基于组合不变矩的空间目标识别

本文针对Hu提出的不变矩和Jan Flusser提出的仿射不变矩的不同特点和适用条件，提出在不增加特征向量维数的条件下，将不变矩的部分分量和仿射不变矩组合成一个新的特征向量即组合不变矩，以用于空间目标的识别，并通过仿真实验进行了比较验证，结果表明组合不变矩对于空间目标的识别是有效的，且在一定程度上提高了识别率。     

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。     

不变矩在车牌字符识别中的应用

为了克服车牌字符的倾斜和相似字符间的误识别对字符识别带来的影响,提出了一种基于不变矩的匹配算法.利用不变矩的旋转不变性克服字符倾斜带来的影响.对不变矩算法进行改进,增加了5个新的不变矩量,包含了更多的细节特征,并用原点矩代替中心矩,减少平移不变性带来的误差,解决了相似字符间的误识别.实验证明了方法的正确性和可行性.     

一种改进的不变矩特征与物体识别

引入了一种改进的不变矩特征表示方法。不变矩特征通过7个不变矩量很好地表征了图像的局部结构信息;通过压缩不变矩的值,得到了更优秀和实用的特征表示。改进的不变矩表示方法进一步包含图像的全局结构信息。实验结果表明,改进的不变矩比不变矩有着更好的识别效果,比现有的物体识别方法有着更大的优势,其易于执行,省去了参数调节,且效率高。     

用于模式识别的极半径不变矩

提出了用于目标物识别和分类的极半径不变矩，对目标物进行分割后，先求出目标物的形心，进而求出极半径矩、归一化矩和归一化的中心矩，在此基础上，给出了5个具有平移、旋转和尺度变换不变性的特征量用于物体形状的识别，文中给出了这些不变矩的特性，并给出了极半径不变矩和边界序列矩以及Hu提出的不变矩的实验比较结果，该文提出的极半径不变矩，既可用于区域目标的识别，也可用于边界形状的识别。     

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．     

基于混合不变矩的步态识别

基于步态的身份识别是近几年出现的一种新的生物识别技术.将Zernike矩应用到步态识别中,同时利用小波矩的局部辨析能力,将两种矩结合起来作为识别特征,从而提出一种基于混合不变矩的步态识别方法.为了减少特征向量维数的增加带来的计算复杂度,采用一种改进的BP神经网络用于识别,在保证分类效果的基础上减小计算复杂度.实验结果表明,基于混合不变矩的步态识别方法在识别率上优于基于单一不变矩的方法.     

基于不变矩特征和神经网络的人脸识别模型

不变矩是图像的一种统计特征,具有平移不变性、旋转不变性和比例不变性,广泛应用于图像识别。该文将图像矩阵的不变矩作为识别特征,建立了人脸识别模型。将人脸图像经过不变矩特征提取、不变矩矢量标准化及不变矩矢量排列处理后,运用BP网络进行识别,经过竞争选择,获得识别结果。利用ORL人脸数据库进行仿真实验,结果表明,该文的人脸识别模型实现简单、识别率高、训练速度与识别速度较快、便于实时实现。     

统一Hu矩及在电视图像目标识别中的应用

分析了在离散状态下比例因子对不变矩特征的影响,扩展了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,构造了一种新的不变矩,统一了基于区域和边界的矩不变量公式,并满足离散状态下的比例不变性,比传统的不变矩更具一般性。将其应用到电视图像目标识别中,仿真结果表明,不变矩不变性好,识别率高,实时性好,具有一定的应用前景。     

基于仿射不变矩的三维多面体特征匹配识别

提出一种应用仿射不变矩识别三维多面体的新方法。通过用单幅二维图像信息,利用仿射不变矩和多面体结构图相结合的方法,实现对三维多面体目标识别。后面的房屋识别实验表明,该方法具有很好的有效性和稳定性。     

矩特征的一种快速算法

介绍了一种基于边界点计算形状矩特征的算法,并采用该算法计算了目标的形状特征。结果表明该算法比传统的矩特征计算方法是具有高的运算速度。     

基于形状不变矩和多分类器的储粮微生物识别

运用柔性形态学进行图像边缘检测,然后采用改进的7个形状不变矩对储粮微生物中的四种主要细菌进行了特征提取,并使用多分类器来进行分类,提高实际应用的识别率.实验取得理想结果,说明改进的形状不变矩能够满足储粮微生物显微图像的识别要求.     

