不变矩理论及其在目标识别中的应用

几何形状的识别在计算机视觉中具有十分重要的意义,一般几何形状可以分为区域和边界两种。不变矩特征在图像平移、伸缩、旋转时均保持不变。介绍了利用图像的不变矩向量进行目标形状识别的方法,并比较了Hu提出的基于区域的不变矩和Chen提出的基于边界的不变矩的性能和计算速度。

计算机智能图像识别算法研究

科技的飞速发展使得人们对计算机技术的发展也提出愈来愈高的要求,目前,为了研究和探索未知事物,技术工程人员不断地更新和研究计算机智能化处理,从而解决了人类在复杂环境下的识别能力。本文首先分析了计算机智能图像识别技术的主要特点,其次,阐述了此项技术的相关技术条件,然后介绍了该项技术的主要算法,最后总结了该项技术的主要应用领域以及发展前景。

用于线纹显微图像的边缘检测算法

为了在简化计算的同时达到较高的定位精度,提出一种轴向邻域和差边缘检测算法,用于低信噪比、缓慢过渡的微结构显微图像的边缘检测。首先,结合显微图像采集系统的配置,分析了线纹显微图像边缘灰度轮廓特征和基于导数的边缘检测算法的不足。然后,基于方向信息测度,定义了轴向邻域和差运算,依据矩不变理论推导出轴向邻域和差边缘检测算法。实验结果表明:轴向邻域和差边缘检测算法能够适应不同分辨率的显微图像,具有较强的抗噪能力和较高的定位精度,边缘检测效果优于基于导数的算法。该算法用于显微图像时,其边缘坐标定位方差为0.57pixel,微米级线条宽度的测量结果与扫描电子显微镜的测量结果(1.35μm)相差0.17μm,基本满足了测量精度的要求。