主轴方法和矩方法相融合的三维物体归一化的识别

针对主轴方法和矩方法各自的特点,提出将这两种方法相融合的物体归一化和识别的新 思想.首先推导出主轴唯一性判别准则,有效地解决了物体取向的归一化问题,然后推导出 了对物体平移、取向和比例变化归一化的3-D不变矩.最后提出由二阶、三阶3-D不变矩组 成的判别向量和识别判据.对12个三维物体进行归一化和识别的实验结果验证了本文方法 的有效性.     

Hu新增不变矩在零水印中的应用

文章提出了一种使用Hu新增不变矩的零水印算法。该方法融合Hu不变矩及其新增的几个不变矩的特征,形成一组更为完备的特征矢量。文章利用这些特征矢量可以更好的构建零水印系统。在模式识别领域中使用这种方法可以实现对目标图像更为准确的识别;在图像检索领域中此方法比单一的Hu不变矩具有更好的检索性能。它不但保持原有Hu矩的平移、尺度、旋转不变性,而且比原有的Hu不变矩包含了更多的细节信息因此可以更全面地描述图像。所以将新增的几个不变矩和7个Hu不变矩应用到数字水印中,在一定程度上可以很好的提高水印系统的整体鲁棒性和可靠性。     

轮廓矩不变量及其在物体形状识别中的应用

为了有效地刻画物体的形状特征，在基于区域的Hu矩不变量的基础上，构造了一种基于物体轮廓曲线的新的矩不变量，即轮廓矩不变量。该不变量不仅独立于物体本身的颜色和灰度级，而且具有平移、旋转和尺度不变性，因此可将轮廓矩不变量应用于物体形状的识别，为了能快速地进行物体形状识别，还讨论了小波边缘检测和轮廓的获取问题及其算法。实验表明，基于这种轮廓矩的识别算法具有很好的识别率。     

基于边界矩和面积特征的零件图像识别方法

本文在研究和分析了零件图像特征提取技术的基础上,利用二值化的零件图像,依据Hu不变矩特征和面积特征相结合,克服了单一特征识别的局限性。从实验结果的对比可以看出,多特征识别减少了误差,具有较好的识别性能。     

相对矩及在几何形状识别中的应用

在计算机视觉中,几何形状的识别具有十分重要的意义,而一般几何形状可以分为区域和结构两类。Hu提出的不变矩是用于区域形状识别的几何特征,但对于结构则因不满足缩放不变的条件而不适用。为此对Hu提出的区域不变矩和Chen提出的区域不变矩快速算法进行了扩展,并定义了对于结构和区域均满足平移、缩放、旋转不变的相对矩,从而统一了区域和结构的矩特征计算公式,而且与Hu的不变矩相比,更具有一般性,利用相对矩进行的识别实验表明,相对矩是对区域、封闭和不封闭结构的形状进行识别的有效特征,尤其在识别封闭和不封闭结构时,比傅立叶描述子等传统方法简便。     

基于遗传规划的SAR图像目标识别

针对SAR图像目标的特征,采用新的Hu不变矩和仿射不变矩的组合作为特征矢量,设计了一种基于遗传规划的SAR图像目标识别算法。该方法不需要数据先验知识,通过自身的学习就能快速发现数据和数学表达式之间的联系。通过对MSTAR数据中的3类目标进行仿真实验,获得了较好的识别率。     

Hu修正不变矩在零水印中的应用

文章提出了一种使用修正后的Hu新增不变矩零水印算法。该算法融合Hu不变矩及其新增的几个不变矩的特征矢量,提出了一种基于Hu修正不变矩的零水印算法。该方法保持了原有Hu矩的平移、尺度、旋转不变性,比原有的Hu不变矩包含了更多的细节信息用于更全面地描述图像。通过对该算法进行了一系列加噪、滤波以及JPEG压缩等仿真实验,结果表明该算法对常规的信号处理和几何攻击在鲁棒性上比原始7个Hu不变矩都有一定的提高。     

曲波变换用于磨粒图像不变矩的提取

曲波变换(curvelet)具有各向异性和良好的曲线奇异性表达能力。为了克服Hu不变矩和不变小波矩在表达铁谱磨粒形貌信息方面的不足,将曲波变换引入磨粒特征提取过程,并与Hu不变矩结合,提出一种基于曲波变换的磨粒图像不变矩提取方法。首先利用曲波变换将图像进行分解与重构,得到不同尺度的子图像;然后提取各子图像的Hu不变矩,获得图像的曲波不变矩;最后将该方法应用于典型磨粒识别,总识别率达到83.33%。实验结果表明,与Hu不变矩和不变小波矩相比,磨粒图像的曲波不变矩能更好地表达磨粒的形貌特征。     

