Static Digits Recognition Using Rotational Signatures and Hu Moments with a Multilayer Perceptron

This paper presents two systems for recognizing static signs (digits) from American Sign Language (ASL). These systems avoid the use color marks, or gloves, using instead, low-pass and high-pass filters in space and frequency domains, and color space transformations. First system used rotational signatures based on a correlation operator;minimum distance was used for the classification task. Second system computed the seven Hu invariants from binary images;these descriptors fed to a Multi-Layer Perceptron (MLP) in order to recognize the 9 different classes. First system achieves 100% of recognition rate with leaving-one-out validation and second experiment performs 96.7% of recognition rate with Hu moments and 100% using 36 normalized moments and k-fold cross validation.

基于Hu不变矩和最佳缝合线的纸箱垛图像拼接

为了实现对港口集装箱中纸箱垛的快速定位与拆垛,需要获得纸箱垛最外层清晰的全景图像。基于自主研制的自动卸货车,采用两摄像头多轮次单程拍摄的方法获取待拼接图像,在单轮次图像拼接中引入Hu不变矩寻找参考图像和待配准图像之间最佳重叠区域,并使用优化的动态规划方法搜索最佳缝合线,以此快速获得清晰的大视野图像。试验表明,基于Hu不变矩和最佳缝合线的全景图像拼接在特征点匹配上减少20%以上的时间,并可以较好地消除因拍摄角度造成的鬼影。

基于Hu不变矩和径向基神经网络的太阳镜镜片瑕疵图像分类系统

现有的镜片瑕疵分类主要针对光学玻璃镜片和树脂镜片,与太阳镜镜片的生产原料和工艺存在差异,导致两者的瑕疵类型也有所不同,因此现有的镜片检测机不能直接应用于太阳镜镜片的检测.为了满足生产需求,实现工业自动化检测,本文利用基于机器视觉检测技术的CMOS传感器工业相机、双远心镜头、LED灯搭建了镜片图像采集系统,并融合图像处理算法,将七个Hu矩不变量作为互补特征,采用径向基神经网络模型开发了太阳镜镜片瑕疵图像分类系统.实验表明,使用Hu不变矩特征提取算法的分类方法可有效提高分类准确率,该方法的准确率为94.56%.和BP等其他神经网络结构相比,准确率也更高.因此,该系统被证明是可行和有效的.

基于数理统计特征的人机交互图像手势识别

在人机交互领域中手势识别的应用前景十分广阔,在诸多领域中均为人类带来了无限便利。基于数理统计特征设计一种人机交互图像手势识别方法,实现了基于数理统计特征的手势信息获取与基于识别结果的人机交互。对人机交互图像实施图像灰度化处理、二值化处理、平滑处理、边缘检测和轮廓提取处理等一系列预处理。通过OpenCV提取二值化人机交互图七个具有尺度不变性、旋转不变性、平移不变性的Hu矩,前四个矩描述手势的图像椭圆、主轴方向角、面积、旋转半径这四个物理量,后三个矩描述的是图像对称性、重心、中心距。基于Darknet-19改进YOLO-V2网络的骨干网络,使模型能够预测的anchor box数量达到16×16×N个。基于改进YOLO-V2网络设计手势识别模型,模型的输入为人机交互图、提取的手势轮廓与Hu矩,实现交互图像手势识别。测试结果表明,设计方法在室内和室外的手势识别准确率均较高,通过该方法的手势识别结果能够实现人机交互。

一种改进的Hu不变矩算法在存储介质图像识别中的应用

不同于传统的接触和射频两种方式识别存储介质,利用X射线透照目标对象作为检测手段,这种检测方法符合无损检测的特征。首先采用灰度分组(GLG)的图像增强方法和基于单像素提取边缘实现图像预处理,然后利用改进的Hu不变矩得到适合非线性不连续空间的矩不变特征向量,新的不变矩被证明作用于图像的平移、旋转和缩放具有不变性。K-means分类器根据计算不同的形态变换后图像的特征值判断存储介质种类,准确率达到95.83%,证明改进的Hu不变矩算法对被检存储介质种类的分类和识别有较好的鲁棒性和可靠性。实验结果表明,该识别方法可以使涉密的移动存储介质处于安全监控状态下,该技术应用于邮政连续包分机小像素X射线检测设备,可大大减少物联网时代通过邮路途径实施非法媒介传输。

基于改进Hu矩算法的Kinect手势识别

针对Kinect深度信息下静态手势识别鲁棒性差及识别率低的问题,在改进Hu矩算法的基础上提出新的手势识别方法。构造一种新的Hu不变矩,采用尺度归一法消除尺度变化对Hu矩的影响,使静态手势在离散状态下保持手势的比例、平移以及旋转不变性。通过微软新型Kinect传感器和Open NI获取深度图像,对其进行去噪等预处理,基于灰度直方图进行手势分割,提取手指个数特征,并利用改进的Hu矩不变矩算法识别静态手势。实验结果表明,该方法在光照变化、复杂背景等干扰下具有强鲁棒性和高识别率。

