基于仿射不变矩的轴心轨迹自动识别方法

讨论了仿射不变矩的原理,通过改进仿射不变矩的积分因子,保证了积分因子在仿射变换下的不变性,将仿射不变矩应用于水电机组轴心轨迹特征的提取.通过计算轴心轨迹的仿射不变矩作为特征向量,结合人工神经网络方法,提出了一种高效的轴心轨迹自动识别新方法.对3类典型的轴心轨迹的自动识别进行了仿真试验,并与Hu氏不变矩方法的识别效果进行对比.试验结果表明:采用仿射不变矩方法的轴心轨迹识别率达到95%,明显高于Hu氏不变矩的识别率,仿射不变矩具有比Hu氏不变矩更好的轴心轨迹识别能力.

相对矩及在几何形状识别中的应用

在计算机视觉中 ,几何形状的识别具有十分重要的意义 ,而一般几何形状可以分为区域和结构两类 .Hu提出的不变矩是用于区域形状识别的几何特征 ,但对于结构则因不满足缩放不变的条件而不适用 .为此对 Hu提出的区域不变矩和 Chen提出的区域不变矩快速算法进行了扩展 ,并定义了对于结构和区域均满足平移、缩放、旋转不变的相对矩 ,从而统一了区域和结构的矩特征计算公式 ,而且与 Hu的不变矩相比 ,更具有一般性 .利用相对矩进行的识别实验表明 ,相对矩是对区域、封闭和不封闭结构的形状进行识别的有效特征 ,尤其在识别封闭和不封闭结构时 ,比傅立叶描述子等传统方法简便 .

用于模式识别的极半径不变矩

提出了用于目标物识别和分类的极半径不变矩 .对目标物进行分割后 ,先求出目标物的形心 ,进而求出极半径矩、归一化矩和归一化的中心矩 .在此基础上 ,给出了 5个具有平移、旋转和尺度变换不变性的特征量用于物体形状的识别 .文中给出了这些不变矩的特性 ,并给出了极半径不变矩和边界序列矩以及Hu提出的不变矩的实验比较结果 .该文提出的极半径不变矩 ,既可用于区域目标的识别 ,也可用于边界形状的识别 .

一种基于补偿法则的矩的快速算法

由于不变矩对图像的平移放大旋转的不敏感性 ,因此在模式识别、图像分类、场景匹配等图像处理和分析领域获得越来越广泛的应用 但是 ,求矩运算过程复杂、计算量大、使它的应用受到限制 基于Delta方法 ,提出了一种新的基于补偿法则的矩的快速算法 对任意二值图像分解为多条线段 ,图像的矩就等于所有线段的矩的和 对每一线段 ,将其左方 (或上方 )填满 每一线段的矩就等于填充后的线段的矩减去填充线段的矩 这样做的好处在于 :一幅图像所有可能横 (竖 )线段的数目由N2 减少为N 引入一组N大小的数组 ,将求矩过程中大量重复计算的数据一次计算后存入数组 ,需要时查数组即得 从而极大地减少了计算量 由于填充后线段规格一致 ,便于用统一的公式计算且有利于编程 和已有的某些算法仅适用于无凹图像和矩计算结果是近似的相比 ,该算法计算结果准确 ,适用于任意复杂的二值图像 列出了已有矩算法运算量的评估 ,比较而言 。

基于Zernike不变矩的人形识别研究

针对智能视频监控系统中基于不变矩的人形识别进行研究。建立一个含有201个人形样本、67个动物样本的图库,采用最小距离分类器对目标Hu矩和Zernike矩分类识别。实验验证表明该方法是有效且可靠的,一般场景下人形识别率可以达到89%以上。

基于视觉的水雷目标识别方法研究

水下目标识别一直是目标识别领域的研究热点,为此,以水雷目标识别为需求背景提出了一种基于视觉的水雷目标识别方法。该方法从水雷目标形状的本质特征出发,根据几何矩的物理意义,结合区域特征和边界特征构造了三个适合于水雷目标形状描述子,采用阈值判决的方法,实现水雷目标的识别。实验结果表明,该方法比基于不变矩的方法识别率更高,具有较好的稳定性,尤其适用于水下特定形状的目标识别和目标受到部分遮挡的情况。其中水下图像处理和特征的定义方法对水下目标识别具有指导和借鉴意义。

