基于Zernike矩和拼贴误差的布料图案检索算法

为提高纺织品企业检索布料图案的效率,提出了一种基于Zernike矩和拼贴误差的布料图案检索算法(ZMCE)。首先,通过计算选取最佳匹配时的分形参数和Zernike矩;其次,根据值域块与最佳匹配的定义域块之间的相似性度量计算拼贴误差;最后,将Zernike矩和拼贴误差作为布料图案检索的特征量进行特征提取。实验结果表明,ZMCE算法的平均查准率、平均查全率和单张图案的检索时间分为88.6%、53.4%和0.207 s,显著优于基本分形算法(BFC)、单一拼贴误差算法(SCE)和联合正交化分形参数和改进Hu不变矩算法(OFH),此外,ZMCE算法的平均查准率和查全率还优于文献[4]中的算法。因此,ZMCE算法在纺织品行业布料图案检索方面具有良好的应用价值。

基于伪Zernike矩的数字图像篡改检测方法

图像编辑技术的快速发展使得人们难以发现专业技术处理过的篡改图像的伪造痕迹,对新闻传播、司法取证、信息安全等领域造成了严重的威胁。图像的区域篡改检测方案主要用于检测图像中存在疑似相似的图像块。目前,传统的检测策略对发生几何攻击的篡改区域鲁棒性不好。针对几何攻击情况,文章介绍了一种针对复制粘贴伪造图像的新检测方法,利用伪Zernike矩特征进行特征提取。通过在相邻区域进行特征匹配,可以检测出图像中可能存在的伪造区域。实验结果表明,该方法不仅对常规攻击(如加噪声、JPEG压缩)具有较好的检测效果,而且在处理旋转等几何攻击时也表现出色。这些结果证明了该方法的创新性和广泛适用性。

结合Zernike矩和模板具有RST不变性的DWT-HMM鲁棒水印算法

抵抗几何攻击是鲁棒水印研究的关键问题之一。为实现水印同步,提出了一种结合Zernike矩和小波域模板实现由粗到精几何同步的算法,即首先利用平移归一化图像的Zernike矩估计旋转和缩放参数,并用校正旋转和缩放后的图像和原图像之间的质心增量估计平移参数;然后基于粗略估计的参数,通过匹配小波域模板实现旋转、缩放和平移(RST)参数的精确识别和校正,该同步方法可以较大程度地降低搜索空间。水印嵌入和检测采用了小波域向量隐马尔可夫模型(DWT-HMM)。仿真结果表明,利用由粗到精的几何同步方法和基于HMM的水印算法能有效抵抗StirMark平台的多种单项攻击和联合攻击,算法具有较好的鲁棒性能。

结合Zernike矩的多尺度模板形状匹配

针对形状匹配中小波表达对起始点依赖的问题,提出一种结合Zernike矩的多尺度模板进行形状匹配的方法。该算法对输入图像进行预处理后提取目标轮廓,经过归一化处理得到目标形状的平移、尺度不变的链状表达,再通过小波变换进行多尺度分析;引入Zernike矩,利用Zernike矩的特性,实现小波表达的旋转不变性,解决了小波变换对起始点的依赖。匹配过程是以小波表达的各阶Zernike矩为特征向量,在由粗到精的尺度上进行的。实验结果表明,对于同一目标,原图像与旋转不同角度的图像的正确匹配率为91%。该算法适用于轮廓较明显的目标。

基于伪Zernike矩与SURF特征的自适应水印算法

针对目前多数图像水印算法水印的嵌入区域固定不变带来的安全性问题,且水印的抗旋转攻击能力弱,提出一种基于伪Zernike矩和SURF的自适应水印算法。首先,利用SURF(Speed Up Robust Features)算法对图像进行特征提取,然后采用RANSAC(Random Sample Consensus)算法筛选出稳定的特征点,根据特征点位置构建合适的水印嵌入区域。最后,采用SWT变换和SVD分解将水印信息嵌入在构造区域内。利用伪Zernike矩估计旋转角度对图像进行旋转校正。实验结果表明,该水印算法可以有效地抵抗旋转攻击,水印的安全性得到提高。

基于Zernike矩的亚像素边缘定位算法

亚像素软件处理技术可以在一定程度上补偿图像测量系统由硬件限制引起的边缘定位精度,提出了一种基于Zernike矩的亚像素边缘定位算法。该算法利用Zernike多项式的正交性与完备性以及复数矩幅度的旋转不变性计算出边缘的亚像素位置。计算出了像素为正方形与矩形(长宽比为4∶3)时的矩模板,使其应用范围进一步扩大。分析了由于矩模板产生的原理偏差,并提出了修正公式,使定位精度得到提高。进一步推导出了实际边缘模型的定位公式,导出了其存在的偏差,并进行了补偿。最终的实验结果表明,补偿后的算法对直线的定位精度达0.05像素,对曲线的定位精度可达0.07像素。

