利用Zernike矩对心脏超声图进行光流场计算的领域优化算法

本文针对心脏超声图的特性,介绍了一种计算二维光流场的领域优化算法,通过对Zernike矩的正交性、旋转不变必等特性的分析,论证了Zernike矩的在心脏超声图中作为运动不变特征的优越性,从而将传统光流场计算中的亮度不变假设推广到了亮度各阶Zernike矩不变。另外,由于Zernike矩计算了像素点附近其余像素的贡献,使得单个像素点引起的误差对特征的影响大大减小,从而提高了算法的鲁棒性。     

基于鲁棒特征的光流研究

光流是动态景象分析的重要步骤,光流是指图像亮度模式的视在运动.多数光流算法依赖于亮度恒定原则,然而由于传感器噪声和不一致的亮度条件,常常不满足亮度恒定要求,为此,提出一种基于鲁棒亮度特征的伪Zernike矩的光流算法,鲁棒亮度特征比亮度更能保持恒定,伪Zernike矩反映局部图像亮度分布,作为光流方程的不变特征.实验结果表明算法性能优于其他经典算法.     

基于伪Zernike矩的抗几何攻击图像水印

针对几何攻击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,提出了一种抗几何攻击图像水印算法(GWPZM).首先计算图像的伪Zernike矩,选择适宜于嵌入水印的矩进行幅度改变量测试.筛选出最优矩集合,根据水印比特自适应地修改集合中的矩,并对差矢量进行伪Zernike矩重构,通过将重构图像在空域迭加到原始图像中嵌入水印.水印检测时,首先计算受攻击图像的伪Zernike矩,以最优矩集合作为密钥,通过与原始图像比较矩的幅度提取水印.实验结果表明,GWPZM算法能够抵抗旋转、缩放攻击、二者组合攻击以及JPEG压缩、噪声等常规攻击.     

一种基于区域不变矩的图像特征关联方法

为了研究多源图像特征关联问题,提出基于区域不变矩的特征关联方法;对经过区域分割后的图像各个区域计算其区域不变矩特征,提出一种区域相似性度量算法,并对计算出的图像区域不变矩进行特征关联。通过对一种飞机二值图像问题进行特征关联的仿真实验,并通过图像形式给出飞机二值图的特征关联结果,验证了该算法的实用性和有效性。该算法可以用于其他类型图像中区域不变矩的特征关联。     

基于局部Zernike矩的RST不变水印

旋转、缩放和平移(RST)等几何攻击能够破坏水印检测的同步性,而使常规水印检测失败,提出了一种基于图像局部Zernike矩的RST不变水印算法.利用图像归一化后的Zernike矩幅度具有RST不变的性质,将由Zernike矩重构的水印图像在空域嵌入原始图像的局部中,并提取该区域的Zernike矩幅度矢量作为水印矢量.水印检测时,计算局部区域的Zernike矩,并与已知Zernike矩矢量计算均方误差根(RMSE)判断水印存在与否.与使用图像全局Zernike矩相比,使用局部矩使得水印具有更好的旋转不变性,同时水印对于缩放、JPEG压缩和噪声等攻击也具有较好的检测性能.     

基于多尺度分析矩特征的人脸表情识别

Zernike不变矩具有对噪声不敏感,正交等特性,是表情的有效表征方法,高阶Zernike矩包含更多图像信息,对表情分类的作用更大.但是高阶矩的计算复杂度很大,很难达到快速表情识别的要求.本文利用小波变换对表情图像进行多尺度分析,从低频子图像中计算其Zernike矩作为判别特征进行表情识别.通过小波变换,一方面可以对图像降维,降低计算复杂度;另一方面,小波变换的去噪性能使得识别效果更好.实验表明,基于多尺度分析Zernike矩特征的方法优于单独使用小波变换或Zernike矩特征方法的识别效果.     

