基于Radon变换的矩不变量及其应用

提出了一种基于 Radon变换的新的图像识别方法。首先构造了二维图像在 Radon变换空间的平移和比例矩不变量 ,基于该矩不变量引入整体平均技术获得了更好的抗噪效果 ,并根据变换空间数据的特性 ,提出了利用奇异值分解得到一般意义下的旋转不变量。利用不同的图像库进行识别研究 ,实验结果指出了两种方法的不同应用条件。

基于Radon变换的矩不变量在声成像探测中的应用

声成像探测是当前国内外近炸引信技术的一个重要发展方向.针对声图像的特点,构造目标轮廓在Radon投影空间的平移、尺度、旋转矩不变量.实验仿真结果表明,与Hu矩相比,该方法能够快速有效地识别水下目标,并且在由于目标运动造成的少量形状缺失的情况下,仍具有较高的识别率.

局部Radon变换技术及在毛杆折痕识别中的应用

针对羽毛杆折痕识别问题,提出一种新的特征提取方法。为了消除Radon变换对缩放平移敏感问题,采用改进的Radon变换提取目标区域的不变矩,并引入局部投影技术消除羽毛杆生理纹理干扰。通过改变尺度因子获得矩不变量矩阵,并采用奇异值分解(SVD)获得特征不变量用于分类识别。实验结果表明该方法具有较强的鲁棒性,具有较高的折痕识别率。

基于Radon变换和四元数实矩阵的彩色图像零水印算法

为了提高空间域彩色图像零水印算法的水印嵌入和检测精度以及抵抗旋转几何变换的能力,提出了一种基于Radon变换和四元数实矩阵表示的抗旋转攻击空间域零水印算法。首先将原始彩色图像使用四元数实矩阵来表征,并计算实数字矩阵的Radon变换不变矩;然后利用少量低阶Radon变换不变矩来设计和构建零水印信息;在水印检测前,通过Radon变换几何校正算法对可能遭受旋转攻击的待检测图像进行旋转角度的校正,然后进行水印的提取。实验结果表明,该方法可以获得良好的图像视觉效果,对于旋转几何攻击具有很强的鲁棒性,同时对滤波、JPEG压缩和剪切攻击也具有一定的鲁棒性。

基于Radon和伪Fourier-Mellin变换的图像退化不变性识别方法

图像退化不变特征提取是图像识别中的关键技术,针对图像模糊、平移、拉伸和旋转退化等问题,本文提出了一种基于Radon和伪Fourier-Mellin变换的图像退化不变性识别方法。首先,介绍了相关的数学背景包括图像模糊的定义、Radon变换和伪Fourier-Mellin变换等;并讨论了基于Radon和伪Fourier-Mellin变换的图像组合退化不变特征,包括几何变换不变特征和模糊不变特征;最后,为验证所述方法的有效性,本文从图像不变性识别能力、计算复杂度两个方面进行了实验验证并与现有其他方法进行了比较。实验结果表明:本文所述的图像退化不变性识别方法在保证不增加计算复杂度的前提下,其识别能力和抗噪能力具有比较明显的优势。

Radon变换域的鲁棒图像Hash算法研究

针对数字图像内容认证的问题,提出了一种基于Radon变换域的鲁棒图像Hash算法。该算法在Radon变换域提取图像平移、缩放不变的矩特征,将矩特征的离散傅里叶变换系数作为图像的Hash值。离散傅里叶变换可实现抗图像旋转操作,并可降低图像Hash的维数。为了增加安全性,整个特征提取过程都是基于密钥进行的。理论分析证明Radon变换域的不变矩特征对一般的图像处理操作,特别是平移、缩放、旋转等几何操作有极好的不变性。实验结果表明提出的算法几乎可以容忍所有的图像内容保存操作,比如缩放、旋转、JPEG压缩、滤波和加噪等,同时对视觉上有明显失真或根本不相似的图像有高度的敏感性。

基于Radon变换的水声图像矩特征提取与分类

成像声纳采集的水声图像分析是自动水下潜器研究中的一个重要课题,该文提出了一种基于图像边缘Radon变换的水声图像矩特征提取和分类方法。使用一种形态学边缘提取算子和细化算法提取二维图像中目标的轮廓,构造目标轮廓在Radon变换空间的平移、比例和旋转矩不变量,应用于3类水下物体的分类中,实验仿真结果表明该方法在运算速度上优于Hu's不变矩和图像目标面Radon投影空间不变矩,具有很好的性能和较高的实用价值。

