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。     

图像移动与转动的多目标识别处理器

叙述了图像的不变矩特征量特有的三个性质,即当图像移动、转动与大小比例改变时保持其数值不变,提出用光电混合计算处理器提取图像的不变矩特征量,该处理器由全息掩膜、傅氏透镜、CCD探测器和微机组成。实验结果表明,6个印刷英文字母的不变矩特征量的确具有移动与转动的不变性,因而该处理器可以用于图像移动与转动的模式识别。     

一种基于组合矩和小波变换的目标匹配算法

不变矩方法是一种经典的特征提取方法.文中针对纹理细节信息较少的特定目标,首先在七个不变矩的基础上构建了组合矩.该组合矩具有旋转、平移、比例不变性和良好的类间可分离性,大大降低了算法的复杂性、提高了抗干扰能力.为了进一步提高匹配速度,引入多分辨率小波分解,利用低频系数来计算图像的组合矩特征量进行模板匹配.实验表明,对于细节信息较少的目标,该方法是一种具有较高实时性和鲁棒性的目标匹配算法.     

一种基于组合不变矩的新的舰船图像目标识别方法

利用图像的不变矩特征进行目标识别是一种有效的方法.通过比较Hu矩、仿射不变矩和小波不变矩的特点和适用条件,提出了一种运用部分Hu矩、仿射矩和小波矩组合来识别舰船图像目标的方法.仿真实验结果表明,该组合矩对于提高舰船图像目标的识别率是有效的.     

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.     

基于修正不变矩和范数的物体特征识别方法

为了快速而准确地识别出不同类的物体,提出基于修正不变矩和最小范数的物体识别方法,提取物体的不变矩和圆形度特征,利用泛函分析中的范数理论对不同形状的物体进行识别,方法简单,识别速度快,并且识别率较高.仿真结果表明该方法对物体的平移、旋转、缩放都具有不变性,从而验证了该方法的有效性.     

图象匹配时矩的高效算法

用不变矩作为相似度度量进行图象匹配，可减少图象平移、旋转以及比例缩放对匹配性能的影响。但不变矩的计算量大，使匹配速度变慢。本文根据图象匹配的特点，提出了一种适用于图象匹配时的矩的增量算法—IACM算法。用此算法可大大提高用不变矩进行图象匹配的速度。     

一种基于区域不变矩的图像特征关联方法

为了研究多源图像特征关联问题,提出基于区域不变矩的特征关联方法;对经过区域分割后的图像各个区域计算其区域不变矩特征,提出一种区域相似性度量算法,并对计算出的图像区域不变矩进行特征关联。通过对一种飞机二值图像问题进行特征关联的仿真实验,并通过图像形式给出飞机二值图的特征关联结果,验证了该算法的实用性和有效性。该算法可以用于其他类型图像中区域不变矩的特征关联。     

基于小波矩不变量的模式识别方法

为了得到一组局产最优的特征组,提出一种结合分散度和顺序前进法（ＳＦＳ）的特征选择方法。实验结果表明小液矩不变量比Ｚｅｒｎｉｋｅ矩不变量有更好的识别效果,尤其对于形体相似的物体,效果更明显。     

基于不变矩特征匹配的快速目标检测算法

针对采用图像二维不变矩匹配时,计算量大、耗费时间长的缺点,提出了一种基于不变矩特征匹配的快速目标,赢余笔用滤波后的图像直方图不变矩进行匹配,匹配成功后,再用图像二维不变矩进行检验和确认。实验表明,该方法能有效抵抗图像对比度、亮度及旋转的影响,并且大大减少了运算时间。     

A HYBRID METHOD FOR EFFICIENT TARGET RECOGNITION

An efficient target recognition method for remote sensing image is proposed inthis paper, which is based on moment invariant and support vector machine. First, seven Hu'sinvariant moments are extracted as a feature vector. Then,a support vector machine is used torecognize targets of planes and ships on binary remote sensing images. The experimental results     

一种有效的遥感图像目标识别方法

本文提出了一种基于矩不变量和支持矢量机对遥感图像中的目标进行识别的方法，该方法提取目标七个Ｈｕ矩不变量作为特征矢量，应用支撑矢量机方法对其进行分类识别，结果表明，这一方法对仅含有目标和背景的遥感图像具有很好的分类识别结果。此外，我们发现对于不同的图像，其二值化取值范围对识别结果有着直接的影响。     

一种基于不变矩和BP网络的目标识别方法

为了有效地提高旋转、尺度变化目标的识别率,首先提取目标图像的不变矩,以此作为目标识别的特征向量,然后利用将附加动量项与自适应学习速率相结合的改进BP算法实现对目标的分类识别.字符图像仿真实验表明,这种针对旋转、尺度变化目标的识别方法是有效的,可行的.     

基于矩特征的三维飞机目标识别

本文介绍了利用矩特征从二维数字图像识别三维物体的方法。利用不变矩和标准矩对五种不同的飞机目标进行了识别，比较了这二种特征的性能，并且分析了特征数目对识别正确率的影响和矩特征在离散情况下的尺度拉伸不变性。研究结果表明利用三阶标准矩并结合方差平衡的特征处理技术可有效地实现对目标的识别。     

基于组合不变矩特征的空中目标识别方法

根据NMI特征和Jan Flusser提出的仿射不变矩各自的特点和适用条件,提出了一种组合不变矩.利用组合不变矩提取图像的不变特征向量,并结合Fisher线性判别准则,实现了对空中目标的Fisher线性判别器(FLDA)的分类识别.同时,考虑到识别的快速性方面,对FLDA进行了改进,提出了主分量分析(PCA)与FLDA相结合的识别算法.仿真实验结果表明,该方法具有较高的识别精度和速度.     

Translation, rotation, and scale-invariant object recognition

A method for object recognition that is invariant under translation, rotation and scaling is addressed. The first step of the method (pre-processing) takes into account the invariant properties of the normalized moment of inertia and a novel coding that extracts topological object characteristics. The second step (recognition) is achieved by using a holographic nearest-neighbor (HHN) algorithm, in which vectors obtained in the pre-processing step are used as inputs to it. The algorithm is tested in character recognition, using the 26 upper-case letters of the alphabet. Only four different orientations and one size (for each letter) were used for training. Recognition was tested with 17 different sizes and 14 rotations. The results are encouraging, since we achieved 98% correct recognition. Tolerance to boundary deformations and random noise was tested. Results for character recognition in “real” images of car plates are presented as well     

基于双正交小波变换的矩不变量

寻找相对于尺度、平移、旋转不变的小波不变量是多尺度分析在模式识别中的关键问题.矩是一种理论和应用上比较成熟的方法,本文将矩与多尺度小波分解的近似系数联系起来,利用空间基函数的双正交性推导得到了双正交小波矩不变量,并用实验验证了结果的正确性.同时以Haar小波为例对结论中的限制条件进行了理论分析和实验验证,结果表明可以计算高于平滑阶数的小波矩,且计算精度符合要求.由此获得了比较完善的理论和实验结果,最后指出了它在实际应用中所需注意的问题.     

Radial Tchebichef moment invariants for image recognition

Radial Tchebichef moments as discrete orthogonal moments in the polar coordinate have been successfully used in the field of image recognition. However, the scale invariant property of these moments has not been studied due to its complexity of the problem. In this paper, we present a method to construct a set of scale and rotation invariants extracted from radial Tchebichef moments, named radial Tchebichef moment invariants (RTMI). Experimental results show the efficiency and the robustness to noise of the proposed method for recognition tasks.