共查询到20条相似文献,搜索用时 109 毫秒
1.
图象匹配时矩的高效算法 总被引:1,自引:0,他引:1
用不变矩作为相似度度量进行图象匹配,可减少图象平移、旋转以及比例缩放对匹配性能的影响。但不变矩的计算量大,使匹配速度变慢。本文根据图象匹配的特点,提出了一种适用于图象匹配时的矩的增量算法—IACM算法。用此算法可大大提高用不变矩进行图象匹配的速度。 相似文献
2.
3.
4.
提出了一种新的基于图像区域纹理混合矩特征的飞机识别算法.该算法基于一阶直方图的颜色矩特征和基于灰度共生矩阵提取区域图像相关性、角二阶矩、对比度、相关性、倒数差分矩特征,实现有效降维,并采用聚类分析方法对飞机图像进行识别,实验结果显示基于该特征提取的识别方法识别正确率达95%以上,通过对比试验说明,该算法有较好的识别性能. 相似文献
5.
6.
低信噪比红外图像普遍存在目标一背景间对比度较差、目标边缘模糊和噪声较大等特点,采用常规模板匹配、Hu矩方法难以取得理想检测效果.针对低信噪比红外目标图像,分析了Zemike矩的基本原理和计算方法,提出了基于Zemike正交矩的低信噪比红外目标检测方法,并比较了模板匹配、Hu矩、Zemike矩方法的目标识别效果.理论分析与实验验证了所提方法的有效性. 相似文献
7.
8.
针对低信噪比红外目标图像,分析了Zernike矩的基本原理、计算方法和旋转不变性,提出了基于Zernike正交矩的低信噪比红外目标检测方法,并比较了模板匹配、Hu矩、Zernike矩方法的目标识别效果.理论分析与实验验证了所提方法的有效性. 相似文献
9.
本文提出了一种可控学习的两级多层神经网络模型,由此设计出一种基于高阶矩匹配的神经网络参数估计器;并对该神经网络模型的学习算法进行了研究,提出了一种自适应并行学习算法。仿真结果表明,这种利用神经网络进行模型参数估计的方法是可行的。 相似文献
10.
11.
12.
图像正交矩具有数值稳定和方便重构等优点,雅 可比-傅立叶矩(JFM)是传统正交矩的推广,然而其定义中 的径向函数仅是整数阶多项式。本文改造JFM的径向函数,提出广义JFM,其定 义中的径向函数既可以是分数阶的多项式,也可以是更一般的函数,JFM仅是这种构造的特 例,并且证明了所提广义JFM的正交性和旋转不变性。数值实验也表明,利用所 提方法可构造出重构性能好、抗噪性能强的图像正交矩。 相似文献
13.
14.
针对几何矩非正交性对目标描述的不足以及连续正交矩在处理数字图像方面存在离散化误差的缺陷,为了提高识别精度,提出了一种利用离散正交的Tchebichef矩结合全局特征和局部特征的飞机型号识别方法。首先,根据几何矩和Tchebichef矩之间的关系,利用归一化几何中心矩、圆谐函数得到径向Tchebichef矩的旋转、尺度和平移(RST)不变量;然后,利用径向Tchebichef矩提取飞机目标的局部和全局特征构成特征向量;最后,利用Matlab构造了四类飞机的样本集,采用支持向量机(SVM)作为分类器识别测试样本飞机型号,分析了几何矩、Zernike矩和本文方法在识别精度上的差异以及训练样本集大小对识别精度的影响。实验结果表明,本文提出的算法提高了识别精度,并且在训练样本集较小时仍能获得90%以上的识别精度。 相似文献
15.
提出了求解非线性散射介质内辐射传递的积分矩方法.将辐射传递方程中散射相函数的积分项转化为辐射强度各阶矩的线性组合.散射相函数为勒让德多项式展开形式,辐射强度矩的最高阶数与散射相函数的展开项数相同.将原本复杂的积分微分方程转化为微分方程,通过积分法求解此方程.积分矩方法不需要对立体角进行离散,不会引起射线效应.积分矩方法... 相似文献
16.
基于组合矩的激光雷达距离像目标识别 总被引:2,自引:0,他引:2
激光成像雷达距离像与目标表面物理结构特性密切相关,体现目标的本质特征,是目标识别的主要研究方向。采用组合矩的神经网络方法进行了相干激光雷达距离像目标识别仿真研究。用Hu不变矩和仿射不变矩两者的低阶矩组合表示距离像目标区域特征,利用反向传播(BP)神经网络识别不同方位角的车辆。当视场角不变时,训练10个目标,每个目标取3~19个样本,在不同载噪比(CNR)情况下,分析Hu不变矩、仿射不变矩和两者组合矩的识别率。理论分析和仿真实验表明利用组合不变矩进行距离像目标识别性能优于单独利用其中一种不变矩。 相似文献
17.
18.
19.
Ariffuddin Joret Mohammad Faiz Liew Abdullah Muhammad Suhaimi Sulong Asmarashid Ponniran Siti Zuraidah Zainudin 《电子科技学刊:英文版》2014,12(1):90-94
Moments have been used in all sorts of object classification systems based on image. There are lots of moments studied by many researchers in the area of object classification and one of the most preference moments is the Zernike moment. In this paper, the performance of object classification using the Zernike moment has been explored. The classifier based on neural networks has been used in this study. The results indicate the best performance in identifying the aggregate is at 91.4% with a ten orders of the Zernike moment. This encouraging result has shown that the Zernike moment is a suitable moment to be used as a feature of object classification systems. 相似文献