基于圆投影及直方图不变特征的图像匹配方法

本文在不变矩进行深入探讨的基础上提出了一种基于圆投影及直方图不变特征的图像匹配方法.通过圆投影方法进行预处理,采用圆形模板对待匹配图像进行快速搜索,然后选择三种直方图不变矩作为图像特征量进行匹配.实验表明,该方法有效解决了目标图像和匹配图像之间存在的较大旋转问题,大大减少了匹配时间.     

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。     

Hu新增不变矩在零水印中的应用

文章提出了一种使用Hu新增不变矩的零水印算法。该方法融合Hu不变矩及其新增的几个不变矩的特征,形成一组更为完备的特征矢量。文章利用这些特征矢量可以更好的构建零水印系统。在模式识别领域中使用这种方法可以实现对目标图像更为准确的识别;在图像检索领域中此方法比单一的Hu不变矩具有更好的检索性能。它不但保持原有Hu矩的平移、尺度、旋转不变性,而且比原有的Hu不变矩包含了更多的细节信息因此可以更全面地描述图像。所以将新增的几个不变矩和7个Hu不变矩应用到数字水印中,在一定程度上可以很好的提高水印系统的整体鲁棒性和可靠性。     

基于投影归一化的字符特征提取方法

提出了一种基于投影归一化的字符特征提取方法,该方法首先对字符图像进行横向扫描和纵向扫描生成行投影向量和列投影向量,然后通过对行投影向量和列投影向量进行维数和密度的归一化处理生成双投影归一化向量作为特征向量。聚类和识别实验表明双投影归一化向量不仅计算简单,而且对同种字体不同字号的英文字符识别可达到较好的结果。     

基于直方图不变矩和奇异值分解的图像认证方法

该文提出了一种能够对图像进行篡改检测与篡改定位的新方法。首先对图像进行分块,分别提取每块图像的直方图不变矩,组合起来作为数字水印,然后利用奇异值分解的方法将这些水印嵌入到原图像中。试验结果表明这种算法适用于BMP图像篡改检测,并可准确确定被篡改的位置,并且该算法抗几何攻击性的能力强。     

基于遗传算法的图象不变矩匹配

研究模板和图象间的有效匹配，利用不变矩特征作为检测模板和图象中物体轮廓相似度的测度，同时把遗传算法引入图象匹配识别，并针对简单遗传算法在应用过程中出现收敛过早和早熟现象的问题，采用了一种 改进型遗传算法。该算法和不变矩相结合能有效检测出具有平移、旋转 和尺度变化的物体，该方法可以应用于实际图象匹配和识别中。     

直方图不变矩在零水印中的应用

本文提出了一种使用直方图不变矩抗几何攻击零水印算法。该方法首先对图像直方图进行分析,然后计算该图像的直方图不变矩,最后使用直方图不变矩来构建水印系统。水印提取过程简单,只需计算所得图像的几个直方图不变量。文中给出了实验结果,并与基于几何矩不变量的算法进行了比较。经过仿真实验证明,该方法对于旋转、缩放等攻击具有很好鲁棒性的同时,对于普通的滤波、JPEG压缩攻击也具有很好的鲁棒性,且具有极低误检率。     

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。     

曲波变换用于磨粒图像不变矩的提取

曲波变换(curvelet)具有各向异性和良好的曲线奇异性表达能力。为了克服Hu不变矩和不变小波矩在表达铁谱磨粒形貌信息方面的不足,将曲波变换引入磨粒特征提取过程,并与Hu不变矩结合,提出一种基于曲波变换的磨粒图像不变矩提取方法。首先利用曲波变换将图像进行分解与重构,得到不同尺度的子图像;然后提取各子图像的Hu不变矩,获得图像的曲波不变矩;最后将该方法应用于典型磨粒识别,总识别率达到83.33%。实验结果表明,与Hu不变矩和不变小波矩相比,磨粒图像的曲波不变矩能更好地表达磨粒的形貌特征。     

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。     

基于不变矩特征及SVM的图像识别

该文提出了一种利用不变矩和支持向量机(SVM)对图像进行识别的方法。该方法提取图像的7个不变矩作为特征矢量,对得到的特征量应用支持向量机进行图像分类和识别。该文通过试验验证了此方法的有效性。     

影像匹配定位中的直线倾角直方图不变矩法

针对现有的基于图像直方图不变矩的匹配方法大多不能适应图像存在较大旋转变换的问题,提出直线倾角直方图不变矩的概念,并将其应用到影像的匹配与定位中.该方法采用直线段拟合表示图像边缘,利用直线倾角在基准图与待匹配图上的一致性进行影像匹配.实验结果证明,倾角直方图不变矩可以作为影像特征的描述形式,利用其进行影像匹配与定位是可行的.     

图像直方图不变特征在影像匹配定位中的应用

图像的直方图在影像的亮度及对比度发生变化时,可以保持基本不变.基于此,提出了由图像直方图的不变特征进行影像匹配的算法,使匹配的稳定性提高且大大减少了匹配时间.     

基于不变矩理论线矩法图像特征的提取

传统的Hu不变矩直接针对原图计算,计算量大、实时性不够理想,且受强噪声影响明显,特征描述也不是很准确。文中在不变矩理论的基础上结合Schlick镜面指数简化公式,给出一种将边缘线矩作为识别特征的提取方法。该方法只需对边缘映射图计算不变矩,不必直接在原图上计算,因而避免了不必要的误差,再经过简化指数计算,降低复杂度、减少计算量的同时提高了实时性。最后针对该方法的效率和特征提取性能进行了实验,结果表明该方法快速有效,很好地兼顾了速度与精度。     

一种二值图像分枝矩特征的提取算法研究

文章从图形的树型分枝拓扑不变特性角度,提出了一种应用于图像识别中的新的图形分枝矩特征。把二值图像中的前景点看成是图形顶点,从而运用最小生成树算法获得一颗复杂的树结构,利用拓扑不变性进行树型的化简,最后运用L系统的反演算法获取简洁的产生式。该产生式就代表了图像的分枝矩特征,它与旋转、比例缩放、位移、镜像等等变换无关,具有较强的鲁棒性。     

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。     

基于不变矩和神经网络的常用电气符号自动识别方法研究

工程图纸中电气符号的自动识别是实现电气工程图纸矢量化的基础。提出了提取工程图纸中电气符号的不变特征。把不变特征值输入神经网络进行训练，得到神经网络模型识别旋转、平移、缩放电气元件图元的方法。实验结果表明：所建立的网络模型具有较好的性能。将此方法用于工程图纸的矢量化处理过程，只需识别出电力工程图纸中各个符号的类型，避免了图纸矢量化过程中的跟踪和拟合的过程，因此优化了矢量化流程。