基于改进Hu矩和遗传神经网络的稻飞虱识别系统

针对稻飞虱识别实时性差和BP神经网络分类有一定误差的问题,设计了一种基于DSP硬件平台和遗传神经网络算法的稻飞虱识别系统。系统硬件以AT89S52单片机控制拍摄移动装置,以DM6437处理器作为算法处理平台;系统软件设计主要包括基于改进Hu矩的特征值提取和基于遗传算法优化神经网络的识别算法。系统通过CCD摄像机拍摄稻飞虱视频信号传送到DSP识别系统,从中提取图像,识别图像中的稻飞虱。实验对稻飞虱、水蝇和潜蝇等80个样本进行了训练和测试,结果表明遗传神经网络对稻飞虱的正确识别率达到90%。

肤色检测和Hu矩在安全帽识别中的应用

安全帽在工业生产中的应用非常广泛,为了防止事故发生,确保生产安全,建立对安全帽的自动检测及报警系统变得越来越迫切。主要对安全帽的识别算法进行了研究,采用肤色检测的方法定位到人脸区域,并以此获得脸部以上的区域图像,将Hu矩作为图像的特征向量,分别比较神经网络和支持向量机(SVM)两种分类模型。实验结果表明:SVM对安全帽的识别有很好的效果,将会对监控系统实现智能化提供有力的支持和实际的指导意义。

基于改进Hu不变矩的路面交通标识识别

复杂环境下路面交通标识识别是车辆安全辅助驾驶、车辆自主导航等领域的重要研究内容.针对路面交通标识特征,采用一种控制点快速获取方法得到场景透视投影中的变换矩阵,进而在场景重建基础上利用Hough直线检测方法建立当前车道线的区域模型,在该区域内采用最大化一维信息熵方法分割出交通标识,利用Canny边缘检测算子检测其边缘特征,最后通过改进的Hu不变矩特征实现了路面交通标识的有效识别.实验结果表明,所提的方法对于复杂环境下的路面交通标识识别具有良好的可靠性和鲁棒性.

统一Hu矩及在电视图像目标识别中的应用

分析了在离散状态下比例因子对不变矩特征的影响,扩展了Hu提出的基于区域的不变矩和Chen提出的基于边界的不变矩,构造了一种新的不变矩,统一了基于区域和边界的矩不变量公式,并满足离散状态下的比例不变性,比传统的不变矩更具一般性。将其应用到电视图像目标识别中,仿真结果表明,不变矩不变性好,识别率高,实时性好,具有一定的应用前景。

基于机器视觉的柑橘果形测控系统设计

针对柑橘果形特征中圆度和果径检测精度低、姿态定位时间长的问题,设计了一种嵌入式快速检测与控制系统。系统以STM32单片机为系统控制核心,测量了单目相机图像的半径误差和形状误差,并采用高斯滤波、数字图像形态学、Hu矩和Canny算法,对动态的柑橘图像进行姿态识别与柑橘果形检测。检测结果表明:视觉检测系统半径误差控制在1.8%以内,形状误差为2.71%~3.69%;在5个/s柑橘的检测速度下,柑橘圆度和果径的在线分级正确率分别为81%和91.92%。本研究结合机器视觉无损检测技术,实现了动态下柑橘圆度和果径特征的综合检测与分级。

基于Hu矩的水下地形二维特征匹配辅助导航方法

相比于以单波束测深原理为基础的ICCP、TERCOM等一维序列匹配辅助导航方法,基于多波束测深系统的二维阵列匹配算法增加了原始地形信息的丰富度,可以用来提高地形辅助匹配导航系统的精度和适用性。通过归一化灰度转换,使实时扫测地形和原始数据库地形分别形成待匹配的模板灰度图和背景灰度图,采用圆窗口化搜索策略,分别计算实时图和子图的Hu矩,保证了相同地形特征的旋转不变性。通过归一化互相关算法衡量两个地形的相似性,得到匹配地形,实时的辅助主惯导修正误差。仿真表明,利用此匹配算法在实时扫测地形平坦区域和特征明显区域均能成功匹配;位置误差均在5个网格以内,能容忍的系统信噪比最小为9 d B,抗噪声能力强;Hu矩的抗旋转特性大大提高了此方法的适用性,能够满足高精度水下地形匹配辅助导航系统的苛刻要求。

