基于纹理特征的图像检索

构造了具有旋转、平移和尺度不变的纹理特征,进而提出基于纹理图像检索算法.首先,根据角向矩极大原理将检索图像进行坐标校正,得到图像旋转不变的表示;然后,利用平移和尺度不变小波对检索图像进行分解,得到具有平移、旋转和尺度不变的小波分解系数;最后,采用各尺度的小波能量值刻画图像的纹理性,并针对特征向量内部进行高斯归一化,根据欧氏距离计算不同图像间的纹理相似度.基于内容的图像检索(CBIR)试验表明,该方法具有旋转、平移和尺度不变性,与其它方法相比,具有较高的检索率.     

基于改进的Hu不变矩的图像检索技术研究

提出一种改进的Hu不变矩形状特征描述算法。首先使用Canny算子对图像进行边缘轮廓提取,然后分析传统Hu不变矩的缺点提出一种相对矩与离心率特征相结合的不变矩描述算法,通过实验证明改进后的形状描述算法具有良好的旋转不变性、平移不变性以及尺度不变性,同时对改进前后的检索性能进行实验对比,发现改进后算法的检索性能优于改进前。     

基于Zernike矩和SVM的不变性目标识别

在图像目标识别中,目标图像平移、尺度和旋转不变性是一个重要前提.文中采用稳定性好的低阶几何矩特征实现目标的平移、尺度不变性变换;然后利用Zemike矩提取目标的旋转不变性特征;最后在目标不变特征空间通过支持向量机(SVM)分类器实现目标识别.实验证实了算法的有效性.     

一种基于改进BP神经网络的图像目标识别算法

本文利用不变矩具有平移、旋转和尺度不变性的特点,将其应用于图像识别.提取图像的七个不变矩,然后利用改进的神经网络(BP)进行了图像目标识别算法研究,结果表明此算法具有较好的识别效果,并且速度较快,可以应用于图像小目标的识别当中.     

基于Radon和小波变换的图像检索

提出一种基于Radon和小波变换的图像纹理特征检索算法.对原始图像进行坐标系的方向归一化,再对方向归一化后的图像进行Radon变换.根据Radon变换投影数据的几何特性,构造了适合投影数据的具有尺度和平移不变性的小波分解,该小波分解系数具有旋转、平移和尺度不变性.采用图像中各尺度小波系数的能量值作为图像的纹理特征,以此作为纹理特征进行图像检索.基于纹理特征的试验结果表明该特征具有旋转、平移和尺度不变性,与其他算法相比具有较高的检索率.     

基于图像不变特征的目标识别新方法

基于飞机目标分析了NM(I归一化转动惯量)、不变矩、轮廓矩三种图像特征的不变性,提出了目标NMI特征提取的新方法。实验表明,基于新方法提取的NMI特征与传统的NMI特征、不变矩提取算法相比,具有良好的平移、旋转、比例不变性,且提取方法简单,易于实现。     

基于链码和快速傅里叶变换的轮廓描绘方法

将八方向链码和快速傅里叶变换（FFT）相结合,提出一种新的形状轮廓描述方法。通过链码按顺序搜索物体边界,根据链码值的投影变换与轮廓的关系构造出轮廓的链码函数,对链码函数进行快速FFT,并对傅里叶描述符进行优化,提出了新的傅里叶不变因子描述符（FCFD）。实验结果表明,本文提出FCFD具有旋转、尺度和平移（RSS）不变性...     

结合中心投影和非下采样Contourlet的不变特征提取

在基于形状的目标识别中,提取出鉴别力强且具有不变性的特征至关重要.为了克服目前局部不变特征提取方面存在的不足,提出一种结合中心投影和非下采样Contourlet变换的全局图像不变特征提取算法.算法首先利用中心投影获得图像的广义轮廓表示,其次在相位域中对广义轮廓进行离散傅里叶变换,最后对离散傅里叶系数进行NSCT变换并构造不变特征.实验结果证明了该算法的不变性.     

改进的统一Hu矩在图像目标识别中的应用

以图像的平移、旋转及尺度变换为研究对象,结合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,进一步改进了统一Hu矩,并证明了改进后的不变矩在离散状态下的不变性。其中针对图像旋转的特点引入权向量的改进发法,并通过实验证明了这种方法极大提高了图像在旋转变换后的识别命中率,使其具有一定的应用前景。     

基于对数极坐标变换的目标识别算法

针对二维ISAR像的空中目标识别问题,提出了一种新的识别算法。首先通过对数极坐标变换,将笛卡儿坐标系下的尺度、旋转变换转变成对数极坐标系下的平移变换,然后对新坐标系下的图像进行二维傅里叶变换,利用傅里叶变换模值的平移不变性,得到具有尺度、旋转不变性的特征矩阵,最后与模板的特征矩阵进行矩阵相关,识别分类。用实测数据进行了验证,证明了算法具有较快的速度和较好的识别结果。