使用离散小波矩和遗传算法的目标识别

提出了一种连续小波矩的离散化算法,用于目标识别中的特征提取。因为可提取的小波矩数量较大,为简化分类器的设计,进一步提出了利用遗传算法（GA）进行自动的特征优化选择。仿真实验表明了离散小波矩的旋转不变性。基于瑞士联邦理工学院计算机视觉实验室的Obj_DB物体数据库,进一步测试了识别性能。结果表明,方法对任意选择的12个物体达到了100%识别率,优于无特征选择的方法和Hu矩特征方法。     

基于双特征匹配层融合的步态识别方法

步态识别是根据人类走路的姿态来进行远距离的身份识别。针对轮廓不完整的图 像和关键帧容易造成部分信息丢失而引起的识别率下降问题,提出一种基于双特征匹配层融合 的步态识别方法。步态既有静态图像特征,又有动态速度变化特征,因此本文提出用匹配层融 合方法将静态的 Hu 矩 6 个不变矩特征和动态的帧差百分比特征融合后进行步态身份识别。首 先对一个周期内的归一化步态图像进行 Hu 矩特征以及帧差百分比的特征提取,将 Hu 矩 6 个不 变矩特征描述成一个特征向量,然后运用匹配层融合算法对 2 个特征进行融合;最后使用 K 近 邻分类器进行身份识别。实验表明,该方法较单一方法能够有效地提高步态识别正确率。     

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.     

一种基于目标边界的不变特征提取方法

提出了一种基于目标边界的不变特征提取方法。导出了用物体角点坐标表示的低阶边界矩的闭合形式,构造了基于边界矩的仿射变换不变量。该方法只需要对物体角点进行简单的代数运算,因此,该方法简单明了,计算量很小。实验结果证明了该方法的有效性。     

Affine moment invariants generated by graph method

The paper presents a general method of an automatic deriving affine moment invariants of any weights and orders. The method is based on representation of the invariants by graphs. We propose an algorithm for eliminating reducible and dependent invariants. This method represents a systematic approach to the generation of all relevant moment features for recognition of affinely distorted objects. We also show the difference between pseudoinvariants and true invariants.     

An automatic method for generating affine moment invariants

Affine moment invariants are important if one wants to recognize the surface of a plane in three dimensions when the orientation of the plane is not known beforehand and only two-dimensional information is available. The notion of generating function is introduced as a simple and straightforward way to derive various affine invariants. By this notion, we can get the explicit construction of much more affine moment invariants. Based on this conclusion, a large set of invariant polynomials can be generated automatically and immediately by the algorithm we have designed. These new affine moment invariants can be applied to recognize the image. Approaches in this paper will improve the practicability of affine invariants in object recognition applications.     

基于不变矩的步态识别

提出了一种利用不变矩进行步态识别的方法。该方法把二维人体空间轮廓信号变换为一维不变矩信号,把人体的步态序列变换为不变矩矢量,对不变矩矢量进行规格化,然后根据规格化不变矩矢量进行步态识别。实验中,本文的方法取得很好的效果。     

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。     

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。     

基于不变矩和BP神经网络的剪纸纹样识别

针对剪纸纹样艺术夸张变形的特点,将剪纸图像进行预处理,提取7个不变矩作为剪纸纹样的特征向量,采用LM算法优化BP神经网络,通过归一化后的不变矩对BP神经网络进行训练,应用训练后的神经网络作为分类器对剪纸纹样进行模式识别,实验证明该方法能够较好地识别有一定艺术变形的剪纸纹样。     

Implicit Moment Invariants

The use of traditional moment invariants in object recognition is limited to simple geometric transforms, such as rotation, scaling and affine transformation of the image. This paper introduces so-called implicit moment invariants. Implicit invariants measure the similarity between two images factorized by admissible image deformations. For many types of image deformations traditional invariants do not exist but implicit invariants can be used as features for object recognition. In the paper we present implicit moment invariants with respect to polynomial transform of spatial coordinates, describe their stable and efficient implementation by means of orthogonal moments, and demonstrate their performance in artificial as well as real experiments.