基于小波计算的平面物体射影不变性的识别

利用非均匀有理B样条从单幅图像中提取平面物体在射影变换下的几何不变特征,建立经典框架.讨论用小波计算框架的一维和二维特征不变矩的方法以减少计算量.实验结果表明所选取的特征不变量和算法有较小的计算量,对二维平面物体的识别有很好的性能,特别是允许景物中有部分的遮挡物存在.     

基于小波计算的平面物体射影不变性的识别

利用非均匀有理B样条从单幅图像中提取平面物体在射影变换下的几何不变特征,建立经典框架.讨论用小波计算框架的一维和二维特征不变矩的方法以减少计算量.实验结果表明所选取的特征不变量和算法有较小的计算量,对二维平面物体的识别有很好的性能,特别是允许景物中有部分的遮挡物存在.     

基于小波计算的平面物体射影不变性的识别

利用非均匀有理B样条从单幅图像中提取平面物体在射影变换下的几何不变特征,建立经典框架。讨沦用小波计算框架的一维和二维特征不变矩的方法以减少计算量。实验结果表明所选取的特征不变量和算法有较小的计算量,对二维平面物体的识别有很好的性能,特别是允许景物中有部分的遮挡物存在。     

基于线不变矩和封闭性的遥感图像港口识别

针对遥感图像中的港口目标识别问题,本文提出了一种基于海岸线不变线矩特征与港口海岸线封闭特征结合的识别算法。首先采用边界寻找和阈值分割的方法进行海陆分割和海岸线的提取,然后通过封闭性检测确定港口区域和属于港口区域部分的海岸线,将封闭度和线不变矩特征组成的特征谱作为识别港口的依据,最终实现了对港口的识别。实验结果表明,该算法能够准确地识别遥感图像中的港口目标。     

模糊理论与BP网络在目标识别中的应用

针对利用神经网络进行目标识别时特征向量选取中存在的一些问题：如特征向量选取不当，导致不同目标特征向量值可区分性差；相同目标由于大小、平移、旋转角度的不同，导致特征向量值具有较大差异等，首先对样本图像边缘提取，然后对已有的隶属函数进行改造，提出了一种基于模糊理论的阈值分割法，把图像二值化处理，提取出样本图像中目标的边缘轮廓，对其取不变矩．并归一化不变矩．为了避免不变矩数值过小，对其取对数，以此作为BP网络的输入特征向量，进行训练和识别．试验表明该方法能快速有效地识别出目标．     

基于边界不变特征的扩展目标识别方法

提出一种新的以边界不变矩作为识别特征,运用BP网络识别扩展目标的方法。首次通过详细的理论证明和实验分析,揭示了离散边界不变矩不再具有严格的比例不变性,而位移和旋转不变性保持相对稳定,并对该不变矩作为识别特征的误差进行了深入分析,给出了正确计算边界不变矩的途径。在此基础上,以该边界不变矩作为识别特征,输入BP网络,采用合理的网络结构,实现对发生位移、旋转和尺度变化的扩展目标的识别。边界不变特征的引入,减少了数据运算量,实验结果表明,识别率达到95.9%。     

基于线性不变矩和角度向量的立体匹配算法

针对室内场景双目立体匹配有别于一般场景立体匹配的特殊性,提出了一种计算简便、准确度高的立体图像匹配算法.该算法首先利用canny算子检测物体的边缘,根据边缘的线性不变矩寻找出目标物体,然后提取出目标物体轮廓的特征点,利用角度直方图计算出左右图像的旋转角度,最后利用角度向量实现左右图像的对应像素点的匹配.线性不变矩有效地将计算复杂度由二维降低到一维,大大降低了计算量.角度向量的提出降低了特征点匹配的复杂度,而且计算简便,准确率高.实验表明,该算法对图像的缩放、旋转、平移均免疫,具有较高的识别精度和良好的抗干扰性,计算效率高于传统方法,有着较高的应用价值.     

基于熵及不变矩特征的图像检索

提出了一种基于熵及不变矩特征的图像检索算法.图像首先被划分为不同分块,结合图像信息熵的概念,提出采用单元熵来描述分块特征,从而将图像转化为由单元熵构成的熵矩阵;在此基础上,利用不变矩来描述该熵矩阵的特征,并在对该特征归一化的基础上用于图像检索.结合不变矩的特性,试验中对算法的尺度不变性、旋转不变性、平移不变性及对噪声的不敏感性进行了验证,试验结果证明了算法的有效性.同时,由于熵的对称特性,算法对于图像灰度的变化也有较强的鲁棒性.     