基于Hu不变矩和BP网络的条形码图像识别方法

针对目前比较流行的一维条形码和二维条形码识别算法存在对几何失真图像的识别准确率较低的问题,提出了一种新的基于不变矩和BP网络的条形码识别方法,提取不变矩特征向量作为特征值输入BP网络,对其进行训练与测试,利用训练好的BP网络对形变条形码图像进行识别,实现了对存在旋转、平移和缩放等几何失真的条形码图像的正确识别。实验结果表明,基于Hu不变矩和BP网络的条形码识别方法具有很强的抗图像平移、拉伸和旋转识别能力,并且具有实现简单、训练速度快、识别率高等特点。

基于不变矩的实时人形识别研究

介绍了一种实时人形识别方法,使用这个方法,可以自动监测进入摄像机镜头拍摄范围内的物体,并识别其是否是人类。其主要步骤包括,首先预处理其中包含了除背景之外的其它物体的图像,然后提取其个不变矩,利用贝叶斯分类器作主要手段对不变矩进行分类,7最后采用辅助手段修正分类结果,识别该物体的形状是否为人形,从而判断出是否有人类经过。

基于结构矩不变量的形状相似性比较

在传统的几何矩定义的基础上进行扩展,给出了结构矩的定义和计算。其实质是对原有几何矩定义中的密度函数经过变换得到新的密度函数。在此基础上定义的不变矩突出或者扩大了形状之间的差别,因而使形状相似性的比较建立在更为可靠的基础上。基于平方变换的实验表明,与传统的几何矩相比结构矩方法具有更好的效果。

利用Krawtchouk矩不变量实现基于形状的图像检索

图像在经过平移、旋转和尺度变化后是否仍具有很好的检索效果是基于形状的图像检索研究的一个难点。本文提出了一种利用Krawtchouk矩不变量实现基于形状的图像检索方法。该方法首先对图像进行灰度变换,然后提取图像的低阶矩,取16个低阶矩不变量作为图像的特征向量,并按照相似性度量输出相似图像从而实现基于形状的图像检索。文中给出了实验结果,并与基于几何矩不变量和基于Zernike矩不变量的图像检索方法进行了比较。结果表明本文的方法具有更好的检索性能,和上述两种方法相比,查全率分别提高了21.52%和7.6%,查准率则分别提高了16.25%和6.25%。

基于复合特征和动态阈值圆法的手势识别算法研究

针对传统手势识别中用肤色分割手部区域效果的局限性,采用Kinect获取深度信息来分割手掌,能得到较好的效果。对手掌轮廓进行多边形逼近,将凸包点作为候选指尖点。利用非零像素(白)到最近零像素的距离提取掌心,用线性回归动态调整阈值圆半径,将无用凸包点过滤,实现指尖点的准确提取。在分类识别中,将图像的Hu矩和指尖点个数组合起来,作为复合手势特征,导入KNN分类器中,实现手势识别。实验证明,基于复合特征和动态阈值圆法的手势识别算法具有较好的识别率和实时性。

基于余弦定理和K-means的植物叶片识别方法

为了提高植物叶片识别准确率,提出一种基于余弦定理和K-means的识别方法.该方法首先通过提取叶片的Hu不变矩和形状特征得到叶片的综合特征向量,然后使用K均值聚类(Kmeans)对各类叶片训练样本的特征向量集合进行聚类以获得聚类中心特征向量,紧接着使用余弦定理计算目标叶片和训练样本的相似度并排序.仿真实验表明:在Flavia植物叶片数据库中进行测试,该文方法以96.03%的概率在前5位发现目标,优于KNN、BP神经网络方法,因此,该方法具有一定的实用价值.

