基于伪Zernike矩归一化的人脸特征提取方法

以改进的伪Zernike矩相关知识为基础,提出了一种新颖的人脸识别特征提取方法。该方法在识别时不需要进行几何校正,降低了人脸识别系统的算法复杂度。计算人脸图像的伪Zernike矩,对其进行归一化处理,采用最小邻近分类器进行判别。实验结果表明,该算法不受人脸尺度和旋转变化的影响,并且对表情、姿态和光照具有较强鲁棒性。进一步探讨了伪Zernike矩在人脸识别方面的应用。     

伪Zernike矩的不变性分析及其应用

本文从几何矩的概念出发,详细介绍了Zernike和伪Zernike矩。然后重点分析了伪Zernike矩的旋转、位移及尺度不变性。本文利用脱机手写签名图像对此进行了验证,实验结果证明了其不变性特征。故本文提出利用伪Zernike矩来进行脱机手写签名图像的特征提取。     

几何误差和数值误差最小化的Zernike矩

形状特征提取和表示是基于内容图像检索的重要研究内容之一.提出一种几何误差和数值误差最小化的Zernike矩方法,并且把这种方法应用于形状特征提取和表示.该方法把图像中的兴趣区域映射到单位圆里,通过计算变换后图像在Zernike多项式上的投影来取得Zernike矩,并且通过把心理生理学的研究成果引入Zernike矩的计算过程来提高系统的检索性能.通过实验对传统Zernike矩方法、几何误差和数值误差最小化的Zernike矩方法进行了比较,发现从重构角度采用几何误差和数值误差最小化的Zernike矩方法优于采用传统Zernike矩方法.而从检索角度采用几何误差和数值误差最小化的Zernike矩方法的系统比采用传统Zernike矩方法的系统具有更好的检索性能.     

基于仿射包和伪Zernike矩的视频人脸检索

近年来基于视频的人脸检索已成为人脸识别和检索领域最为活跃的研究方向之一。提出了一种基于仿射包结合伪Zernike矩特征的视频人脸检索算法（FRIVAP）。在视频中检测跟踪到人脸生成图像集,接着提取图像集中人脸的伪Zernike矩特征,建立特征的仿射包,通过相似度计算得到结果。经对Honda/UCSD视频数据库和自行构建的视频数据库的大量实验表明,该算法可以充分利用视频中人脸的时间和空间信息,并且对噪声、人脸姿势变化等条件下的人脸检索有较强的鲁棒性。     

伪Zernike矩特征在图像重建中的应用

简单介绍了描述图像形状特征的伪Zernike矩,给出了伪Zernike矩的定义;在讨论伪Zernike矩性质的基础上,指出可以使用基于伪Zernike矩的形状特征数据来重建图像,阐述了基于伪Zernike矩的形状特征数据进行图像重建的理论基础;实验结果证明了基于伪Zernike矩进行图像重建的可行性。     

基于Gabor变换和Zernike矩的人脸特征提取方法

针对目前常用的三种人脸特征提取方法中存在的识别率低、抗噪性较弱的问题,提出一种基于Gabor变换和Zernike矩的人脸特征提取方法.该方法首先对人脸进行多分辨的Gabor变换,然后利用Zernike矩获得具有平移、尺度、旋转不变性的特征,并用线性判别分析(LDA)方法进一步进行特征选择,最后采用K最近邻分类方法进行人脸的识别.实验结果表明,在与常用的三种人脸特征提取方法的比较中,该方法具有更高的识别率和更强的抗噪性能.     

基于Zernike色度分布矩的彩色图像检索算法

以对立色度空间及Zernike矩理论为基础,提出一种基于Zernike色度分布矩的彩色图像检索方法。该方法首先将彩色图像从三维RGB颜色空间转换到二维对立色度空间,以获得图像像素的色差度量值。然后结合Zernike矩相关知识,在二维色度空间中计算出各像素的Zernike色度分布矩,最后将Zernike色度分布矩作为图像颜色特征,并进行彩色图像检索。仿真实验表明,该算法能够准确高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率。     

一种可有效抵抗几何攻击的鲁棒图像水印算法

伪Zernike矩(Pesudo-Zernike Moments)是一组正交复数矩,其不仅具有旋转不变性、更低的噪声敏感性,而且还具有表达有效性、计算快速性以及多级表达性等特点.以伪Zernike矩理论为基础,提出了一种可有效抵抗几何攻击的数字图像水印新方案.该方案首先结合伪Zernike矩的旋转不变特性,计算出原始载体图像的伪Zernike矩;然后选取部分低阶伪Zernike矩;最后采纳量化调制策略将水印信息嵌入到伪Zernike矩幅值中.实验结果表明,该数字图像水印方案不仅具有良好的透明性,而且具有较强的抵抗常规信号处理、几何攻击等能力,整体性能优于Zernike矩图像水印方案.     

一种改进和提取Zernike特征矩的方法

数字图像的离散性使Zernike矩的计算存在误差,降低了特征描述能力。采用一种方圆转换方法将矩形图像转化为抽象的圆形图像,计算转化后图像Zernike矩,改进Zernike矩的计算方法,从而减少计算误差,提高计算速率,提高Zernike矩的特征描述能力。同时根据统计理论,提出一种规范的特征提取方法。经车牌字符识别实验验证,改进方法能够很好地提取图像特征,用于模式识别。     

基于小波包和Zernike矩特征提取的车牌字符识别

提出了一种基于小波包和Zernike矩特征提取的车牌字符识别方法。首先针对数字字符特殊的字体结构,采用了数学形态学方法进行滤波处理。预处理后,对待识别字符进行三层小波包分解,获取第三层各节点小波包系数;同时对小波包分解后的第二层各节点进行重构,并分别计算重构后所得图像的Zernike矩;最后对获得的小波包系数和重构后所得图像的Zernike矩所组成的特征空间进行降维处理,并利用BP神经网络对车牌中的数字进行识别。实验结果表明,该方法效果良好。