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。     

人体行为动作的形状轮廓特征提取及识别

将傅里叶变换与边缘小波矩描述子相结合,提出一种人体行为动作的识别方法。凹凸复杂图像的质心到轮廓为非单一直线,据此,给出一种多段定向距离轮廓描述矩阵,实现轮廓特征的提取。分别对2类人体和4种行为动作进行仿真实验,结果表明,边缘小波矩描述子能较好地体现人体行为动作的形状轮廓局部特征,具有较高的识别率。     

Radon变换域的鲁棒图像Hash算法研究

针对数字图像内容认证的问题,提出了一种基于Radon变换域的鲁棒图像Hash算法。该算法在Radon变换域提取图像平移、缩放不变的矩特征,将矩特征的离散傅里叶变换系数作为图像的Hash值。离散傅里叶变换可实现抗图像旋转操作,并可降低图像Hash的维数。为了增加安全性,整个特征提取过程都是基于密钥进行的。理论分析证明Radon变换域的不变矩特征对一般的图像处理操作,特别是平移、缩放、旋转等几何操作有极好的不变性。实验结果表明提出的算法几乎可以容忍所有的图像内容保存操作,比如缩放、旋转、JPEG压缩、滤波和加噪等,同时对视觉上有明显失真或根本不相似的图像有高度的敏感性。     

基于图像矩的运动目标3D平动视觉跟踪

区别于图像的简单几何特征,本文利用图像的全局特征描述子 图像矩特征作为图像 特征信息,实现了基于图像的运动目标3D平动的视觉跟踪．针对任务要求,本文选取了一组 矩特征用以完成任务．基于所选的矩,本文给出了矩特征变化量与相对位姿变化量之间的关 系矩阵,即图像雅可比矩阵,然后利用所推导的图像雅可比矩阵,设计了由图像反馈与目标 运动自适应补偿组成的视觉伺服控制器,实现了在未知目标成 深度及摄像机焦距的情况下 对运动目标的3D平动跟踪．     

傅里叶谱和矩不变法结合的图像阈值分割

针对矩不变法图像分割算法中存在的问题,提出了一种基于傅里叶谱和矩不变法相结合的图像分割方法。首先依据矩不变原理计算待分割图像的累计灰度分布函数值获取初始阈值,然后对图像直方图进行傅里叶变换,并得到傅里叶谱系数,最后利用该系数和累计灰度分布函数值对初始阈值进行调整,由于傅里叶谱能很好地“匹配”矩不变法获取的阈值,从而能自动调整初始阈值,使分割效果达到最佳。分割实验结果表明,该方法不仅运算速度快,而且有较好的分割效果和普适性。     

基于矩阵快速填充的P-FFT分析目标电磁散射问题研究

针对预修正快速傅里叶变换(P-FFT)方法的近场矩阵填充速度和效率不高的问题,利用快速填充技术减少近场矩阵的计算时间,分析电大目标的电磁特性.采用预修正快速傅里叶变换方法,不仅能够减少存储需求,而且能够加快远场的矩阵矢量积.重点研究了基于三角形配对的快速填充方法,通过提取基函数测试配对积分过程中的共享积分部分,对近场矩...     

结合仿射不变特征的平面目标区域矩研究

平面目标闭合曲线的傅里叶描述子只描述了目标区域的边界形状，无法反映目标内在属性。若目标区域的灰度分布已知，可利用目标区域的灰度分布构造各阶矩来描述目标的灰度分布特性及边界形状，即用区域矩来表征目标，可以得到反映目标内在属性的一些仿射不变特征，更能全面地反映目标本原特征。     

基于分块颜色矩和灰度共生矩阵的图像检索

颜色和纹理是描述图像内容的两个重要视觉特征,提出了一种基于分块颜色矩和灰度共生矩阵相结合的图像检索方法。根据图像背景内容的差异,将图像分成大小相等的子块,通过HSV颜色空间非均匀量化,计算子块的颜色矩来描述图像的局部颜色特征。整体图像采用灰度共生矩阵作为其纹理特征。结合两者采用加权欧式距离计算图像相似度,从实验结果中得出该检索方法的有效性。     

