基于Kinect和变形雅可比-傅里叶矩的手势识别

为了使人机交互变得更加自然,提出利用Kinect体感器获取手势深度图像;利用变形雅可比—傅里叶矩对手势图像进行特征提取;利用最小欧氏距离分类器进行建模、分类,实现手势识别。用Kinect体感器获取手部深度数据流,深度数据结合阈值分割法,可以有效地实现手势的分割。变形雅可比—傅里叶矩是一种不变矩,不变矩具有灰度、平移、旋转和尺度不变性,适合用于多畸变不变图像的特征提取。实验对5种手势进行了测试,平均识别率为95.2%,实验结果表明:该方法具有较高的识别率。

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。

用雅可比-傅里叶矩进行图像描述

提出了雅可比傅里叶矩 ,它是用雅可比多项式作为径向函数 ,用傅里叶因子作为角向函数构造而成的 ,是广义正交傅里叶梅林矩。经过归一化处理后的雅克比傅立叶矩具有平移、尺度、旋转、灰度多畸不变性。从归一化图像重建误差、噪声灵敏度等方面对雅可比傅里叶矩的图像描述能力进行了研究 ,结果显示雅可比傅里叶矩在各种参量选择的情况下 ,具有良好的图像描述和抗噪声能力 ,是一个优良的图像特征。以前的研究多为单纯构建某一个函数 ,而现在将其扩展为构建一个函数族 ,开阔了矩描述量的研究视野。

变形雅可比(p=4,q=3)-傅立叶矩的算法优化

在模式识别中,不变矩作为特征提取量被普遍使用。由于大多不变矩是在极坐标系下定义的,计算过程中需要多次进行坐标变换,这种变换既增加了计算复杂度,还产生了明显的量化误差。针对此问题,本文提出1种直接在笛卡尔坐标系中计算变形雅可比矩的算法,并将此方法分别应用于相似白细胞显微图像和8种家畜寄生虫卵显微图像的识别中,识别率分别为97.89%和92.18%。

信息光学 光学滤波与频谱分析

O438.2 2004053508 变形雅可比(p=4,q=3)-傅里叶矩的抗噪声能力研究=Study of noise sensitivity of Pseudo-Jacobi(p=4,q=3)-Fourier moments[刊,中]/阿木古楞(内蒙古大学理工学院物理系。内蒙古,呼和浩特(010021)),杨性愉…∥光电子·激光。—2003,14(11),—1191-1195 使用加法性零均白噪声,从统计性重建误差。