基于不变矩匹配的人耳识别

人耳识别技术是一门新型的个体生物识别技术,头部转动是影响人耳识别的重要原因之一.本文提出一种基于加权高阶不变矩特征方法的人耳个体生物识别系统,并初步建立60只人耳图像库.通过实验得出了主要测试数据,识别准确率可达到95%,证明该系统能够克服因头部转动对识别的影响.表明不变矩方法在人耳识别中具有一定优势.     

特征点和不变矩结合的遥感图像飞机目标识别

传统的飞机目标识别算法一般是通过目标分割,然后提取不变特征进行训练来完成目标的识别。但是,对于实际情况比较复杂的遥感图像飞机目标,至今没有一种适合多种机型的分割和识别算法。针对现有识别算法的不足,本研究提出一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的遥感图像飞机目标识别算法。方法：首先,对预处理后的遥感图像和模板图像进行小波变换,在低分辨率图像下采用圆投影特征进行粗匹配,确定候选目标;粗匹配结束后,提取高分辨率图像的多尺度Harris-laplace角点,并画出Delaunay三角网,同时提取出颜色不变矩和Zernike不变矩;然后使用欧氏距离作为这三种特征的相似性度量,并和样本图像进行加权匹配;最后选取欧式距离最小的图像作为最终的识别目标。结果：实验表明,本文算法飞机检测精度比现有算法高2.2%,飞机识别精度比现有算法高1.4%-10.4%。该算法能从遥感图像中精确识别出十大飞机目标,并对背景、噪声、视角变化等多种干扰具有良好的鲁棒性。结论：提出了一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的飞机识别算法,该算法使用了图像的多种信息,包括特征点和不变矩,有效地克服了使用单一特征无法描述多种信息的不足。实验结果表明,本文采用基于特征点和不变矩的飞机识别算法比其他算法具有更强的抗干扰能力和识别精度。     

一种基于Zernike不变矩和改进的Hough变换的图像检索方法

针对基于内容的图像检索为了解决不变矩只关心对象的区域特征,而忽视了图像边界的缺点,提出Zernike不变矩与改进的Hough变换相结合的方法。改进的Hough变换方法充分利用Hough变换空间的统计信息,对形状的仿射变换具有一定的鲁棒性、易并行处理和良好的几何解析性等优点。该算法有效地融合了图像形状的边缘和区域特征。实验结果表明,在图像检索的综合性能上优于Zernike方法以及基于改进的Hough变换的方法,检索速度快,准确率高。     

基于支持向量机和神经网络的实时警报系统

根据芯片生产线等场所的需要和现有人工监控手段以及国外基于支持向量机相关产品的缺陷,该文利用图像的二维矩不变量理论,将实时图像转换成灰度图像后,甩CANNY算子作边缘检测,并计算边缘检测图像的二维不变矩,再利用支持向量机的支持向量回归理论对二维不变矩进行训练和识别,提出了一种基于支持向量机与神经网络的实时警报系统的设计算法,给出了算法实例和结果。从实验仿真结果和实际运行情况来看,算法的效果是令人满意的。     

基于Hu不变矩和BP网络的条形码图像识别方法

针对目前比较流行的一维条形码和二维条形码识别算法存在对几何失真图像的识别准确率较低的问题,提出了一种新的基于不变矩和BP网络的条形码识别方法,提取不变矩特征向量作为特征值输入BP网络,对其进行训练与测试,利用训练好的BP网络对形变条形码图像进行识别,实现了对存在旋转、平移和缩放等几何失真的条形码图像的正确识别.实验结果表明,基于Hu不变矩和BP网络的条形码识别方法具有很强的抗图像平移、拉伸和旋转识别能力,并且具有实现简单、训练速度快、识别率高等特点.     

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。     

一种飞机图像目标多特征信息融合识别方法

提出了一种基于概率神经网络(Probabilistic neural networks, PNN)和DSmT推理 (Dezert-Smarandache theory)的飞机图像目标多特征融合识别算法. 针对提取的多个图像特征量,利用数据融合的思想对来自图像目标各个特征量提供的信息进行融合处理.首先,对图像进行二值化预处理,并提取Hu矩、归一化转动惯量、 仿射不变矩、轮廓离散化参数和奇异值特征5个特征量;其次, 针对DSmT理论中信度赋值构造困难的问题,利用PNN网络,构造目标识别率矩阵,通过目标识别率矩阵对证据源进行信度赋值;然后,用DSmT组合规则在决策级层进行融合,从而完成对飞机目标的识别;最后,在目标图像小畸变情形下, 将本文提出的图像多特征信息融合方法和单一特征方法进行了对比测试实验,结果表明本文方法在同等条件下正确识别率得到了很大提高,同时达到实时性要求,而且具有有效拒判能力和目标图像尺寸不敏感性. 即使在大畸变情况下,识别率也能达到89.3%.     

一种基于Pseudo-Zernike矩和SVM的目标识别快速算法*

为减少Pseudo-Zernike矩的计算复杂度,将系数迭代算法与核函数的对称性相结合,提出了一种新的混合快速算法。与现有的两种快速算法相比较,新算法有更快的计算速度。将其应用到遥感飞机图像库识别中,首先提取图像的Pseudo-Zernike矩特征,然后将其作为支持向量机分类器的输入。理论分析和实验证明,新算法在保持识别准确率的情况下提高了识别速度。     

基于草图局部几何不变矩的图像检索方法

利用草图进行图像检索的难点在于对不同尺度、位置、旋转及形变图像的有效检索。为了更准确地识别并检索不同尺度、位置和旋转的图像,提出一种基于草图局部几何不变矩的图像检索方法（SBIRULGMI）。首先,利用图像的几何特征分别确定各图像的坐标系;然后,在生成的坐标系中对图像进行平均分块并计算各块的几何不变矩作为特征向量;接着,用改进的欧氏距离计算目标图像与数据库图像的相似度;最后,采用蚁群（ACO）算法对按照相似度排序后的检索结果进行优化。所提方法在MPEG-7 shape1 part B图像数据库的检索识别准确率比形状上下文（SC）、边缘分布直方图（EOH）、局部线性高波特征（GALIF）及MindFinder方法平均提高了17个百分点。实验结果表明该方法对不同平移、缩放和翻转的图像有较好的识别效果,对图像一定程度的旋转和形变具有更好的鲁棒性。     

空中回转体目标识别算法的研究

为加强空中回转体目标识别的智能化程度,提高目标识别率,对目标图像的不变矩特征与BP神经网络相结合的空中回转体日标识别方法进行了研究.以给出权值的方式引入Relief算法对目标图像的7个Hu氏不变矩、3个仿射不变矩的识别性能进行科学的评估.选出权值较大的特征量作为BP神经网络的输入特征来训练网络,识别样本.模拟实验表明:引入Relief算法对空中回转体目标不变矩选择的目标识别方案是有效的,应用Relief算法选择出的特征项作为神经网络的输入特征不但减少了特征量提取的采集次数,降低了算法的计算量,而且,可使网络更易于收敛.且提高了目标物的识别率.