面向近红外合作目标的鲁棒检测与匹配算法

针对无人机视觉着舰相对导航合作目标检测易受环境干扰问题,提出了一种面向近红外合作目标的鲁棒检测与匹配算法。首先,搭建了由850nm的近红外合作目标以及带有850nm滤镜摄像头组成的成像系统;然后,设计了基于几何约束的方法剔除合作目标图像中的异形干扰点,再利用Hu矩排除其中的相似干扰点;最后,利用形状上下文匹配算法解决拍摄图像中合作目标可能存在尺度、角度畸变使得合作目标难以匹配问题。实验结果表明,所提出的方法可以在不同距离、不同光照、不同角度以及环境干扰下,实现合作目标鲁棒检测与匹配。

Zernike矩的不变性分析及其改进

Zernike矩作为一种基于区域的形状描述子,具有良好的旋转不变性,能够很好地提取图像内部的形状信息。介绍了Zernike矩的定义,对其不变性进行了深入分析,并对Zernike矩算法进行了改进,使其在具有良好的旋转不变性的基础上,也具有较好的平移不变性和比例不变性。结果表明,改进后的Zernike矩具有更好的不变性,可更好地应用于图像识别中。

灰度图像矩的一种快速算法

大多数矩的快速算法仅适用于二值图像。本文给出了一种适用于灰度图像的矩快速算法。对N×N大小的灰度图像 ,引入 6个大小为N的数组 ,将求矩过程中重复计算的量一次计算后存入数组 ,减少了重复和冗余计算。虽然增加了 6个数组 ,内存的相对增加仅为 6/N。该算法原理简单 ,求矩结果精确 ,计算量大大减少。和直接法相比 ,加法和乘法运算次数仅为其 40 4%和2 2 6%。和Yang s算法相比 ,加法次数相同 ,而乘法次数约为其 67 6%。

结构矩及其快速算法

针对任意结构的识别问题 ,扩展了 Chen的定义 ,提出了对结构满足平移、缩放和旋转不变的一组结构矩公式 .针对该组结构矩的离散化计算需要进行烦琐的链码搜索过程的缺点 ,提出了计算该组结构矩的一种快速算法 ,简化了搜索过程并降低了计算误差 ,该方法通过对测试图的实验得到了验证 .

基于改进直方图不变矩的声呐图像识别方法

针对声呐图像受噪声干扰大,目标边界较模糊的特点,并结合传统直方图不变矩识别图像快速的优点,以及其不考虑灰度空间信息而易造成误识的缺点,将目标的形状因子加入不变矩特征向量中,提出了一种对亮度和对比度变化不敏感,具有旋转和尺度不变性的改进的直方图不变矩.实验仿真结果表明,该方法能够快速、有效地识别水下目标.

一种基于目标边界的不变特征提取方法

提出了一种基于目标边界的不变特征提取方法。导出了用物体角点坐标表示的低阶边界矩的闭合形式,构造了基于边界矩的仿射变换不变量。该方法只需要对物体角点进行简单的代数运算,因此,该方法简单明了,计算量很小。实验结果证明了该方法的有效性。

基于神经网络的硬币识别与分拣系统

提出基于神经网络的硬币识别与分拣系统的设计方法。硬币传输过程中,根据金属特性的不同利用电涡流技术完成真伪识别;硬币原始图像采集后经灰度变换、中值滤波降噪,由胡氏几何不变矩提取硬币图像特征,将该特征作为三层BP神经网络的输入,实现硬币面值识别。实验表明该设计的硬币识别与分拣系统,能够完成对硬币真伪及币值的分辨,识别速度快,识别精度高,具有应用价值。

基于Hu不变矩扩展的交通标志识别

交通标志的识别是智能交通系统(ITS)的组成部分之一,具有十分重要的意义,对Hu提出的区 域不变矩和Chen提出的区域不变矩快速算法进行了扩展,得到一组新的描述形状特征的参数,这些参数具 有平移、缩放和旋转不变性,并且具有较低的计算复杂性,具有Hu和Chen方法的综合优点.