基于改进多尺度乘积LoG算子的仿射不变形状匹配算法

目标在成像过程中发生的几何变形多数情况下可用仿射变换来描述。据此,提出一种利用角点进行仿射不变形状匹配的算法。首先引入多尺度乘积LoG(MPLoG)算子检测轮廓角点,并根据角点间距自适应地提取轮廓特征点,从而获取形状关键特征;为解决目标的仿射变形问题,采用Grassmann流形Gr(2,n)来表征和度量两形状之间的相似度;最后通过迭代式序列移位匹配算法来克服Grassmann流形对起始点的依赖并完成形状的匹配。对形状数据进行仿真实验的结果表明,所提算法能够有效地实现形状检索和识别,并对噪声有较强的鲁棒性。     

基于改进多尺度乘积LoG算子的仿射不变形状匹配算法

目标在成像过程中发生的几何变形多数情况下可用仿射变换来描述。据此,提出一种利用角点进行仿射不变形状匹配的算法。首先引入多尺度乘积LoG(MPLoG)算子检测轮廓角点,并根据角点间距自适应地提取轮廓特征点,从而获取形状关键特征;为解决目标的仿射变形问题,采用Grassmann流形Gr(2,n)来表征和度量两形状之间的相似度;最后通过迭代式序列移位匹配算法来克服Grassmann流形对起始点的依赖并完成形状的匹配。对形状数据进行仿真实验的结果表明,所提算法能够有效地实现形状检索和识别,并对噪声有较强的鲁棒性。     

特征点和不变矩结合的遥感图像飞机目标识别

传统的飞机目标识别算法一般是通过目标分割,然后提取不变特征进行训练来完成目标的识别。但是,对于实际情况比较复杂的遥感图像飞机目标,至今没有一种适合多种机型的分割和识别算法。针对现有识别算法的不足,本研究提出一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的遥感图像飞机目标识别算法。方法：首先,对预处理后的遥感图像和模板图像进行小波变换,在低分辨率图像下采用圆投影特征进行粗匹配,确定候选目标;粗匹配结束后,提取高分辨率图像的多尺度Harris-laplace角点,并画出Delaunay三角网,同时提取出颜色不变矩和Zernike不变矩;然后使用欧氏距离作为这三种特征的相似性度量,并和样本图像进行加权匹配;最后选取欧式距离最小的图像作为最终的识别目标。结果：实验表明,本文算法飞机检测精度比现有算法高2.2%,飞机识别精度比现有算法高1.4%-10.4%。该算法能从遥感图像中精确识别出十大飞机目标,并对背景、噪声、视角变化等多种干扰具有良好的鲁棒性。结论：提出了一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的飞机识别算法,该算法使用了图像的多种信息,包括特征点和不变矩,有效地克服了使用单一特征无法描述多种信息的不足。实验结果表明,本文采用基于特征点和不变矩的飞机识别算法比其他算法具有更强的抗干扰能力和识别精度。     

卫星遥感图像中的小目标形状描述算法

提出一种卫星遥感图像中基于小波变换的形状描述新算法。对图像进行一级小波变换,用Hu矩、Zernike矩和Fourier描述子分别提取子波段特征向量,并根据各子波段的描述能力强弱对所得特征向量进行加权处理,并输入到分类器中检验其描述能力。实验结果表明,该算法能够对目标形状进行更准确的描述,较经典描述子性能更优。     

基于区域伪Zernike矩的商标图像检索

研究商标图像检索问题,针对在二值商标图像检索中要求准确、高效,因此确定出目标像素点的区域分布形式,解决商标形状特征,对平移、旋转、比例以及起始点等变化下特征不变性问题,提出了一种基于区域伪Zernike矩的提取图像形状特征的算法。算法根据图像目标区域的最小外接圆进行区域划分,提取区域的伪Zernike矩来描述图像形状特征进行商标检索。通过仿真实验证明,区域伪Zernike矩的提取图像形状特征的算法具有良好的平移,旋转及比例不变性,并用有较强的抗噪性。     

基于ZM相特征描述符的图像配准方法

针对图像特征间的视角、模糊、旋转和尺度变换以及噪声干扰等不确定性因素对图像配准精度的影响,定义了基于Zernike矩的相特征不变区域描述符,给出了Zernike矩的归一化及其相值度量方法,提出了一种基于此的图像配准算法。通过对比实验验证,本文算法能够有效提取目标图像特征点并准确进行特征匹配,且在保障配准精度的前提下显著降低了算法复杂度。     

利用小波和矩进行基于形状的图象检索

形状是图象中目标的重要特征,基于形状的图象检索近来在基于内容的图象库系统和管理和应用中得到越来越多的重视。现已研制的系统存在两个问题。一是性能的不稳定性;二是相对平移,旋转和尺度变换的变化性,针对上问题,该文提出了一种新的基于形状的图象检索算法。此算法先对亮度图象图象进行小波模极大值变换以得到多尺度的边界图象,再利用７个不变矩提取每一尺度边界图象的特征,所有尺度上的矩共同组成图象的特征向量。图象的     

基于轮廓的形状射线描述模型

提出一种新的基于轮廓的形状描述和匹配方法。提取物体的轮廓并在轮廓上进行等间隔采样,利用参考点到采样点的距离、采样点处的轮廓方向及采样点间的空间关系来直观地表达目标的形状特征;通过在不同尺度、方向和位置进行最大表决来获得形状匹配的尺度、旋转和平移不变性;提出了结合局部和整体特征的相似度评分机制来实现目标的匹配和检测。实验表明,形状的射线描述模型不仅能对具有清晰轮廓的目标进行有效的检索和匹配,也可在复杂的图像背景中检测目标。     

