用谱矩进行不变特征识别

介绍的是一种基于矩不变特征进行识别的新方法。该方法首先消除部分数据的损失对矩的计算的影响，然后利用矩抽取出图象的不变特征，再利用该不变特征进行识别。最后给出了用该方法的对ＩＳＡＲ图象进行识别的模拟结果。     

小波和仿射不变矩的目标特征提取方法研究

不变矩是目标识别中重要而有效的特征提取方法。利用小波矩具有的多尺度、平移和旋转不变性进行特征提取,有较高的识别率。但当拍摄角度不同,图像发生形变,识别效果降低。针对这一问题,提出了一种将小波矩和仿射不变矩相结合用于目标特征新的提取方法,并验证本方法的鲁棒性更高,识别效果更好。     

基于不变矩算法的行人识别方法研究

行人识别对于智能辅助驾驶和智能车辆至关重要.采用一种基于不变矩算法的行人特征提取和识别方法,通过利用不变矩在目标平移、旋转和缩放的不变性,在HU不变矩基础上添加3个表达式,使不变矩包含更多的细节特征,将其作为行人目标的识别特征,利用支持向量机分类器作为主要手段对不变矩进行分类识别,并分析影响识别效果的影响因素.试验结果表明,选择改进的不变矩作为行人特征具有较好的行人识别效果,较高的识别率使行人和非行人能得到有效的识别.     

基于SIMD-MCC的2D图像矩并行算法

在模式识别和计算机视觉中,不变矩发挥着很重要的作用,因为图像在经过平称、旋转和伸缩变换后具有力矩不变的良好特性,直接计算二维图像力矩,需要大量的加法和乘法运算,而乘法运算最为费时。文中提出了一个在ＳＩＭＤ－ＭＣＣ计算机上实现的计算二维图像矩的并行算法。它的基本思想是将一个二维图像矩分解成很多个垂真矩和一个水平矩,利用数据并行性在ＳＩＭＤ－ＭＣＣ计算机上进行计算。这个算法极大地利用了计算的并行性,其     

用不变矩方法解决汽车覆盖件投影轮廓线的分类问题

曲线类型识别是汽车覆盖件模具智能CAD中的一项关键技术，不变矩方法在图像识别领域用非常广泛，本文将改造后的不变矩方法应用于汽车覆盖件投影轮廓线识别，并与神经网络结构起来识别曲线形状，取得了良好的效果。     

不变矩算法的改进与人耳识别技术

由于人耳识别具有不受表情、化妆等影响的独特优势,研究了人耳识别特征技术,对不变矩算法进行了改进,获得6个改进的高阶不变矩特征向量。分别用两种算法对人耳图像进行识别处理,比较两种识别结果。改进后不变矩算法的高阶不变矩具有平移、旋转不变和尺度缩放不变的特性。采用BP人工神经网络对60只人耳图像进行识别验证,正确识别率达到91．8％。     

基于不变矩和神经网络的三维物体识别

为了提高三维物体识别系统的识别率,研究了将三维物体的不变矩作为物体特征,结合改进的BP神经网络应用于三维物体分类识别。理论分析和仿真实验表明,利用三维物体的不变矩特征能够有效地进行识别,对不变矩特征进行主成分分析可以进一步提高识别性能,达到100%的识别率,并降低神经网络结构复杂性和减少训练时间。     

基于特征提取的电气设备红外图像识别算法

针对变电站设备的红外图像特征提取和识别问题,提出了基于不变矩的图像特征提取和识别算法.基于统计学中矩函数的概念,提出了用于表征图像全局特征的图像矩函数,并以二维几何矩为基础,提出了用于图像识别的6个矩不变量参数.通过对中心矩计算方法进行改进,消除了图像变换过程中的计算误差,实现了图像不变矩参数的准确计算.结果表明,所提出算法的综合识别率可达94%,能够满足实际应用需求.     

发电机转子轴心轨迹形状自动识别方法的研究

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,形成轴心轨迹图象,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。     

图像的不变矩特征及NMI特征研究

图像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）特征识别和仿射不变矩特征识别二种图像特征识别方法，通过实验分析该二种识别方法在旋转不变性、缩放不变性、随机噪声不变性上的差异。实验数据显示NMI特征识别方法在三种情况中均具有最佳的不变性特征。     

一种基于小波矩的图像识别方法

研究了一种基于小波矩的图像目标平移、缩放和旋转不变特征提取算法,将不变特征提取算法与BP神经网络结合,组成一个图像识别系统.目的在于提高图像处理的质量,这种方法有更好的实用性.在这个系统中,利用小波矩不变量不仅可以得到图像的局部特征,还增加了对图像结构精细特征的把握能力强的优点,把提取的图像目标平移、缩放和旋转不变特征馈人BP神经网络,完成有监督的不变性模式识别.在实验中,利用该方法对无噪、有噪图像,特别是相似物体图像进行识别,可获得98％的正确识别率;并且将其与一般不变矩特征的算法获得的实验数据进行了对比分析.实验结果表明,该方法在图像识别准确率和抗噪性能上都有较大的提高.     

