可用. 本文引入分数阶矩, 它由变形累次积分定义, 不仅充分利用仿射变换映直线为直线这一特性,而且能方便地消除仿射变换前后极角因子的影响. 利用分数阶矩给出了仿射不变量的构造, 传统矩构造的不变量仅是这种构造的特例. 实验结果表明低次矩构造的不变量一般有较好的抗噪性能.     

基于不变矩的人脸识别方法的研究

人脸识别是模式识别与计算机视觉领域中的一个重要的研究课题 ,在公安、交通、银行、海关以及安全系统等领域有着广泛的应用前景。该文提出了一种基于小波及不变矩矢量的人脸识别方法。利用小波变换减小或消除了表情因素对人脸识别的影响 ,然后利用不变矩矢量作为人脸的特征来进行人脸识别。我们采用了支持向量机和最近邻分类器作为分类器 ,在ORL人脸数据库的基础上进行了测试。实验取得了良好的效果 ,证实了算法的有效性。     

基于离散傅里叶不变特征的人脸识别

给出了一种基于离散傅里叶不变特征的人脸识别方法。从连续傅里叶变换出发,讨论连续傅里叶变换情况下的傅里叶变换性质,给出离散傅里叶变换情况下的傅里叶变换性质。依据离散傅里叶变换性质,推导出离散傅里叶变换的不变特征,并将其用于人脸图像识别。人脸识别结果表明方法具有很好的识别能力。     

Invariants of six points and projective reconstruction from threeuncalibrated images

There are three projective invariants of a set of six points in general position in space. It is well known that these invariants cannot be recovered from one image, however an invariant relationship does exist between space invariants and image invariants. This invariant relationship is first derived for a single image. Then this invariant relationship is used to derive the space invariants, when multiple images are available. This paper establishes that the minimum number of images for computing these invariants is three, and the computation of invariants of six points from three images can have as many as three solutions. Algorithms are presented for computing these invariants in closed form. The accuracy and stability with respect to image noise, selection of the triplets of images and distance between viewing positions are studied both through real and simulated images. Applications of these invariants are also presented. Both the results of Faugeras (1992) and Hartley et al. (1992) for projective reconstruction and Sturm's method (1869) for epipolar geometry determination from two uncalibrated images with at least seven points are extended to the case of three uncalibrated images with only six points     

Invariant character recognition with Zernike and orthogonal Fourier-Mellin moments

In this paper, we consider the use of orthogonal moments for invariant classification of alphanumeric characters of different size. In addition to the Zernike and pseudo-Zernike moments (ZMs and PZMs) which have been previously proposed for invariant character recognition, a new method of combining Orthogonal Fourier-Mellin moments (OFMMs) with centroid bounding circle scaling is introduced, which is shown to be useful in characterizing images with large variability. Through extensive experimentation using ZMs and OFMMs as features, different scaling methodologies and classifiers, it is shown that OFMMs give the best overall performance in terms of both image reconstruction and classification accuracy.