正交旋转不变 V 矩及其在图像重建中的应用

定义在单位圆盘上的正交旋转不变矩函数(如Zernike矩) 具有非常广泛的应用. 本文基于一类正交分段多项式函数系--V系统, 构造了一种新型的矩函数, 称之为正交旋转不变V矩(简称为V矩). 除了正交性、旋转不变性之外, 由于V系统具有次数低、表达式简单的优点, V矩能够避免传统矩函数中高阶多项式的计算, 从而能够保证数值稳定性, 降低计算复杂度. 实验结果表明, V矩比传统的正交旋转不变矩具有更好的图像重建与图像检索结果.     

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。     

Hu不变矩的构造与推广

为了更简洁高效地构造指定要求的不变矩,并判断矩组信息冗余性,推导了实复矩反演关系公式并提出了Hu不变矩构造定理。不变矩多项式和不变矩多项式空间概念的引入,可以赋予不变矩多项式空间代数结构特征。结合组合计数定理,列出了工程上非常实用且没有信息冗余的全部3阶4次不变矩,这是对7个经典Hu不变矩的推广。实验表明,与Hu不变矩的代数不变量构造方法和三角函数系构造方法相比,该构造方法更简洁高效且具有一般性,也更适合判断矩组信息冗余。所构造新不变矩具有较好的鲁棒性,用于图像描述取得了较好效果。     

用不变矩和边界方向进行形状检索

基于形状的图像检索一直以来是图像内容检索的一个难点问题，而目前采用周长、面积、边角率等描述形状的方法不能使形状检索达到理想的效果．本文提出了一种新的针对图像形状的检索方法．首先，用Canny算子对图像进行平滑处理，提取图像边界方向直方图特征、其次，用不变矩来描述图像形状的区域特征，不变矩特征不受图像的缩放、平移和旋转的影响．最后，为了克服不变矩只关心对象区域，而对图像边界忽视的缺点，提出了不变矩与边界方向特征相结合的方法，使得检索取得更好的效果．本文通过对医学图像的形状检索实验，给出了实验结果和结论．     

基于Radon变换的水声图像矩特征提取与分类

成像声纳采集的水声图像分析是自动水下潜器研究中的一个重要课题，该文提出了一种基于图像边缘Radon变换的水声图像矩特征提取和分类方法。使用一种形态学边缘提取算子和细化算法提取二维图像中目标的轮廓，构造目标轮廓在 Radon变换空间的平移、比例和旋转矩不变量，应用于3类水下物体的分类中，实验仿真结果表明该方法在运算速度上优于Hu’s不变矩和图像目标面Radon投影空间不变矩，具有很好的性能和较高的实用价值。     

图像识别的RSTC不变矩

分析了对比度变化对Hu矩的影响，构造了一种新的不变矩形式，该矩不但具有通常的旋转、尺度缩放以及平移不变性，同时还具有对比度变化不变性。以三类具有旋转、尺度缩放、平移以及对比度变化（RSTC）的目标图像为例进行了识别仿真实验，结果表明新的不变矩形式消除了对比度变化带来的影响，增强了三类图像的类内内聚性和类间可分性，实验结果证明能够对具有RSTC变化的目标图像进行有效识别。     

基于不变矩匹配的人耳识别

人耳识别技术是一门新型的个体生物识别技术,头部转动是影响人耳识别的重要原因之一.本文提出一种基于加权高阶不变矩特征方法的人耳个体生物识别系统,并初步建立60只人耳图像库.通过实验得出了主要测试数据,识别准确率可达到95%,证明该系统能够克服因头部转动对识别的影响.表明不变矩方法在人耳识别中具有一定优势.     

基于不变矩的高分辨率遥感图像建筑物提取方法

为了有效地对图像进行特征提取, 利用不变矩算法对IKONOS和WorldView两种高分辨率遥感图像的城市建筑物地区进行提取。首先将图像数据经过Canny边缘检测和标记分水岭分割, 然后在此基础上分别利用胡氏不变矩和仿射不变矩对图像进行特征提取; 最后通过实验结果的评价可以证明在建筑物的特征提取上, 仿射不变矩比胡氏不变矩的提取效果更加显著, 进而也证明了利用不变矩算法对高分辨率遥感图像建筑物特征提取这一方法是可行且有效的。     

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。     

基于小波和相对矩的形状特征提取与检索方法

提出了一种基于小波和相对矩的形状特征提取与检索方法。首先，对亮度图像进行小波多尺度边缘检测，得到多尺度边界图像；然后，计算每一尺度的7个不变矩，再转化为10个相对矩，所有尺度上的相对矩组成图像的特征向量；最后，对特征向量进行高斯归一化，用欧氏距离度量图像间的相似度，构建了一个基于形状特征的网像检索系统。实验结果表明，该方法具有明显的优越性和通用性。     

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.     

不变矩稳定性及基于多级特征模型的目标识别研究

从成像过程和实际应用角度研究影响目标不变矩稳定性的各种因素，包括有限观测区域、高斯模糊和离散化处理以及在这些因素影响下不变矩的变化规律和误差．理论分析和实验还证明各不变矩自身的稳定特性不仅与阶数而且与其次数有关．这些研究和分析表明建立多尺度目标特征模型的必要性，可为不变矩在实际成像识别系统中正确有效地应用提供重要的理论和实验依据．     

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。     

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。     

基于Tchebichef不变距的图形识别

论文提出一种新的基于Tchebichef不变距的图形识别方法,Tchebichef不变距通过对图像进行大小归一化、平移处理以及旋转处理并结合Tchebichef正交距得到;利用提出的Tchebichef不变距作为特征进行图形的识别,和采用Hu不变距以及Zernike不变矩的识别方法相比,无论是在无噪声还是在有噪声的情况下都有更高的识别精度;仿真试验证实了本方法的可行性。     

Combined blur and affine moment invariants and their use in pattern recognition

The paper is devoted to the recognition of objects and patterns deformed by imaging geometry as well as by unknown blurring. We introduce a new class of features invariant simultaneously to blurring with a centrosymmetric PSF and to affine transformation. As we prove in the paper, they can be constructed by combining affine moment invariants and blur invariants derived earlier. Combined invariants allow to recognize objects in the degraded scene without any restoration.     

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.     

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。