不变矩理论及其在目标识别中的应用

几何形状的识别在计算机视觉中具有十分重要的意义,一般几何形状可以分为区域和边界两种。不变矩特征在图像平移、伸缩、旋转时均保持不变。介绍了利用图像的不变矩向量进行目标形状识别的方法,并比较了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的性能和计算速度。

基于矩特征的三维飞机目标识别

利用矩特征可以从二维图像识别三维目标 ,4阶矩的图像峰值反映了目标的形状 ,为了使它具有平移、比例和旋转不变性 ,作者对其进行了归一化处理。文中将未修正的不变矩、修正的不变矩及归一化的 4阶矩用于三维飞机目标识别 ,仿真结果表明归一化的 4阶矩和修正的不变矩可有效地用于三维目标的识别。

基于形状不变矩的图像检索算法的研究

描述了一种基于Hu形状不变矩的图像全局形状特征提取方法和算法IMS。实验结果表明 ,使用IMS。算法提取的形状特征向量具有对平移、旋转和尺度变化的不变性 。

基于线性不变矩的特征图象配准算法研究(英文)

针对图象差异较大的光学图象与合成孔径雷达图象 (SAR)的特点 ,设计了一种基于特征的图象配准的算法 ,包括特征提取、匹配、控制点选取、变换系数计算和误差计算等步骤 在特征提取中 ,对于雷达图象需要进行预处理并采用LOG提取图象轮廓 在匹配算法中 ,以线性不变矩作为特征量 ,对现有基于图象轮廓特征的匹配算法进行了改进 采用上海浦东地区的Radarsat 1S2模式图象与LandsatTM 5波段图象作为待配准图象 实验结果表明 ,该方法可以较好地完成光学图象与SAR图象的配准 。

基于红外图像序列的运动目标检测算法研究

为解决红外图像序列中运动目标的快速检测问题,提出一种结合目标的不变矩与红外特征的新的特征量,利用图像序列中目标运动的连续性,在匹配的过程中采用Kalman预测滤波来估计目标下一帧的位置,从而形成完整的运动目标的检测算法。该算法既能利用不变矩的仿射不变性,又能对红外目标的辐射特性进行全面的综合描述,准确地实现目标的相关匹配;此外,引入Kalman预测滤波不仅能够迅速准确地进行目标匹配,并且在目标出现遮挡、丢失的情况下可应用预测对目标的位置做出合理的估计,以维持对目标的正常的检测跟踪。实验结果表明该算法能够达到目标检测的准确性和实时性要求。

作物病害图像形状特征提取研究

形状特征是作物病害图像识别的重要依据之一。为了解决形状特征平移、尺度和旋转变换不变性问题,笔者将不变矩理论引入作物病害图像形状特征提取中,将7个Hu不变矩参数定义为形状特征,并引入新的参数,对作物病害图像进行形状特征提取研究。通过主成分分析和统计分析方法验证,得到适合两种作物病害识别的形状特征,并将其应用到作物病害智能识别系统中。实验结果表明:系统识别率较高,能够满足实际应用需求。

改进的同心离散圆簇形状描述方法

形状特征是MPEG7中用来描述图像的重要特征之一。同心离散圆簇（Cluster of Concentric Discrete Circles,CCDC）形状特征提取方法具有特征提取速度快的优点。但该方法的特征函数使用圆环弧段的方差作为特征,由于内外环的离散点数不同,使得内外环的特征值变化范围不同,会产生特征掩盖现象。针对上述问题,该文对特征函数进行了重新设计,利用弧段的相对弧长或段数作为特征,将每一环的特征用4个子特征来描述,并将每一个特征值归一化为0~1范围内,提取过程比原来更简单,特征提取速度更快。改进后的新方法命名为改进的CCDC（Improved CCDC,ICCDC）。该文采用了MPEG7-CE1-B标准形状数据库进行测试,评价指标采用Precision-Recall曲线。实验表明,ICCDC比CCDC在性能方面有显著的提升,检索精度比原来提高了约50%,提取MPEG7-CE1-B图形库中所有图形特征所用的计算时间比原来减少了约25 ms。

