基于多尺度分析的小波不变矩

本文结合小波多尺度分析和不变矩的优点,通过坐标变换和几何规范化等预处理,提出了一种能提供多尺度分析且具有平移、尺度和旋转不变性的矩特征描述子-小波不变矩,并给出了其不变性证明.讨论了不同类型和阶数的小波函数对小波不变矩识别性能的影响.实验结果表明,由合适消失矩阶数的、对称紧支集双正交小波函数得到的小波不变矩具有最佳的分类特性.     

基于提升小波的矩不变量车牌字符识别方法

车牌识别系统的关键在于字符的识别,而字符识别的核心是字符特征的提取。小波变换可以获取字符的细节结构特征,而不变矩能很好地对其进行描述,故将两者结合起来提取字符的特征;同时利用张量积小波分解的高频子图具有方向性的特点,提取字符的笔画特征,最终得到反映字符结构和统计特征的联和特征向量,并且字符图像的分解采用第二代提升小波算法进一步降低了计算复杂性。实验结果表明,此方法提取得到的联合特征向量能够取得98%的字符综合识别率,可以满足实际应用的要求。     

基于不变矩特征的图像识别

针对目标二维形状发生平移、旋转和尺度变换的情况,采用不变矩作为图像识别的特征量.图像灰度变化时,对应的直方图形状基本保持不变.将直方图的统计特征与不变矩相结合,提出了不变矩理论的图像识别方法.通过实验验证,这种方法对图像的亮度、对比度变化不敏感,可以有效地降低光照的影响,能够更准确地对图像进行识别.     

基于小波变换与图像不变矩的遥感图象匹配研究

小波变换具有数据压缩和检测局部突变的能力,而图像空间不变矩对于平移、旋转、比例缩放、灰度对比度变化具有不变性.两者优势的结合不但可以有效减少遥感图像匹配的计算量,而且还可以减弱对于图像采集平台拍摄方位、拍摄距离、角度气象条件等的依赖性,提高算法的实用性.     

一种基于组合矩和小波变换的目标匹配算法

不变矩方法是一种经典的特征提取方法.文中针对纹理细节信息较少的特定目标,首先在七个不变矩的基础上构建了组合矩.该组合矩具有旋转、平移、比例不变性和良好的类间可分离性,大大降低了算法的复杂性、提高了抗干扰能力.为了进一步提高匹配速度,引入多分辨率小波分解,利用低频系数来计算图像的组合矩特征量进行模板匹配.实验表明,对于细节信息较少的目标,该方法是一种具有较高实时性和鲁棒性的目标匹配算法.     

一种新的基于不变矩的步态特征身份识别算法

为了有效地对步态特征进行分类识别,提出了一种基于Radon变换和解析Fourier-Mellin变换的步态识别算法。该算法直接对在视频序列中检测到的灰度图像进行Radon变换,然后进一步对变换结果进行解析Fourier-Mellin变换,从而将原图像的旋转变化和尺度变化分别转化为相位变化和幅度变化,之后通过定义一族旋转与尺度不变函数提取目标图像的不变性特征进行分类识别。实验结果表明,与目前常用的基于Hu矩和Zernike矩的算法相比,由于不需要对目标图像二值化和归一化,从而可以保留图像的更多细节信息,避免了重采样与重量化误差,该算法应用于步态识别有更高的识别率,可以达到更好的识别效果。     

具有平移和尺度不变性的自适应小波变换

本文提出了一种具有平移和尺度不变性的自适应小波分解新方法,该方法利用信号的一阶、二阶矩及正交小波尺度函数,先对信号进行自适应小波"重整".然后再对重整后的信号进行普通小波变换.本文证明这种自适应小波变换是平移和尺度不变的,并给出了计算自适应小波变换系数(称为小波不变矩)的一种有效算法.对二维数字信号(图像)的实验证实了我们的结论.     

