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。     

离散状态下的不变矩算法研究

针对R.Y.Wong提出的不变矩算法在离散状态下并不具有比例不变性的情况,本文分析了比例因子对不变矩的影响方式,通过对矩特征实施归一化处理,提出了一种新的不变矩算法,使其具有比例因子不变性,又能保持平移和旋转不变性,并给出了实验结果。     

基于不变矩景象匹配算法

分析基于灰度匹配方法存在着亮度和裁剪误差,提出基于不变矩景象匹配算法,并对矩不变量作如下改进：用原点矩代替中心矩,克服平移不变性给不变矩带来的影响;用圆形测量窗代替方形测量窗消除因旋转而产生的裁剪误差;引入亮度因子,克服基准图和匹配图之间因亮度差异带来的影响;采用金字塔算法减少搜索次数,提高匹配速度。实验表明,基于不变矩下视影像匹配算法具有较好稳定性,匹配准确率较高。     

图像不变矩的推广

该文提出了一种快速有效的推导不变矩的方法——三角函数生成法,建立了一种不变矩空间,总结出不变矩的一般构造规律,导出了5个新的不变矩表达式C8～C12其它高阶不变矩表达形式也可采用类似的构造方案．在此基础上还得出多种高阶不变矩的表达通式,讨论了不变矩的反射变换特性．并在实验中给出了离散情况下一些图像不变矩的稳定性比较．利用扩充后的不变矩特征集能更准确地对图像进行分类和识别．     

基于组合不变矩的空间目标识别

本文针对Hu提出的不变矩和Jan Flusser提出的仿射不变矩的不同特点和适用条件，提出在不增加特征向量维数的条件下，将不变矩的部分分量和仿射不变矩组合成一个新的特征向量即组合不变矩，以用于空间目标的识别，并通过仿真实验进行了比较验证，结果表明组合不变矩对于空间目标的识别是有效的，且在一定程度上提高了识别率。     

基于PC的不变矩实时计算算法

矩和不变矩是工业部件识别和检测的重要特征.几何矩的值必须实时计算.介绍了灰度图像二维几何矩的高效计算.尽管存在许多矩快速计算算法,但不能在没有特殊硬件工具的微机上实时计算.原因是这些快速算法虽减少了计算复杂性,但在计算过程中仍需要大量浮点运算.为了实现在微机上的实时计算,提出的算法将图像分成相同大小的块,每图像块运用定点运算计算各自矩,然后运用浮点运算计算整个图像的矩.这种计算模式不需要近似而是精确计算,然而对于每个图像块不采用变换不容易克服溢出问题,在高效计算各图像块矩过程中使用了改进的Hatamian滤波器.实验结果表明,提出的算法大大减少了浮点运算次数,大大提高了图像矩计算速度.该算法可有效应用于复杂工业部件的实时识别和检测.     

不变矩在车牌字符识别中的应用

为了克服车牌字符的倾斜和相似字符间的误识别对字符识别带来的影响,提出了一种基于不变矩的匹配算法.利用不变矩的旋转不变性克服字符倾斜带来的影响.对不变矩算法进行改进,增加了5个新的不变矩量,包含了更多的细节特征,并用原点矩代替中心矩,减少平移不变性带来的误差,解决了相似字符间的误识别.实验证明了方法的正确性和可行性.     

矩特征的一种快速算法

介绍了一种基于边界点计算形状矩特征的算法,并采用该算法计算了目标的形状特征。结果表明该算法比传统的矩特征计算方法是具有高的运算速度。     

不变矩在模式识别中的应用研究

矩作为模式的特征在二维图象模式识别中应用很广。该文根据Hu矩、Zernike矩、Pseudo-zernike矩、Legendra矩、旋转矩和复数矩的原始表达式,归纳出适用于计算机处理的矩的一般表达式。接着,引出三次B样条小波矩,依照矩的一般表达式与Zernike矩比较它们作为模式特征的辨别力和可靠性,得出与前人不一样的结论。最后,以实验验证之。     

基于三维不变矩的人脸表情识别系统研究

本文提出了基于三维不变矩的人脸表情识别系统研究框架。在对三维人脸表情模型进行预处理及归一化的基础上建立具有平移比例和旋转不变性的三维人脸表情模型的矩不变量特征表示。针对人脸表情分类应用背景采用基于支持向量机的智能学习技术研究实现利用多维度3D-Zernike描述子特征的人脸分析识别系统的建模,基于D-ABC算法的分析识别模型优化,提高模型可靠性和系统的鲁棒性,进而利用该系统进行三维人脸表情数据的分类识别。     

基于不变矩和神经网络的交通标志识别方法研究

在交通标志实时识别过程中，由于参考图像与实测图像不是同时获取的，因此摄像机与被摄交通标志之间的位置难以保证完全相同。于是，所获取的参考交通标志图像与实测交通标志图像之间就可能产生几何失真。几何失真将对于图像识别的结果带来很大的影响。因此，需要寻找一种具有旋转和比例不变性的图像识别方法，以满足实际应用中的需要。针对上述问题，提出了一种基于不变矩和神经网络的交通标志识别算法。实验结果表明，所提出的识别算法具有很好的识别能力。     