Contourlet变换和分形维的图像特征提取与识别

针对图像单一特征量目标识别率不高的问题,提出一种基于Contourlet变换和分形维的特征提取与识别算法.首先对图像进行Contourlet变换(CT)得到低频子带和高频子带,然后计算低频子带的组合不变矩特征,同时通过代价函数挑选最优高频子带,提取高频子带的分形维特征并使用对比敏感函数(CSF)对不同高频子带的分形维数加权,最后将提取出的低频特征以及高频特征组合成复合特征向量,利用欧氏距离进行相似性度量完成图像目标物识别,该算法有效地融合了不变矩的全局不变性和Contourlet变换的多尺度、多方向局部细节特性.对比实验结果表明,该方法在各种变化条件下均具有较好的识别效果和运行效率,平均识别率达96%以上.

一种模糊红外目标边缘和不变特征提取方法

针对红外图像中模糊目标难以分割和识别的情况,提出以小波多尺度滤波分解后的逼近图像作为自适应域值进行图像二值化的方法,由此分割出模糊图像中的目标,提取目标的轮廓边缘。然后,提出一种新的矩计算方法提取目标的不变性特征。实验结果表明,该方法具有很强的抗噪和抗扰性能,能有效提取复杂背景中模糊目标的平移、缩放和旋转不变量,极大提高了运动模糊目标识别的可靠性。

基于特征融合的水下目标识别方法

针对传统Hu氏不变矩易受摄像头径向畸变影响造成水下目标识别率低的问题,提出一种基于改进的Hu氏不变矩提取形状特征的方法,该方法依据摄像头的径向畸变模型重新恢复目标像素坐标与其灰度值的映射关系,构造出新的具有平移、缩放和旋转不变形的形状特征向量.同时为消除形状特征向量信息间的冗余问题,根据相关向量线性组合不改变向量自身性质的特点,提出一种基于相似度量准则进行对形状特征向量降维处理的方法.最后针对直接组合向量使得各特征权重一致而造成的识别率低的问题,给出了一种线性加权求和进行形状特征和纹理特征融合的方法.水下目标识别实验结果表明,该识别方法能够克服水下图像失真、信息冗余等不利因素,有效提高水下目标识别准确率.

不变矩法分类识别带钢表面的缺陷

针对带钢表面缺陷的识别和分类技术,本文采用一种将不变矩与主成分分析法相结合的特征提取方法。首先,对每幅缺陷图像提取22维不变矩特征向量,满足对图像平移、尺度及旋转变化都不敏感;然后,为了提高分类器的效率,应用主成分分析法对特征向量进行空间降维处理,得到4维特征向量;最后,将特征向量作为BP神经网络的输入,对网络进行权值和阈值训练,达到缺陷分类的目的。实验结果表明,该方法对带钢表面缺陷的平均正确识别率可达到85%以上。

快速相关跟踪算法的研究与实现

利用七阶不变矩对图像进行相关匹配,可以有效抑制几何失真的影响;在匹配的过程中对输入图像进行3层金字塔分解,在每一层上利用高效、并行的遗传算法进行匹配,搜索最优匹配点;实验结果表明该算法能够实时计算运动目标的位置,并且在目标发生缩放、旋转、光照等变化时仍能够长时间稳定跟踪目标。

基于幅值谱与不变矩的特征提取方法及应用

研究了傅立叶变换、不变矩的原理及特点,提出基于幅值谱与不变矩的特征提取方法,并应用于中厚板的表面缺陷自动分类．从现场在线采集中厚板的表面图像,将每幅表面图像划分成128×128大小的子图像,对子图像进行傅立叶变换得到子图像的幅值谱,再对幅值谱图像求Hu不变矩,将不变矩作为特征量,通过这种方法提取的特征向量不仅具有平移、旋转不变性,并且具有抗噪、抑制光照不均的优点．将本文方法得到的特征量作为基于LVQ神经网络的分类器输入,对缺陷样本进行学习和分类,结果表明,这些特征量适用于中厚板表面缺陷的分类,识别率达81．5%．

