Gaussian-Hermite矩旋转不变矩的构建

矩及矩的方程因其较强的表述图像特征的能力在图像处理与模式识别中有着广泛的应用,但目前基于具有正交性质的Gaussian-Hermite矩的研究还比较有限.针对Gaussian-Hermite矩进行深入的研究,将其推广到极坐标下复数空间中,提出Polar-GaussianHermite矩;给出利用升降算符计算矩的方程的方法;并利用极坐标下复数空间中的优势,以及它们之间的一一对应关系,推导Gaussian-Hermite矩的旋转不变矩,并给出其旋转不变矩的独立与完备集.实验结果验证所提出的旋转不变矩的正确性,以及良好的数字稳健性.

基于Gaussian-Hermite矩和HVS的图像质量评价

提出一种基于Gaussian-Hermite矩和人类视觉系统(HVS)特性融合的图像全参考质量评价方法。正交矩在图像处理和模式识别方面有很重要的作用。图像的低阶矩能很好地表征图像的特征,可用于图像质量的准确评价。该方法首先通过计算两幅图像间连续正交矩能量差异获得低阶矩特征;然后,结合HVS的掩盖效应对图像的不同区域分配不同权重;最后,对图像所有分区的连续正交矩能量差进行加权平均得到图像质量分数。在国际通用的图像质量评价数据集中,对所提出的方法进行测试。实验结果对比表明,该方法具有很好的效果。

一种基于Gaussian-Hermite矩的SAR图像分割方法

图像分割在SAR图像处理中具有很重要的意义。文中提出了一种基于Gaussian-Hermite矩的SAR图像分割方法。该方法针对合成孔径雷达(SAR)图像斑点噪声对现有分割方法带来的影响,利用Gaussian-Hermite矩的不同阶矩并结合SAR图像特征将目标从含噪背景中分割出来。实验部分同时采用了仿真数据和实测SAR数据,通过与小波能量等4种方法的分割结果进行比较,显示出了该方法的有效性。

基于Gaussian-Hermite矩的图像局部特征描述与匹配研究

图像局部特征描述一直是图像配准与图像检索中极为重要的一部分。本文深入研究Gaussian-Hermite矩及其旋转不变矩的性质,根据尺度因子不影响其旋转不变性的特点,提出基于多尺度Gaussian-Hermite矩的图像局部特征描述方法,并通过实例与现有的特征描述方法进行详细比较。实例结果表明,所提出的方法具有更强的特征描述能力。

一种改进的基于Gaussian-Hermite矩的虹膜识别算法

提出一种基于Gaussian-Hermite矩的虹膜识别算法.首先由粗到精定位出虹膜,并归一化为多个一维信号,然后利用1阶和2阶Gaussian-Hermite矩提取一维信号的局部特征并进行0-1编码,最后用汉明距离分类.该算法只需单个训练样本,识别速度快,容易实现,并具有平移、旋转和缩放不变性.基于CASIA虹膜数据库的实验表明,算法的识别正确率达98.55%,单次平均识别时间为0.5 s.

基于正交Gaussian-Hermite矩的运动检测在去隔行中的研究

针对去隔行算法中运动检测易出现运动误判的问题,采用基于正交Gaussian-Hermite矩的运动检测算法,通过比较相邻连续图像帧绝对像素值的变换范围来判断像素点的运动范围,以此确定目标图像是否为运动图像.实验结果表明,此算法有效提高了峰值性噪比,降低了均方差,对运动平缓图像去锯齿效果良好.

时间正交Gaussian-Hermite矩的性质及其应用

矩早已被广泛地应用于模式识别、图像处理、计算机视觉和多分辨分析中.取高斯函数作平滑核的时间正交Gaussian-Hermite矩是最近才提出来的信号处理的数学工具.在这篇文章中,我们首先给出时间正交Gaussian-Hermite矩的一些时一频性质.为了克服运动目标检测的传统方法的不足,我们提出一种基于正交Gaussian-Hermite矩的运动目标检测方法.最后给出了此方法和其它运动目标检测方法的实验对比结果;实验表明,我们的方法是有效的.