基于水平集和支持向量机的图像声呐目标识别

本文对基于水平集和支持向量机的图像声呐目标识别方法进行了介绍,这是一种利用声呐技术获得图像,并对目标进行识别的先进技术。水平集法可以根据声呐图像了解目标的大概轮廓,根据不变矩,找到特征矢量,并结合支持向量机,得到识别结果。这种方法有着较高的识别率,应用的范围也比较广,笔者根据自身经验对这种方法的应用情况进行了介绍,希望对相关工作人员提供一定参考意见。     

结合Zernike矩的多尺度模板形状匹配

针对形状匹配中小波表达对起始点依赖的问题,提出一种结合Zernike矩的多尺度模板进行形状匹配的方法。该算法对输入图像进行预处理后提取目标轮廓,经过归一化处理得到目标形状的平移、尺度不变的链状表达,再通过小波变换进行多尺度分析;引入Zernike矩,利用Zernike矩的特性,实现小波表达的旋转不变性,解决了小波变换对起始点的依赖。匹配过程是以小波表达的各阶Zernike矩为特征向量,在由粗到精的尺度上进行的。实验结果表明,对于同一目标,原图像与旋转不同角度的图像的正确匹配率为91％。该算法适用于轮廓较明显的目标。     

小波消失矩与图像消噪效果的关系

分析小波函数的正交性、紧支性、对称性、消失矩等数学特性,研究三种常用小波基(Haar小波,Daubechies小波和Coiflet小波)的消失矩性质,探讨小波阈值消噪算法。在MATLAB6.5环境下选取1～25阶消失矩的Daubechies小波对所选择的图像进行消噪处理,得到图像在不同消失矩下的消噪图像以及小波消失矩和消噪后图像的峰值信噪比之间的关系。     

基于边缘信息的偏振图像融合算法及评价

偏振遥感图像通常都采用强度、偏振度、偏振角来表征目标偏振特性.本文提出的基于边缘信息的偏振图像融合算法是将三幅偏振图像利用离散小波变换把图像分解成不同尺度的低频和高频部分,采用小波区域窗口和子区域窗口统计把小波系数分类成边缘和非边缘系数,通过这些方法进行有效的边缘细节信息提取.在融合处理中,低频图像的小波系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应输入图像小波系数的窗口区域方差来确定融合后高频小波系数.仿真实验结果表明,这样使得融合后的图像细节更真实更丰富,图像的偏振特性体现更为充分,同时减少对源图像的预处理要求,使图像在整体上有较好的视觉效果.从而证明这种方法能够在保留图像微小细节方面获得满意的结果,且算法有效性优于其他的图像融合方法.     

基于平移不变Zernike矩和模块化神经网络的掌纹识别方法

在对掌纹原始图像进行去噪、分割等预处理之后,利用平移不变的Zernike矩特征矢量（TIZMs）作为掌纹特征建立特征库,根据已知分类信息建立样本集。并将问题分解为多个小规模的两类问题,然后采用模块化神经网络（MNN）作为分类器进行掌纹识别。对香港理工大学的Polyu PalmprintDB数据库中的3200个掌纹进行实验,在响应时间和识别精度等方面获得了很好的结果。     

发电机转子轴心轨迹的自动识别及在状态监测中的应用

轴心轨迹是发电机振动状态监测与诊断系统中的一个重要特征,轴心轨迹的自动识别包括形状、进动方向和稳定性三个方面,文中给出了一种自动识别轴心轨迹形状的新方法.首先将采集到的轴心轨迹线图,用边界颜色填充各区域,形成轴心轨迹图像,计算其不变矩特征向量.然后将仿真生成的各种轴心轨迹不变矩特征向量作为参考模式,将实际检测的轴心轨迹不变矩特征向量作为待识别模式,利用关联度进行识别.最后成功地识别了MJF-30-6型发电机在空转、并网正常运行、转子短路10%故障运行、A相接地四种工况的轴心轨迹形状,并揭示了发电机电气故障对转子轴心轨迹的影响.     

