基于Zernike矩的模糊与仿射混合不变量研究

Zernike矩作为形状描述子,其信息冗余度低且对噪声不敏感,在图像特征提取和模式识别中得到了广泛应用。为提高Zernike矩对含有模糊和仿射图像的形状描述能力,提出一种基于Zernike矩的形状描述子,该描述子使用规范化方法构造Zernike矩的仿射不变量,结合Zernike矩的模糊不变量得到Zernike矩的模糊和仿射混合不变量。将该矩混合不变量作为形状描述子描述图像的形状特征,并与几何矩模糊和仿射混合不变量进行对比实验,结果表明,Zernike矩的模糊和仿射混合不变量在混合形变下形状描述能力较强,具有不变性,并且对噪声的鲁棒性较好。     

空间曲率矩不变量的构造及其应用

由于传统的不变量方法是针对位置坐标进行计算,难以识别形状特征有微小区别的3维目标。为了能方便地识别有微小区别的3维目标,首先利用平均曲率来描述空间曲面的固有特征,并将传统的3维矩不变量和曲率思想相融合,构造出了一类新的矩不变量——空间曲率矩不变量;然后通过归一化过程,证明了这类不变量对平移、旋转和尺度变换具有无关性。实验表明,空间曲率矩不变量方法和传统的方法相比,不仅能够更好地对形状相似的目标进行分类,并能降低运算复杂度。     

利用图像相位信息构造的仿射-卷积矩不变量

不理想的成像设备或者成像条件经常会导致图像的退化现象,如相机失焦、相机与场景的相对运动等会使得图像模糊,不同拍摄视角会引起图像中几何形状的变化等.为了实现对退化图像的识别、检索等,利用图像的相位信息构造了一种仿射-卷积矩不变量对这些退化图像进行描述.首先利用高斯卷积变换、仿射变换对图像的模糊、几何变化建模;然后分析图像的相位谱图像在高斯卷积变换、仿射变换下的性质,提出了能同时对高斯卷积变换和仿射变换具有不变性质的不变量计算方法.通过对计算机合成变换的图像、真实拍摄的图像进行检索、识别实验,表明了文中提出的仿射-卷积矩不变量的有效性和适用性.     

形状和颜色变换下图像的Gaussian-Hermite矩不变量

矩不变量是计算机视觉和模式识别领域常用的图像不变特征.现有的形状和颜色变换下彩色图像的矩不变量均基于几何矩构造,因此抗噪性较差.针对该问题,提出了利用基本微分算子和颜色几何基元生成旋转-仿射变换下彩色图像Gaussiaa-Hermite正交矩不变量的方法,所构造的不变量均为Gaussian-Hermite矩的齐次多项式...     

水下机器人光视觉目标识别系统

介绍了一个用于水下机器人的光视觉目标识别系统,描述了该系统的硬件结构和软件体系．论述了水下图像的处理方法,分析了在离散状态下比例因子对不变矩特征的影响,构造了基于不变矩的仿射变换不变量．详细描述了用于目标识别的免疫遗传神经网络的结构和建模．通过对4类实测水下目标的识别实验,证明了所提水下目标识别系统可以用于水下目标识别,并且具有较高的准确性和实时性．     

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。     

具有消失矩的对称紧支撑双正交多尺度分析的构造

依据Lawton条件,并结合传统的消失矩理论,研究了具有消失矩的对称紧支撑双正交多尺度分析的一般构造,同时列举滤波长度为8,消失矩为3的双正交多尺度分析(MRA,Multiresolution analysis)的构造实例.此方法通过求解一个方程组,可以得到含有自由变量的小波系数的关系式,再解决一个线性代数问题,求出自由变量所在的范围,即可构造出双正交多尺度分析.bior3.3小波就可以用此方法构造,且能构造出性质优于bior3.3的小波,将所构造出的小波实例用于图像和信号消噪,仿真结果表明该方法科学有效.     

互为Hilbert变换对的双正交小波构造

证明了两个双正交小波滤波器组构成Hilbert变换对的充要条件，并从理论上说明了两个线性相位双正交小波系统构成Hilbert变换对的必要条件是它们的长度分别为奇数和偶数．在此基础上通过选择合适的小波消失矩和优化过程中的目标函数，提出了一种构造这类Hilbert变换对的新算法．采用该算法不但可以得到系数对称的线性相位小波滤波器组，而且在性能基本相当的条件下，滤波器长度较已有算法大幅度减小（以13／19和12／16小波为例，可以降到约为原来的1／2）．通过适当调整设计参数，还可以得到全为有理系数的小波滤波器，从而进一步减少计算代价．实验表明上述构造得到的Hilbert变换在用于复数小波进行图像去噪时，处理时间可以降低为原来的2／3左右．     

