图像奇异值特征矢量缩放不变性分析及应用

图像奇异值特征矢量以其稳定性和它在转置、平移、旋转和镜像变换下具有的不变性,被认为是一种图像的代数特征,广泛应用于图像匹配和图像识别。通过矩阵运算,证明了奇异值特征矢量在图像做缩放变换时具有不变性,并将这种性质运用于图像匹配。实验结果表明这种不变性与奇异值特征矢量在图像做转置、平移、旋转和镜像变换时所具有的不变性一样,是奇异值特征矢量能够作为图像代数特征的一个重要依据。     

关于复归一化反射系数不变性定理

本文通过对给定阻抗的Darlington等效网络的单位归一化散射矩阵的研究,提出了一个n端口网络对n个非Foster正实阻抗复归一化散射矩阵和其增广网络单位归一化散射矩阵之间的关系,这里Darlington等效网络是互易的,也可以是非互易的。从而进一步证明了Carlin-Yarman复归一化反射系数不变性定理是不正确的。     

基于曲率的透视不变性分割

曲线的透视不变性分割在基于二次曲线的三维重建中非常重要。首先给出了连续曲线零曲率点和角点的提取法，在数字图像中曲经是不连续的，曲率的变化受噪声的干扰很大。在这种情况下为了检测出零曲率点和角点，对曲线采用了高斯滤波然后再提到零曲率点和角点。实验证明这种方法效果优于直接求曲率法。     

图像处理中自适应数学形态学的研究

实际图像处理中当视场的变化引起目标变形时,固定大小的形态学算子很难达到较好的处理效果。研究了利用距离变换自适应地调整结构元大小的方法,即根据图像的不同位置来调整结构元素的大小,从而实现图像的形态学运算,并由此推导出了快速计算方法,最后测试了这种新算法的有效性。实验结果表明,该算法取得了较为理想的效果。     

基于径向矢量的不变性形状分类方法

介绍一种利用径向矢量提取形状特征的方法，着重于分析二维图形的不变性，提出一种带有方向因子的径向矢量描述，该矢量以图形边界弧长为自变量，完整地刻画了图形特点，克服了非凸图形识别中存在的多义性，以归一化的特征矢量的输入，采用三层神经网络为分类器，在字符及军事目标不变性识别中取得了令人满意的结果。     

一种新的基于梯度方向直方图的图像配准方法*

构建了一种新的局部梯度方向直方图,同时定义了特征点的主方向,从而提出了一种具有旋转不变性的图像配准算法.首先采用高斯加权求模技术对特征点邻域内的像素的梯度作直方图统计,确定出具有旋转不变性和抗噪性的特征点主方向;然后用主方向作角度直方图统计,确定待配准图像之间的旋转角度.根据得到的特征点信息及旋转角度定义了特征点对互信息匹配准则,这样使得新配准算法对于图像间旋转角度的范围没有限制,获得了良好的配准效果.     

Image Mosaic Techniques OptimizationUsing Wavelet

This essay concentrates on two key procedures of image mosaic--image registration and imagefusion.Becauseof the character of geometric transformation invariance of edge points, wecalculate the angle difference of the direction vector ofedge points in different images anddraw an angle difference histogramto adjust the rotationproblem. Through this way, algorithm based on gray information is expandedandcan be used in images withdisplacementand rotation. Inthe term of image fusion, wavelet multi-scale analysis is used to fuse spliced images. In order to choose the best method of imagefusion,weevaluate the results of different methods of image fusion by cross entropy.     

基于信息熵度量的高斯尺度空间角点检测算法

图像的多尺度表示是指从原始图像出发,导出一系列越来越平滑、简化的图像,这种简化意味着图像信息的丢失。图像角点是图像的一个重要的局部特征,本文结合尺度空间理论,实现了多尺度下Harris角点检测,并利用信息熵计算每一尺度下图像的信息量,信息熵是衡量不同尺度下图像信息的可靠方法。通过实验对提取出的特征点进行攻击,证明了这些点具有很好的鲁棒性,与单尺度Harris角点检测相比,该特征点具有更高的重复率,即尺度不变性。     

一种使用小波矩的飞行器目标识别方法

为了在自动识别中提高分类准确率,利用小波的多分辨特性对飞行器图像进行特征提取,并对图像进行径向小波变换,得到可分辨的小波矩.为保证数字图像从笛卡尔坐标系变换到极坐标系的精度,将原图像扩大64倍,并使用三次B样条小波矩、Haar小波矩和Zernike矩分别提取两组图像的特征向量,得到的分离度标准差由使用Zernike矩的0.584提高到使用三次B样条小波矩的0.158.表明三次B样条小波矩可以有效提高分类准确率.