基于Gaussian-Hermite矩和改进的Poincare Index的指纹奇异点提取

在指纹分类和匹配中,准确、可靠地提取奇异点十分重要.针对低质量指纹图像奇异点检测中精确定位和可靠性判断这一难题,提出了一种两阶段的奇异点提取算法.首先,针对现有Poincare index方法存在伪点检出较多和抗噪性较弱的问题,通过对其改进实现候选奇异点位置的确定;然后,再通过计算候选奇异点周围圆形邻域的Gaussian-Hermite矩分布属性值来判断其真伪.方法有效结合了奇异点周围邻域的纹线方向和纹线一致性信息,能够从指纹图像中较为准确、可靠地检测出奇异点.在NIST-4和南京大学活体指纹库上的实验结果验证了该方法的有效性和鲁棒性.在从NIST-4中随机抽取的500幅指纹图像上,奇异点的检测准确率为93.05%(Core点准确率为96.93%,Delta点准确率为86.43%).

形状和颜色变换下图像的Gaussian-Hermite矩不变量

矩不变量是计算机视觉和模式识别领域常用的图像不变特征.现有的形状和颜色变换下彩色图像的矩不变量均基于几何矩构造,因此抗噪性较差.针对该问题,提出了利用基本微分算子和颜色几何基元生成旋转-仿射变换下彩色图像Gaussian-Hermite正交矩不变量的方法,所构造的不变量均为Gaussian-Hermite矩的齐次多项式;然后生成所有可能的低阶低次不变量,并从中得到13个满足线性独立关系的不变量实例.基于合成图像数据集和HPatches图像数据集进行了数值稳定性验证、图像分类和模板匹配实验,结果表明,13个不变量实例具有良好的数值稳定性和抗噪性;使用它们得到的分类和匹配准确率比同类矩不变量分别高出10%和30%左右.

基于Gaussian-Hermite矩的指纹奇异点定位

在指纹分类和识别算法中,提取的奇异点(core点和delta点)数目和奇异点的准确位置是非常重要的.介绍了一种基于Gaussian-Hermite矩分布属性的自适应指纹奇异点定位方法,为了准确地确定奇异点,用到了指纹图像在多种尺度下的不同阶Gaussian-Hermite矩分布,并用一种基于主分量分析(principalcomponentanalysis,简称PCA)的方法分析指纹图像的Gaussian-Hermite矩分布.实验结果表明,该算法能够准确地确定奇异点位置.

正交Gaussian-Hermite矩的应用

分析了正交Gaussian Hermite矩的一些性质 ,指出它在运动检测中的应用 ,并提出运动检测中正交Gaussian Hermite矩的最佳参数的估计方法 .最后我们给出了对比实验结果 .实验表明我们的方法是有效的 .

一种Gaussian-Hermite矩分块重构的抗几何攻击水印算法

针对目前抗几何攻击水印算法易在大尺度几何攻击下失效的问题,提出了一种基于几何校正和分块重构的局部区域水印算法,从而提高水印的鲁棒性和提取精度。该算法利用图像不变质心进行几何形变参数的估计,对图像进行几何校正以实现载体的同步;根据几何攻击对图像视觉质量影响的分析,筛选可嵌入分块;利用高斯-埃尔米特矩良好的图像重构能力,修改特定矩集,实现水印嵌入,获得含水印图像。为验证算法的抗几何攻击能力,对含水印载体图像遭受旋转、缩放、平移和其他常规性攻击后的性能进行了实验测试。实验结果表明,所提算法可抵抗多种几何攻击及常规图像攻击,能提取出较高精度的水印信息,相对于其他算法,水印的鲁棒性虽然相差无几但在保持较高视觉不可见性的前提下,嵌入容量有了一定程度的提高。