基于等积环投影与Zernike矩的快速模板匹配

为增强工业级机器视觉系统的实时性和稳定性,本文提出一种基于等积环投影与 Zernike矩的具有旋转不变性的快速模板匹配方法,该方法采用由粗到精匹配策略,在粗匹配阶段以等积环投影向量作为特征进行匹配得到候选点集,再基于 Zenrike矩进行精确匹配.主要创新点为提出复杂度低、抗噪性强和具有旋转不变性的等积环投影向量特征,并利用圆对称性在八分圆法基础上进一步降低 Zernike矩计算量.经理论分析和实验对比验证,此法在保障匹配精度前提下,其匹配速度胜于当前同类最优算法,且对高斯噪声及线性亮度变化有强鲁棒性.

基于Zernike矩和FCM的管道内两相流流型识别

利用图像处理技术对传动管道两相流流型进行了识别。搭建了传动管道气液两相流实验系统。采用高速摄像机拍摄液压传动管路中气液两相流流型图像,利用图像处理技术获得图像的Zernike矩特征参数,然后结合模糊C均值聚类算法(FCM)对流型图像进行分类识别。研究结果显示,液压管路内的传动液为气液两相流,其流型为泡状流、环状流、弹状流、塞状流;在传动过程中,出现频率较高的流型是泡状流和塞状流;利用本方法对传动系统液压传动管路中的4种典型流型进行分类识别,总体识别率可达97%。本方法为管道中气液两相流的流型参数识别提供了新的途径。

基于Zernike矩的PCB上氧化圆形Mark点定位算法研究

文章针对在PCB的整个生产过程中,Mark点因环境和人为等因素被氧化,导致Mark点的定位精度降低的问题,采用灰度变换法对PCB的灰度图进行处理,选用迭代选择阈值法进行图像分割,然后运用圆的特性对Mark点边缘进行筛选,用Zernike矩对其进行亚像素边缘提取,最后用最小二乘法拟合出圆并求出圆心。实验表明:该定位算法的平均误差小于0.05像素,标准误差小于等于0.025像素。

基于改进Zernike矩的圆形标志高精度定位方法

在基于视觉的户外边坡监测中,针对圆形标志中心定位精度低,实效性差的难题,提出一种改进的Zernike矩圆形标志高精度定位方法。首先对圆形标志图像进行二值化和形态学滤波处理,然后利用Canny算子对二值化图像进行边缘检测,实现圆形标志边缘的粗定位。其次结合Zernike矩法和大津法,对粗定位得到的圆形标志边缘进行重定位,通过Zernike矩法来重新定位边缘的位置,并基于改进的大津法来确定圆形标志的亚像素边缘点。同时,利用基于灰度梯度优化的方法来对亚像素边缘进行细化,进一步提高定位的精度。最后利用最小二乘椭圆拟合法来实现圆形标志中心的高精度定位。通过实验证明,改进的Zernike矩圆形标志高精度定位方法能够有效提高圆形标志的定位精度和实效性,并具有更高的运行效率。

基于Zernike正交矩的图像亚像素边缘检测算法改进

介绍了Zernike矩及基于Zernike矩的图像亚像素边缘检测原理,针对Ghosal提出的基于Zernike矩的亚像素图像边缘检测算法检测出的图像存在边缘较粗及边缘亚像素定位精度低等不足,提出了一种改进算法.推导了7×7 Zernike矩模板系数,提出一种新的边缘判断依据.改进的算法能较好检测图像边缘并实现了较高的边缘定位.最后,设计了3组不同的实验.实验结果同Canny算子及Ghosal算法相比,证明了改进算法的优越性.

Zernike矩的快速算法

给出了Zernike矩求解的一种快速算法 .利用Zernike多项式迭代性质 ,找出了Zernike正交矩之间的内在关系 ,这样 ,高阶的Zernike矩可由低价的Zernike矩求出 ,再在Chan等人提出的关于一维几何矩有效算法的基础上 ,得出了一种快速算法 .与已有方法相比 ,该算法大大减少了求解过程中的乘法次数 ,降低了计算复杂度 ,从而提高了运算速度和效率 ;并可以有效用于模式识别。

基于Zernike矩的水果形状分类

提出了一种基于Zernike矩的水果形状分类方法,首先运用标准矩对水果图像进行归一化,使得归一化后的图像具有平移和尺度不变性,然后从归一化后的图像中提取具有旋转不变性的Zernike矩特征,并运用主成分分析法确定分类需要的特征数目,最后将这些特征输入到支持向量机分类器中,完成水果形状的分类.通过与傅立叶描述子的分类性能比较,结果表明由于Zernike矩具有良好的正交性和旋转不变性,使分类性能明显有大幅提高.