Zernike矩不变性分析及其改进

在分析了Zernike矩不变性后,提出了一种基于图像整个区域形状描述算子的改进Zernike矩。改进的Zernike矩不仅具有旋转不变性,而且还具有改进前不具有的比例不变性。试验结果证明,和改进前的Zernike矩相比,改进后的Zernike矩具有更好的不变特征,可用作基于区域的形状描述算子。     

基于方差约束与几何不变特性的图像匹配算法

为解决较多图像匹配算法主要通过测量关键点之间的距离来实现特征匹配,忽略了图像的结构信息,使其存在较多的误匹配的问题,本文设计了方差约束耦合几何不变特性的图像匹配算法。借助于Forstner算子计算像素点的兴趣值,以检测图像的特征;计算图像的梯度信息,获取图像的方向值,并切割图像特征的圆形邻域,从而获取扇形子域;以图像的方向值为基础,通过计算扇形子域中的灰度不变矩,输出对应的特征向量;引入区域方差函数,获取图像的结构信息,将其加入至图像特征的匹配过程,以约束欧式距离的测量结果,实现图像特征匹配;最后利用匹配点间的几何不变特性,对匹配特征去伪求真,优化匹配结果。测试数据表明：相对于已有的匹配技术,在对无变换图像、缩放图像以及旋转图像匹配时,所提算法拥有更高的匹配准确度,分别达到了96.56%、95.38%和93.52%。     

基于Blob-Harris特征区域和NSCT-Zernike的鲁棒水印算法

为了有效抵抗水印图像的几何攻击,该文提出了一种基于Blob-Harris特征区域和非下采样轮廓波变换(NSCT)和伪Zernike矩的鲁棒水印算法.首先原始图像进行两层非下采样Contourlet变换后提取其低频图像,然后利用Blob-Harris检测算子对低频图像进行特征点提取,根据各个特征点的特征尺度确定其特征区域,优化筛选出稳定且互不重叠的特征区域并将其四周补零,得到稳定的互不重叠的方形特征区域作为水印嵌入区域,最后计算每一个方形特征区域的Zernike矩,将水印信息嵌入在量化调制正则化Zernike矩的幅值当中.实验结果表明,Lena图峰值信噪比达到40 dB以上时,本文算法对常规图像处理以及缩放、旋转、剪切等几何攻击和组合攻击都有相对较强的鲁棒性.     

基于Blob-Harris特征区域和NSCT-Zernike的鲁棒水印算法

为了有效抵抗水印图像的几何攻击,该文提出了一种基于Blob-Harris特征区域和非下采样轮廓波变换(NSCT)和伪Zernike矩的鲁棒水印算法。首先原始图像进行两层非下采样Contourlet变换后提取其低频图像,然后利用Blob-Harris检测算子对低频图像进行特征点提取,根据各个特征点的特征尺度确定其特征区域,优化筛选出稳定且互不重叠的特征区域并将其四周补零,得到稳定的互不重叠的方形特征区域作为水印嵌入区域,最后计算每一个方形特征区域的Zernike矩,将水印信息嵌入在量化调制正则化Zernike矩的幅值当中。实验结果表明,Lena图峰值信噪比达到40 dB以上时,本文算法对常规图像处理以及缩放、旋转、剪切等几何攻击和组合攻击都有相对较强的鲁棒性。     

Accurate computation of Zernike moments in polar coordinates.

An algorithm for high-precision numerical computation of Zernike moments is presented. The algorithm, based on the introduced polar pixel tiling scheme, does not exhibit the geometric error and numerical integration error which are inherent in conventional methods based on Cartesian coordinates. This yields a dramatic improvement of the Zernike moments accuracy in terms of their reconstruction and invariance properties. The introduced image tiling requires an interpolation algorithm which turns out to be of the second order importance compared to the discretization error. Various comparisons are made between the accuracy of the proposed method and that of commonly used techniques. The results reveal the great advantage of our approach.     

一种新的Pseudo-Zernike矩的快速算法

Zernike矩因具有正交性和旋转不变性而广泛应用于模式识别、图像分析等领域.Pseudo-Zernike 矩具有与Zernike 矩相似的性质,但它较Zernike 矩具有更好的抗噪声性.由于pseudo-Zernike矩的复杂性,相关的快速算法的研究尚未得到很好的解决.本文根据pseudo-Zernike矩自身的特点,推导了一种快速有效的计算方法.     

