基于混合矩特征提取的飞机图像识别

提出了一种新的基于图像区域纹理混合矩特征的飞机识别算法.该算法基于一阶直方图的颜色矩特征和基于灰度共生矩阵提取区域图像相关性、角二阶矩、对比度、相关性、倒数差分矩特征,实现有效降维,并采用聚类分析方法对飞机图像进行识别,实验结果显示基于该特征提取的识别方法识别正确率达95%以上,通过对比试验说明,该算法有较好的识别性能.     

基于局部Tchebichef矩的鲁棒图像水印算法

针对目前基于图像不变特征水印算法不能同时有效抵抗常规图像处理和几何攻击这一问题,提出了一种基于局部Tchebichef矩(LTMs)的图像水印新算法。首先,利用Harris-Laplace检测算子提取载体图像多尺度空间中的特征点,并通过特征选择策略获得稳定且分离的局部圆形特征区域;然后,结合主方向对齐,得到具有旋转、缩放和平移(RST)不变性的局部圆形特征区域;最后,计算局部特征区域的Tchebichef矩,采用量化调制Tchebichef低阶矩幅值将水印嵌入到局部特征区域中。实验结果表明,本文算法在获得很好的不可见性的同时,对常规图像处理、几何攻击及组合攻击具有较好的鲁棒性。     

一种改进的基于不变描述子的图像自动配准方法

本文提出了一种改进的基于不变描述子的图像自动配准方法来处理具有全局仿射变换的图像配准问题.该方法主要分为三步:首先,利用Mean-shift算法和区域标记算法分别从参考图像和待配准图像中提取区域特征作为配准基元,采用7个仿射不变矩作为不变描述子;其次,通过组合仿射不变矩的最小距离准则和行、列匹配概率系数算法获得一个候选匹配区域特征集,运用穷举策略从中得到三个最好的匹配区域特征,利用它们的重心点坐标计算仿射变换模型参数的初始值;最后,根据空间一致性检测获得所有正确的匹配区域特征,利用它们的重心点坐标和最小二乘算法估计最优的仿射变换模型参数.仿真和实际图像数据的配准实验和对比实验结果表明本文方法具有较高的可靠性和配准精度.     

一种实用的图像识别算法的研究

针对直接对灰度图像或二值图像求不变矩的计算量大,目标不够明确的的缺点,提出了先对图像进行预处理,再进行基于图像轮廓边缘的统一Hu不变矩计算,并加上了图像离心率的特征量,最后利用这些特征量进行图像识别的算法过程。实验表明此算法运算效率高、识别准确,能用于图像实时处理。     

飞机红外图像的目标识别及姿态判断

飞机红外图像的自动目标识别(ATR)是红外探测与成像制导技术中的重要研究内容之一.首先分析了飞机红外图像的特点,然后结合Hu不变矩和仿射不变矩,提出了一组有利于目标特点提取的特征量和自动识别算法,并建立了飞机红外图像的姿态库.通过对若干飞机图片和干扰图片进行飞机目标识别和姿态判断,验证了该方法的有效性.     

计算变形雅可比-傅里叶矩的改进算法

因其特殊物理性质,不变矩在模式识别中被广泛采用,但多数正交不变矩是在极坐标系中定义的,相关计算常常采取图像函数的极坐标变换,由此带来的量化误差和算法复杂度等尚未得到很好的解决。本文对变形雅可比-傅里叶矩(PJFM′s,Pseudo-Jacobi-Fourier moments)的常用算法进行改进,提出一种直接在笛卡尔坐标系中计算PJFM′s的算法,并将其应用于二值图像的重建实验。实验结果表明,该算法在计算误差和计算速度方面都有明显的改善。     

一种基于机器视觉的引体向上计数方法

针对引体向上项目人工计数效率低、误判率高等问题,提出了一种基于机器视觉的引体向上计数方法.利用AdaBoost算法构建Haar-like特征人脸人手分类器,通过计算图像不变矩获取人手人脸面积和质心坐标,分别取人脸面积、人脸与人手质心垂直距离做阈值;利用混合高斯背景模型提取运动前景,统计图像序列中ROI区域灰度变化,然后做椭圆肤色检测,计算图像不变矩获取图像序列中人脸质心坐标,通过对每帧的灰度值和质心坐标变化做分析,并与设定阈值作比较,得到引体向上数目.实验表明,该方法能快速的对复杂环境下引体向上动作进行计数,计数准确率约为91.3％.     

基于PNN的退化交通标志图像的识别算法研究

为了识别退化的交通标志图像,该文采用一种新的特征提取算法。该算法在处理图像退化问题时,采用模糊-仿射联合不变矩直接提取图像的特征,从而避免了需要较大计算量的图像复原处理过程。针对各阶模糊-仿射联合不变矩数量级差异较大问题,提出一种数量级标准化算法。在深入分析PNN与K-means聚类算法的基础上,提出采用全局K-均值算法优化设计概率神经网络分类器,并将其用于交通标志图像的分类识别。仿真结果表明:模糊-仿射联合不变矩是一种有效的处理退化交通标志图像的方法,所设计的概率神经网络分类器不仅具有精简的结构而且具有较好的推广性能。     

基于Radon和解析Fourier-Mellin变换的篡改图像盲检测算法

复制粘贴（Copy-Move）是一种极为常见的图像篡改方式。为了快速有效地检测图像经过旋转、缩放等操作后的篡改图像,本文提出了一种基于Radon和解析Fourier-Mellin变换的篡改图像盲检测方法。文章首先对图像进行分块,之后将图像块进行Radon和解析Fourier-Mellin变换,并提取计算变换结果后的矩特征值,最后计算矩特征值的相关性。本文算法不需要对灰度图像进行二值化与归一化处理,而是直接从图形的Radon变换与Fourier-Mellin变换的结果中提取不变特征,理论分析与实验结果表明,本文提出算法的检测结果优于基于正交矩的检测方法,而且对均值为0的白噪声的鲁棒性显著高于基于正交矩的检测方法。      

