不规则形状图象矩特征的一种快速准确算法

介绍了一种基于边缘点计算矩特征的方法,该算法实现思路清晰,编程实现简单,结果准确,且可应用到其他形状特征的计算中。     

矩特征的一种快速算法

介绍了一种基于边界点计算形状矩特征的算法,并采用该算法计算了目标的形状特征。结果表明该算法比传统的矩特征计算方法是具有高的运算速度。     

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     

一种计算图像几何矩的快速算法

提出了一种计算图像几何矩的快速算法.根据图像区域边界的顶点链码,给出了图像几何矩的计算公式.该算法可以看作是格林理论的离散版本的一个推广,对低阶几何矩,算法的复杂度为O(n).与原有的几何矩算法比较,该方法具有实现简单、计算量小、计算结果精确等优点.     

一种新的珍珠形状匀称性检测算法

珍珠形状匀称性是衡量珍珠质量的重要指标之一。提出了一种新的珍珠形状匀称性检测算法——四象限边缘链码自相似性检测算法,是通过计算各个象限中边缘链码之间的相似度来判定珍珠形状的匀称性算法。采用四个方向的边缘算子对珍珠形状特征面进行边缘检测、融合,把已融合的珍珠边缘划分在四个象限;通过旋转、翻转方法把不同象限的珍珠边缘表示在同一象限;对表示在同一象限中的珍珠边缘进行8方向数链码编码,根据边缘链码计算出珍珠边缘的自相似性。实验显示,四象限边缘链码自相似性能够很好地描述珍珠形状匀称性,具有一定的实用价值。     

基于形状不变矩的图像检索算法的研究

描述了一种基于Hu形状不变矩的图像全局形状特征提取方法和算法IMS。实验结果表明,使用IMS。算法提取的形状特征向量具有对平移、旋转和尺度变化的不变性,适合于进行图像形状的检索。     

灰度图像矩的一种快速算法

大多数矩的快速算法仅适用于二值图像。本文给出了一种适用于灰度图像的矩快速算法。对N×N大小的灰度图像 ,引入 6个大小为N的数组 ,将求矩过程中重复计算的量一次计算后存入数组 ,减少了重复和冗余计算。虽然增加了 6个数组 ,内存的相对增加仅为 6/N。该算法原理简单 ,求矩结果精确 ,计算量大大减少。和直接法相比 ,加法和乘法运算次数仅为其 40 4%和2 2 6%。和Yang s算法相比 ,加法次数相同 ,而乘法次数约为其 67 6%。     

一种基于补偿法则的矩的快速算法

由于不变矩对图像的平移放大旋转的不敏感性，因此在模式识别、图像分类、场景匹配等图像处理和分析领域获得越来越广泛的应用．但是，求矩运算过程复杂、计算量大、使它的应用受到限制．基于Delta方法，提出了一种新的基于补偿法则的矩的快速算法．对任意二值图像分解为多条线段，图像的矩就等于所有线段的矩的和．对每一线段，将其左方(或上方)填满．每一线段的矩就等于填充后的线段的矩减去填充线段的矩．这样做的好处在于：一幅图像所有可能横(竖)线段的数目由N^2减少为N．引入一组N大小的数组，将求矩过程中大量重复计算的数据一次计算后存人数组，需要时查数组即得．从而极大地减少了计算量．由于填充后线段规格一致，便于用统一的公式计算且有利于编程．和已有的某些算法仅适用于无凹图像和矩计算结果是近似的相比，该算法计算结果准确，适用于任意复杂的二值图像．列出了已有矩算法运算量的评估，比较而言，所讨论的算法的计算量和用时都优于其他算法．     

基于形状不变矩的储粮微生物识别

运用柔性形态学进行图像边缘检测,然后采用改进的7个形状不变矩对储粮微生物中的四种主要细菌进行了特征提取和分类。实验取得理想结果,说明改进的形状不变矩能够满足储粮微生物识别要求。     

一种新的直线提取算法研究

研究了一种快速的图像直线提取算法。将边缘按方向划分成若干子边缘,利用判据从子边缘提取出局部直线,然后依据准则合并相应子边缘得到全局直线及参数。准确提取出图像中的直线特征及端点和方向等参数。实验结果表明,算法比Hough变换更准确、快速、可靠地提取图像的直线特征。     

