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.

基于小波分解和Hu不变矩的图像检索算法

提出了一种基于小波分解和Hu不变矩的图像检索算法。首先,对每幅图像进行三级小波分解,得到图像的低频信息和高频信息,把分解得到的低频信息部分的Hu不变矩和各个高频信息部分的均值与方差作为图像的特征向量,利用欧氏距离进行相似度度量,实现基于内容的图像检索。为了验证文中所提到算法的检索效果,用查准率作为评价标准,分别与基于Contourlet变换的图像检索算法和基于Hu不变矩的图像检索算法进行了比较。实验结果表明,图像检索算法效率高,不仅能使检索结果的排序值得到改善,而且还有较高的查准率。

能量制约耦合比值一致性约束的图像匹配算法

针对当前较多图像匹配算法主要依靠阈值调节来完成特征匹配,导致算法的匹配正确度不高以及鲁棒性较差,设计了一种采用比值一致性约束的图像匹配算法。通过盒式滤波器替代高斯偏导函数,求取SIFT行列式,以提取图像特征。在特征点的邻域内计算Hu不变矩,求其特征向量。以特征点的向量为依据,并引入特征点邻域的区域能量,以获取特征匹配结果。利用匹配点对在空间上的距离关系,建立比值一致性约束方法,利用匹配点对的欧氏度量比值,搜索错误匹配,优化特征匹配结果。通过实验分析发现,与当前已有的图像匹配算法相比,所提算法的具有更高的匹配正确度和鲁棒性。

一种安格斯肉牛图像的目标提取及姿态识别算法

为了解决安格斯肉牛图像目标与背景颜色相近导致常用方法无法准确提取牛只轮廓及识别牛只姿态的问题,试验采用最近邻(K-nearest neighbor,KNN)算法分割图像,计算Hu七阶不变矩,分析牛体姿态,在此基础上改进算法以进一步识别图像中的区域叠加部分。结果表明:改进后的算法弱化了K值取值大小的影响,能准确地提取出目标图像,基于Hu不变矩算法识别站、卧姿态的正确率均超过90%。说明采用的KNN算法和Hu七阶不变矩方法能完整地分割出复杂背景下的安格斯肉牛图像目标,正确分析出牛只姿态。