基于低阶Gaussian-Hermite矩的图像质量评价

提出一种基于低阶Gaussian-Hermite矩的图像全参考质量评价方法。正交矩在图像处理和模式识别方面有很重要的作用,低阶矩可以从图像的分块中提取重要特征,这些特征通过计算两幅图像间相对矩误差得到,这种差异的大小更能体现出失真图像块相对原始图像块的失真大小,所以能更好的描述图像的质量。利用Gaussian-Hermite矩在一些公开的数据库中对提出的方法进行验证,实验结果和对比表明所提出的方法具有很好的效果。

基于Gaussian-Hermite矩的旋转运动模糊不变量

目的 模糊图像的分析与识别是图像分析与识别领域的重要方向。有些图像形成过程中成像系统与物体之间存在相对旋转运动,如因导弹高速自旋转造成的制导图像的旋转运动模糊。大多数对于这类图像的识别都需要先对模糊图像进行“去模糊”的预处理,且该类方法存在计算时间复杂度较高及不适定的问题。对此,提出一种直接提取旋转运动模糊图像中的不变特征,用于旋转运动模糊图像目标检索和识别。方法 本文以旋转运动模糊的退化模型为出发点,提出了旋转运动模糊Gaussian-Hermite(GH)矩,构造了一组由5个对旋转变换和旋转运动模糊保持不变性的GH矩不变量组成的特征向量(rotational motion blur Gaussian-Hermite moment invariants, RMB_GHMI-5),可从旋转变换和旋转运动模糊的图像中直接进行目标检索和识别,无需前置复杂的“去模糊”预处理过程。结果 在USC-SIPI(University of Southern California—Signal and Image Processing Institute)数据集上进行不变性实验,对原图进行不同程度的旋转变换叠加旋转运动模糊处理,证明RMB_GHMI-5对于旋转变换和旋转运动模糊具有良好的稳定性和不变性。在两个数据集上与同类4种方法进行图像检索实验比较,在80%召回率下,本文方法维数更少,相比性能第2的特征向量,在Flavia数据集中,高斯噪声、椒盐噪声、泊松噪声和乘性噪声干扰下的准确率分别提高25.89%、39.95%、22.79%和35.80%;在Butterfly Image数据集中,高斯噪声、椒盐噪声、泊松噪声和乘性噪声干扰下的准确率分别提高4.79、7.63%、5.65%和18.31%。同时,在上述8个测试数据集中进行对比实验以验证融合算法的有效性,结果表明本文提出的GH矩和几何矩相融合算法显著改善了图像检索效果。结论 本文提出的RMB_GHMI-5特征向量在旋转变换和旋转运动模糊下具有良好的不变性与稳定性,在图像检索抗噪性能方面表现优异。相比同类方法,本文方法更具实际应用价值。

SDTK1井钻铤接头二次上扣特性分析与井下等效冲击扭矩预测

基于8"(203.2mm)钻铤接头三维弹塑性有限元模型,分析复杂载荷条件下NC56钻铤接头内、外螺纹的受力特征和井下二次上扣特性,通过有限元分析,根据接头内、外螺纹台肩处相对偏移量计算井下等效冲击扭矩,形成井下等效冲击扭矩的预测模型,利用塔里木盆地GT1井井下实测结果验证该模型正确性,并应用于中国第1口超万米特深井——深地塔科1井(SDTK1井)。结果表明:复杂载荷作用下钻铤接头应力分布不均匀,台肩处和靠近台肩的螺纹牙处vonMises应力水平相对较高;对于按API(美国石油学会)标准上扣的203.2mm钻铤接头,当井下等效冲击扭矩超过65 kN·m时,钻铤接头的上扣预紧平衡被打破,钻铤接头发生二次上扣;随井下等效冲击扭矩的增大,内、外螺纹台肩处相对偏移量增加。SDTK1井井下存在较大冲击扭矩,井下载荷环境复杂,需要采用双台肩钻铤接头以提高接头的抗冲击扭矩能力或优化作业参数来降低井下冲击扭矩,从而有效防止钻具失效。

