Legendre矩的一种有效算法

Ｌｅｇｅｎｄｒｅ正交矩的模式识别、图像分析等许多领域有成功的应用,然而,由于正交矩的复杂性,目前有关正交矩快速算法的研究很少,从而在一定程度上影响了它的应用,对此,作者对Ｌｅｇｅｎｄｒｅ多项式进行了研究,获得了一些新的有效的性质,它们能够显著地减少矩计算中的运算量。     

基于正交Legendre矩的虹膜识别算法

利用正交Legendre矩实现对虹膜图像的特征提取。根据该算法得到的每一位特征向量都包含了图像中各像素点的灰度信息和位置信息。与基于矩的其他特征提取算法相比,它不仅有良好的鲁棒性,而且还保留了图像的二维信息。实验结果充分表明, 该算法是合理有效的。     

三维正交矩的快速算法

给出一种针对一类特殊三维物体－多面体的Ｌｅｇｅｎｄｒｅ正交知匠有效算法。首先利用高斯公式,将矩定义中的体积积分转化为表面积分,这使得矩计算中的运算量减少一个数量级。其次,为计算面积积分,彩格林公式将其转化为围线积分,后者可以方便地用迭代方法求出。文中介绍的方法能显著地减少三维正交矩的运算量。     

一种新的基于Legendre矩的fMRI图像配准方法

提出了一种脑功能磁共振图像配准的方法。Legendre正交矩可以用来作为图像配准的策略，它的快速计算至关重要，边界的拟合精度和速度对Legendre矩的计算影响很大。根据推导出的Legendre矩的边界特点，提出了采用四连通链码法和改进的矢量斜率法进行边界拟台，从而解决了Legendre矩快速计算的问题。采用遗传算法进行多参数配准策略优化，避免了局部极值的干扰。改进的Legendre矩配准方法是一种快速脑功能图像配准方法。     

一种新的快速计算Legendre矩的方法

正交矩在模式识别,图像分析等领域有成功的应用,但由于正交矩的复杂性,有关正交矩的快速算法研究尚未得到很好的解决,该文提出一种 新的快速计算Ｌegendre矩的方法,该方法把基于像素点的二维Ｌegendre矩转换为线段的形式来计算,在计算出所有线段的积分后,使用扩展的Ｈatamian滤波方法来计算一维的Ｌegendre矩。结果显示新的算法有效地降低了计算的复杂度,并且,该方法能用于处理任意形状的物体。     

适用于任意复杂区域的全自动填充方法

针对图像分析中区域填充算法的自动化和通用性要求,对种子填充算法进行改进,提出了反向注入式种子填充算法。与常规的区域填充算法相比,该算法的特点是包括初始种子点在内的所有填充区域均完全由计算机自主、高效地处理,实现了任意复杂区域填充的普遍适用性,解决了扫描线算法和种子填充算法的不足。该算法能一次完成包含多个区域的填充问题,在处理多而密集区域的填充问题上具有很高的效率。     

基于矩的数字图像多边形逼近方法

提出了两种基于矩的数字图像的多边形逼近方法。通过比较原始图形和近似图形之间几体矩或Legendre矩的偏差的大小,选择一个最佳的近似结果,进一步可以得到一个顶点数递减的近似多边形序列。与现存的方法比较,这种方法有效地避免了逼近这结果依赖于起始点的选取的缺陷。     

一种新的灰度图像Legendre矩的快速算法

Legendre正交矩在模式识别和图像分析等领域有着广泛的应用,但由于计算的复杂性,相关的快速算法尚未得到很好的解决,已有方法均局限于二值图像．文章提出了一种灰度图像的Legendre正交矩的快速算法,借助于Legendre多项式的递推公式推导出计算一维Legendre矩的递归公式．利用该关系式,一维Legendre矩Lp可以用一系列初始值L1(a),a＜p,Lo(a),a＜p-1来得到．而二维Legendre矩pq可以利用一维算法进行计算,为了降低算法复杂度,文中采用基于Systolic阵列的快速算法进行计算L1(a),Lo(a),与直接方法相比,快速算法可以大幅度减少乘法的次数,从而达到了降低算法复杂度的目的。     

基于边界扫描的快速区域填充算法

提出一种基于边界扫描的区域填充新算法．该算法能对任意复杂的单连通区域进行快速填充,弥补了扫描线算法应用受限制的缺陷。并结合例子详细的讲解了算法原理,最后进一步分析出该算法找出所有正确匹配的区域左右边界点对的时间复杂度最优情况约为O（n）。     

