基于不变矩特征的图像识别

针对目标二维形状发生平移、旋转和尺度变换的情况,采用不变矩作为图像识别的特征量.图像灰度变化时,对应的直方图形状基本保持不变.将直方图的统计特征与不变矩相结合,提出了不变矩理论的图像识别方法.通过实验验证,这种方法对图像的亮度、对比度变化不敏感,可以有效地降低光照的影响,能够更准确地对图像进行识别.     

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。     

用于不变特征抽取的MADALINE网络的改进和硬件实现

从实时应用的角度计论和改进了ＭＡＤＡＬＩＮＥ神经网络，给出了局部连接型ＭＡＤＡＬＩＮＥ不变网络的算法结构，将算法简化为一般的矩阵运算，提出了通过学习确定固定ＭＡＴ阈值和自适应ＭＡＪ阈值的方法，用硬件实现了处理二值输入模式的局部连接型ＭＡＤＡＬＩＮＥ网络，给出了ＭＡＤＡＬＩＮＥ网络原型与改进型的比较结果。     

基于特征不变矩的签名鉴别方案

脱机手写签名鉴别的主要困难在于有效特征的提取,因此本文主要围绕提取能反映签名本质的特征进行了相关研究。在具体解决签名鉴别时,一方面要考虑签名的静态特征,另一方面寻找动态特征。重点研究了静态特征。提取静态特征时,利用伪Zernike矩的尺度及位移不变性,计算签名图像的0~10阶伪Zernike矩来组成特征向量。在此基础上,对基于上述两种不同特征的加权欧氏距离分类器进行性能比较,并找到了一个有效的数据融合方案。     

一种基于区域不变矩的图像特征关联方法

为了研究多源图像特征关联问题,提出基于区域不变矩的特征关联方法;对经过区域分割后的图像各个区域计算其区域不变矩特征,提出一种区域相似性度量算法,并对计算出的图像区域不变矩进行特征关联。通过对一种飞机二值图像问题进行特征关联的仿真实验,并通过图像形式给出飞机二值图的特征关联结果,验证了该算法的实用性和有效性。该算法可以用于其他类型图像中区域不变矩的特征关联。     

基于小波变换与图像不变矩的遥感图象匹配研究

小波变换具有数据压缩和检测局部突变的能力,而图像空间不变矩对于平移、旋转、比例缩放、灰度对比度变化具有不变性.两者优势的结合不但可以有效减少遥感图像匹配的计算量,而且还可以减弱对于图像采集平台拍摄方位、拍摄距离、角度气象条件等的依赖性,提高算法的实用性.     

基于不变矩特征匹配的快速目标检测算法

针对采用图像二维不变矩匹配时,计算量大、耗费时间长的缺点,提出了一种基于不变矩特征匹配的快速目标检测算法.该算法首先用滤波后的图像直方图不变矩进行匹配,匹配成功后,再用图像二维不变矩进行检验和确认.实验表明,该方法能有效抵抗图像对比度、亮度及旋转的影响,并且大大减少了运算时间.     

基于不变矩特征的红外成像制导跟踪算法研究

随着红外成像制导技术的发展,它对制导跟踪算法的精度和实时性的要求越来越高。制导系统已被要求在20 ms的时间内输出跟踪结果。某些跟踪算法虽然效果较好,但达不到实时输出。经典的制导算法-相关跟踪算法主要基于像素灰度特征进行跟踪,无法解决跟踪过程中由于目标的旋转、膨胀以及仿射变换带来的跟踪点漂移问题。为了解决经典相关跟踪算法无法解决图像旋转时的跟踪稳定性问题以及目标图像急剧膨胀时的跟踪点漂移问题,研究了图像不变矩的特征。利用图像不变矩的旋转-伸缩-平移不变性,选择合适的不变矩特征用于跟踪。通过用归一化的乘法相关函数以及基于相关系数值的模板更新策略设计跟踪算法,解决了复杂背景及强噪声条件下不能对尺寸和形状发生变化的目标进行稳定跟踪的问题。     

