基于仿射不变矩的轴心轨迹自动识别方法

讨论了仿射不变矩的原理,通过改进仿射不变矩的积分因子,保证了积分因子在仿射变换下的不变性,将仿射不变矩应用于水电机组轴心轨迹特征的提取.通过计算轴心轨迹的仿射不变矩作为特征向量,结合人工神经网络方法,提出了一种高效的轴心轨迹自动识别新方法.对3类典型的轴心轨迹的自动识别进行了仿真试验,并与Hu氏不变矩方法的识别效果进行对比.试验结果表明:采用仿射不变矩方法的轴心轨迹识别率达到95%,明显高于Hu氏不变矩的识别率,仿射不变矩具有比Hu氏不变矩更好的轴心轨迹识别能力.

基于仿射不变矩的电气化铁路绝缘子片间夹杂异物检测

针对接触网非接触式图像检测中绝缘子夹杂异物自动识别定位问题,提出1种利用仿射不变矩进行绝缘子片间夹杂异物的识别定位检测方法。将预处理后的检测图像利用Hough变换线段检测方法对图像元素进行杆状物和绝缘子分类;通过仿射不变矩进行绝缘子类图元匹配,识别并定位绝缘子;对膨胀后的绝缘子图像进行边缘规则化,计算绝缘子灰度统计图,通过对统计图中条带宽度的判断,最终可判别绝缘子是否夹杂异物。实验表明:该方法对于绝缘子片间夹杂异物定位准确,自动识别率较高,可为保证电气化铁路接触网绝缘安全检测提供参考。

采用仿射不变矩的谐振接地系统故障选线方法研究

对谐振接地系统单相接地故障特征的分析表明,单相接地初始阶段故障线路与健全线路间的零序电流波形相似度低于各健全线路间的零序电流波形相似度,且故障初始时刻故障线路与健全线路的零序电流极性相反,高阻接地时该结论仍成立。仿射不变矩恰能反映各零序电流波形的整体形状特征和极性关系,且不受波形平移、旋转和缩放等仿射变换的影响,抗干扰能力强。对从各故障暂态零序电流波形图中提取的仿射不变矩特征量进行谱系聚类分析,并计算聚类有效性指标,选取聚类有效性最高的聚类树实现故障选线。各种故障工况的大量仿真表明,该选线方法适应性好,可靠性高。

基于仿射不变矩特征的舰船图像识别方法

获取舰船图像会受到视角影响，产生仿射变换。文章研究了矩特征的平移、旋转、尺度不变性和仿射变换的性质，进一步构造了仿射不变矩。首先，提取舰船图像的封闭轮廓；然后，计算仿射不变矩作为识别的特征库。通过计算待识别图像仿射不变矩与特征库特征的相关系数进行舰船类型识别，通过仿真数据证明仿射不变矩具有良好的识别性，最大相对误差小于4％。

基于仿射不变矩的神经网络目标识别

主要讨论了仿射不变矩及人工神经网络在模式识别中的应用,即使用BP网及BPX算法来模仿分类器,同时提取图像的3阶仿射不变矩作为特征输入建立对飞机图像的识别系统。

基于正交矩模糊和仿射混合不变量的图像识别算法

为了识别含有模糊和仿射混合形变的图像,提出了一种新的基于正交矩模糊和仿射混合不变量的图像识别算法.该算法首先使用归一化方法构造了基于Legendre正交矩的仿射不变量,并结合Legendre正交矩的模糊不变量提出了Legendre正交矩的模糊和仿射混合不变量;然后将该混合不变量作为描述算子,将欧几里德范数作为分类尺度,以最近邻法则作为分类器,对图像进行识别.实验结果表明,与其他基于非正交矩的混合不变量相比,基于Legendre正交矩的模糊和仿射混合不变量在混合形变下能够获得更好的不变性,不会带来信息冗余问题,并且对噪声鲁棒性较好;此外,该图像识别算法比其他算法具有更高的识别率,特别是在图像含有较大噪声的情况下.