基于相关分析的飞机目标识别方法

提出了一种基于相关分析的飞机目标识别方法。该方法利用飞机图像低频和高频部分合成滤波器模板,能达到很高识别率与很低的等错率。该研究旨在提高飞机识别的准确率和降低出错率,采用一种基于相关分析的飞机目标识别方法。该方法通过对采集的飞机图像做去除背景、降噪、图像增强、二值化和归一化处理,将飞机图像低频和高频部分合成滤波器模板,通过特征比对达到识别飞机的目的。利用Matlab 7.0做10种飞机的识别实验,得出了95.47%识别率和0.04%等错率的结论,识别率和等错率均优于不变矩法、三维识别方法、基于小波分析和矩不变量的方法,印证了笔者提出的基于相关分析的飞机目标识别方法的优越性。在飞机图像数据库上的实验结果表明,该方法是可行的。     

面向引线框架缺陷的图像配准算法

为了降低引线框架缺陷识别的误检率,比较了基于灰度的模板匹配和基于特征的匹配算法之间的优缺点,并针对引线框架缺陷检测中参考图和检测图存在差异的特点,提出基于区域定位和不变矩的特征匹配算法。该算法通过边缘检测定位出特征区域,并用不变矩进行区域特征描述。在缺陷识别试验中,相比于模板匹配算法,该算法表现出更快的结算速度,更高的配准精度,更低的配准失败概率。结果表明,该配准算法适用于引线框架缺陷识别,降低误检率。     

基于感兴趣区域多特征加权融合的图像检索算法

基于内容的图像检索有着广阔的应用前景,但存在检索性能不高的缺点.综合兴趣点和多特征融合的优点,提出一种基于感兴趣区域多特征加权融合的图像检索算法.采用Harris算法提取图像的兴趣点,确定感兴趣区域;再采用累积灰度直方图、共生矩阵和形状不变矩分别提取感兴趣区域的颜色、纹理和形状特征;经归一化后,最后采用距离函数级融合来度量图像的相似度,以检索图像.实验表明,算法有效地提高了图像的检索性能.     

区域逻辑运算实现图像二值化

在分析了图像二值化的基本原理基础上，从图像的区域特性出发，研究了图像的区域编码和区域逻辑运算，并将区域编码和区域逻辑运算相结合，实现出图像的二值化。     

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%。     

A HYBRID METHOD FOR EFFICIENT TARGET RECOGNITION

An efficient target recognition method for remote sensing image is proposed inthis paper, which is based on moment invariant and support vector machine. First, seven Hu'sinvariant moments are extracted as a feature vector. Then,a support vector machine is used torecognize targets of planes and ships on binary remote sensing images. The experimental results     

浅海水下地形检测算法

自动化检测算法是实现浅海水下地形动态监测的关键技术.提出了浅海水下地形特征变化方向的提取方法,证明了其提取的方向与SAR图像特征基本一致.研究了不变矩区域描述方法,证明了采用不变矩来描述浅海水下地形的区域特征,具有可行性和适应性.提出了SAR图像中浅海水下地形的检测算法,其中采用了平均不变矩并重新定义了不变矩的距离.最后实验验证了该检测算法具有一定的准确性.     

基于不变矩特征匹配的快速目标检测算法

针对采用图像二维不变矩匹配时,计算量大、耗费时间长的缺点,提出了一种基于不变矩特征匹配的快速目标,赢余笔用滤波后的图像直方图不变矩进行匹配,匹配成功后,再用图像二维不变矩进行检验和确认。实验表明,该方法能有效抵抗图像对比度、亮度及旋转的影响,并且大大减少了运算时间。     

Target recognition in SAR images using radial Chebyshev moments

In this study, a new algorithm for classification of ground vehicles from standard synthetic aperture radar (SAR) images is proposed. Radial Chebyshev moment (RCM) is a discrete orthogonal moment that has distinctive advantages over other moments for feature extraction. Unlike invariant moments, its orthogonal basis leads to having minimum information redundancy, and its discrete characteristics explore some benefits over Zernike moments (ZM) due to having no numerical errors and no computational complexity owing to normalization. In this context, we propose to use RCM as the feature extraction mechanism on the segmented image and to compare results of the fused images with both Zernike and radial Chebyshev moments. Firstly, by applying different threshold target and shadow parts of each SAR images are extracted separately. Then, segmented images are fused based on the combination of the extracted segmented region, segmented boundary and segmented texture. Experimental results will verify that accuracy of RCM, which improves significantly over the ZM. Ten percent improvement in the accuracy is obtained by using RCM and fusion of segmented target and shadow parts. Furthermore, feature fusion improves the total accuracy of the classification as high as 6%.     

一种基于特征的自适应水印算法

基于图像多尺度空间理论和扩频机制以及视觉感知模型的特性,给出一种基于特征的数字图像水印算法。算法采用尺度不变特征变换算子提取图像的局部不变特征区域,根据信噪比特点自适应选取水印嵌入强度因子,将一幅二值水印图像嵌入到原始图像中,实现了数字水印的不可感知性和鲁棒性。仿真结果表明,该算法对添加噪声、压缩、旋转等常见的图像处理攻击具有较强的鲁棒性。