基于形状的图像检索的关键技术研究

将小波变换的多尺度技术应用到图像检索中的形状特征的边缘检测 ,利用不变矩的仿射不变性进行形状特征提取 ,并以图像特征向量的欧氏距离进行图像的相似度匹配。试验结果表明 ,使用该算法可以提高基于内容的图像检索的准确率与检索速度。     

利用傅里叶变换边缘曲线法进行W型轮廓的快速匹配

W型轮廓标靶是一种用于汽车四轮定位的定位标靶,在一幅定位图像中能够快速地检索出与其一致的目标轮廓非常重要。传统的Hu矩、成对几何直方图算法运算速度慢,鲁棒性差。而一些适用于商标图像检索的傅里叶描述子却可以很好地适用于快速轮廓匹配,但是由于在一幅图像中进行目标轮廓的检索引入了过多的轮廓干扰,因此利用形状图像的傅里叶变换提取出轮廓的频谱特征,通过检查目标轮廓对模板轮廓频谱特征的干扰性大小来进行轮廓的相似性度量,并进行算法简化,从而达到轮廓快速匹配的目的。并且其抗干扰能力强,轮廓查找效率高。这说明利用傅里叶变换边缘曲线法进行轮廓形状匹配具有很好的适用性。     

A novel two stage template matching method for rotation and illumination invariance

Template matching is the process of determining the presence and the location of a reference image or an object inside a scene image under analysis by a spatial cross-correlation process. Conventional cross-correlation type algorithms are computationally expensive. Furthermore, when the object in the image is rotated, the conventional algorithms cannot be used for practical purposes.In this paper, an algorithm for a rotation invariant template matching method based on the combination of the projection method and Zernike moments is proposed. The algorithm consists of two stages. In the first stage, the matching candidates are selected using a computationally low cost feature. Frequency domain calculation was adopted to reduce the computational cost for this stage. In the second stage, rotation invariant template matching is performed only on the matching candidates using Zernike moments.     

Translation invariants of Zernike moments

Moment functions defined using a polar coordinate representation of the image space, such as radial moments and Zernike moments, are used in several recognition tasks requiring rotation invariance. However, this coordinate representation does not easily yield translation invariant functions, which are also widely sought after in pattern recognition applications. This paper presents a mathematical framework for the derivation of translation invariants of radial moments defined in polar form. Using a direct application of this framework, translation invariant functions of Zernike moments are derived algebraically from the corresponding central moments. Both derived functions are developed for non-symmetrical as well as symmetrical images. They mitigate the zero-value obtained for odd-order moments of the symmetrical images. Vision applications generally resort to image normalization to achieve translation invariance. The proposed method eliminates this requirement by providing a translation invariance property in a Zernike feature set. The performance of the derived invariant sets is experimentally confirmed using a set of binary Latin and English characters.     

基于Zernike色度分布矩的彩色图像检索算法

以对立色度空间及Zernike矩理论为基础,提出一种基于Zernike色度分布矩的彩色图像检索方法。该方法首先将彩色图像从三维RGB颜色空间转换到二维对立色度空间,以获得图像像素的色差度量值。然后结合Zernike矩相关知识,在二维色度空间中计算出各像素的Zernike色度分布矩,最后将Zernike色度分布矩作为图像颜色特征,并进行彩色图像检索。仿真实验表明,该算法能够准确高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率。     

使用离散小波矩和遗传算法的目标识别

提出了一种连续小波矩的离散化算法,用于目标识别中的特征提取。因为可提取的小波矩数量较大,为简化分类器的设计,进一步提出了利用遗传算法（GA）进行自动的特征优化选择。仿真实验表明了离散小波矩的旋转不变性。基于瑞士联邦理工学院计算机视觉实验室的Obj_DB物体数据库,进一步测试了识别性能。结果表明,方法对任意选择的12个物体达到了100%识别率,优于无特征选择的方法和Hu矩特征方法。     

基于修改的Zernike矩的抗几何攻击的数字水印方法

利用图像Zernike矩的幅度具有旋转不变的性质,提出了一种抗几何攻击的图像盲水印算法.算法首先对载体图像进行分块,计算子图像的Zernike矩后将其进行正则化,对正则化后的Zernike矩进行筛选,根据水印信息对选中的Zernike矩进行修改,并对差矢量进行Zernike矩重构,通过将重构的图像在空域迭加到原始子图像中实现水印的嵌入.该算法在抽取水印时不需要原始载体图像和原始水印.实验结果表明,该算法能够抵抗旋转、缩放攻击、裁剪攻击、JPEG压缩、噪声、滤波等常规攻击.     

一种改进的综合纹理和形状特征的图像检索方法

提出一种利用小波进行综合纹理和形状特征的具有旋转、平移和尺度不变性的图像检索算法.使用角向矩加权方向定义图像的主方向来进行坐标轴的旋转矫正,得到图像的旋转不变性表示;采用具有平移和尺度不变性的小波变换对图像进行小波分解,利用各子带的能量作为纹理特征;利用小波分解的逼近子图重构图像并进一步利用Hu不变矩提取其形状特征.最后对纹理和形状特征进行高斯归一化,综合其特征进行检索.实验中对算法的尺度不变性、旋转不变性、平移不变性及对噪声的不敏感性进行了验证,实验结果证明了该算法具有更高的鲁棒性和查准率.     

一种快速的具有旋转不变性的模板匹配方法

传统的基于相关的匹配方法计算量相当大,而且当模板相对于搜索图有角度旋转时,匹配的计算量更大。用圆警影和zemike矩的方法对快速的且具有旋转不变性的模板匹配方法进行了研究,圆投影将图像由二维变换成一维,这样就降低了计算复杂度,通过相似性度量可进行快速地粗匹配,然后在可能的匹配点中,再用Zemike矩实现精匹配。