基于区域伪Zernike矩的商标图像检索

研究商标图像检索问题,针对在二值商标图像检索中要求准确、高效,因此确定出目标像素点的区域分布形式,解决商标形状特征,对平移、旋转、比例以及起始点等变化下特征不变性问题,提出了一种基于区域伪Zernike矩的提取图像形状特征的算法。算法根据图像目标区域的最小外接圆进行区域划分,提取区域的伪Zernike矩来描述图像形状特征进行商标检索。通过仿真实验证明,区域伪Zernike矩的提取图像形状特征的算法具有良好的平移,旋转及比例不变性,并用有较强的抗噪性。     

特征点和不变矩结合的遥感图像飞机目标识别

传统的飞机目标识别算法一般是通过目标分割,然后提取不变特征进行训练来完成目标的识别。但是,对于实际情况比较复杂的遥感图像飞机目标,至今没有一种适合多种机型的分割和识别算法。针对现有识别算法的不足,本研究提出一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的遥感图像飞机目标识别算法。方法：首先,对预处理后的遥感图像和模板图像进行小波变换,在低分辨率图像下采用圆投影特征进行粗匹配,确定候选目标;粗匹配结束后,提取高分辨率图像的多尺度Harris-laplace角点,并画出Delaunay三角网,同时提取出颜色不变矩和Zernike不变矩;然后使用欧氏距离作为这三种特征的相似性度量,并和样本图像进行加权匹配;最后选取欧式距离最小的图像作为最终的识别目标。结果：实验表明,本文算法飞机检测精度比现有算法高2.2%,飞机识别精度比现有算法高1.4%-10.4%。该算法能从遥感图像中精确识别出十大飞机目标,并对背景、噪声、视角变化等多种干扰具有良好的鲁棒性。结论：提出了一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的飞机识别算法,该算法使用了图像的多种信息,包括特征点和不变矩,有效地克服了使用单一特征无法描述多种信息的不足。实验结果表明,本文采用基于特征点和不变矩的飞机识别算法比其他算法具有更强的抗干扰能力和识别精度。     

一种基于感兴趣区域的图像检索算法

提出了一种基于感兴趣区域的图像检索算法，该算法以图像中用户感兴趣的目标为研究对象，使用一种改进了的区域分割算法对图像进行目标区域分割，采用伪Zemike矩提取分割出来的区域形状特征结合其它区域特征构成检索特征向量。本文还讨论了在检索系统中用户感兴趣的区域与分割后图像目标区域的映射关系。在实验系统中证明有较高的区域准确率。     

Hu新增不变矩在零水印中的应用

文章提出了一种使用Hu新增不变矩的零水印算法。该方法融合Hu不变矩及其新增的几个不变矩的特征,形成一组更为完备的特征矢量。文章利用这些特征矢量可以更好的构建零水印系统。在模式识别领域中使用这种方法可以实现对目标图像更为准确的识别;在图像检索领域中此方法比单一的Hu不变矩具有更好的检索性能。它不但保持原有Hu矩的平移、尺度、旋转不变性,而且比原有的Hu不变矩包含了更多的细节信息因此可以更全面地描述图像。所以将新增的几个不变矩和7个Hu不变矩应用到数字水印中,在一定程度上可以很好的提高水印系统的整体鲁棒性和可靠性。     

基于小波矩的车辆特征提取算法研究

车辆目标图像特征提取是智能交通系统中车辆识别与分类的关键问题。在车型提取算法中,矩特征是较为常用的车型特征描述子。针对Hu矩的七个特征分量在数量级上差别较大且受比例因子影响的问题,基于不变矩和小波能量的原理和特点的研究,重点提出了基于小波矩的特征提取算法,并应用于车辆的特征提取。最后的实验对实际车辆图像进行采集,对预处理图像进行小波分解得到三级子图像,对子图像求取修正Hu不变矩,将不变矩作为特征量,利用最小邻距离分类得出识别结果。最后的实验结果显示,通过这种方法提取的特征量具有平移、旋转、比例不变性,能反映目标图像的重要的、本原的属性,与传统Hu矩相比,识别率提高了13.5%,达到了预期的目标。     

一种基于Zernike不变矩和改进的Hough变换的图像检索方法

针对基于内容的图像检索为了解决不变矩只关心对象的区域特征,而忽视了图像边界的缺点,提出Zernike不变矩与改进的Hough变换相结合的方法。改进的Hough变换方法充分利用Hough变换空间的统计信息,对形状的仿射变换具有一定的鲁棒性、易并行处理和良好的几何解析性等优点。该算法有效地融合了图像形状的边缘和区域特征。实验结果表明,在图像检索的综合性能上优于Zernike方法以及基于改进的Hough变换的方法,检索速度快,准确率高。     

基于颜色相关图和纹理矩的图像检索

基于内容的图像检索的关键就是准确地提取图像特征。目前常见的图像特征的分类有颜色、纹理和形状。提出了改进的图像相关图算法以及纹理矩算法,并采取有效的方法来结合这两种算法实现高效的图像检索,图像相关图不仅反映了图像的灰度统计信息,而且还反映了图像的空间特征和灰度的渐变度。纹理矩是通过计算图像局部区域的力矩来反映图像的纹理特征。二者相结合整合了图像颜色和纹理信息。实验证明,改进的图像相关图以及纹理矩算法优于传统算法,二者通过在有限的空间维度下的结合在很大程度上提高了检索精度。     

