离散不变矩的比例不变性研究

对离散不变矩的比例不变性进行了分析,指出了离散矩都不具有比例不变性证明中的错误,推导出7个离散矩中φ2~φ7具有比例不变性,φ1不具备比例不变性的结论,并通过实验进行了验证。最后讨论了实际应用中数字图像缩放后导致不变矩计算产生误差的原因。     

基于局部Zernike矩的RST不变零水印算法

旋转、缩放和平移(RST)等几何攻击能够破坏水印检测的同步性,使得水印检测失败。针对此问题,提出了一种基于图像局部Zernike矩的RST不变零水印算法。Zernike矩的幅度具有旋转不变性,再结合图像归一化,使其具有缩放和平移不变性。由于Zernike矩的图像重构效果不理想且重构过程中复杂度高,因此水印嵌入选择零水印方案。实验结果表明,该算法对旋转、缩放和平移(RST)的攻击具有很好的鲁棒性,同时对JPEG压缩、加噪、滤波等常见的图像处理操作也具有很好的鲁棒性。     

三维极半径矩及其在三维模型检索中的应用

提出一种用于三维数据模型检索的三维极半径矩.证明这种矩具有平移、缩放和旋转的不变性.给出18个不变矩表达式,可用于三维模型的比较和识别.实验验证特征向量的不变性.并且,基于这种三维极半径矩的识别算法具有较好的识别率.     

图像识别的RSTC不变矩

分析了对比度变化对Hu矩的影响，构造了一种新的不变矩形式，该矩不但具有通常的旋转、尺度缩放以及平移不变性，同时还具有对比度变化不变性。以三类具有旋转、尺度缩放、平移以及对比度变化（RSTC）的目标图像为例进行了识别仿真实验，结果表明新的不变矩形式消除了对比度变化带来的影响，增强了三类图像的类内内聚性和类间可分性，实验结果证明能够对具有RSTC变化的目标图像进行有效识别。     

基于图像边缘小波矩和支持向量机的目标识别

小波矩结合了矩特征和小波特征,既反映了图像的全局性信息,又反映了图像的局域性信息,并且具有旋转、平移和缩放不变性.利用小波矩与支持向量机进行目标识别,不但解决了图像识别中特征量随图像旋转、平移和缩放而变化的问题,而且提高了对近似物体的识别能力,是解决小样本、近似图像识别的有效方法.     

基于Zernike矩的视频对象零水印算法

针对几何攻击所导致的水印不同步问题,提出了一种结合Zernike矩和图像归一化的有效视频对象水印算法。Zernike矩的幅度具有旋转不变性,缩放和平移不变性通过图像归一化取得。水印嵌入采用零水印方案,解决了基于Zernike矩的图像重构效果不理想和重构过程中复杂度高的问题。实验结果表明,该水印算法对旋转、缩放等几何操作具有鲁棒性,同时对压缩、滤波、高斯噪声等常见的图像处理操作也具有鲁棒性。     

基于极半径曲面矩的三维模型检索

提出一种三维极半径曲面矩,并应用于三维模型检索.三维极半径矩是一种具有平移、旋转和缩放不变性的不变量,将三维极半径矩推广到三维极半径曲面矩获得了新的不变矩,该方法不需要将三角面片表示的三维模型数据体素化,从而提高了计算速度和计算精度.同时,基于这种三维极半径曲面矩的识别算法具有很好的识别率.     

基于Krawtchouk矩的运动目标分类

针对视频监控系统,为了实现对运动目标的有效分类,提高其分类准确率,提出一种基于Krawtchouk矩不变量特征的运动目标分类技术.提取目标图像的低阶Krawtchouk矩不变量来描述目标,确保目标在平移、缩放、旋转条件下的不变性,选用K-means均值聚类算法进行数据聚类,达到准确分类的效果.通过实验验证了该方法的有效性,与应用Hu矩不变量进行分类的结果进行比较,表明了该方法具有较好的分类效果.     

