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.     

基于图像归一化和DCT的感知图像哈希算法

提出一种基于离散余弦变换的感知哈希算法,先对原始图像进行归一化处理,使图像具有几何不变性,然后利用离散余弦变换进行图像特征系数的提取并用混沌序列发生器加密图像,最后通过量化和编码生成感知哈希序列。该算法可以抵抗任意角度的旋转攻击和仿射变换。     

基于伪Zernike矩的图像自适应RST不变水印

针对旋转、缩放和平移等几何攻击能够破坏水印检测的同步性，容易使常规水印算法检测失败的问题，利用图像伪Zernike矩的幅度具有旋转不变的性质，结合奇偶量化，提出了一种图像自适应旋转、缩放和平移不变水印算法．首先计算图像的伪Zernike矩，选取适宜于生成水印的矩，再对所选的矩幅度进行奇偶量化生成自适应水印序列．检测时，利用归一化汉明函数判断水印的相似度．实验结果表明不变水印算法可以抵抗任意角度旋转攻击和缩放攻击．对JPEG压缩，噪声，滤波等常规攻击，提取水印的相似度均在0.95以上。     

原始Zernike矩边缘算子抗干扰性能

针对Zernike矩算子在边缘模糊、随机噪声存在情况下的检测性能进行了研究,以获得该算子的抗干扰性能.通过分析Zernike矩算子的各阶矩计算过程,得知将像素灰度与模板进行卷积便可获得Zernike矩,这样的计算有利于减小随机干扰的影响.利用人工合成的二值图像进行了边缘检测性能测试,结果表明,对于模糊噪声图像,由于边缘的过渡特征,Zernike矩算子检测具有一定精确性,但会在某种程度上存在边缘细化能力、定位精度下降的问题;而对于随机噪声图像,当最大值在40以内时,Zernike矩算子具有较强的抗噪能力;若随机噪声超出此范围,则检测效果急剧恶化.     

不变矩及其在基于形状特征图像检索中的应用

提出一种快速有效推导不变矩的方法--三角函数生成法,并在此基础上描述了一种基于Hu形状不变矩的图像全局形状特征提取方法和算法.实验结果表明,使用这种算法提取的形状特征向量具有对平移、旋转和尺度变化的不变性,适合于进行图像形状的检索.     

一种快速医学图像亚像素边缘检测方法

针对目前医学图像配准中使用的多是配准精度较低的像素级的边缘检测的问题,提出一种新算法将像素级算子sobel,log,prewitt,roberts,zerocross和canny分别与Zernike矩算子及搜索算法相结合,并对边缘检测结果进行比较,从中选取较优的算子来实现医学图像亚像素边缘检测.实验结果表明该算法克服了像素级算子和Zernike矩算子的缺点,提取的边缘定位精度高,计算时间短,抗干扰性强.     

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。     

利用深度图像改进光场描述符的三维模型检索算法

针对光场描述符丢失三维模型空间信息以及全景视图描述符投影视图较少的问题,提出一种结合深度图像的三维模型检索算法. 该算法引入深度图像对光场描述符加以改进,得到投影视图后,分别提取其离散小波变换特征和Zernike矩特征;然后对深度图像进行聚类去掉冗余信息,并通过随机游走算法来确定每一类的权重,以更好地反映类间关系;最后设计改进全景视图相似距离计算方法,用于进一步的三维模型检索. 在普林斯顿模型库上的实验结果表明,该算法有效利用了三维模型空间信息,提高了检索精确度.     

结合结构与梯度的图像哈希算法

为了提高分类性能和运算效率,提出结合结构特征与梯度特征的图像哈希算法. 该算法对输入图像进行预处理提高算法的鲁棒性,将预处理后的图像转换到YCbCr颜色空间,提取亮度Y分量. 利用Y分量的峰顶曲线和峰谷曲线来获取外部结构特征,同时提取峰顶和峰谷的位置信息来构建内部结构特征. 结合外部结构特征和内部结构特征得到图像的结构特征;提取Y分量的横向梯度与纵向梯度来构建图像的梯度特征;将结构特征与梯度特征联合起来并扰乱得到最终的哈希序列. 实验结果表明,所提算法对亮度调整、对比度调整和高斯低通滤波等保持内容的图像处理较稳健. 与已有算法对比,该算法具有更好的受试者工作特性（ROC）曲线和较好的图像分类性能,在篡改检测实验中,该算法可以有效地检测篡改图像.     