基于Zernike矩和BP网络的道路交通标志识别方法研究

道路交通标志的背景相当复杂,颜色失真严重并存在不同程度的几何失真现象。不变矩是图像的一种统计特征,具有平移不变性、旋转不变性和比例缩放不变性,被广泛的应用于图像识别中。在研究了Hu矩和Zerni—ke矩基础上,提出基于Zernike矩与BP网络相结合的道路交通标志识别方法。识别过程分别对图像进行了Hu矩和Zernike矩特征提取、BP网络训练与测试、对形变图像进行分类识别。结果表明：基于Zernike矩和BP网络的交通标志识别方法具有很强的抗图像平移、缩放和旋转识别能力,实现简单、训练速度快、识别率高等特点,且识别准确率优于Hu不变矩目标自动识别。     

基于Radon变换的矩不变量及其应用

提出了一种基于Radon变换的新的图像识剐方法。首先构造了二维图像在Radon变换空间的平移和比例矩不变量，基于该矩不变量引入整体平均技术获得了更好的抗噪效果，并根据变换空间数据的特性，提出了利用奇异值分解得到一般意义下的旋转不变量。利用不同的图像库进行识别研究，实验结果指出了两种方法的不同应用条件。’     

基于Pseudo-zernike不变矩的肺部图像特征提取及分类研究

为准确、快速地分析肺部图像的特征,提出了一种基于Pseudo-zernike不变矩的肺部特征分析方法.通过对肺部图像进行预处理和基于Pseudo-zernike不变矩的特征提取,利用具有良好识别性能的SVM分类器对提取的肺部图像特征值做分类研究.实验结果表明,该方法能够很好地表征肺部图像的特征,具有良好的分类准确率.     

基于Pseudo—zernike不变矩的肺部图像特征提取及分类研究

为准确、快速地分析肺部图像的特征,提出了一种基于Pseudo—zernike不变矩的肺部特征分析方法。通过对肺部图像进行预处理和基于Pseudo-zernike不变矩的特征提取,利用具有良好识别性能的SVM分类器对提取的肺部图像特征值做分类研究。实验结果表明,该方法能够很好地表征肺部图像的特征,具有良好的分类准确率。     

用不变矩方法解决汽车覆盖件投影轮廓线的分类问题

曲线类型识别是汽车覆盖件模具智能CAD中的一项关键技术。不变矩方法在图像识别领域应用非常广泛。本文将改造后的不变矩方法应用于汽车覆盖件投影轮廓线识别 ,并与神经网络结合起来识别曲线形状 ,取得了良好的效果     

基于改进BP神经网络车型识别的研究

在分析了BP网络学习算法的缺陷基础上,引入动量项和遗传算法对BP网络学习算法进行改进。利用小波多尺度边缘检测对汽车车型图像进行分割和特征提取,利用矩不变量特征和改进BP神经网络对汽车车型进行自动识别和分类。提高了汽车车型自动识别和分类的速度和正确率。     

一种实用的不变矩计算方法

不变矩是图象的一种统计特征,满足平移、伸缩、旋转均不变的不变性,在图象识别领域得到了广泛应用。但是不变矩的计算是比较复杂的,计算工作量很大,特别是对于数字图象处理起来十分不便,例如由采样数据计算轴心轨迹图象的不变矩。本文提出了一种实用的计算二维图象不变矩的方法,并应用于轴心轨迹图的不变矩的计算。该方法充分利用了Ｗｉｎｄｏｗｓ内存位图功能,使得不变矩的计算不仅简单实用,而且精度较高。     

多重图像轮廓特征结合的步态识别算法

为提高图像步态识别率,研究了一种基于图像轮廓多特征的步态识别算法.该算法首先从图像轮廓的基础上选取了图像步态的3个特征;然后,通过建立不变矩、帧差百分比的动态特征,并结合改进的角度距离的静态特征,实现了图像轮廓特征的提取;最后,通过对传统的K近邻法改进,完成了图像步态识别.实验结果表明:单用静态特征的步态识别率最高为91.94%;结合动态特征,并在改进分类器下获得最高为99.19%的识别率.