基于Krawtchouk不变矩的复制-粘贴篡改盲检测算法

针对数字图像检测中一类常见的复制-粘贴图像篡改,提出一种基于小波变换和径向Krawtchouk不变矩的盲检测算法。算法利用小波变换提取图像的低频分量,对低频分量分块提取径向Krawtchouk不变矩特征,这种特征描述方式对图像旋转后处理具有鲁棒性,然后将特征向量进行按字典排序,并结合数学形态学进行图像复制篡改区域的检测和定位。实验表明该算法能有效地定位出复制和粘贴的图像篡改区域,并对粘贴区域旋转操作具有很强的鲁棒性。     

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。     

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。     

一种基于极坐标下分块的商标图像检索新方法

商标图像的分块检索是将图像分块后利用全局和局部图像特征来检索商标图像.针对现有的四叉树分块方法的不足,提出了一种极坐标下的分块检索方法.首先对商标图像进行归一化处理,以目标对象的最小外接圆作为目标区域;在极坐标下将图像分块,计算形状直方图;最后采用新的相似性度量方法计算图像间距离,实现商标图像的准确检索.实验证明,该方法具有良好的平移、缩放、旋转和镜像不变性,得到的检索结果能很好地符合人的视觉感受.     

基于几何特征的IC芯片字符分割与识别方法

针对IC芯片字符的分割与识别问题,提出了一种基于字符几何特征的分割方法和一种基于字符最小外接圆的归一化与重定位方法,使用基于像素差分的模板匹配完成识别。首先,对芯片图像进行直方图均衡化处理,并利用辅助圆进行中线定位和图像校正,定位得到ROI区域并进行均值二值化处理。随后,对二值化ROI图像进行字符分割,以字符的几何特征作为判断条件,从而完成了对缺陷字符的正确分割。之后,对单字符图像提取最大轮廓,利用其轮廓的最小外接圆进行字符的归一化与重定位。最后,对归一化的字符进行差分识别。通过采集4种芯片样本进行实验,结果表明,该方法能够实现芯片字符的准确分割,对于缺陷字符的分割准确率达90%;能够快速精准地识别芯片字符,单字符平均识别时间为4.6 ms,识别准确率达到99.4%。     

一种快速而精确的虹膜定位方法

快速虹膜定位是实现虹膜自动识别系统的基础。从虹膜图像特点出发,提出了基于分块统计灰度平均值的方法来确定虹膜内圆圆心和半径。利用不变矩的识别方法,不需要对任何带估参数进行累积计数,就可快速求出外边缘的参数,计算量小,计算时间短。通过对中科院自动化所CASIA虹膜数据库50组图像的虹膜定位测试结果表明,该方法定位准确率达到95%。     

基于协方差矩阵的仿射不变量

为了对仿射变形的物体进行有效和正确的识别,构造了一种新的仿射不变量.构造的主要过程是：先计算图像的协方差矩阵,接着计算该矩阵的特征值和特征向量,再构造出一组同心椭圆,这些椭圆以图像质心为中心,以两个特征向量为长、短轴,且轴长和两个特征值的平方根成正比,进而利用图像紧化原理和仿射变换的有关性质推导出一组仿射不变量.文中将仿射不变量用于模式识别,获得很高的识别率.     

布氏硬度自动测量中多圆检测方法

圆检测应用广泛,是布氏硬度自动测量的关键。针对圆检测中存在圆分裂、多个圆、不完整圆的情况,提出一种基于交叉圆合并、凸包点迭代纯化最小二乘拟合的圆检测方法。首先对图像进行纹理增强并二值化,其次提取有效区域的最小外接矩形,并得到圆弧与最小外接矩形的三个切点,得到初始圆,然后合并有交叉的圆。最后求合并圆的轮廓点与其凸包的交集,进行迭代纯化最小二乘拟合,最终得到亚像素级的圆半径值。最后通过实际应用测试,验证了论文方法的有效性。     

Model-Based Object Recognition Using Geometric Invariants of Points and Lines

In this paper, we derive new geometric invariants for structured 3D points and lines from single image under projective transform, and we propose a novel model-based 3D object recognition algorithm using them. Based on the matrix representation of the transformation between space features (points and lines) and the corresponding projected image features, new geometric invariants are derived via the determinant ratio technique. First, an invariant for six points on two adjacent planes is derived, which is shown to be equivalent to Zhu's result [1], but in simpler formulation. Then, two new geometric invariants for structured lines are investigated: one for five lines on two adjacent planes and the other for six lines on four planes. By using the derived invariants, a novel 3D object recognition algorithm is developed, in which a hashing technique with thresholds and multiple invariants for a model are employed to overcome the over-invariant and false alarm problems. Simulation results on real images show that the derived invariants remain stable even in a noisy environment, and the proposed 3D object recognition algorithm is quite robust and accurate.     

基于有效光照估计的复杂光照人脸识别

基于光照估计的光照不变量提取是提高复杂光照人脸识别性能的一种有效方法。以往算法仅考虑光照缓慢变化特性从人脸图像中估计光照,无法获取准确的光照和光照不变量。综合考虑图像的成像原理、光照缓慢变化特性和复杂照明环境,结合图像融合和平滑滤波,提出一种有效的人脸图像光照估计、光照不变量提取方法。所提算法能较好地处理阴影边缘问题,提取含有丰富面部细节特征、更接近于人脸本征的光照不变量。复杂光照Yale B+和CAS-PEAL-R1人脸库上的实验结果表明所提算法具有高效性。     

Implicit Moment Invariants

The use of traditional moment invariants in object recognition is limited to simple geometric transforms, such as rotation, scaling and affine transformation of the image. This paper introduces so-called implicit moment invariants. Implicit invariants measure the similarity between two images factorized by admissible image deformations. For many types of image deformations traditional invariants do not exist but implicit invariants can be used as features for object recognition. In the paper we present implicit moment invariants with respect to polynomial transform of spatial coordinates, describe their stable and efficient implementation by means of orthogonal moments, and demonstrate their performance in artificial as well as real experiments.