基于颜色矩的改进尺度不变特征变换的移动机器人定位算法

针对基于图像外观的移动机器人定位中图像特征提取与匹配实时性和准确性差的问题,提出基于颜色矩的改进尺度不变特征变换分级图像匹配算法。该算法先由颜色矩来排序图像序列,再由改进尺度不变特征变换特征与排序后图像序列精确匹配实现定位。其中,改进的尺度不变特征变换算法以基于采样的迭代搜索算法检测极值点,由Sobel算子计算特征点的梯度方向和幅值,提高尺度不变特征变换算法速度及匹配精度。实验结果表明:改进的尺度不变特征变换算法降低误匹配率约9.2%,特征提取与匹配耗时减少约25.8%;分级图像匹配算法减少尺度不变特征变换特征计算代价约70%,减少总体耗时约43.3%。     

一种小模数齿轮边缘检测效果评价方法

利用机器视觉评定小模数齿轮精度时,在齿轮整体图像中提取的边缘特征信息不能直接描述图像中的单独目标,需要后续识别算法去适应局部的多变特征.为此提出一种基于特征图像的边缘检测效果评价方法来获取丰富的局部图像信息,用于评定小模数渐开线齿轮视觉测量系统中轮廓提取的精度.首先根据齿轮图像中渐开线齿廓边缘的函数特性建立特征图像模型;然后使用基于Zernike矩的亚像素边缘检测算法获取小模数渐开线齿轮特征图像的边缘;最后结合构建特征图像的标准函数,量化特征图像的边缘检测结果与标准函数间的偏差,用以评价边缘检测的效果.实验表明,运用小模数齿轮的特征图像评价基于Zernike矩的亚像素边缘检测算法,渐开线齿廓的检测精度优于0.58pixel.     

一种模糊红外目标边缘和不变特征提取方法

针对红外图像中模糊目标难以分割和识别的情况,提出以小波多尺度滤波分解后的逼近图像作为自适应域值进行图像二值化的方法,由此分割出模糊图像中的目标,提取目标的轮廓边缘.然后,提出一种新的矩计算方法提取目标的不变性特征.实验结果表明,该方法具有很强的抗噪和抗扰性能,能有效提取复杂背景中模糊目标的平移、缩放和旋转不变量,极大提高了运动模糊目标识别的可靠性.     

不均衡训练集特征选择的印刷套准状态识别

目的 针对不均训练集导致印刷套准识别模型无法较好识别印刷套不准图像的问题,提出基于最大相关、最小冗余的印刷标志图像数据特征选择方法.方法 提取印刷标志图像的多维特征数据,计算特征与印刷套准和印刷套不准2类之间的相关性和特征之间的冗余度.确定特征选择的目标函数,通过增量搜索方法寻找最优特征,加入特征子集,实现不均衡印刷标志图像的特征选择.结果 文中的特征选择方法获得了3项不均衡数据分类性能评价指标,A为0.9900,R为0.9400,Gmean为0.9466.结论 在不均衡印刷标志图像套准识别中,文中提出的方法性能优于实验中的未处理方法、PCA方法、Relief方法和NCA方法.     

改进提升小波变换的空间频率比图像融合

提出了一种新型图像融合算法.该算法在提升小波变换的基础上,通过取消其奇偶分裂环节,得到具有平移不变性的非采样提升小波变换.对图像经非采样提升小波变换后的低频分量首先定义一种空间频率比,再通过空间频率比来计算融合因子,然后采用加权与选择相结合的方法对低频分量进行融合.高频分量直接选择一种基于边缘信息的加权融合方法.最后通过非采样提升小波逆变换重构得到融合图像.实验结果显示,该算法相对传统的图像融合算法能更好地描述灰度的突变信息,获得含有丰富细节特征的融合图像.     

于小波变换的等价图割SAR图像配准方法

为改进SAR图像匹配的稳健性和实时性,提出一种基于小波变换的等价图割SAR图像配准方法.该方法首先利用小波变换对图像进行分解,在低频子图像下构造等价图割,克服相干斑噪声干扰,避免NP困难,解决映射函数选取问题,从图像中分割出精确目标.其次利用尺度不变特征变换（SIFT）方法实现目标的特征匹配,降低搜索空间特征点描述,提高实时性.最后通过匹配关系找到变换参数,实现图像精确配准.实验结果表明,该方法能快速而精确地实现SAR图像配准.