一种改进的不变矩特征与物体识别

引入了一种改进的不变矩特征表示方法。不变矩特征通过7个不变矩量很好地表征了图像的局部结构信息;通过压缩不变矩的值,得到了更优秀和实用的特征表示。改进的不变矩表示方法进一步包含图像的全局结构信息。实验结果表明,改进的不变矩比不变矩有着更好的识别效果,比现有的物体识别方法有着更大的优势,其易于执行,省去了参数调节,且效率高。

一种新的不变矩与神经网络玉米病害识别系统

基于不变矩理论,对玉米病害图像进行二值化、图像归一化处理,提出一种新的、具有较好逼近能力和较强容错能力的RBF-BP神经网络识别系统。利用Hu不变矩特征的平移不变性、比例不变性、旋转不变性和对目标良好的抗干扰性等特性,处理复杂、多变的玉米病害图像,形成不变矩特征矢量样本库。根据Hu不变矩在提取图像特征过程中的可靠性、独立性及数目小的特点和RBF-BP神经网络在识别过程中较好收敛性特点,对玉米病害图像进行特征提取、网络训练和病害特征的识别。仿真实验结果表明RBF-BP神经网络系统的有效性。