Hu不变矩的构造与推广

为了更简洁高效地构造指定要求的不变矩,并判断矩组信息冗余性,推导了实复矩反演关系公式并提出了Hu不变矩构造定理。不变矩多项式和不变矩多项式空间概念的引入,可以赋予不变矩多项式空间代数结构特征。结合组合计数定理,列出了工程上非常实用且没有信息冗余的全部3阶4次不变矩,这是对7个经典Hu不变矩的推广。实验表明,与Hu不变矩的代数不变量构造方法和三角函数系构造方法相比,该构造方法更简洁高效且具有一般性,也更适合判断矩组信息冗余。所构造新不变矩具有较好的鲁棒性,用于图像描述取得了较好效果。     

相位矩不变量

为了克服矩不变量存在的高阶矩计算不稳定和对噪声敏感的问题,提出一种构造相位矩不变量的方法．通过选取正交基构造相位函数,然后将相位函数作为模型函数生成新的矩不变量．该方法可以将矩不变量这种全局不变量与局部特征进行结合．分析和实验结果表明,该方法可以对不变量进行有效的拓展,并且可以取得优于原不变量的检索结果．     

不规则形状图象矩特征的一种快速准确算法

介绍了一种基于边缘点计算矩特征的方法,该算法实现思路清晰,编程实现简单,结果准确,且可应用到其他形状特征的计算中。     

基于小波矩不变量的海上目标识别

针对识别海上目标时不同目标相似性大的特点,将不变矩理论与小波分析相结合,本文引入一种基于小波矩不变量的特征提取法,并且为得到一组局部最优特征组而提出一种结合DB Index准则的特征选择法。在仿真实验中,将小波矩不变量与Hu矩、Zernike矩进行了比较。实验表明,小波矩不变量具有更好的识别效果。     

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．     

基于不变矩和BP神经网络的剪纸纹样识别

针对剪纸纹样艺术夸张变形的特点,将剪纸图像进行预处理,提取7个不变矩作为剪纸纹样的特征向量,采用LM算法优化BP神经网络,通过归一化后的不变矩对BP神经网络进行训练,应用训练后的神经网络作为分类器对剪纸纹样进行模式识别,实验证明该方法能够较好地识别有一定艺术变形的剪纸纹样。     

Combined blur and affine moment invariants and their use in pattern recognition

The paper is devoted to the recognition of objects and patterns deformed by imaging geometry as well as by unknown blurring. We introduce a new class of features invariant simultaneously to blurring with a centrosymmetric PSF and to affine transformation. As we prove in the paper, they can be constructed by combining affine moment invariants and blur invariants derived earlier. Combined invariants allow to recognize objects in the degraded scene without any restoration.     

图像分析中的矩技术

矩技术可广泛应用于图像检索和识别、图像分割、模板匹配、数据压缩、数字水印及运动图像序列分析等领域,近年来其研究取得了较大的进展。为了使人们对这一技术有个概略了解,首先对图像分析中的矩技术进行了较为全面的介绍和评述;然后着重探讨了离散正交矩技术在图像特征表示、图像重建、计算性能等方面的研究现状;最后提出了图像分析中的矩技术目前存在的问题和进一步的研究方向。     

结合SIFT和Krawtchouk矩不变量的图像配准方法

提出了一种基于SIFT和Krawtchouk矩不变量的图像配准方法。通过SIFT关键点检测方法检测关键点;对每个关键点计算其邻域的Krawtchouk矩不变量,并将其构成描述关键点的特征向量;计算关键点特征向量之间的欧氏距离找出相匹配的关键点对。实验结果表明,该算法的配准性能与标准SIFT算法相当,而运算速度比标准SIFT算法有较大程度提高。     

轮廓矩不变量及其在物体形状识别中的应用

为了有效地刻画物体的形状特征，在基于区域的Hu矩不变量的基础上，构造了一种基于物体轮廓曲线的新的矩不变量，即轮廓矩不变量。该不变量不仅独立于物体本身的颜色和灰度级，而且具有平移、旋转和尺度不变性，因此可将轮廓矩不变量应用于物体形状的识别，为了能快速地进行物体形状识别，还讨论了小波边缘检测和轮廓的获取问题及其算法。实验表明，基于这种轮廓矩的识别算法具有很好的识别率。     

