Zernike矩快速算法的修正

首先对Mukundan和Ramakrishnan提出的Zernike矩快速算法进行了修正,给出了更为完整、准确的坐标变换公式。然后给出了由伪极坐标系向笛卡尔坐标系转换的方法。最后,将每一幅图像在相同阶数和重复度下的4个方向Zernike矩模值的均方差与均值的比作为评价指标,对修正前和修正后的算法以及图像预处理对Zernike矩快速算法的影响进行了综合验证。针对5幅图片,两种算法分别有5×11个评价值,实验结果表明:改进后的算法有44个评价值好于原始算法,同时也通过实验验证了多种预处理对Zernike矩的影响。     

优化Zernike矩MIMO雷达图像目标识别方法

针对MIMO雷达目标识别问题,给出了一种MIMO雷达目标识别方法.首先利用二值化和杂散点抑制对MIMO雷达成像结果进行了预处理,以消除噪声干扰和MIMO雷达图像距离依赖方位分辨率所引起的图像幅度起伏;随后,基于优化Zernike矩方法构造了MIMO雷达图像的特征,采用欧式距离分类器给出了相应的识别处理步骤.最后,利用3种飞机模型的MIMO雷达像对所提出方法的性能进行了验证,仿真结果证实了所提方法的可行性.     

基于Zernike矩的抗旋转攻击图像感知哈希算法

以Zernike矩为特征图像感知哈希算法,由于Zernike矩对图像旋转具有不变性,使得算法具备了旋转攻击下的鲁棒性;同时由于Zernike矩是图像的正交表示,能够很好地提取图像的内容,使得算法具有良好的区分性.算法首先将图像归一化,然后提取图像Zernike矩作为特征,经过密钥置乱后,对特征进行量化生成哈希串.算法在...     

基于Zernike矩的米粒形状模糊分类

根据米粒形状的特征,运用Zernike矩描述目标边缘的形状,采用模糊模式识别方法,实现按形状分类.为增强适应能力,对Zernike矩及模糊分类方法作了适当调整.对300颗同一品种的米粒进行实验,结果表明,本方法的检测结果与人工检测结果高度一致.     

基于Zernike矩亚像素边缘检测的改进算法

通过分析Zernike矩以及基于Zernike矩的亚像素图像边缘检测原理,针对Ghosal提出的基于Zernike矩的亚像素图像边缘检测算法检测出的图像存在边缘较粗及边缘亚像素定位精度低等不足,提出一种改进算法。推导了Zernike矩模板系数,提出一种新的边缘判断依据。改进的算法能较好检测图像边缘并实现较高的边缘定位。最后,设计两组实验,实验结果将各尺寸模板结果及与Ghosal算法进行比较,证明了改进算法的优越性。     

基于Zernike矩的人体行为识别

为了保证特征提取的有效性,更完备地描述人体行为序列,提出了一种基于Zernike矩的人体行为识别方法.该方法利用规范化的运动历史图像(MHI)进行图像序列的表示,从中提取出基于Zernike矩的统计描述作为特征向量进行识别.同时,提出了一种利用图像的重建过程确定分类时采用的Zernike矩的最高阶次的算法.实验中,对8类不同的人体行为进行了测试.应用Zernike矩特征的分类精度高于用规则矩和Hu矩作为特征的方法,证明了基于Zernike矩的人体行为识别方法的有效性.     

基于Zernike矩和BP网络的道路交通标志识别方法研究

道路交通标志的背景相当复杂,颜色失真严重并存在不同程度的几何失真现象。不变矩是图像的一种统计特征,具有平移不变性、旋转不变性和比例缩放不变性,被广泛的应用于图像识别中。在研究了Hu矩和Zerni—ke矩基础上,提出基于Zernike矩与BP网络相结合的道路交通标志识别方法。识别过程分别对图像进行了Hu矩和Zernike矩特征提取、BP网络训练与测试、对形变图像进行分类识别。结果表明：基于Zernike矩和BP网络的交通标志识别方法具有很强的抗图像平移、缩放和旋转识别能力,实现简单、训练速度快、识别率高等特点,且识别准确率优于Hu不变矩目标自动识别。     

基于改进Zernike矩的玻璃瓶亚像素边缘检测算法

图像的边缘检测精度决定了实际尺寸的测量精度,为了提高测量精度,提出了一种基于改进的Zernike矩的测量玻璃瓶实际尺寸的算法。将传统的Zernnike矩算法与Otsu自适应阈值法相结合,得到改进的快速算法;利用该快速算法对采集的玻璃瓶图像进行亚像素级边缘检测;运用最小二乘法根据亚像素坐标对瓶口与瓶底所形成的椭圆进行拟合;应用标准块规对系统进行标定并得到玻璃瓶实际的测量尺寸。实验结果表明,该方法不仅可使边缘检测达到亚像素级精度,还避免了人工反复选择阈值而造成的低效率与误判,实现了快速、准确、无接触测量实际尺寸的功能。     

一种鲁棒和自适应的数字图像水印算法

为提高算法的鲁棒性和自适应能力，将原始真彩色图像的Y分量进行离散小波变换，提取出HL、LH子带的鲁棒系数嵌入水印。考虑到人眼的HVS特性，计算出HL、LH子带系数的可见误差阀值确定鲁棒系数。并根据小波分解后，同一分解阶小波系数之间的相关性，通过计算LL子带邻域均值来实现对HL、LH子带进行估计和量化，使算法的嵌入容量和鲁棒性得到增强。算法通过散列加密确定水印嵌入的位置，使攻击者即使知道算法也无法得到水印信息。实验表明算法具有在不同图像处理和攻击下，水印的鲁棒性好、检测时不需要原始图像、安全性好等优点。     

