基于DSP的人脸Hu矩识别研究

在DSP硬件平台的基础上利用Hu矩研究人脸识别。DSP选用DM6437达芬奇处理器,利用DM6437的快速运算能力进行人脸识别,实现对人脸图像做平移、缩放和旋转三种运算,按肤色提取人脸图像,再做二值化处理,对二值化后的图像采用Hu矩提取特征值。实验结果表明,三种运算后的Hu特征值与原图像的Hu特征值相符,以此可以作为识别。     

基于改进Hu矩的异常行为识别

提出了基于改进Hu矩的异常行为识别算法,主要对跳、加速跑、摔倒、下蹲、挥手和手拿异物六种异常行为进行识别.对视频流首先要提取运动人体轮廓,然后对所得到的轮廓进行特征提取,这里主要提取人体运动的形状特征,最后,通过模板匹配的方法,采用Hausdorff距离计算所需识别的当前行为特征向量与模板行为(正常行走的行为)特征向量之间的相似性,并通过相应的阈值判定该行为是否为异常行为.实验证明,该方法对文中给出的样本异常行为的识别率达到100%,有一定实用价值.     

Krawtchouk矩旋转不变性的分析

矩是基于区域的形状描述子,相对于基于轮廓的描述子例如傅立叶、链码描述子等,对于不连通的图像形状描述和对噪声的鲁棒性等方面有着更良好的性能.正交矩又可分为连续正交矩和离散正交矩,Krawtchouk矩是离散正交矩中的一种,和连续正交矩不同,基于离散正交矩本身的离散特性,更适合于对数字图像的处理.但同其他离散矩一样,Krawtchou矩并不具备天然的几何不变性(旋转、缩放和平移),这也从一定程度上限制了Krawtchouk矩的应用.为使Krawtchouk矩得到更广泛的应用,对Krawtchouk旋转不变矩的构造进行详细分析和实验,比较出更适合用于浮游植物的Krawtchouk旋转不变矩.     

数字图像的剪裁与缩放

数码相机的普及，数字图像的剧增，预示人们已开始向“读图时代”迈进。而数字图像的剪裁方式、缩放方法，以及它们与图像容量大小、图像质量的关系是数字图像技术的基础，掌握这些基础就会对数字图像技术有进一步的理解和认识。     

Hu修正不变矩在零水印中的应用

文章提出了一种使用修正后的Hu新增不变矩零水印算法。该算法融合Hu不变矩及其新增的几个不变矩的特征矢量,提出了一种基于Hu修正不变矩的零水印算法。该方法保持了原有Hu矩的平移、尺度、旋转不变性,比原有的Hu不变矩包含了更多的细节信息用于更全面地描述图像。通过对该算法进行了一系列加噪、滤波以及JPEG压缩等仿真实验,结果表明该算法对常规的信号处理和几何攻击在鲁棒性上比原始7个Hu不变矩都有一定的提高。     

统一Hu矩及在电视图像目标识别中的应用

分析了在离散状态下比例因子对不变矩特征的影响,扩展了Hu提出的基于区域的不变矩和Chen提出的基于边界的不变矩,构造了一种新的不变矩,统一了基于区域和边界的矩不变量公式,并满足离散状态下的比例不变性,比传统的不变矩更具一般性。将其应用到电视图像目标识别中,仿真结果表明,不变矩不变性好,识别率高,实时性好,具有一定的应用前景。     

Hu新增不变矩在零水印中的应用

文章提出了一种使用Hu新增不变矩的零水印算法。该方法融合Hu不变矩及其新增的几个不变矩的特征,形成一组更为完备的特征矢量。文章利用这些特征矢量可以更好的构建零水印系统。在模式识别领域中使用这种方法可以实现对目标图像更为准确的识别;在图像检索领域中此方法比单一的Hu不变矩具有更好的检索性能。它不但保持原有Hu矩的平移、尺度、旋转不变性,而且比原有的Hu不变矩包含了更多的细节信息因此可以更全面地描述图像。所以将新增的几个不变矩和7个Hu不变矩应用到数字水印中,在一定程度上可以很好的提高水印系统的整体鲁棒性和可靠性。     

基于Hu矩和Zernike矩的形态特征储粮害虫分类方法研究

在工程应用的背景下,为了提高储粮害虫的识别率并节约分类时间,该文研究了以形态特征为基础的以Hu矩和Zernike矩为具体分类依据的储粮害虫分类方法,以常见的9种粮虫为对象,通过主成分分析特征压缩和支持向量机分类器完成此次实验,最后的实验结果表明Hu矩和Zernike矩相结合提取的不变矩特征使整个实验得到较高的成功率。     

基于Hu矩和Zernike矩的形态特征储粮害虫分类方法研究

在工程应用的背景下,为了提高储粮害虫的识别率并节约分类时间,该文研究了以形态特征为基础的以Hu矩和Zernike矩为具体分类依据的储粮害虫分类方法,以常见的9种粮虫为对象,通过主成分分析特征压缩和支持向量机分类器完成此次实验,最后的实验结果表明Hu矩和Zernike矩相结合提取的不变矩特征使整个实验得到较高的成功率。     