一种基于补偿法则的矩的快速算法

由于不变矩对图像的平移放大旋转的不敏感性，因此在模式识别、图像分类、场景匹配等图像处理和分析领域获得越来越广泛的应用．但是，求矩运算过程复杂、计算量大、使它的应用受到限制．基于Delta方法，提出了一种新的基于补偿法则的矩的快速算法．对任意二值图像分解为多条线段，图像的矩就等于所有线段的矩的和．对每一线段，将其左方(或上方)填满．每一线段的矩就等于填充后的线段的矩减去填充线段的矩．这样做的好处在于：一幅图像所有可能横(竖)线段的数目由N^2减少为N．引入一组N大小的数组，将求矩过程中大量重复计算的数据一次计算后存人数组，需要时查数组即得．从而极大地减少了计算量．由于填充后线段规格一致，便于用统一的公式计算且有利于编程．和已有的某些算法仅适用于无凹图像和矩计算结果是近似的相比，该算法计算结果准确，适用于任意复杂的二值图像．列出了已有矩算法运算量的评估，比较而言，所讨论的算法的计算量和用时都优于其他算法．     

基于主目标区域形状不变矩的图像匹配算法

基于不变矩图像匹配虽然克服了性能的不稳定性,在相对平移、旋转尺度变换的鲁棒性等方面具有一定的优势．但由于其计算公式复杂,匹配耗时长,实时性差。针对此提出了一种新的基于主目标区域的形状的图像匹配算法。此算法先取出待匹配图像的主目标区域,通过提取主目标区域的7个矩不变量图像特征,用图像特征向量的归一化欧氏距离表示图像的相似度,并用花朵等图像作为示例图像进行验证,实验证明该算法具有一定的优越性。     

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。     

快速不变矩算法基于CUDA的并行实现研究

不变矩自提出以来被广泛应用于目标识别系统中进行特征描述,这需要能够实时计算不变矩值。虽然人们提出了许多不变矩的快速算法,仍无法在单台PC机上实现不变矩的实时计算。本文分析了基于差分矩因子的不变矩快速算法的并行性,提出了一种基于CUDA（Compute Unified Device Architecture）的快速不变矩并行实现方法,并在NVIDIA Tesla C1060 GPU（Graphic Processing Unit）上实现。对所提出算法的计算性能与普通串行算法进行了对比分析。实验结果表明,本文所提出的并行计算方法极大地提高了不变矩的计算速度,可有效地用来进行实时特征提取。     

基于主目标区域形状不变矩的图像匹配算法

基于不变矩图像匹配虽然克服了性能的不稳定性,在相对平移、旋转尺度变换的鲁棒性等方面具有一定的优势,但由于其计算公式复杂,匹配耗时长,实时性差。针对此提出了一种新的基于主目标区域的形状的图像匹配算法。此算法先取出待匹配图像的主目标区域,通过提取主目标区域的7个矩不变量图像特征,用图像特征向量的归一化欧氏距离表示图像的相似度,并用花朵等图像作为示例图像进行验证,实验证明该算法具有一定的优越性。     

一种基于区域不变小波矩的图像相似匹配挖掘方法

将小波多尺度分析理论与不变矩理论相结合,提出了一种基于区域不变小波矩的图像匹配挖掘算法和逐步求精的跳跃式搜索策略,将该算法与基于Hu矩和自仿射不变矩特征的图像匹配挖掘算法的性能进行仿真对比分析,得到了较好的结果。     

基于形状不变矩的图像检索算法的研究

描述了一种基于Hu形状不变矩的图像全局形状特征提取方法和算法IMS。实验结果表明,使用IMS。算法提取的形状特征向量具有对平移、旋转和尺度变化的不变性,适合于进行图像形状的检索。     

基于PCA和不变矩的三维物体识别算法研究

在计算机视觉问题的研究中,针对基于矩的目标识别算法实时性不高的问题,本文分析主分量分析法(PCA)在目标快速识别算法中的应用,提出基于Jan Flusser仿射不变矩和PCA融合的快速识别方法,即利用PCA在Jan Flusser仿射不变矩的特征空间中进行优化降维,减少了计算量,然后利用一些主流的识别算法对该方法的实时性和准确性进行验证研究。在MatLab平台下的仿真结果表明:本文方法的实时性在欧式距离上提高了23.68%,在概率神经网络上提高了8.7%,在支持向量机上提高了21.01%,准确性只有少量的降低,不改变识别算法的过程,且适合三维物体小角度变化下的识别。     

快速不变矩算法基于CUDA的并行实现

不变矩自提出以来被广泛应用于目标识别系统中进行特征描述,这需要能够实时计算不变矩值.虽然已经提出了许多不变矩的快速算法,但仍无法在单台PC机上实现不变矩的实时计算.分析了基于差分矩因子的不变矩快速算法的并行性,提出了一种基于统一计算架构(CUDA)的快速不变矩并行实现方法,并在NVIDIA Tesla C1060 GPU上实现.对所提出算法的计算性能与普通串行算法进行了对比分析.实验结果表明,所提出的并行计算方法极大地提高了不变矩的计算速度,可有效地用来进行实时特征提取.