一种基于改进BP神经网络的图像目标识别算法

本文利用不变矩具有平移、旋转和尺度不变性的特点,将其应用于图像识别.提取图像的七个不变矩,然后利用改进的神经网络(BP)进行了图像目标识别算法研究,结果表明此算法具有较好的识别效果,并且速度较快,可以应用于图像小目标的识别当中.     

基于形状特征的图像检索算法研究

针对图像检索存在性能的不稳定性、相对平移、旋转和尺度变换等问题,提出了基于区域内形状特征的不变矩和轮廓力矩法和傅里叶描述符结合的方法.其中的不变矩和轮廓力矩法具有良好的平移、旋转、尺度缩放不变性及抗干扰性,傅里叶算法不仅对噪音具有很好的鲁棒性,而且对几何变换具有不变性,更加适合图像检索的需要.通过实验可知,该算法对于图像的扭曲形变具有不变性,在具有一定形变干扰的情况下,仍得出较好的图像检索结果;且检索结果排列的顺序与人的主观视觉判断大致相同,检索精度好.     

旋转图像的三维相关不变性

三维不变特性的构建是三维目标识别过程中的一个核心步骤,旋转图像作为对三维目标曲面信息的一种很好的表达,满足了旋转和平移变换不变性,却不满足尺度变换不变性.为了构建一种在旋转、平移和尺度变换下的不变特性,首先定义了相关不变性的概念,然后使用Tsallis熵值对旋转图像进行了描述.在相关不变性的框架下,利用Tsallis熵...     

复合不变矩的特征提取

特征提取的目的是提取出一些精简、准确有效的数据来提高图像识别和分类的效率和准确率。在系统识别缺陷过程中,特征提取是很关键的一步,它是系统判别图片有无缺陷或分类的基础不变矩概念清晰、识别率稳定,对具有平移、旋转、尺度等变化的目标具有良好的不变性及抗干扰能力,能有效地反映图像的本质特征。在此分别采用HU不变矩、Zernike不变矩和该文提出的复合不变矩分别对塑料平板图片进行特征提取,反应出复合不变矩具有平移、尺度和旋转不变性。结果表明它能提供更全面特征信息,具有较高的抗噪能力,是行之有效的特征参数。     

基于纹理特征的图像检索

构造了具有旋转、平移和尺度不变的纹理特征,进而提出基于纹理图像检索算法.首先,根据角向矩极大原理将检索图像进行坐标校正,得到图像旋转不变的表示;然后,利用平移和尺度不变小波对检索图像进行分解,得到具有平移、旋转和尺度不变的小波分解系数;最后,采用各尺度的小波能量值刻画图像的纹理性,并针对特征向量内部进行高斯归一化,根据欧氏距离计算不同图像间的纹理相似度.基于内容的图像检索(CBIR)试验表明,该方法具有旋转、平移和尺度不变性,与其它方法相比,具有较高的检索率.     

基于Radon和小波变换的图像检索

提出一种基于Radon和小波变换的图像纹理特征检索算法.对原始图像进行坐标系的方向归一化,再对方向归一化后的图像进行Radon变换.根据Radon变换投影数据的几何特性,构造了适合投影数据的具有尺度和平移不变性的小波分解,该小波分解系数具有旋转、平移和尺度不变性.采用图像中各尺度小波系数的能量值作为图像的纹理特征,以此作为纹理特征进行图像检索.基于纹理特征的试验结果表明该特征具有旋转、平移和尺度不变性,与其他算法相比具有较高的检索率.     

