基于多变量鉴别分析的光学畸变不变性图像识别

提出一种基于鉴别分析的光学畸变不变性图像识别方法 :对包含各种畸变的训练图像集采用主成分分析得到若干本征图像 ,作为参考模式与测试图像做光学相关 ,利用本征图像与输入图像的相关结果作为识别特征 ,采用最佳鉴别分析做训练和识别 ,即可实现对输入图像的畸变不变性快速识别。采用非相干光相关器为光学实现硬件 ,给出了实验结果。

不变矩图像分析研究进展

不变矩是1种高度浓缩的图像特征,具有平移、灰度、尺度、旋转等多畸变不变性。1961年,M.K.Hu首先提出了7个几何不变矩用于图像描述。后来人们进行多方面研究,发现正交矩具有绝对的独立性,没有信息冗余现象,抽样性能好,抗噪声能力强,更适合用于多畸变不变图像描述和识别。性能较好的正交矩有Legendre矩、Zern ike矩、正交傅立叶-梅林矩、切比雪夫矩和变形雅可比(p=4,q=3)-傅立叶矩等。近几年,用正交矩进行图像分析、图像处理以及图像识别的研究报道很多,这表明不变矩理论及其在图像信息处理与识别中的应用技术具有很好的发展前景和应用商机。本文系统介绍了不变矩的概念、特性以及它在图像分析中的简单应用。

基于神经网络和圆谐展开对战斗机俯视图位移、旋转和缩放的识别

神经网络进行畸变不变性模式识别具有普适性、适应性、最优并行性及其在硬件上实现的优点,它可以有效地弥补光学相关模式识别在存在性上的局限性。两者的有效结合对模式识别的发展将起到很大的作用。神经网络和圆谐展开相结合的方式构造复合滤波器可以有效地实现对同一位移、平面旋转和缩放了的图像的畸变不变识别,并给出了该方法用于战斗机俯视图识别的计算机模拟结果。

用变形雅可比(p=4,q=3)-傅立叶矩进行图像描述

提出了变形雅可比(p=4,q=3) 傅立叶矩(PJFM′s)。此矩具有平移、灰度、尺度和旋转等多畸变不变性,适合用于多畸变不变图像的描述。在较小的径向距离0≤r≤1内,新的正交径向多项式有(n+2)个几乎均匀分布的零点。对固定图像的重建实验表明,重建质量高,小图像的重建误差尤为小。