采用不变矩傅氏级数表示的步态识别

步态作为唯一具备远距离识别能力的生物测量特征已经受到广泛的关注。步态序列包含人行走的静态和动态信息,综合利用这两方面信息是提高识别性能的关键。为了综合利用人行走的静态和动态信息来提高识别能力,提出了一种用步态的不变矩傅氏级数系数的幅值作为识别特征的步态识别方法。因为不变矩描述了人运动的静态信息,其在整个步态周期提取的特征则蕴含了人运动的动态信息,所以将不变矩作为识别特征用于步态识别。该方法首先计算每帧图像的不变矩;然后采用傅里叶级数来拟合整个不变矩系数序列,并用遗传算法搜索傅里叶级数系数;接着将这些系数的幅值表示为用于分类的特征向量;最后再用k近邻分类器对特征向量进行分类。通过对CMU步态数据库中的4种步态分别进行的实验结果表明,该方法对单独的矩可取得80%以上的识别率,而对级联的矩识别率则可达到90%以上。另外,该方法对部分遮挡也具有鲁棒性。实验结果和性能分析表明,这种结合静态和动态信息的识别方法是有效的。     

采用K-means的脑肿瘤磁共振图像分割与特征提取

大脑肿瘤分割对于医师判断肿瘤恶化程度非常重要。然而,由于肿瘤的不规则形状、与周围组织的低对比度以及出现位置的不固定,给脑肿瘤的精确分割带来很大的困难。传统的K-means分割方法仅仅利用图像的灰度特征,很难准确分割肿瘤边界。利用灰度共生矩阵提取出的纹理特征,并结合图像几何不变矩特征对分割出的脑肿瘤图像进行特征提取。灰度共生矩阵定义为像素对的联合概率分布,是一个对称矩阵,它不仅反映图像灰度在相邻的方向、相邻间隔、变化幅度的综合信息,也反映了相同的灰度级像素之间的位置分布特征,是计算纹理特征的基础;几何矩（不变矩）具有旋转、平移、尺度等特性,能将图像分解为有限特征值,并且通过对比所提取出的同一病人的肿瘤图像的不变矩参数,可以获得该肿瘤几何形状变化程度。实验结果表明,该方法可以同时从纹理和几何特征对图像特征进行描述,与分别采用灰度共生矩阵和不变矩方法进行特征提取相比较,降低了算法计算量,同时提升了算法的抗噪性。     

基于Radon变换的图象矩特征抽取及其在图象识别中的应用

介绍了图象的Radon变换以Radon变换下图象矩的计算方法;利用Radon变换的抗干扰特性,提出一种图象矩特征的抽象方法,以得到图旬在Radon变换下的矩特征矩阵,进而提出了一种利用该矩阵的奇异值进行图象识别的方法。     

基于颜色空间分布特征的图像检索

目前,基于颜色特征的图像检索大多是以图像的颜色直方图作为颜色特征,这种图像检索方法有简单高效的优点,但丢失了颜色的空间分布信息,该文从CT图像重建的理论中得到启发,将对一幅图像从几个方向的投影图作为这幅图像的颜色特征分布。为进一步减少检索时运算的数据量,对图像做小波分解,然后对分解后图像的低频子带做Radon变换得到颜色空间分布的特征向量,并根据这个特征进行检索,实验表明,当检索图像中有明显的颜色目标时,该方法比传统的颜色直方图法更精确,颜色空间性更强,而且检索用时更短。     

一种基于极坐标变换的点模式匹配算法

点模式匹配是目标识别、图像配准与匹配、姿态估计等计算机视觉与模式识别应用方向的基础问题之一。提出了一种新的利用点特征进行匹配的算法,该算法根据点集的分布与点位置信息,构建了点的特征属性图,通过极坐标变换得到对数极坐标的特征图,并利用几何不变矩方法对特征图进行描述。由特征描述向量的比较,获得粗匹配结果,然后通过几何约束迭代的方法获取最终的点集匹配结果。本文贡献如下:一,构建了一种点的极坐标变换特征,并运用不变矩进行描述,使所提特征具有旋转与平移的不变性;二,提出了利用点特征与整体点集几何约束结合的匹配算法,能有效克服出格点与噪声带来的不利影响。最终实验说明了算法的有效性和鲁棒性。     

基于内容的MRI脑肿瘤图像特征提取及检索方法

医学图像检索中特征提取方法对检索的效果、性能具有重要影响,针对这个问题,设计了一个基于内容的医学图像检索系统.为了给医学图像检索系统的临床应用提供参考价值,该系统以哈佛大学医学院开发的脑肿瘤MRI医学图像数据库为背景,比较了颜色相关图、颜色矩、灰度共生矩阵、金字塔小波变换和树型小波变换这5个特征提取技术对MRI脑肿瘤医学图像的检索性能.实验结果表明树型小波变换和金字塔小波变换的检索效果较好.     