改进的统一Hu矩在图像目标识别中的应用

以图像的平移、旋转及尺度变换为研究对象,结合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,进一步改进了统一Hu矩,并证明了改进后的不变矩在离散状态下的不变性。其中针对图像旋转的特点引入权向量的改进发法,并通过实验证明了这种方法极大提高了图像在旋转变换后的识别命中率,使其具有一定的应用前景。     

基于图像不变特征的目标识别新方法

基于飞机目标分析了NM(I归一化转动惯量)、不变矩、轮廓矩三种图像特征的不变性,提出了目标NMI特征提取的新方法。实验表明,基于新方法提取的NMI特征与传统的NMI特征、不变矩提取算法相比,具有良好的平移、旋转、比例不变性,且提取方法简单,易于实现。     

基于不变矩特征的图像识别

针对目标二维形状发生平移、旋转和尺度变换的情况,采用不变矩作为图像识别的特征量.图像灰度变化时,对应的直方图形状基本保持不变.将直方图的统计特征与不变矩相结合,提出了不变矩理论的图像识别方法.通过实验验证,这种方法对图像的亮度、对比度变化不敏感,可以有效地降低光照的影响,能够更准确地对图像进行识别.     

基于多尺度分析的小波不变矩

本文结合小波多尺度分析和不变矩的优点,通过坐标变换和几何规范化等预处理,提出了一种能提供多尺度分析且具有平移、尺度和旋转不变性的矩特征描述子-小波不变矩,并给出了其不变性证明.讨论了不同类型和阶数的小波函数对小波不变矩识别性能的影响.实验结果表明,由合适消失矩阶数的、对称紧支集双正交小波函数得到的小波不变矩具有最佳的分类特性.     

一种基于投影的小波矩及其在图像识别中的应用

该文提出了一种基于图像投影的小波不变量算法。首先将图像投影到一维空间,然后引入一种平移和比例不变自适应一维小波变换,利用该变换获得图像的平移和比例不变特征。由于图像的旋转导致特征矩阵发生行之间的循环平移,该文利用奇异值分解进行研究,得到的奇异值向量具有图像的3个不变性。实验分析表明,本文方法具有较好的图像识别效果。     

基于trace特征的ISAR像空间目标识别

论文提出了一种基于trace特征的逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）像空间目标识别算法.首先将ISAR像进行分割与归一化处理,利用Canny边缘检测、Hough变换方法提取空间目标ISAR像最长轴,确保所提特征具有旋转不变性;然后仅对最长轴所在局部区域进行Trace变换生成空间目标ISAR像的局部trace矩阵,使得所提trace特征满足低维要求;再将trace矩阵每一列向量进行移位对准操作以消除ISAR像平移对识别带来的影响并将其作为空间目标识别的特征向量;最后在特征空间内以最小欧氏距离作为不相似度,采用集成分类器AdaBoost.M2-KNN完成了5类空间目标的分类识别.通过5类空间目标的ISAR数据对该方法进行目标识别验证,并与现有的几种ISAR像特征提取方法进行了对比.结果表明论文所提算法可行有效,可以明显地提高识别率.     

基于空间转换网络的端到端车牌检测与识别

在复杂场景中,许多现有的车牌检测和识别方面 的研究方法存在数据集单一且有限、算法复杂等问题。因此提出了一个端到端的统一网络: 残差-空间变换-连接时序分类融合的 车辆号牌检测识别网络(LPDR-RSCNet)。该网络结合残差神经网络、空间变压器网络和连 接主义者时间分类,联合训练检测和识别模块,以减少中间错误积累。通过在残差神经网络 提取特征过程中引入空间变换网络,使特征提取器具有平移不变性、旋转不变性和缩放不变 性;在分类器引入连接时序分类,可以自动识别图片标签和特征之间的关系。同时,还可以 适应可变长度序列的识别。在中国城市停车场数据集(CCPD)上进行了比较实验,CCPD是一 个大规模、多样的中文车牌数据集。实验证明LPDR-RSCNet模型在实际应用中可实现98.8％ 的识别精度和34 fps的速度,并且相较于YOLO9000、Faster-RCNN、SSD300, 具有更好的检测准确度,可满足智能交通系统中对移动车辆实时车牌检测和识别的要求。     

图像奇异值特征矢量缩放不变性分析及应用

图像奇异值特征矢量以其稳定性和它在转置、平移、旋转和镜像变换下具有的不变性,被认为是一种图像的代数特征,广泛应用于图像匹配和图像识别。通过矩阵运算,证明了奇异值特征矢量在图像做缩放变换时具有不变性,并将这种性质运用于图像匹配。实验结果表明这种不变性与奇异值特征矢量在图像做转置、平移、旋转和镜像变换时所具有的不变性一样,是奇异值特征矢量能够作为图像代数特征的一个重要依据。     