基于沃尔什变换的图像不变正交矩

针对机器视觉应用中,人类视觉系统计算机建模过程复杂,强图像特征提取过程使整个图像工程运行效率低下等问题,本文由图像特征提取的快速性与图像特征自身的稳定性出发,结合不变矩、正交矩以及图像矩等相关理论,在列率域中提出并推导了一种以沃尔什函数为变换核的图像矩-沃尔什图像矩,并基于沃尔什变换给出了一种快速计算沃尔什图像矩的方法。实验结果表明:沃尔什图像矩对图像具有一定的描述能力,且具有平移、旋转和缩放不变的特性,在计算效率及准确性上均优于以正余弦函数为变换核的图像正交矩,在小图像的特征快速提取上具有明显优势;同时由其构造过程中的置换矩阵多样性可知,对同一图像的计算,沃尔什图像矩还具有一定的隐匿性和不唯一性。     

一种黑片图像亚像素边缘检测方法

为了提高黑片图像边缘检测的精度,提出了利用亚像素边缘检测技术来检测黑片图像的边缘.针对Zernike矩的亚像素边缘检测算法存在计算量大和边缘定位精度低等不足,利用Sobel算子对图像进行像素级边缘提取,然后利用改进的Zernike矩算子来检测黑片图像的亚像素边缘,为了防止Sobel算子遗漏可能的亚像素点,增加了一个搜索算法来提高检测的精度.实验结果表明,该方法测量精度高,定位精确,能够应用于黑片的在线检测.     

基于正交傅里叶－梅林矩的神经网络不变性模式识别

利用移位、尺度和旋转不变特征，提出了一种基于神经网络方法的不变性模式识别．不变特性描绘子是正交傅里叶－梅林矩，它们是Ｚｅｒｎｉｋｅ矩和正交复矩的推广．网络是采用ＢＰ算法的多层前馈网络．实验表明该方法具有良好的效果．     

一种基于Gaussian-Hermite矩的SAR图像分割方法

图像分割在SAR图像处理中具有很重要的意义。文中提出了一种基于Gaussian-Hermite矩的SAR图像分割方法。该方法针对合成孔径雷达(SAR)图像斑点噪声对现有分割方法带来的影响,利用Gaussian-Hermite矩的不同阶矩并结合SAR图像特征将目标从含噪背景中分割出来。实验部分同时采用了仿真数据和实测SAR数据,通过与小波能量等4种方法的分割结果进行比较,显示出了该方法的有效性。     

高速的9×9尺寸模板Zernike矩边缘算子

根据Zernike矩基本原理,提出了基于9×9模板尺寸的Zernike矩边缘算子。首先推导Zernike矩模板计算过程,然后计算出2个9×9模板,并选取二值图像和经过5次平滑的模糊图像为对象对新算子进行了测试。结果表明:对于理想的二值图像,新算子具有较强的边缘细化能力,且边缘检测精度也较高;而对于模糊图像,虽然新算子的边缘检测效果也较好,但应注意边缘图像表征与亚像素坐标数据间存在不一致的现象。最后,采用先粗后精定位思想,使新算子的运算速度大幅提高,耗时仅为0.19s。     

一种基于手绘图的商标检索算法

为了高效的进行商标设计,提出了基于内容的商标检索算法．首先应用Zernike矩描述图像的形状信息,并将手绘图作为查询条件进行检索,依据形状距离进行排序,将排序结果作为第一轮检索结果输出．其次,用户对第一轮检索结果进行标注,并将标注结果反馈给系统,通过分类器学习后,再次进行检索并输出最终检索结果．实验结果表明,提出的算法在商标图像的检索中具有检索准确率高、耗时少的特点;此外,算法可支持用户以手绘的方式进行查询,有一定的实用价值．     

基于图像的小尺寸零件圆参数亚像素定位算法

亚像素软件处理技术可以在一定程度上补偿图像测量系统由硬件限制引起的边缘定位误差,针对工业中的小尺寸圆形零件参数检测,提出了一种基于Zernike矩、二次多项式插值和最小二乘法拟合的圆参数亚像素定位算法。首先根据Zernike正交复数矩建立圆物体边缘点与边缘参数之间的映射关系,并提取边缘点;然后利用二次多项式插值在梯度方向上对提取出的边缘点进行进一步定位;最后利用最小二乘法拟合插值后的边缘点,得到亚像素精度的圆参数。通过小尺寸圆形惯性器件图像边缘提取实验,对该算法的有效性和检测精度进行了研究,给出了惯性器件的实测尺寸对比结果。实验结果表明:提出的圆参数亚像素定位算法比传统算子具有更高的检测定位精度,可满足图像目标高精度实时在线测量的要求。