一种基于核主成分特征组合的人脸识别方法

提出了一种基于核主成分特征组合的人脸识别方法。首先利用主成分分析,获得原始输入图像的二阶特征脸图像;然后运用核主成分分析分别抽取原始图像和二阶特征脸图像的核主成分特征,最后将它们组合成一个组合特征向量,进行人脸识别。在ORL人脸库上的实验表明,两种图像的核主成分特征分别有着良好的特点,取得了较好的识别效果,优于核主成分分析和二阶特征脸的结果。     

基于àtrous-Contourlet变换与不变矩的掌纹匹配算法

为了提高掌纹识别的速度和准确率,克服Contourlet变换在处理高维信号时的不足,提出了一种新的掌纹识别算法。该算法首先对掌纹图像进行àtrous-Contourlet变换,得到高频分量和不同方向不同子带上的低频分量,再根据不同子带的能量分布所提取出的统计特征选择不同的特征加权系数,对图像所得到的不变矩向量进行加权计算,得到新的特征向量,完成掌纹图像的识别。实验结果表明,该算法与小波矩算法、Hu不变矩算法和Contourlet算法相比有较高的效率和匹配精度。     

线性插值框架下矩阵步态识别的性能分析

针对现有的步态周期检测方法检测效果不佳以及行走速度变化对步态识别性能有很大影响的问题,提出的基于矩的步态周期检测方法中,Zernike矩需要人体居中、尺度归一的前期预处理过程,而伪Zernike矩具有能描述运动图像的特点,它可以避免人体居中、尺度归一等处理,以便直接测试步态的周期性.根据行走时的两帧之间的特征取决于前一帧和后一帧的特征,提出了基于线性插值的矩阵步态识别算法框架,并且将投影特征、Hough变换特征、Trace变换特征和Fan-Beam映射特征应用在CASIA(B)步态库上,验证了框架的有效性,为解决步态识别问题带来新的方法与思路.这种基于线性插值的矩阵步态识别特征本质上是一种权值不同的能量形式.     

混合特征下最优阈值预测的图像匹配

针对单一特征条件下图像匹配率较低,以及SIFT算法由于固定对比度阈值造成特征点数目提取不均的问题,提出一种混合特征下最优阈值预测的图像匹配算法。该算法首先采用SIFT算法提取图像特征点,然后利用纹理参数二阶矩自适应法得到最优阈值,并用描述性较强的纹理特征向量对SIFT匹配过程进行约束实现图像的匹配。实验结果表明,提出的算法根据图像灰度分布自适应选取对比度阈值,能够增强图像细节信息且使提取的特征点数量稳定,在匹配过程中引入纹理向量作为约束准则,避免了相似区域的误匹配,对光照和模糊图像有较好的鲁棒性。     

板带材缺陷检测中的多特征优化组合方法研究

针对冷轧板带材常见表面缺陷图像识别的特点,提出了板带材表面缺陷多特征优化组合方法,该方法以直方图统计特征、小波变换特征、灰度共生矩阵特征、不变矩特征等4类特征共26维特征向量为基础,依据类间类内距离差的类别可分离性判据对特征进行优化,选出最优特征向量组合。对6类典型板带材表面缺陷进行实验,实验结果表明,采用多特征优化组合方法选择出的特征向量具有较好的分离效果,显著地提高了表面缺陷的识别率。     

基于小波和奇异值分解的人脸识别方法

该文提出了一种基于小波和奇异值分解的人脸识别方法。首先对人脸图象进行小波分解，由于小波变换具有良好的多尺度特征表达能力，能将图象的大部分能量集中到低频子图中，使图象得到有效压缩。然后，对得到的每幅低频子图进行基于奇异值分解的特征提取，并将奇异值特征向量进行压缩，把压缩后的特征向量作为每幅人脸图象的特征，进而求出每一类人脸图象的特征向量中心。最后，将每一类的特征向量中心输入到分类器中进行识别。最终得到了令人满意的识别结果。