一种基于质心不变特性的仿射不变纹理特征提取算法

仿射不变模式识别是模式识别问题中的一个难点问题,本文提出了一种基于全局特征的仿射不变特征提取方法.算法从仿射变换的数学模型出发,利用仿射前后图像质心位置的不变特性,以质心为极点将图像从笛卡尔坐标系变换到极坐标系,然后利用对数变换和Radon变换分别将各向异性的尺度变换和旋转变换转化为平移变换,在此基础上利用具有平移不变性的非下采样小波变换提取变换图像的平移不变特征,实现了对图像的仿射不变的特征提取.将此算法运用于仿射纹理图像分类中,实验结果表明达到了较高的识别率.

一种改进的SIFT特征匹配算法

针对尺度不变特征变换(SIFT)特征匹配算法存在计算量大、复杂度高的问题,提出一种基于图像Radon变换的改进SIFT特征匹配算法。改进算法在图像的SIFT特征点采样区域内作d条不同方向的直线,以d条直线上的图像Radon变换作为SIFT特征向量描述符,降低SIFT特征向量的维数,从而提高特征匹配效率。实验结果表明,改进算法具有较高的匹配精度和较少的匹配时间,适用于虚拟场景漫游或目标识别等实时性要求较高的系统。

一种面向图像拼接的快速匹配算法

针对图像拼接中尺度不变特征变换(Scale invariant feature transform,SIFT)算法的计算复杂度高、实时性差和误匹配等问题,提出了一种基于自适应非极大值抑制(Adaptive non-maxima suppression,ANMS)的Radon-SIFT方法。首先采用SIFT特征检测提取初始特征点,并用ANMS对初始特征点进行优选,得到分布均匀的特征点集;在特征区域内做一系列直线,以这些直线上的Radon变换值作为特征描述符,以欧氏距离为度量准则进行特征匹配,然后采用随机抽样一致性(Random sample consistency,RANSAC)算法剔除误匹配点,从而提高了算法的正确匹配率和运算速率。仿真结果表明,该文算法具有较高的精度和较强的鲁棒性,且运算量少,实时性强。

基于倒谱特性的运动模糊图像PSF参数估计

根据运动模糊图像的特点,提出一种基于倒谱的运动模糊图像PSF参数估计方法。首先,分析了运动模糊图像退化模型以及运动模糊图像频谱和倒谱的特征,对倒谱图像信息滤波增强后,用Radon变换法计算出运动模糊方向,由倒谱中两个负峰值的位置计算出模糊长度。最后,用Lucy-Richardson算法对估计值进行图像复原验证。实验结果表明,该方法能够较精确地估算出运动模糊参数PSF值。

图像的退化不变量研究

图像的不变量通常指几何不变量,是提高计算机视觉系统自适应性的重要理论。但图像也经常发生灰度的变换或者退化(如,噪声、光照变化、运动模糊等),单纯的几何不变量不能满足实际中目标识别的要求。灰度退化和几何变换都看作图像退化,提出了图像退化不变量的概念,分析了退化不变量的构造,并分析经典的几何不变量的退化不变性。仿真实验结果表明:只有尺度不变量特征变换(SIFT)是较好的退化不变量,可以直接用于未知退化状况的图像匹配。

利用图像相位信息构造的仿射-卷积矩不变量

不理想的成像设备或者成像条件经常会导致图像的退化现象,如相机失焦、相机与场景的相对运动等会使得图像模糊,不同拍摄视角会引起图像中几何形状的变化等.为了实现对退化图像的识别、检索等,利用图像的相位信息构造了一种仿射-卷积矩不变量对这些退化图像进行描述.首先利用高斯卷积变换、仿射变换对图像的模糊、几何变化建模;然后分析图像的相位谱图像在高斯卷积变换、仿射变换下的性质,提出了能同时对高斯卷积变换和仿射变换具有不变性质的不变量计算方法.通过对计算机合成变换的图像、真实拍摄的图像进行检索、识别实验,表明了文中提出的仿射-卷积矩不变量的有效性和适用性.