相位矩不变量用于评价基于图像的三维重建结果

基于图像的三维重建的评价一般要在三维扫描仪获取的精确三维模型上进行,成本高、效率低,且不适用于大型的物体或者大规模的场景.针对该问题,提出一种基于图像相位信息不变性的评价方法.首先获取物体的三维重建模型在某视点下的二维投影图;然后对该投影图以及真实物体在相近视点下的图像进行边缘提取;再对2幅边缘图像计算文中提出的相位矩不变量,以构造特征向量;最后通过比较特征向量的距离来衡量重建结果的质量.实验结果表明了该方法对评价基于图像重建的三维面片模型的有效性和适用性.     

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。     

图像不变矩的推广

该文提出了一种快速有效的推导不变矩的方法——三角函数生成法，建立了一种不变矩空间，总结出不变矩的一般构造规律，导出了5个新的不变矩表达式C8～C12其它高阶不变矩表达形式也可采用类似的构造方案．在此基础上还得出多种高阶不变矩的表达通式，讨论了不变矩的反射变换特性．并在实验中给出了离散情况下一些图像不变矩的稳定性比较．利用扩充后的不变矩特征集能更准确地对图像进行分类和识别．     

非函数依赖程序不变量动态检测技术研究

讨论了程序不变量的内涵,研究并建立了程序不变量动态生成系统的理论模型。在该模型中,针对非函数依赖程序不变量动态生成理论、方法和技术进行了阐述。基于数据库的理论提出了一种新的非函数依赖程序不变量动态检测技术,针对各种常见非函数依赖程序不变量类型建立了一系列检测方法。此不变量检测技术通过数据库中提供的SQL条件查询功能,灵活地检测各种常见类型的非函数依赖程序不变量,并且可以根据用户的实际需要随时指定新的程序不变量查询条件。该方法和Daikon等现有的程序不变量检测工具检测方法比较具有明显的特色和优势：第一,基于关系数据库技术,具有良好的可扩展性;第二,使用SQL条件查询功能实现非函数依赖程序不变量检测,检测方法具有很好的灵活性。     

基于结构矩不变量的形状相似性比较

在传统的几何矩定义的基础上进行扩展，给出了结构矩的定义和计算。其实质是对原有几何矩定义中的密度函数经过变换得到新的密度函数。在此基础上定义的不变矩突出或者扩大了形状之间的差别，因而使形状相似性的比较建立在更为可靠的基础上。基于平方变换的实验表明，与传统的几何矩相比结构矩方法具有更好的效果。     

基于Tchebichef不变距的图形识别

论文提出一种新的基于Tchebichef不变距的图形识别方法,Tchebichef不变距通过对图像进行大小归一化、平移处理以及旋转处理并结合Tchebichef正交距得到;利用提出的Tchebichef不变距作为特征进行图形的识别,和采用Hu不变距以及Zernike不变矩的识别方法相比,无论是在无噪声还是在有噪声的情况下都有更高的识别精度;仿真试验证实了本方法的可行性。     

Using self-organizing maps to learn geometric hash functions formodel-based object recognition

A major problem associated with geometric hashing and methods which have emerged from it is the nonuniform distribution of invariants over the hash space. In this paper, a new approach is proposed based on an elastic hash table. We proceed by distributing the hash bins over the invariants. The key idea is to associate the hash bins with the output nodes of a self-organizing feature map (SOFM) neural network which is trained using the invariants as training examples. In this way, the location of a hash bin in the space of invariants is determined by the weight vector of the node associated with the hash bin. The advantage of the proposed approach is that it is a process that adapts to the invariants through learning. Hence, it makes absolutely no assumptions about the statistical characteristics of the invariants and the geometric hash function is actually computed through learning. Furthermore, SOFM's topology preserving property ensures that the computed geometric hash function should be well behaved.     

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.     

Pattern recognition with moment invariants: A comparative study and new results

Moment invariants have been proposed as pattern sensitive features in classification and recognition applications. In this paper, the authors present a comprehensive study of the effectiveness of different moment invariants in pattern recognition applications by considering two sets of data: handwritten numerals and aircrafts.

The authors also present a detailed study of Zernike and pseudo Zernike moment invariants including a new procedure for deriving the moment invariants. In addition, the authors introduce a new normalization scheme that reduces the large dynamic range of these invariants as well as implicit redundancies in these invariants.

Based on a comprehensive study with both handwritten numerals and aircraft data, the authors show that the new method of deriving Zernike moment invariants along with the new normalization scheme yield the best overall performance even when the data are degraded by additive noise.