基于HMM和仿射不变矩三维模型归类与检索算法

针对Hu不变矩对仿射形变图像描述的不足,为提高三维模型的检索精度,提出一种基于Hu不变矩和仿射不变矩特征性融合的隐马尔科夫模型相似性归类与检索算法。首先使用Sobol算子对机械零件三维模型进行轮廓边缘的提取,得到二维的正等测轴测图,然后对该图进行组合不变矩的特征提取,并进行特征值的编码,最后构造五类机械零件三维模型的样本集,通过添加比例因子的多观测值b-W(baum-Welch)算法进行机械零件三维模型的训练与识别,仿真实验表明本文所提算法具有较高的识别率。

仿射不变轮廓矩及其稳定性分析

针对区域矩需要计算全图像素的统计分布、计算量大的问题,构造了基于目标形状的仿射不变轮廓矩。首先采用PDE方法推导得到了6个仿射不变矩的数学模型,然后将积分区间变为目标区域的边界,计算得到基于目标形状的仿射不变轮廓矩,最后通过三类舰船不同姿态下的图像进行了实验验证并对其稳定性进行了分析。研究结果表明:仿射不变轮廓矩具有较好的稳健性及区分度,可将其作为不变特征用于舰船目标识别。

一种目标识别中基于关键点的仿射不变矩

针对常用仿射不变矩对轮廓边缘信息敏感的特点,提出了一种基于关键点的局部仿射不变矩,以分割出来的物体灰度图像为基础,首先计算出物体的质心,然后以质心为扩展点向周围引伸出多条射线,寻找每条射线方向上的最近灰度极值点,将所有灰度极值点当作关键点集合,并按照文中提出的计算仿射不变矩的方法提取出多阶不变矩,将其当作神经网络的输入向量,放入已经训练好的神经网络来达到识别物体的目的,将此方法应用在了飞机图像的识别上,实验结果证明此方法在物体轮廓分割不完整和有噪点污染的情况下能保持很好的稳健性,简单有效并具有较广的应用范围.

基于Hough变换与仿射不变矩的高铁接触网支撑装置旋转双耳断裂检测

针对高速铁路接触网支撑装置中旋转双耳耳片断裂检测问题,提出一种基于Hough变换与仿射不变矩的自动识别检测方法。首先利用Hough变换直线检测对全局图像信息进行预分类;然后通过仿射不变矩初识别旋转双耳类;接着应用Hough变换圆、矩形检测实现耳片精确定位;最后对耳片局部图像进行Hough变换直线检测,通过参数矩阵极值分布规律识别断裂特征。实验表明,该方法能较准确识别耳片断裂特征,为旋转双耳状态检测问题提供一定参考。

基于小波和仿射不变矩特征融合的舰船型号识别

针对不变矩对仿射形变目标描述的不足,为提高舰船型号的识别精度,提出一种基于小波和仿射不变矩特征融合的舰船型号识别方法。首先对二值舰船图像进行归一化处理,并分别提取归一化舰船图像的小波矩特征值和仿射不变矩特征值;然后通过计算样本特征均值与标准差的比值,选择出鲁棒性好、稳定性高的特征,通过归一化方法进行融合;最后构造五类舰船的样本集,采用支持向量机(SVM)作为分类器识别测试样本的型号,分析不同矩特征、样本集大小、SVM参数、本文方法对识别精度、稳定性的影响。实验结果表明,文中给出的算法提高了识别精度,并且在训练样本集较小时仍能获得88%以上的识别率。

基于仿射不变矩的三维多面体特征匹配识别

提出一种应用仿射不变矩识别三维多面体的新方法。通过用单幅二维图像信息,利用仿射不变矩和多面体结构图相结合的方法,实现对三维多面体目标识别。后面的房屋识别实验表明,该方法具有很好的有效性和稳定性。

小波和仿射不变矩的目标特征提取方法研究

不变矩是目标识别中重要而有效的特征提取方法。利用小波矩具有的多尺度、平移和旋转不变性进行特征提取,有较高的识别率。但当拍摄角度不同,图像发生形变,识别效果降低。针对这一问题,提出了一种将小波矩和仿射不变矩相结合用于目标特征新的提取方法,并验证本方法的鲁棒性更高,识别效果更好。