基于Zernike矩的区域匹配方法

在基于区域的立体匹配中,由于遮掩、区域变形及光照条件会对匹配算法造成很大的影响,而传统的顺序性约束、唯一性约束、外极线约束和邻域约束并不能很好地解决这些问题,而近几年提出的相对位置约束虽能解决其中大部分问题,但对于区域的遮掩情况依然效果不佳。为此提出了一种新的基于Zernike矩的区域匹配算法,该算法在相对位置约束的基础上,采用中心距离和Zernike矩构造了新的费用函数,并提出根据匹配区域之间中心距离的大小来动态评判费用函数的权重系数值,从而提高了算法的性能。实验结果表明,该算法优于原方法,且对于区域的遮掩和变形情况都具备更好的识别性能,是一种行之有效的区域匹配算法。     

一种新的快速复杂连通区域扫描线填充算法

提出一种快速求取扫描线与轮廓线交点的算法,只需遍历2次轮廓线即可求得所有交点,显著降低了算法复杂度。基于该求交算法得到的扫描线填充算法,可以填充任意的复杂连通区域。与同类算法犤2,4,5犦相比,该文算法流程简单,填充速度快。     

边缘和区域多阶段结合的图像分割

基于局部灰度的边缘检测和基于全局灰度统计的阈值分割是两种最要的图像分割方法.针对这两种方法单独使用时得不到理想分割结果的问题,提出一种边缘和区域多阶段结合的策略,利用边缘像素的灰度确定子区域分割阈值,将边缘和区域边界距离评估作为子区域递归分割的终止条件,最后叠加边缘图修订区域分割结果.实验表明,本文方法对于目标灰度不均的细胞图像能获得理想的分割效果.     

改进的B-Snake模型肝脏CT图像分割算法

肝脏模型的个性化是肝脏虚拟手术系统中的一个关键技术,而肝脏模型的个性化又是以肝脏CT图像的三维分割为前提的。针对B-Snake模型的特点,提出一种结合区域填充的改进B-Snake模型图像分割算法。将相邻的上一张切片的分割结果映射到当前切片上,根据一定的规则进行区域填充,并将填充后的结果与前一张切片的分割结果按一定的算法进行比较,进一步优化。得到的初始轮廓很接近肝脏的真实边界,而且大部分曲线已在边界上,将其作为改进的B-Snake模型算法的初始轮廓,只需对其进行部分控制点的优化调整,就可得到准确的分割结果。以此类推,直到处理完所有切片图。实验表明,该算法能有效提高分割的准确度,获得较满意的分割结果。     

Radial shifted Legendre moments for image analysis and invariant image recognition

The rotation, scaling and translation invariant property of image moments has a high significance in image recognition. Legendre moments as a classical orthogonal moment have been widely used in image analysis and recognition. Since Legendre moments are defined in Cartesian coordinate, the rotation invariance is difficult to achieve. In this paper, we first derive two types of transformed Legendre polynomial: substituted and weighted radial shifted Legendre polynomials. Based on these two types of polynomials, two radial orthogonal moments, named substituted radial shifted Legendre moments and weighted radial shifted Legendre moments (SRSLMs and WRSLMs) are proposed. The proposed moments are orthogonal in polar coordinate domain and can be thought as generalized and orthogonalized complex moments. They have better image reconstruction performance, lower information redundancy and higher noise robustness than the existing radial orthogonal moments. At last, a mathematical framework for obtaining the rotation, scaling and translation invariants of these two types of radial shifted Legendre moments is provided. Theoretical and experimental results show the superiority of the proposed methods in terms of image reconstruction capability and invariant recognition accuracy under both noisy and noise-free conditions.     

基于区域边界最优映射的图像分割算法

为了增强图像分割算法的鲁棒性,避免出现错误的或间断的边缘轮廓曲线,获得准确的区域分割线,提出区域边界最优映射分割（ORBM）算法。该算法采用Gibbs分布定义区域分割模型,将多个颜色空间的不同边缘映射求平均值,用得到的边界最优映射确定邻域（相邻像素）的相互作用势函数,利用α-β交换算法求解标签参数空间上目标函数的局部极值并采取简单区域合并策略,获得准确、可靠的区域分割结果。将ORBM算法与几种经典的图像分割算法进行对比,实验结果显示该算法能够生成连续封闭的边界线,实现了图像多区域的正确分割,并且执行速度快、鲁棒性强。