融合改进指尖点和Hu矩的手势识别

基于轮廓的识别算法能够很好地处理手势的外观变化,但现有的识别算法在目标旋转和缩放时其识别率和鲁棒性较低,针对这一问题提出了一种基于指尖点和Hu不变矩的手势识别方法。该方法对基于曲率的指尖检测方法进行改进,增强指尖点特征提取的鲁棒性;融合Hu不变矩和指尖点特征,提高手势模型的全局描述性;利用能够自动添加新手势的识别算法,提高算法的实用性。实验表明,该方法在满足实时性的基础上有效地提高了手势识别的准确性和鲁棒性。     

Radial shifted Legendre moments for image analysis and invariant image recognition

The rotation, scaling and translation invariant property of image moments has a high significance in image recognition. Legendre moments as a classical orthogonal moment have been widely used in image analysis and recognition. Since Legendre moments are defined in Cartesian coordinate, the rotation invariance is difficult to achieve. In this paper, we first derive two types of transformed Legendre polynomial: substituted and weighted radial shifted Legendre polynomials. Based on these two types of polynomials, two radial orthogonal moments, named substituted radial shifted Legendre moments and weighted radial shifted Legendre moments (SRSLMs and WRSLMs) are proposed. The proposed moments are orthogonal in polar coordinate domain and can be thought as generalized and orthogonalized complex moments. They have better image reconstruction performance, lower information redundancy and higher noise robustness than the existing radial orthogonal moments. At last, a mathematical framework for obtaining the rotation, scaling and translation invariants of these two types of radial shifted Legendre moments is provided. Theoretical and experimental results show the superiority of the proposed methods in terms of image reconstruction capability and invariant recognition accuracy under both noisy and noise-free conditions.     

低分辨率几何矩尺度不变量的波动分析

几何矩函数不变量的计算过程中,由于数字图像的离散化,图像本身尺度的缩放会带来计算误差,从而引起尺度不变量值的波动。通过分析较低分辨率下几何矩尺度不变量值的不规则波动,推断计算过程中常常会发生误差扩大现象,即离散化带来的较小误差被不合理地放大。从理论上分析了误差扩大现象产生的原因,并给出了具体的误差计算公式。结合几何矩函数的实际数据可知,在较低分辨率下,误差扩大将会引起不变量数值的大幅度波动,严重干扰其不变性;而高分辨率下,这种现象很不明显。之后,针对产生误差扩大的原因给出了一种几何绝对矩及其尺度不变量的定义,可以有效地克服误差扩大现象。对比的实验结果也表明,相对于传统的Hu不变矩,几何绝对矩不变量在低分辨率下可以保持更好的不变性。     

基于Hu向量相似度的图像序列自动排序算法

为了实现全景图拼接中图像序列的自动排序,提出了一种利用图像Hu矩向量相似度的图像序列全自动排序算法。首先利用图像的七个Hu矩构造一个矩向量,然后计算两个矩向量的欧氏距离,用以表示两幅图像的相似度,最后根据图像序列中各图像之间的相似度实现全自动排序。实验结果表明,该算法能有效地实现顺序混乱的图像序列的自动排序;同时,对图像序列中存在旋转及尺寸大小不同的特殊情况也能很好地处理。     

Hu矩在一次性输液针图像描述中的应用

目前国内一次性输液针手瓣装配基本上采用手工装配，因而存在许多弊端。为此，结合输液针的特点，对多种描述方法做了分析，提出了用Hu矩不变量来描述输液针图像，并用逆光拍摄方法来获取各个角度输液针针尖图像，从而获取了完整的轮廓信息，其二值化后的图像避免了矩值灰度级计算的不稳定性。实验结果表明，随着输液针角度的增加，其图像的矩不变量在有规律地发生着变化；用Hu矩不变量来描述输液针图像特征是可行有效的。     

复杂背景图像中军用靶子识别算法研究

提出了一种新的靶子图像识别算法,专门针对野外实弹射击采集的、具有复杂背景的图像。首先利用颜色特征,通过RGB空间转换到HSI空间、S通道阈值分割、融合I通道信息、第二次阈值分割、形态学后处理等步骤,进行一次粗分割;然后利用区域特征,提出了一种基于AdaBoost学习算法的靶子分类器设计方法,可以较好地将靶子区域同其他杂质区域分开,得到最终识别结果。     

数字图像识别在人脸检测中的应用

利用数字图像模式识别技术实现了人脸的自动检测及特征定位.对数字图像处理中的颜色模型、肤色建模的原理及在人脸识别中的应用进行了概述,分析了人脸识别过程中存在的困难,展望了人脸识别技术的发展方向.     

一种基于深度图像的静态手势神经网络识别方法

静态手势识别是以手势驱动的人机交互系统的核心技术。针对静态手势识别问题,提出了一种基于深度图像进行静态手势识别的方法。为了消除静态手势识别过程中的平移、旋转和缩放不变性,提取手势轮廓的Hu不变矩,并以Hu不变矩作为特征构建静态手势深度感知神经网络模型,以此实现对静态手势进行分类识别。在VisualStudio的开发环境下实现了对该方法的验证,取得了良好的效果,并与传统的模板匹配法与基于卷积神经网络的深度学习方法作比较,静态手势识别准确率总体可达95%,识别效率高,能满足实时性要求。