水电机组轴心轨迹HU氏不变矩与仿射不变矩特征量对比

为了提高发电机转子轴心轨迹形状自动识别的精度,寻求更高效率的识别方法,本文通过仿真对HU氏不变线矩和仿射不变线矩特征量进行比较,分别计算了仿真的轴心轨迹图形在相似变换和仿射变换下的HU氏改进不变线矩与仿射不变线矩特征向量,并将结果与原图形对应的特征向量进行对比,结果表明,HU氏不变线矩在轴心轨迹自动识别研究中存在一定的应用局限性,而仿射不变线矩则具有更好的识别能力,为转子轴心轨迹形状自动识别研究提供了理论依据。

基于仿射不变线矩和改进关联度分析的水电机组轴心轨迹自动识别研究

本文考虑到图形的非相似变换,选用仿射不变线矩作为轴心轨迹特征提取方法,结合一种改进的灰色关联度分析方法,给出了一种水电机组轴心轨迹自动识别新方案。本文通过MATLAB仿真了5种常见转子振动故障对应的轴心轨迹和5个待识别的图形,提取其仿射不变线矩,通过计算参考模式和待识别模式之间的关联度,将待识别图形正确分类,验证了新方案显著的识别效果。

基于仿射不变矩的动物运动检测与跟踪

矩技术因为其具有数学上的简明性及多样性而得到了广泛的应运，如在计算机视觉和模式识别等方面。结合帧差法在运动目标检测中运算速度快的特点，提出了一种基于隔帧差分区域结合仿射不变矩的运动目标检测方法。该方法通过隔帧帧差方法先提取运动区域。然后计算待检测的运动目标的不变矩特征量，最后利用神经网络方法来对特征量进行识别。试验结果表明，该方法能较好地检测出运动目标，并且克服了对突然停止目标会出现检测检测不出来的弱点，同时提高了运算速度。

Hu不变矩的构造与推广

为了更简洁高效地构造指定要求的不变矩,并判断矩组信息冗余性,推导了实复矩反演关系公式并提出了Hu不变矩构造定理。不变矩多项式和不变矩多项式空间概念的引入,可以赋予不变矩多项式空间代数结构特征。结合组合计数定理,列出了工程上非常实用且没有信息冗余的全部3阶4次不变矩,这是对7个经典Hu不变矩的推广。实验表明,与Hu不变矩的代数不变量构造方法和三角函数系构造方法相比,该构造方法更简洁高效且具有一般性,也更适合判断矩组信息冗余。所构造新不变矩具有较好的鲁棒性,用于图像描述取得了较好效果。

仿射不变的快速局部特征描述子算法

在局部图像特征的研究中,提出了一种用于实时图像匹配的仿射不变快速局部特征(Affine invariant fast local feature,AIFLF)描述方法。在兴趣点的局部邻域内利用归一化的梯度值建立基于仿射不变矩的描述子。模拟实验中,将利用Harris-Laplacian检测子的本文算法与经典SIFT算法进行了对比。结果表明:在识别率相当的条件下,本文算法运行时间明显小于SIFT描述子。在标准评估图片和移动机器人平台拍摄的定位图片构成的数据集下,本文算法在尺度、视角和旋转变换中的匹配效果好于经典的SIFT算子和SURF算子。

基于图像不变矩和SVM的机械零件分类识别

为了实现机械零件的分类识别,本文采用了不变矩与支持向量机(SVM)相结合的方法。提取了图像的HU不变矩和仿射不变矩,通过交叉验证算法进行SVM核参数和惩罚因子的参数寻优,为了提高SVM分类器的分类性能,采用有向无环图(DAG)方法设计多类分类器,实现了零件的分类。通过实验验证了本文提出的算法并对实验结果进行了分析。

基于组合不变矩特征的空中目标识别方法

根据NMI特征和Jan Flusser提出的仿射不变矩各自的特点和适用条件,提出了一种组合不变矩。利用组合不变矩提取图像的不变特征向量,并结合Fisher线性判别准则,实现了对空中目标的Fisher线性判别器(FLDA)的分类识别。同时,考虑到识别的快速性方面,对FLDA进行了改进,提出了主分量分析(PCA)与FLDA相结合的识别算法。仿真实验结果表明,该方法具有较高的识别精度和速度。