基于Contourlet变换和Hu不变矩的图像检索算法

文章提出一种基于Contourlet变换和Hu不变矩的图像检索算法。首先,对每幅图像进行Contourlet变换,得到低频子带与高频方向子带,把计算得到的低频子带的Hu不变矩和各个高频方向子带的均值与标准差作为图像的特征向量,利用Manhattan距离进行相似度度量,完成基于内容的图像检索。为对该文提出的算法的检索效果进行检验,分别与基于Contourlet变换特征的检索算法和基于Hu不变矩特征的检索算法等方法进行了对比实验研究。结果表明,该算法有效地融合了图像的纹理特征与低频子带的形状特征,较好地实现了基于内容的图像检索,平均查准率达到73.94%。

基于区域重叠核加权Hu矩的SIFT误匹配点剔除算法

针对尺度不变特征变换(scale invariant feature transform,SIFT)算法在特征点匹配时容易出现误匹配现象,提出了一种基于区域重叠核加权Hu矩的SIFT误匹配点剔除算法。该算法首先通过对SIFT描述子区域内的重叠4邻域计算Hu矩,生成能够描述纹理特征与轮廓特征的种子点描述子;其次,根据描述子的区域特点利用核函数对种子点描述子进行加权,生成63维区域重叠核加权Hu矩描述子;最后用巴氏(Bhattacharyya)系数计算归一化后描述子的相似度,并剔除相似度较小的匹配点。将该算法与其他3种算法进行对比,实验结果表明,该算法的鲁棒性最强,实时性较高,综合性能最优。

改进的统一Hu矩在图像目标识别中的应用

以图像的平移、旋转及尺度变换为研究对象,结合Hu提出的基于区域的不变矩和Chen提出的基于边界的不变矩,进一步改进了统一Hu矩,并证明了改进后的不变矩在离散状态下的不变性。其中针对图像旋转的特点引入权向量的改进发法,并通过实验证明了这种方法极大提高了图像在旋转变换后的识别命中率,使其具有一定的应用前景。

水电机组故障诊断专家系统运行状态智能预测及故障识别

对水电设备进行智能预测可以将故障诊断提前至故障发生前,由此可预防不稳定运行对机组设备的损害,延长机组寿命。本文基于ARMA模型、匹配矩阵模型(MM)和Hu不变矩原理,针对水电机组需要重点监控的三类数据:自相关性较强参数、自相关性弱参数、轴心轨迹参数,开发了一套水电机组智能预测和故障识别系统。本系统自2019年实际装备以来预测结果和实际数据拟合良好,将各类潜在故障数据输入系统,系统均可预测并准确判断故障类型。综上,本系统可实现对故障的提前预测和诊断,有力保障水电机组的正常稳定发电。

一种基于Hu不变矩的匹配演化算法

提出了一种基于Hu不变矩的匹配演化算法.该算法利用一种新的演化搜索策略取代传统的遍历搜索策略,将Hu不变矩特征融入演化适应函数.首先通过演化策略,产生多个搜索子图;然后计算待识别搜索子图与模板图像的不变矩特征值,用欧氏距离衡量两者的相似度;最后通过演化策略产生新的搜索子图,用该搜索子图淘汰种群中适应函数值最大的搜索子图.实验结果表明该算法具有较高的效率和鲁棒性.

基于改进Hu矩的异常行为识别

提出了基于改进Hu矩的异常行为识别算法,主要对跳、加速跑、摔倒、下蹲、挥手和手拿异物六种异常行为进行识别。对视频流首先要提取运动人体轮廓,然后对所得到的轮廓进行特征提取,这里主要提取人体运动的形状特征,最后,通过模板匹配的方法,采用Hausdorff距离计算所需识别的当前行为特征向量与模板行为(正常行走的行为)特征向量之间的相似性,并通过相应的阈值判定该行为是否为异常行为。实验证明,该方法对文中给出的样本异常行为的识别率达到100%,有一定实用价值。

基于HSV颜色空间加权Hu不变矩的台标识别

该文根据台标的视觉特征,提出基于时空不变区域检测的方法来进行台标分割,并对台标特征提出用基于HSV颜色空间的加权Hu不变矩进行描述,最后采用基于知识库的方法进行台标识别。实验表明:该算法识别正确率较高,效果基本令人满意。

Hu矩在一次性输液针图像描述中的应用

目前国内一次性输液针手瓣装配基本上采用手工装配,因而存在许多弊端。为此,结合输液针的特点,对多种描述方法做了分析,提出了用Hu矩不变量来描述输液针图像,并用逆光拍摄方法来获取各个角度输液针针尖图像,从而获取了完整的轮廓信息,其二值化后的图像避免了矩值灰度级计算的不稳定性。实验结果表明,随着输液针角度的增加,其图像的矩不变量在有规律地发生着变化;用Hu矩不变量来描述输液针图像特征是可行有效的。