图像特征识别方法研究

图像特征识别的方法及其技术实现系当前模式识别研究领域中最为热门的研究课题之一。本文针对NMI(归一化转动惯量)特征识别、不变矩特征识别和比例特征识别三种图像特征识别方法．通过实验分析了该三种识别方法的缩放不变性、旋转不变性、平移不变性以及不同物体之间的特征差异。实验数据显示NMI特征识别方法具有最佳的识别效果和最快的处理速度。     

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。     

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。     

基于小波矩的车辆特征提取算法研究

车辆目标图像特征提取是智能交通系统中车辆识别与分类的关键问题。在车型提取算法中,矩特征是较为常用的车型特征描述子。针对Hu矩的七个特征分量在数量级上差别较大且受比例因子影响的问题,基于不变矩和小波能量的原理和特点的研究,重点提出了基于小波矩的特征提取算法,并应用于车辆的特征提取。最后的实验对实际车辆图像进行采集,对预处理图像进行小波分解得到三级子图像,对子图像求取修正Hu不变矩,将不变矩作为特征量,利用最小邻距离分类得出识别结果。最后的实验结果显示,通过这种方法提取的特征量具有平移、旋转、比例不变性,能反映目标图像的重要的、本原的属性,与传统Hu矩相比,识别率提高了13.5%,达到了预期的目标。     

基于改进Hu矩算法的AGV字符识别研究

视觉导引AGV以识别标识符为基础实现工位转换。Hu矩算法可以提取字符的特征参数,结合机器学习分类算法,对特征值进行提取并分类,其运算速度快,但是识别准确率低。分析其原理公式,发现由于阶数高导致数值范围大,数据相近度差。基于此,对Hu矩公式进行改进,构造了新的算法。通过对UCI字符数据库进行检测,并在视觉导引AGV平台上进行在线测试,验证了改进后的Hu矩算法可以更快地提取特征值,并大大提高机器学习算法字符分类准确率,说明改进后的Hu矩算法在视觉导引AGV的字符识别上具有较好的实用性。     

模糊边界矩特性研究

研究了图像边界矩的模糊不变性,推导出模糊边缘带区域不变矩中Φ₂^(Fe) ~Φ₇^(Fe)与该图像所对应的清晰图像的边界不变矩Φ₂~Φ₇一致的结论。利用该结论,对模糊图像提取边界不变矩特征时,可不必首先精确提取其精确边缘,方便了边界不变矩特征的提取,提高了边界不变矩特征提取的鲁棒性。仿真实验结果也验证了结论的正确性。     

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。     

基于组合不变矩和神经网络的三维物体识别

在三维物体识别系统中,提出将三维物体的Hu不变矩和仿射不变矩两者的低阶矩组合作为三维物体的特征,结合改进的BP神经网络应用于三维物体的分类识别。理论分析和仿真实验表明组合这两种矩特征进行物体识别,性能优于单独使用Hu不变矩,如果进一步对这两种组合的矩特征进行主成分分析处理,可显著提高系统识别性能,并减少网络的训练时间。     

The revised fundamental theorem of moment invariants

A revised fundamental theorem of moment invariants for pattern recognition which corrects the fundamental theorem proposed by M.K. Hu (1962), is presented. The correction affects neither similitude (scale) nor rotation invariants derived using the original theorem, but it does affect features invariant to general linear transformations. Four of the latter invariants were presented originally by Hu. These are revised to take the correction to the fundamental theorem into account. Furthermore, these four invariants are combined to yield three new invariants, which are additionally invariant to changes in the illumination of an image     

基于区域划分和四元数的彩色图像复制粘贴篡改检测

现有的篡改检测方法中特征点提取不充分会导致篡改检测精度不高,特征点描述符识别率差,针对该问题提出一种基于颜色矩的区域划分和四元数Hu矩的彩色图像复制粘贴篡改检测算法。首先,使用自适应形态重建算法对图像进行超像素分割,通过密度聚类算法对图像自适应划分区域;其次,提出一种关键点提取方法得到均匀的SIFT特征点;然后,在一种新颖的彩色图像四元数表示方法中构建局部高斯金字塔提取Hu矩特征;最后,利用2NN进行特征匹配后,结合Delaunay三角形算法定位出复制粘贴篡改区域。在公共数据集上的实验结果表明,该算法可以更有效地定位篡改区域。     

基于特征向量的SAR图像目标识别方法研究

用于描述区域特征的Hu矩不变量在模式识别中得到广泛使用。然而在噪声影响下,尤其是SAR图像中严重的相干斑噪声,Hu 矩不变量不再保持其完美的性能。以Hu七个矩不变量为基础,结合SAR图像的特点,引入四个仿射矩不变量和SAR图像中目标区域的峰值、均值和方差系数,构成SAR图像中目标识别的特征向量。该特征向量体现了SAR图像区域目标的形状特征和区域的灰度信息。通过对两种不同分辨率下的T72坦克SAR图像的目标识别仿真实验,均获得了较好的目标识别效果,说明所选取的SAR图像目标识别的特征向量是有效的,具有较强的目标识别性能。