曲线振子的矩量法计算与分析

介绍采用矩量法计算曲线了振子的一种方法。在二维坐标系，对ｘ坐标进行均匀分段，用二分法确定曲线的初始坐标，利用复化辛浦生积分公式。求得了高斯曲线振子的电数值解。并且计算了天线的特性参数。得到了良好的输入阻抗收敛值。同时给出了天线输入阻抗和增随参数Ａ，Ｂ的变化曲线。     

图像移动与转动的多目标识别处理器

叙述了图像的不变矩特征量特有的三个性质,即当图像移动、转动与大小比例改变时保持其数值不变,提出用光电混合计算处理器提取图像的不变矩特征量,该处理器由全息掩膜、傅氏透镜、CCD探测器和微机组成。实验结果表明,6个印刷英文字母的不变矩特征量的确具有移动与转动的不变性,因而该处理器可以用于图像移动与转动的模式识别。     

目标不变矩的稳定性研究

研究了在实际应用中影响目标不变矩稳定性的各种因素,包括高斯模糊、有限观测区域和离散化处理等．分析了在这些因素影响下不变矩的变化规律和误差．并对离散条件下不变矩的误差进行了分析．实验证明得出的具有模糊不变的不变矩,能对经过旋转比例变换且模糊的物体进行准确识别．这些研究和分析为不变矩在实际成像识别系统中正确有效地应用提供重要的理论和实验依据．     

基于小波矩不变量的模式识别方法

为了得到一组局产最优的特征组,提出一种结合分散度和顺序前进法（ＳＦＳ）的特征选择方法。实验结果表明小液矩不变量比Ｚｅｒｎｉｋｅ矩不变量有更好的识别效果,尤其对于形体相似的物体,效果更明显。     

离散不变矩算法及其在目标识别中的应用

该文分析了在离散状态下不变矩特征受比例因子变化的影响,提出了一种修正归一化中心矩的方法,保证了不变矩特征具有平移、旋转和比例因子的不变性,并将此用于目标识别,最后通过仿真实验,比较了修正前后的识别率,表明本文采用的方法是行之有效的方法。     

用矩不变量实现印鉴自动识别

本文提出的方法主要优点是无需对印鉴图象进行旋转、定位、配准、识别速度快，内存空间小，对印鉴的形状也无限制。实验结果表明，文中提出的方法有较高的识别率，可作为印鉴识别中的方法之一。     

图像的小波矩

本文从一般特征矩的定义入手,导出极坐标系下图像的小波矩,进而给出对图像进行多分辨小波变换后,利用任一尺度下的逼近系数构造小波矩和基于小波模极大值边界图像构造小波矩两种方法.最后,经实验验证了本文构造图像小波矩方法的有效性.     

TRIPLET CIRCULAR HOUGH TRANSFORM FOR CIRCLE DETECTION

A new method,triplet circular Hough transform,is proposed for circle detection in image processing and pattern recognition.In the method,a curve in an image is first detected.Next,a sequence of three points on the curve are selected.a sequence of parameters(a,b,r)corresponding to the three points are calculated by solving the circle equation of the curve,and two 2-D accumulators A(a,b)and R(a,b)are accumulated with 1 and r,respectively,Then the parameters{(a,b,r)}of the circles fitting the curve are determined from A(a,b)and R(a,b) by searching for the local maximum over A(a,b).Because no computation loops over center(a,b) and/or radius r are needed,the method is faster than the basic and directional gradient methods It needs also much smaller memory for accumulation.     

用于步态识别的多层窗口图像矩

该文提出了一种以局部性矩统计量作为步态特征描述的步态识别方法。首先提取行人二值轮廓序列,构造一种基于直方图的轮廓点分布特征检测出步态周期;然后生成彩色步态运动历史图像CGHI描述步态的空间特征和时间信息;继而设计了多层同心矩形窗口分割CGHI,提取出一组矩形环窗口的矩特征量作为步态特征,在此基础上实现了步态识别。在Soton数据库上进行了实验,提出算法的正确识别率可达87.2%,优于现有方法。     

基于小波结构矩的图像识别算法

提出了一种基于小波结构矩的具有平移、旋转、缩放不变性的新型图像识别方法.小波结构矩是在小波矩的基础上通过改变图像函数的结构即几何矩的密度得到的.该算法结合了小波和结构矩的优点,不但实现了对图像特征的精细把握还增大了相似图像之间的距离.采用三次样条函数作为母小波,有效提取了图像的全局特征和局部特征.实验证明,小波结构矩比改进的Hu矩和结构矩具有更高的识别率,目前该算法已经成功运用到全自动金丝球焊机图像识别系统.     

基于组合矩的激光雷达距离像目标识别

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。