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。     

基于不变矩的轴对称形状识别

物体形状的识别是模式识别与计算机视觉领域中的具有挑战性的问题。Hu矩是有力的工具,论文利用主轴方法和改进的胡氏不变矩,提出了一种新的形状的轴对称性识别方法,试验表明,基于这种方法的识别算法具有很好的识别率。     

利用角点坐标计算图象的矩不变量

本文提出了一种直接利用角点坐标计算形状的方法，并导出了低阶矩的闭合形式，最后给出了计算M．K．Hu提出的七个矩不变量的算法。该算法计算的是经典不变矩的精确值，但大大地筒化了计算。     

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...     

相位矩不变量

为了克服矩不变量存在的高阶矩计算不稳定和对噪声敏感的问题,提出一种构造相位矩不变量的方法．通过选取正交基构造相位函数,然后将相位函数作为模型函数生成新的矩不变量．该方法可以将矩不变量这种全局不变量与局部特征进行结合．分析和实验结果表明,该方法可以对不变量进行有效的拓展,并且可以取得优于原不变量的检索结果．     

形状的不变量特征提取与识别

目的 形状作为图像检索、目标识别等任务中的一种重要线索,一直是计算机视觉领域研究的重点课题。形状识别在实际应用中经常受到视角变化、非线性形变等因素的干扰,导致识别精度较低。针对这一状况,提出一种多尺度的不变量形状描述。方法 方法首先在多个尺度下对形状轮廓进行计算,提取5种不变量特征,以构建对形状的有效描述,然后利用动态时间规整（DTW）算法对形状描述进行匹配,计算形状之间的相似度,以完成形状的匹配与识别。结果 基于不变量多尺度的形状描述对于旋转、缩放、局部遮挡、铰接形变、类内差异,以及噪声等干扰具有很强的鲁棒性。同时,方法被用于对MPEG-7、Kimia99、Kimia216以及铰接形状数据库中的形状进行识别,取得了较高的识别精度,分别为91.79%、95.27%、91.33%,以及89.75%。此外,在MPEG-7数据库中进行形状识别的平均耗时为65 ms,优于大多数同类方法。结论 提出了一种基于不变量多尺度的形状描述方法。该方法能提取形状在不同尺度下的多种不变量特征,对形状进行有效描述,提高了形状描述对几何变换和非线性形变等干扰的鲁棒性以及形状匹配识别精度,适用于大多数应用场景下的目标识别任务。尤其是在旋转、缩放、类内差异、局部遮挡和铰接变形等干扰存在的情况下也能保持较高的识别正确率。     

基于几何矩的CAD模型形状匹配算法及应用

基于矩方法及其理论,提出了一个基于几何矩的形状匹配算法,用于识别CAD模型中具有相似形状特征的几何体.该算法采用一组满足平移、旋转、缩放不变性的几何矩不变量对三维几何体的形状特征进行描述,并根据形状特征向量的相似程度评估几何体之间的相似性.为提高几何矩计算的准确性和效率,对CAD模型的三角面片数据进行了预处理,并采用递...     

基于区域形状与运动特征的实时行为识别

提出了一种基于推广的Hu不变矩特征的实时行为识别方法。首先,对Hu不变矩进行改进,使其在离散情况下同时具有平移、旋转和比例不变性。然后,结合运动目标的速度将目标行为刻画成结合Hu矩新特征和速度特征的13维特性向量。其中,Hu矩新特征表征了行为的区域形状特性,速度特征反映了行为的运动特性。随后采用预先定义的一些行为作为先验知识样本训练支持向量机,并最后使用其对待检测行为进行分类以达到行为识别的效果。所提方法计算效率高,能够实时检测人体行为。在处理实拍视频数据的实验中,该方法表现出了理想的处理效率以及识别精度。     

基于递降阶乘计算的Tchebichef 矩的旋转不变量

传统Tchebichef矩的旋转不变量是用几何矩的旋转不变量来表示的,这就不能避免几何矩冗余信息多、对噪声敏感等缺点。提出了一种新的Tchebichef矩的旋转不变量,用降阶阶乘的性质,将它转化为可以利用Tchebichef矩直接计算的Tchebichef中心矩的线性组合。实验表明,提出的描述子具有更好的旋转不变性。     

基于小波矩不变量的海上目标识别

针对识别海上目标时不同目标相似性大的特点,将不变矩理论与小波分析相结合,本文引入一种基于小波矩不变量的特征提取法,并且为得到一组局部最优特征组而提出一种结合DB Index准则的特征选择法。在仿真实验中,将小波矩不变量与Hu矩、Zernike矩进行了比较。实验表明,小波矩不变量具有更好的识别效果。     

Shape Interpretation of Second-Order Moment Invariants

The decomposition of an image in a geometrical and a textural part has shown to be a challenging problem with several applications. Since the theoretical breakthrough of Y. Meyer, many variational methods and minimization techniques have been proposed for this task. This paper uses a different approach based on low/high-pass filtering with directional filters. This approach modifies the algorithm proposed in Buades et al. (IEEE Trans Image Process 19(8):1978–1986, 2010) improving its performance near image discontinuities while keeping the simplicity and rapidity of a linear model. Comparisons with variational methods illustrate the flexibility of the proposed algorithm. We illustrate how the proposed method is the only one dealing correctly with frame-by-frame video processing.     

ASM中基于不变矩图形畸变主动检测与修正

主动形体模型是可变形模板技术中一种重要的方法,在医学图像分析和机器视觉中得到越来越广泛的应用。但是该方法在图像的匹配过程中,如果目标图像不够清晰或者模型初始位置不理想,会产生畸变的匹配结果。而且该模型没有一个有效的对畸变图形进行检测和修正的策略。提出了一种基于边界矩不变量的主动检测和修正方法,通过引入边界矩不变量,对模型的形体变化进行量化,并根据从训练集中获取的统计信息,对变形过程中的模型形体的变形进行检测和修正。实验结果表明,该方法能够在很大程度上解决匹配过程中的畸变问题,并且相比传统主动形体模型,所消耗的时间增加很少,对算法的效率并不影响。     

基于不变矩的实时人形监测与识别系统

介绍了一种实时监视系统，该系统可以捕获正在进入摄像机镜头的物体，并识别其是否是人类．所采用的主要方法是，预处理其中包含了除背景之外的其它物体的图像，即，去掉背景图像，并得到该物体的形状图像，然后提取其七个不变矩，利用贝叶斯分类器做主要手段对不变矩进行分类，另外采用辅助手段修正分类结果，识别该物体的形状是否为人形，从而判断出是否有人类经过．     

基于不变矩的实时人形识别研究

介绍了一种实时人形识别方法,使用这个方法,可以自动监测进入摄像机镜头拍摄范围内的物体,并识别其是否是人类,其主要步骤包括,首先预处理其中包括含一除背景之外的其它物体的图像,然后提取其7个不变矩,利用贝叶斯分类器作主要手段对不变矩进行分类,最后采用辅助手段修正分类结果,识别该物体的形状是否为人形,从而判断出是否有人类经过.     

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。     

基于几何矩的字母手势识别算法

提出了一种基于提取字母手势的统计特征的方法,计算各手势图像的几何矩,以形成特征空间,并将之应用到手势识别中去。该算法具有旋转、缩放、及平移不变性的特点,并取得了较好的实验效果。     

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.