一种基于多区域不变矩的步态识别方法

步态识别是一种新的生物识别技术,它通过人行走的姿势来实现对人身份的鉴别。本文提出了一种基于多区域不变矩的步态识别方法,将视频序列中检测出的步态侧影分为五个子区域,提取每个子区域的不变矩特征并计算步态序列中不变矩的变化特征,从而构成描述步态序列的特征向量。最后的实验表明,提出的方法具有较好的识别性能,是一种有效的步态识别方法。     

ASM中基于不变矩图形畸变主动检测与修正

主动形体模型是可变形模板技术中一种重要的方法,在医学图像分析和机器视觉中得到越来越广泛的应用。但是该方法在图像的匹配过程中,如果目标图像不够清晰或者模型初始位置不理想,会产生畸变的匹配结果。而且该模型没有一个有效的对畸变图形进行检测和修正的策略。提出了一种基于边界矩不变量的主动检测和修正方法,通过引入边界矩不变量,对模型的形体变化进行量化,并根据从训练集中获取的统计信息,对变形过程中的模型形体的变形进行检测和修正。实验结果表明,该方法能够在很大程度上解决匹配过程中的畸变问题,并且相比传统主动形体模型,所消耗的时间增加很少,对算法的效率并不影响。     

基于改进小波矩特征的快速无损图像描述算法

为了更有效地利用小波矩不变量算法来快速无损地计算图像特征值, 提出了一种融合Mallat算法的无损采样的新型小波矩不变量算法. 在此基础之上, 结合傅里叶变换的原理及特点, 提出了基于频率幅值谱与小波矩不变量的特征提取方法. 并将改进的小波矩不变量算法与传统使用三次B样条矩的小波矩、Hu矩进行了比较. 实验表明, 改进的小波矩不变量在比传统小波矩不变量算法性能几乎没有损失的情况下, 大大加快了小波矩不变量的计算速度, 并且基于频率幅值谱的小波矩有更强的抗噪性.     

遥感图像小型目标的识别方法

提出使用特征提取的方法来识别遥感图像中的小目标。介绍了不变矩法和高阶累积量法两种用于目标识别方法的原理和如何构造它们的不变特征集的过程。在论述了这两种不变特征集的构造方法的基础上，对遥感图像采用多元识别方法。实验结果证明：经过图像预处理后，采用不变矩法和高阶累积量法进行多元搜索有很高的准确度。     

基于不变矩的人脸识别方法的研究

人脸识别是模式识别与计算机视觉领域中的一个重要的研究课题 ,在公安、交通、银行、海关以及安全系统等领域有着广泛的应用前景。该文提出了一种基于小波及不变矩矢量的人脸识别方法。利用小波变换减小或消除了表情因素对人脸识别的影响 ,然后利用不变矩矢量作为人脸的特征来进行人脸识别。我们采用了支持向量机和最近邻分类器作为分类器 ,在ORL人脸数据库的基础上进行了测试。实验取得了良好的效果 ,证实了算法的有效性。     

一种基于目标边界的不变特征提取方法

提出了一种基于目标边界的不变特征提取方法。导出了用物体角点坐标表示的低阶边界矩的闭合形式,构造了基于边界矩的仿射变换不变量。该方法只需要对物体角点进行简单的代数运算,因此,该方法简单明了,计算量很小。实验结果证明了该方法的有效性。     

基于角点检测的图像形状特征提取方法

针对形状标记表示法可能遗漏轮廓曲线上较重要边界点的问题,提出一种基于角点检测的质心距离标记法。该方法采用轮廓跟踪技术获取物体的轮廓曲线,通过角点检测得到曲线上的所有角点,利用质心距离产生形状标记。以最近邻分类和K-中心聚类对其性能进行验证,结果证明了该方法的有效性。     

一种基于图像的快速点画法

点画法是将微小而密集的点均匀而随机地排列,以点的疏密产生明暗色调和纹理,手工完成点画通常需要耗费艺术家相当长的时间,由计算机生成点画效果是非常有必要的,而其中关键问题就是如何快速合理地产生点的分布。提出一种由数字图像快速生成点画效果的算法,算法能够在不规则区域快速地产生均匀而随机的点。首先根据灰度值将图像划分为多个区域,然后利用密度函数在不同的区域产生不同密度的点,为了能够突出图像特征,对图像的特征区域和非特征区域采用不同的处理方法。实验结果表明利用算法可以快速产生接近人类手工作品的点画。