基于Modbus/TCP的电容式扭矩传感器数据采集系统设计

扭矩传感器通常安装于机械设备的旋转关节处,用于扭矩的测量。电容式扭矩传感器需要配备专门的数据采集系统才能使用,且数据采集系统的性能直接影响传感器的精确测量。针对实验室自主研制的电容式扭矩传感器的应用需求,设计了一种基于Modbus/TCP协议的数据采集系统。系统以STM32为主控芯片,通过控制电容数字转换芯片AD7147实现电容信号采集与转换,然后由W5500以太网芯片将数据上传到自主开发的上位机软件中进行处理、显示与存储。实验测试表明:系统最大测量误差为1.47%,数据输出频率为1000 Hz。

“絜矩之道”与“感而遂通”——儒家恕人工夫论前提的哲学分析

儒家一向主张以“絜矩”去体谅别人、通达他者。《大学》将其上升为一种普遍的德性工夫,把内在自觉推扩到同类的身上。人心之间的沟通必须以天人之间的沟通为前提,天人相通的理性预设可以使人心之间的相感获得绝对的普遍性。天人合体而不隔,天之则即是人之则。由《周易·感卦》兑上艮下的结构则可知阴阳二气感应以相授与。感应离不开性情,并以性情为先验基础。类是感应的对象性前提。万物身上都潜藏着可以与别物相交流、相沟通的可能性,物始终开显着自身,等待别物的进入和通达。《易传》强调圣人在沟通天人过程中所发挥的重要作用,圣人用性情之心去“会通”天文地理与天下之动,实现与天、与神相统一。

一种电动汽车驱动系统扭转振动扭矩梯度控制方法

本文提出一种电动汽车驱动系统扭转振动扭矩梯度控制方法。该方法引入RBF神经网络计算扭矩变化率梯度限制值,利用扭矩变化率限制值对驱动电机的输出扭矩进行限制,以此防止扭矩突然变大所造成的传动系统各轴段的过度扭转,从根源上消除引起驱动系统扭转振动的问题。与传统扭转振动控制方法不同,文章提出的控制方法面向实际工程应用,不依赖于车辆简化的二阶质量模型以及车辆参数,避免由于模型及车辆参数精度问题对控制效果造成的不良影响,具有优良的实际工程应用价值。最后,文章通过实车试验的方式对该方法的可行性及有效性进行验证。

拖拉机发动机耕作过程扭矩的预测模型研究

拖拉机轮轴扭矩通常作为进行拖拉机变速器疲劳寿命分析、优化设计和加速寿命测试时做出各项决策的评价指标之一,而由于现有拖拉机轮轴扭矩测量方法基于扭矩传感器进行检测,投入成本较高,不适宜进行大面积推广应用。针对以上问题,建立了拖拉机在耕作过程中轮轴扭矩的预测模型,选取发动机扭矩、发动机转速、耕作深度、滑移率和行驶速度作为影响因素,对拖拉机耕地作业进行田间试验,并使用测量的校准数据集提出了8个轴扭矩预测回归模型,回归模型的调整决定系数R2为0.259~0.925。其中,预测模型E显示调整后的R2为0.925,不同模型下拖拉机轮轴扭矩预测模型MAPE均小于2.1%。研究结果表明,提出的预测模型均适用于实际的拖拉机作业过程中的轮轴扭矩预测。

基于几何矩特征与纹理度量的图像匹配算法

为提高多种几何内容变化下的特征点匹配准确度,引入双边滤波器,设计了几何矩特征耦合纹理度量的图像匹配算法。引入双边滤波器,对图像进行预处理,以去除图像中噪声,接着利用Hessian算子,准确检测图像特征。利用图像灰度信息,计算图像特征圆域内的几何矩,以形成鲁棒性较强的特征向量。通过平均梯度模型,对特征点邻域的纹理特征进行度量,并将其联合欧氏测量结果,对图像特征实施匹配。借助互相关模型,对匹配特征的相关程度进行测量,以检测特征点的匹配正确性,优化特征匹配结果。实验数据表明:较当前特征匹配方法而言,在多种几何内容变化下,所提技术具有更高的匹配准确度与鲁棒性。