一种新的Pseudo-Zernike矩的快速算法

Zernike矩因具有正交性和旋转不变性而广泛应用于模式识别、图像分析等领域.Pseudo-Zernike矩具有与Zernike矩相似的性质,但它较Zernike矩具有更好的抗噪声性.由于pseudo-Zernike矩的复杂性,相关的快速算法的研究尚未得到很好的解决.本文根据pseudo-Zernike矩自身的特点,推导了一种快速有效的计算方法.

Zernike矩边缘检测与多项式拟合的CT图像三维测量算法

针对工业CT切片z方向分辨率不足问题,研究一种Zernike矩边缘检测与多项式拟合结合、自动预测顶端的高精度三维测量算法。首先通过Zernike矩对每张切片图像提取亚像素级轮廓,并用多项式拟合该轮廓;然后对拟合曲线进行等相角间隔采样,并建立同相角的轮廓点匹配,采用层间插值算法得到中间层的轮廓点并外插预估工件顶端点;最后采用台体法计算工件体积。对体积相等的圆柱、圆锥和半球3个标准试块进行CT扫描、测量并分析了测量误差的来源。实验结果表明,对实际工件体积测量误差降低到1%以下,能够满足工程应用中的自动、快速、高精度体积测量要求。

基于空间矩和Zernike矩的亚像素边缘检测

介绍了两种矩的理论,然后根据建立的四参数边缘模型,分别利用两种矩的性质推导出边缘参数与矩之间的关系,利用矩得到图像边缘参数,最后由边缘参数确定图像边缘.两种矩方法得到的边缘的边缘定位精度都已达到亚像素级.

基于改进形态学梯度和Zernike矩的亚像素边缘检测方法

为满足电荷耦合器件(CCD)图像测量系统的快速、高精度测量要求,提出了一种基于改进形态学梯度和Zernike矩算法的图像亚像素边缘检测新方法。基于CCD图像灰度和空间结构信息特点,该算法先利用改进的数学形态学梯度算子进行边缘点的粗定位,在像素级上确定边缘点的坐标和梯度方向;然后再根据构造的边缘点向量和参考阈值,用Zernike矩算法对边缘点进行亚像素的重新定位,实现图像的亚像素边缘检测。仿真图像和实际图像的边缘定位实验结果表明,与Zernike矩、LOG-Zernike矩及Sobel-Zernike矩算法相比,该方法具有更好的定位精度与抗噪性,且检测速度更快。

改进的Zernike矩工业CT图像边缘检测

为提高工业计算机断层扫描(CT)图像亚像素边缘检测的精度和速度,研究了一种改进的Zernike矩边缘检测方法。该方法采用Sobel边缘算子快速检测出图像所有可能的边缘,通过Zernike矩算子对所有可能的边缘进行重新检测,最后,检测出图像的亚像素边缘并计算其精确位置。由于采用Sobel算子检测出可能的边缘使后续Zernike矩算子检测范围缩小,从而减小了运算量,提高了运算速度。对实际CT图像进行的实验结果表明:改进的Zernike矩工业CT图像边缘检测精度绝对误差<0.24 pixel,改进算法的运算速度提高了约70%。

一种改进的Zernike正交矩亚像素边缘检测算法

在分析Ghosal提出的基于Zernike正交矩亚像素边缘检测算法的基础上,对Ghosal算法进行了改进。指出了Ghosal算法的两点不足,即没有考虑模板效应和没有考虑边缘梯度方向上的一阶导数模型。针对这种不足提出了改进方法。改进后的算法在计算边缘亚像素坐标时更准确,同时还具有细化边缘的能力,使边缘定位更精确。

基于Zernike矩的人眼定位与状态识别

针对驾驶环境下光照变化和头部倾斜旋转对人眼检测的影响,提出一种基于Zernike矩特征的人眼定位与状态识别方法。首先分析了图像Zernike矩幅值的旋转不变性及其相位角度信息在人眼定位与状态识别方面的适用性。其次为了提高人眼定位的精度,采用Relief算法分析筛选出更为适合描述人眼形状信息的Zernike矩组成特征向量,并结合相对误差距离测度的向量相似性匹配方法来实现人眼区域的检测与定位。随后提出一种基于Zernike矩相位信息的快速旋转角度估计算法,用以补偿修正人眼图像的旋转角度,消除头部倾斜旋转对人眼状态识别的影响。最后对角度修正后的人眼图像采用投影法计算得到最终的人眼开合度状态。实验结果表明,该方法能在一定程度上提高人眼定位的精度和鲁棒性,并且所提出的旋转角度修正算法可使得人眼状态识别的准确率大幅提高。