融合奇异值分解和主分量分析的人脸识别算法

提出了奇异值分解(SVD)和主分量分析(PCA)相结合的人脸识别算法。理论上,当两种数据或分类器具有一定的独立性或互补性时,数据融合或分类器融合才能改善识别率。SVD和PCA之间有着明显的互补之处。PCA在图像表示上是最佳的(在均方差意义上),但敏感于位移、旋转等几何变换。而SVD则具有位移、旋转不变性。因此,将这两种方法相结合就有可能提高分类性能(好于单独的SVD方法和单独的PCA方法)。在ORL数据库上的实验表明,SVD和PCA相融合的识别方法的确提高了人脸识别率。     

Rotation moment invariants for recognition of symmetric objects.

In this paper, a new set of moment invariants with respect to rotation, translation, and scaling suitable for recognition of objects having N-fold rotation symmetry are presented. Moment invariants described earlier cannot be used for this purpose because most moments of symmetric objects vanish. The invariants proposed here are based on complex moments. Their independence and completeness are proven theoretically and their performance is demonstrated by experiments.     

融合奇异值分解和线性鉴别分析的人脸识别算法

本文提出了奇异值分解（SVD）和线性鉴别分析（LDA）相结合的人脸识别算法。理论上，当两种数据或分类器具有一定的独立性或互补性时，数据融合或分类器融合才能改善识别率。SVD和LDA之间有着明显的互补之处，LDA在fisher准则下能最大限度地把不同的类别区分开来，但作为一种子空间方法，LDA敏感于位移、旋转等几何变换。而作为一种代数特征提取方法的SVD则具有位移、旋转不变性等优点。因此，将这两种方法相结合就有可能提高分类性能（好于单独的SVD方法和单独的LDA方法）。在ORL数据库上的实验表明，SVD和LDA相融合的识别方法的确提高了人脸识别率。     

基于复合梯度向量的指纹匹配算法

针对接触式指纹识别中存在的非线性形变问题,提出了一种基于复合梯度向量（Composite Gradient Vector,CGV）的指纹匹配算法.该算法首先在经过预处理的指纹图像上建立直角坐标系和第一个基向量,并对指纹图像进行旋转;然后在旋转后的指纹图像上采样基向量,组建向量簇,提取极大梯度向量,并以极大梯度向量为元素组建复合梯度向量;最后以分层标记规则对复合梯度向量进行分层标记,通过对指纹库进行指纹检索、复合梯度向量匹配、维度和梯度匹配,识别出指纹图像.实验结果表明,该方法克服了接触式指纹识别中旋转、偏移、拉伸等问题,有较强的抗非线性形变能力,同时具有较快的识别速度和较高的识别准确率.     

结合手势二进制编码和类-Hausdorff距离的手势识别

针对目前动态手势识别方法受手势旋转、平移、缩放的影响,并解决手势识别的实时性问题,提出一种基于手势二进制编码和类-Hausdorff距离模板匹配的手势识别方法.首先,把分割好的手势图像进行标准化处理,求出标准化图像中的手势主方向,建立二维手势直角坐标系,提取空间手势特征;其次,根据前五帧手势图像中手势像素点个数的变化量识别出动态手势类型;然后,用手势二进制描述子从动态手势类型中再筛选出可能的候选手势集合;最后,用类-Hausdorff距离模板匹配方法从候选手势集合中识别出最终手势.主要创新点在于：提出的动态手势类型识别和手势二进制描述子匹配的方法,大大缩短了动态手势识别的时间;提出的结合手势主方向的类-Hausdorff距离方法,不仅对旋转、平移和缩放手势具有不变性,而且对区分度较小的手势也具有较高的识别准确率.实验结果表明,在光照相对稳定的条件下,该方法能够实时准确的实现动态手势识别,总体识别率达到95%以上,对发生缩放的手势识别率能达到92%以上,对发生旋转的手势识别率能达到87%以上.本文算法已经在一个基于手势的人机交互界面中得到应用.