基于不变矩和神经网络的目标识别方法

针对寻的导引头成像制导中实时采集图像由于存在几何失真及像质模糊而导致目标识别精度差的问题,提出了一种基于不变矩和神经网络的目标识别方法。该方法采用一种改进的不变矩算法提取目标图像的不变矩特征量来训练BP神经网络,实现目标图像的识别和分类。仿真结果表明该不变矩特征库训练的神经网络分类器具有较高的识别精度,是一种比较实用的目标识别方法。

基于不变矩和BP神经网络的剪纸纹样识别

针对剪纸纹样艺术夸张变形的特点,将剪纸图像进行预处理,提取7个不变矩作为剪纸纹样的特征向量,采用LM算法优化BP神经网络,通过归一化后的不变矩对BP神经网络进行训练,应用训练后的神经网络作为分类器对剪纸纹样进行模式识别,实验证明该方法能够较好地识别有一定艺术变形的剪纸纹样。

基于改进小波矩特征的快速无损图像描述算法

为了更有效地利用小波矩不变量算法来快速无损地计算图像特征值,提出了一种融合Mallat算法的无损采样的新型小波矩不变量算法.在此基础之上,结合傅坐叶变换的原理及特点,提出了基于频率幅值谱与小波矩不变量的特征提取方法.并将改进的小波矩不变量算法与传统使用三次B样条矩的小波矩、Hu矩进行了比较.实验表明,改进的小波矩不变量在比传统小波矩不变量算法性能几乎没有损失的情况下,大大加快了小波矩不变量的计算速度,并且基于频率幅值谱的小波矩有更强的抗噪性.

基于改进ART-2网络和不变矩的高压瓷瓶裂缝识别

为了保证高压输电线路的正常运行,可以通过高压输电线路巡检机器人视觉系统完成高压输电线路的检测。本文通过CCD摄像头等硬件模拟机器人的视觉,完成对绝缘瓷瓶裂缝图像的采集。对图像经过滤波去噪、图像分割等预处理操作后,利用形状特征和灰度差异完成图像中裂缝的定位。对于聚焦放大后的裂缝图像提取不变矩等四个特征值,得出图像信息。最后利用改进的ART-2神经网路,实现对绝缘瓷瓶裂缝五种状态:横向、纵向、块状、网状、无裂缝的分类识别。通过仿真和实验表明该算法可以有效、可靠地运用于绝缘瓷瓶裂缝类型识别研究中,并可方便地应用于其它领域。

绝缘子图像的多种特征提取技术的研究

绝缘子是输电线路中的重要组成部分,它是否正常运行影响到电力系统的安全。文章提出了利用机器视觉的方法提取绝缘子图像的特征值,为绝缘子检测和识别提供信息。首先利用像素统计法对实际绝缘子图像进行分割,然后利用灰度共生矩阵提取图像的纹理特征,利用二值图像提取不变矩特征。最后,利用图像局部性质,计算图像的几何特征值,提取边界轮廓。

数字图像形状特征提取的研究

在对图像进行轮廓提取时,采用了先边缘检测再轮廓提取和Canny算子两种方法,取得了较好的实验结果.研究实现了计算归一化中心矩、不变矩、骨架提取及反变换.实验结果表明:不变矩、骨架能很好地表达形状信息.

多特征判断的合作目标识别方法

针对视觉导航中合作目标识别问题,提出一种多特征递进判断的快速准确识别算法。通过图像轮廓特征、Hu不变矩特征以及FAST角点特征等多特征,对图像进行层层处理和判断,剔除非目标区域,最终实现合作目标的准确识别。在该过程中对算法进行了一些改进和加速策略,以满足实时性要求。室内外实验表明该算法在不同尺度、形变以及环境干扰等情况下依然可以准确地识别出合作目标,有较高的鲁棒性和适应性。