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。

NH_n,NH_m^+,NH_n^-(n=1,2,3;m=1,2,3,4)体系Gaussian-n和CBS-n方法物理化学性质的理论研究(一)NH,NH^+,NH^-体系

利用系统的理论方法研究ＮＨ，ＮＨ＋，ＮＨ－体系的物理化学性质：解离能，电子亲合势，离化能，质子亲合势，原子化能．这些方法有Ｇａｕｓｓｉａｎ－ｎ：Ｇ１，Ｇ２，Ｇ２（ＭＰ２）以及ＣＢＳ－ｎ：ＣＢＳ－４，ＣＢＳ－ｑ，ＣＢＳ－Ｑ，ＣＢＳ－ＡＰＮＯ．对所得结果及其误差进行比较和分析．

Gaussian-Sinc脉冲的研究与计算机模拟

根据Fourier变换原理提出Gaussian-Sinc型选择性脉冲,应用Bloch方程对其频谱进行了计算机模拟.根据模拟结果,研究了脉冲中的参数对频谱选择性、边瓣和位相的影响,结合特形脉冲的优化设计方法分析讨论了Gaussian-Sinc脉冲的优点和局限性,得出一系列的相关结论.通过实验观察了Gaussian-Sinc脉冲的选择性与边瓣,其结果与计算机模拟结果基本吻合.

NHn,NHm^+,NHn^-(n=1,2,3;m=1,2,3,4)体系Gaussian-n和CBS-n方法物理化学性质的理论研究(二)NH_2,NH_2^+,NH_2^-体系

利用系统的理论方法研究ＮＨ２，ＮＨ２＋，ＮＨ２－体系的物理化学性质：解离能，电子亲合势，离化能，质子亲合势，原子化能．这些方法有Ｇａｕｓｓｉａｎ－ｎ：Ｇ１，Ｇ２，Ｇ２（ＭＰ２）以及ＣＢＳ－ｎ：ＣＢＳ－４，ＣＢＳ－ｑ，ＣＢＳ－Ｑ，ＣＢＳ－ＡＰＮＯ．对所得结果及其误差进行比较和分析．

基于Gaussian-yolov3的铝型材表面缺陷检测

在铝型材的实际生产过程中,由于各方面因素的影响,铝型材表面会产生碰伤,刮花,凸粉等瑕疵,这些瑕疵会严重影响铝型材的质量;目前主要采用人工检测,由于铝型材表面自身含有纹路,与瑕疵区分度不高,传统人工肉眼检查十分费力,质检的效果难以控制;为解决上述问题,以铝型材表面缺陷为研究对象,使用Gaussian-yolov3为基础目标检测网络,针对铝型材表面部分条状缺陷的特性,使用变形卷积技术增强卷积的适应性;针对小缺陷检测问题,使用密集连接技术及数据增强扩展数据;对比Faster R-CNN、SSD实验,结果表明,基于Gaussian-yolov3的检测方法准确率可以达到96%,检测速度可以满足实时性要求,具有较强的实用性。

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。

NH_n, NH_m^+, NH_n^-(n=1, 2, 3; m=1 , 2, 3, 4)体系 Gaussian- n和CBS-n方法物理化学性质的理论研究(三)NH_3,NH_3^+,NH_3^-,NH_4^+体系

利用多种方法研究ＮＨ３，ＮＨ３＋，ＮＨ３－，ＮＨ４＋体系的物理化学性质：离解能，电子亲合势，离化能，质子亲合 势，原子化能，这些方法有 Ｇａｕｓｓｉａｎ－ｎ：Ｇ１， Ｇ２，Ｇ２（ＭＰ２）以及 ＣＢＳ－ｎ：ＣＢＳ－４， ＣＢＳ－ｑ， ＣＢＳ－Ｑ，ＣＢＳ－ＡＰＮＯ．对所得结果及 其误差进行比较和分析．

正交Gaussian-Krawtchouk不变矩的构建及在图像匹配中的应用研究

针对基于几何矩及不变矩的图像特征描述存在信息冗余,计算复杂,图像表征能力不强等问题,本文深入研究了正交的Gaussian-Krawtchouk矩及其不变矩的表达形式。依据不同的尺度因子特点,提出了基于多尺度Gaussian-Krawtchouk不变矩的图像局部特征描述方法,并用于五种不同类型图像的特征匹配。实验结果表明,这种不变矩较其他传统的特征描述方法具有更好的图像表征能力,更强的数字稳健性。该不变矩用于图像匹配是有效可行的,具有良好的实用价值。

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%).

嵌入注意力和特征交织模块的Gaussian-YOLO v3目标检测

错误的目标检测可能导致严重事故,因此高精度的目标检测在汽车自动驾驶中至关重要。提出了一种嵌入注意力和特征交织模块的Gaussian-YOLO v3目标检测方法。该方法主要对Gaussian-YOLO v3的几个特定特征图进行了改进:首先在特征图中添加注意力模块以自主学习每个通道的权重,增强关键特征、抑制冗余特征,从而加强网络对前景目标和背景的区分能力;其次,同时将特征图的不同通道进行特征交织得到更具表征性的特征;最后,把注意力和特征交织模块分别得到的特征融合构成新的特征图。实验结果表明,所提方法在BDD100K数据集上达到了20.81%的平均精确率均值(mAP)和18.17%的F1分数,使误报率减少了3.5%,意味着误报率得到了有效降低。由此可见,所提方法的检测性能优于YOLO v3和Gaussian-YOLO v3。

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.

基于Gaussian-支持向量回归机的高速公路短时交通量预测

针对高速公路短时交通量的实时性、波动性和非线性的特点,将支持向量回归机(SVR)应用于高速公路短时交通量预测,并采用Gaussian损失函数来代替ε-不敏感损失函数,对原始序列进行降噪处理,为了更好的优选SVR模型参数,采用遗传算法(GA)进行参数优选,建立了基于GA优化的GA-Gaussian-SVR高速公路短时交通量预测模型,将本路段前几个时段交通量、天气因素和出行日期作为影响因素输入,结合实例进行了仿真预测.结果表明该方法可有效应用于高速公路短时交通量预测.

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。

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 .