融合多重信息的图像局部不变特征描述

以SIFT(Scale Invariant Feature Transform)算法为基础,提出了一种将局部二进制模式(Local Binary Patterns,LBP)描述子和全局上下文(Global Context)信息相融合的图像局部不变特征描述算法,增强了SIFT算法的仿射不变性,以及对处于图像相似区域的特征辨别能力。在特征检测阶段,通过迭代变换,使得SIFT特征点收敛到仿射不变点;在特征描述阶段,为每个特征点计算主方向,分别计算特征点的LBP描述子和全局上下文信息。实验结果表明,提出的局部不变特征描述子对图像仿射、尺度和旋转、光照等变换均具有良好的不变性。     

基于组合不变矩特征的空中目标识别方法

根据NMI特征和Jan Flusser提出的仿射不变矩各自的特点和适用条件,提出了一种组合不变矩.利用组合不变矩提取图像的不变特征向量,并结合Fisher线性判别准则,实现了对空中目标的Fisher线性判别器(FLDA)的分类识别.同时,考虑到识别的快速性方面,对FLDA进行了改进,提出了主分量分析(PCA)与FLDA相结合的识别算法.仿真实验结果表明,该方法具有较高的识别精度和速度.     

基于 Contourlet 变换和不变矩的纹理特征提取与分类

本文提出了一种基于contourlet变换和不变矩的特征提取方法。它首先对图像进行contourlet变换用以多尺度多方向分析,然后提取变换后各子带系数的统计特性和不变矩特征,以构造特征矢量,在此基础上,根据不同子带特征分类能力的不同,对各子带数据的离散程度进行加权处理,为分类能力强的特征量赋予较大的权值,得到新的特征向量,最后利用RBF神经网络作为分类器进行分类。实验结果证明了该方法的有效性和良好的分类能力。     

基于特征点的图像配准技术探讨

图像配准是图像融合、运动目标检测中的关键技术之一.近年来国内外出现了各种新颖的配准算法,但均有各自的应用局限,只能适用于特定的场合.该文章从图像配准的一般原理出发,对目前主流的配准方法进行综合的分析和讨论,归纳其优缺点及其应用场合,并展望了图像配准算法的未来发展趋势,对相关领域的研究具有一定的指导意义.     

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.     

一种可编程Hamming神经网络特征提取器

根据 Ham ming神经网络的工作原理提出了一种可用于手写体数字识别的电流型可编程局部结构特征提取电路 .该特征提取器的模板不仅是可编程的 ,它可根据不同的需要来随时更改模板的内容以适应不同的情况 ,而且其特征合并的方式也是可配置的 ,它可根据不同的需要把所需的特征合并成不同的特征类别 .对于该可编程特征的电路模拟以及用单层多晶、双层金属 1.2 μm数字 CMOS工艺所制作的实验芯片的测试表明该电路能很好地完成特征提取的功能     

小波变换在虹膜图像特征提取与识别中的应用

文章从虹膜图像的灰度直方图入手,分析了虹膜图像的结构及其灰度分布,在此基础上,完成虹膜图像的内、外边缘的定位和归一化;利用小波变换对分区后的虹膜图像进行分解,实现了虹膜的纹理特征提取和识别。实验结果表明,该方法运算速度快,准确度高,能较好的满足虹膜识别的实际要求。     

一种指纹宏观曲率特征提取算法

在自动指纹识别系统中,如何有效的利用大量的指纹脊线弯曲信息是个重要问题.本文提出了一种新算法,通过综合邻近几条指纹脊线的信息,求出了一种能反映指纹宏观弯曲规律的特征.实验结果表明,该算法提取出的特征清楚地描述了指纹脊线的弯曲规律,同时对噪声不敏感,可作为指纹识别的辅助特征.     

基于小波分析的视频图像字符特征提取方法研究

文章提出了一种基于小波变换的字符小波特征向量提取方法。通过对字符图像的小波分解子图求取风格特征向量，构造出字符的小波特征向量。该特征反映了图像字符结构特征和统计特征的综合信息，特征向量稳定、简单、算法快，且特征提取方法具有类人视觉特点。     

基于综合特征和SVM相关反馈的图像检索

提出综合纹理、颜色和形状特征的图像检索方法。首先采用Gabor小波计算ROIs(Regions of Interest)的位置和数目;然后在ROIs中,使用Gabor小波提取纹理特征,采用YUV空间直方图和颜色矩表示颜色特征,使用Zernike矩提取形状特征。为了提高图像检索的准确度,最后采用基于支持向量机(SVM)的相关反馈算法。实验结果表明,提出的方法具有较好的检索性能。