基于Zernike矩和BP网络的步态识别技术研究

步态识别以其非侵犯性,远距离识别性等优点成为视频理解领域的重要研究内容之一。文章提出了一种基于Zernike矩和BP神经网络的步态识别方法,通过步态检测及预处理,采用基于区域的Zernike矩描述子提取运动人体的行为特征,运用BP人工神经网络的方法进行匹配识别,实验结果表明这种识别方法具有较高的识别性能。     

基于局部特征自适应滤波的图像水印研究

设计了基于局部特征自适应滤波的图像水印算法.该算法假定已知电子设备的退化参数,利用二值化自动生成数字水印信号,然后利用电子设备获取的图像局部特征的自适应滤波特性,设计了水印信号嵌入算法和水印信号提取算法.最后,对提出算法进行验证.验证结果表明,算法具有较好的不可见性和鲁棒性.     

一种基于小波变换和最优量化的数字水印技术

提出了一种基于小波变换和最优化量化的数字水印嵌入算法。该算法首先对图像进行小波变换，然后对变换系数进行最优量化处理，再嵌入水印信息，水印的提取过程不必借助于原始图像。实验表明，对加入水印的图像进行图像退化处理后，仍然能方便、可靠地检测出嵌入的水印信息。在低频区域嵌入低强度的水印信息，可以同时保证嵌入水印信息的鲁棒性和不可见性。     

基于几何不变矩的交通标志识别

以警告交通标志图像为研究对象,首先采用Hu不变矩来提取交通标志图像特征,然后利用最小矩距离法和相关系数法对交通标志进行识别。实验结果表明,该方法具有很好的识别能力,对旋转、缩放后的图象可以达到较高的识别率,基于Hu不变矩的几何特征提取算法在图像识别中的应用是非常有效的。     

基于离散余弦变换的数字水印图象

从离散余弦变换出发,提出了一种图象中植入数字水印的方法。此方法与ＪＰＥＧ,ＭＰＥＧ图象数据压缩标准算法相一致,不仅可方便地实现水印的图象植入,而且在ＪＥＰＧ,ＭＰＥＧ压缩之下,可取得高质量图象效果,并在很大程度上解决了由于图象能量损失导致的数字水印丢失问题。     

基于图像能量和量化的公开数字水印算法

提出了一个新的基于图像能量和量化的公开数字水印算法.首先对原始图像进行均匀分块,然后根据相应的水印信息和量化方法修改各个图像子块的能量以嵌入水印;水印的提取则是水印嵌入的逆过程.由于在算法中采用了量化嵌入策略,从而使该算法在提取水印时无需原始图像.实验结果表明:该算法具有很好的水印不可见性,对常见的图像处理攻击:如重采样、颜色抖动、平滑、加噪声和JPEG压缩等具有很强的稳健性.     

基于不变矩和神经网络的三维物体识别

为了提高三维物体识别系统的识别率,研究了将三维物体的不变矩作为物体特征,结合改进的BP神经网络应用于三维物体分类识别。理论分析和仿真实验表明,利用三维物体的不变矩特征能够有效地进行识别,对不变矩特征进行主成分分析可以进一步提高识别性能,达到100%的识别率,并降低神经网络结构复杂性和减少训练时间。     

基于小波域自适应高斯混合模型的图像去噪方法

提出了一种基于小波系数局部统计模型的图像去噪方法。该方法利用小波子带的方向性特点以及小波系数尺度内的相关性,将小波系数的概率分布建模为一种自适应高斯混合模型,在贝叶斯框架中采用这种概率模型可以得到一种具有空间自适应性的贝叶斯萎缩函数。利用这种萎缩函数可以实现对小波系数的修正。实验结果表明,利用该方法进行图像去噪能够取得良好的效果,同时可以有效地保留图像的细节。     

基于非交换小波域的信息隐藏技术

改进文献[1]的方法，提出了一种新的隐藏方法，即先将秘密图像置乱后再进行隐藏．文中分析了变换系数的统计特性和能量分布，并将非交换小波理论用于图像隐藏中，实现了信息的盲提取．实验结果表明，该算法有较好的信噪比．     

一种基于三维小波变换的视频水印算法

提出了一种基于三维小波变换的视频水印算法．算法以二值图像作为水印，并利用三维小波变换（3D-DWT）和扩频技术，首先对水印图像进行随机置乱预处理以增强其安全性能；然后对宿主视频进行视频分割，并分别对得到的各序列作三维DWT变换；最后选取视频帧并将水印嵌入相应三维DWT系数中．实验结果表明，算法具有较好的不可见性，并且针对帧剪裁、帧丢失、帧平均和MPEG编码等具有良好的鲁棒性．     

一种基于m序列调制的量化音频数字水印算法

提出了一种新的基于m序列调制的量化音频水印算法。首先将二值水印图像经过降维操作转化成为一维序列；再将一维序列与m序列做扩频调制；最后对音频信号进行分段离散傅立叶变换，把经过调制的水印信号经过量化处理嵌入到变换域系数的幅值上。在水印的提取过程中不需要原始音频信号的参与。仿真实验证明了算法的鲁棒性和不可感知性。