基于Harris特征点和伪Zernike矩的鲁棒水印算法

抵抗几何攻击的鲁棒性是目前数字水印技术中的热点亦是难点。文中以Harris检测算子和伪Zernike矩为理论基础,提出一种有效抵抗几何攻击的鲁棒水印算法。通过提取归一化图像的Harris特征点,选取部分稳定特征点确定圆形区域并计算伪Zernike矩,并量化调制伪Zernike矩的幅值来嵌入水印信息。实验结果表明,本算法对于抗几何攻击具有较好的鲁棒性,同时也能抵抗常规的信号处理攻击。     

Performance of Object Classification Using Zernike Moment

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.     

基于改进爬山算法的微小零件亚像素级定位

为提高微小零件亚像素级定位效果,采用改进爬山算法。将目标区域向外扩展获得调焦窗口跟踪漂移图像,边界由像距和视角决定;然后优化爬山搜索算法得到最优收敛解,二维图像信息熵构成调焦图像评价函数;改进Zernike矩算法,通过高阶矩的模代替边缘参数,减少了计算量,卷积窗口矩阵构成Zernike矩的差值,提高定位精确度;最后给出了算法流程。实验结果显示,改进Zernike矩偶模板比奇模板边缘亚像素定位误差小,相比空间矩算法、多项式拟合算法、Zernike矩算法、区域生长算法和模板匹配算法,对规则形状定位误差均值分别减少了43.24%,21.62%, 32.43%,27.03%和56.76%;对不规则形状定位误差均值分别减少了39.02%,20.15%,26.83%,24.39%和51.22%。本文算法定位精确度较高。     

考虑圆形特征边缘模糊和偏心误差修正的高精度相机标定方法

针对立体视觉系统采用圆形特征点标定时存在的空间圆形投影边缘模糊和偏心现象问题,利用改进Zernike矩和偏心误差修正进行圆心的高精度定位,以此提高相机参数的标定精度。首先考虑了由于立体视觉成像系统的标定场景光照强度不均匀引起的圆形特征投影图像边缘模糊的问题,引入高斯误差函数对边缘过渡段的灰度分布进行描述,建立了高斯边缘模型,并基于该模型计算投影图像的Zernike矩,然后利用改进Zernike矩实现高精度的圆形特征投影边缘像素坐标定位。此外,分析了影响圆形特征中心投影点和拟合圆心间偏差大小的因素,基于该分析对迭代拟合圆心进行偏差补偿使之逼近真实的圆心投影,最后通过所提算法对99圆形标志点进行圆心坐标提取并用于相机参数的标定。仿真实验表明,文中算法对投影图像边缘定位的精度以及圆心拟合的精度均高于传统的算法;实测实验中,基于圆心高精度坐标得到的相机标定参数对标准杆进行三维重建,长度测量精度比传统算法提高了30%。     

Robust image watermarking using local Zernike moments

In this work, we propose a robust image watermarking algorithm using local Zernike moments, which are computed over circular patches around feature points. The proposed algorithm locally computes Zernike moments and modifies them to embed watermarks, achieving robustness against cropping and local geometric attacks. Moreover, to deal with scaling attacks, the proposed algorithm extracts salient region parameters, which consist of an invariant centroid and a salient scale, and transmits them to the decoder. The parameters are used at the decoder to normalize a suspect image and detect watermarks. Extensive simulation results show that the proposed algorithm detects watermarks with low error rates, even if watermarked images are distorted by various geometric attacks as well as signal processing attacks.     

A new Zernike moments based technique for camera identification and forgery detection

In multimedia forensics, it is important to identify those images that were captured by a specific camera from a given set of N data images as well as detecting the tampered region in these images if forged. This paper presents a new technique based on Zernike moments feature extraction for blindly classifying correlated PRNU images as well as locating the tampered regions in image under investigation. The proposed clustering algorithm is based on estimating the Zernike moments and applying a hierarchical clustering for classification. The forgery detection algorithm is based on picking up the peak Euclidean distance between the Zernike moments vector of blocks of the scaled-down forged image and its corresponding ones in the capturing camera PRNU. As Zernike moments are scale and rotational invariant, its feature when computed using scaled-down PRNU images lead to considerable computation time saving. Simulation examples are given to verify the effectiveness of the proposed techniques when compared to other state-of-the-art techniques even in case of very weakly correlated PRNU.