不变矩系数拟合的步态识别

根据综合利用步态的静态和动态信息的思想，结合不变矩描述图像几何特性的功能，从步态序列提取不变矩作为步态特征进行识别。采用傅立叶级数描述步态图像序列人体轮廓不变矩的变化，利用遗传算法搜索傅立叶级数的系数，最后再用k近邻分类器对不变矩变化的幅度信息分类。在CMU步态数据库上进行的实验，达到了90%以上的识别率。结果表明，该方法具备很高识别性能，能较好地利用步态的静态和动态信息。     

基于改进小波矩特征的快速无损图像描述算法

为了更有效地利用小波矩不变量算法来快速无损地计算图像特征值, 提出了一种融合Mallat算法的无损采样的新型小波矩不变量算法. 在此基础之上, 结合傅里叶变换的原理及特点, 提出了基于频率幅值谱与小波矩不变量的特征提取方法. 并将改进的小波矩不变量算法与传统使用三次B样条矩的小波矩、Hu矩进行了比较. 实验表明, 改进的小波矩不变量在比传统小波矩不变量算法性能几乎没有损失的情况下, 大大加快了小波矩不变量的计算速度, 并且基于频率幅值谱的小波矩有更强的抗噪性.     

Moment invariants for recognition under changing viewpoint and illumination

Generalised color moments combine shape and color information and put them on an equal footing. Rational expressions of such moments can be designed, that are invariant under both geometric deformations and photometric changes. These generalised color moment invariants are effective features for recognition under changing viewpoint and illumination. The paper gives a systematic overview of such moment invariants for several combinations of deformations and photometric changes. Their validity and potential is corroborated through a series of experiments. Both the cases of indoor and outdoor images are considered, as illumination changes tend to differ between these circumstances. Although the generalised color moment invariants are extracted from planar surface patches, it is argued that invariant neighbourhoods offer a concept through which they can also be used to deal with 3D objects and scenes.     

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。     

基于不变矩的高分辨率遥感图像建筑物提取方法

为了有效地对图像进行特征提取, 利用不变矩算法对IKONOS和WorldView两种高分辨率遥感图像的城市建筑物地区进行提取。首先将图像数据经过Canny边缘检测和标记分水岭分割, 然后在此基础上分别利用胡氏不变矩和仿射不变矩对图像进行特征提取; 最后通过实验结果的评价可以证明在建筑物的特征提取上, 仿射不变矩比胡氏不变矩的提取效果更加显著, 进而也证明了利用不变矩算法对高分辨率遥感图像建筑物特征提取这一方法是可行且有效的。     

采用不变矩傅氏级数表示的步态识别

步态作为唯一具备远距离识别能力的生物测量特征已经受到广泛的关注。步态序列包含人行走的静态和动态信息,综合利用这两方面信息是提高识别性能的关键。为了综合利用人行走的静态和动态信息来提高识别能力,提出了一种用步态的不变矩傅氏级数系数的幅值作为识别特征的步态识别方法。因为不变矩描述了人运动的静态信息,其在整个步态周期提取的特征则蕴含了人运动的动态信息,所以将不变矩作为识别特征用于步态识别。该方法首先计算每帧图像的不变矩;然后采用傅里叶级数来拟合整个不变矩系数序列,并用遗传算法搜索傅里叶级数系数;接着将这些系数的幅值表示为用于分类的特征向量;最后再用k近邻分类器对特征向量进行分类。通过对CMU步态数据库中的4种步态分别进行的实验结果表明,该方法对单独的矩可取得80%以上的识别率,而对级联的矩识别率则可达到90%以上。另外,该方法对部分遮挡也具有鲁棒性。实验结果和性能分析表明,这种结合静态和动态信息的识别方法是有效的。     

基于不变矩的步态识别

提出了一种利用不变矩进行步态识别的方法。该方法把二维人体空间轮廓信号变换为一维不变矩信号,把人体的步态序列变换为不变矩矢量,对不变矩矢量进行规格化,然后根据规格化不变矩矢量进行步态识别。实验中,本文的方法取得很好的效果。     

基于不变矩的人形"头肩像"识别技术

针对实时监控识别人形的要求,提出了一种基于矩不变量的分级识别人形“头肩像”技术。首先从视频帧序列中,采用差分的方法分割出活动目标,对活动目标进行预处理后,根据活动目标轮廓的最小外接矩形宽高比,所定义的轮廓描述符和仿射不变矩,依据所选择的分级差别策略,由实验得出的经验数值,判断运动动目标是人形“头肩像”“正面”还是“侧面”。实验结果表明本方法具有快速,适应性强的特点。