基于改进的阶次规正不变矩小目标识别新方法

提出了一种基于改进的阶次规正不变矩卫星图像小目标识别方法。首先将卫星图像分割成子块，以图像灰度方差描述子块图像特征，应用所提出的子块合并理论进行分类，减少了卫星图像识别的计算量，大大降低了误判率。提出了改进的阶次规正不变矩理论，并将其应用于小目标物体识别中。以改进的阶次规正不变矩特征作为检测模板和待识别小目标图像相似度的测度，有效区分了小目标物体间的较小差别并解决了由噪声所造成的不封闭性问题；同时将GA理论引入图像匹配识别中。实验结果表明：所提方法识别率可达96．67％，该方法的提出对于图像自动识别具有非常重要的现实意义。     

一种基于多区域不变矩的步态识别方法

步态识别是一种新的生物识别技术，它通过人行走的姿势来实现对人身份的鉴别。本文提出了一种基于多区域不变矩的步态识别方法，将视频序列中检测出的步态侧影分为五个子区域，提取每个子区域的不变矩特征并计算步态序列中不变矩的变化特征，从而构成描述步态序列的特征向量。最后的实验表明，提出的方法具有较好的识别性能，是一种有效的步态识别方法。     

具有线性加法复杂度的二值图象不变矩计算方法

不变矩方法是模式识别的一个重要方法,然而由于不变矩计算复杂,从而限制了它的应 用.本文运用格林定理,将不变矩计算由平面域转化为曲线域.在此基础上,提出了边界跟踪 迭代的不变矩计算方法.新方法不仅不需要乘法,而且加法次数亦从O(N2)降低到O(N).     

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.     

基于不变矩的人脸识别方法的研究

人脸识别是模式识别与计算机视觉领域中的一个重要的研究课题 ,在公安、交通、银行、海关以及安全系统等领域有着广泛的应用前景。该文提出了一种基于小波及不变矩矢量的人脸识别方法。利用小波变换减小或消除了表情因素对人脸识别的影响 ,然后利用不变矩矢量作为人脸的特征来进行人脸识别。我们采用了支持向量机和最近邻分类器作为分类器 ,在ORL人脸数据库的基础上进行了测试。实验取得了良好的效果 ,证实了算法的有效性。     

基于矩-傅里叶描述子人脸图像识别

本文介绍了在Radon变换下的图像矩特征的抽取方法，并得到图像的矩特征矩阵；进而对矩特征矩阵按行向量进行傅里叶变换组成矩－傅里叶描述子特征矩阵，采用矩阵的加权欧氏距离作为人脸图像的匹配识别的算法，产生较好的结果。     

基于不变矩与证据理论的飞机序列图像识别

D—S证据理论是一种决策级信息融合方法,能够综合各信息源。为了提高对飞机序列图像进行识别的能力,增加信息可信度,提高系统容错能力,提出一种不变矩与D—S证据理论相结合的方法,对飞机序列图像进行了识别。通过构造飞机图像的模板库,对于待识别的图像提取不变矩特征,提出了两种通过不变矩特征构造基本置信函数,然后运用D—S证据理论进行融合,得到图像的识别结果。通过实验,比较了两种不变矩特征和三种构造函数对识别结果的影响,并将其结果与支持向量机、神经网络的仿真结果相比较。实验结果表明方法是有效且可行的,识别概率优于其它的方法。