线性不变矩及其在图象识别中的应用算法研究

在讨论线性不变矩基本性质的基础上,对于利用其轮廓信息即能较好描述的图象,提出了一种基于线性不变矩的目标识别算法.该算法包括目标二值化、轮廓提取、线矩计算和分类识别等步骤.仿真试验表明,该算法具有较高的识别精度和良好的抗干扰性,计算效率远高于传统方法,有着较高的应用价值.     

二维轴对称图象高阶胡氏不变矩快速算法的改进

提出了基于二维轴对称性目标图象矩快速算法的实用化改进方案.算法实用化改进是通过两个命题的证明实现的.一是通过轴对称目标图象质心在对称轴上的命题证明,实现了将二维轴对称图象矩快速算法用于轴对称性图象中心矩的计算;二是通过目标图象以坐标系中任意两点为圆心,旋转相同角度,结果图象具有平移性的命题证明,实现了算法用于对旋转不同角度的对称目标图象的中心矩的计算改进.在此基础上,完成了二维轴对称目标图象高阶胡氏不变矩实用化快速算法的实现.实验证明,该算法具有较好的实时性能,且具有较小的引入误差.     

基于多尺度Radon变换的图像检索

根据Radon变换的统计特性构造了不变量,提出一种新的基于多尺度Radon变换的图像形状检索方法.对检索图像作小波变换,根据小波模极大原理得到边缘图像,对边缘图像构造Radon变换中心矩,在中心矩的基础上根据Radon的统计原理构造出尺度不变矩.由于矩阵的奇异值具有旋转不变性,因此针对不变矩向量矩阵求奇异值,该奇异值特征向量具有平移、尺度和旋转不变性.将该Radon变换的不变量作为形状特征,并进行高斯归一化,按照欧氏距离计算不同图像间的形状相似度.试验结果表明,该方法对高斯噪音具有较强的鲁棒性,与其它方法相比具有较好的检索效果.     

基于光学相关的多目标检测

运用傅里叶变换相关识别技术实现了无畸变、有平移多目标的检测。在此基础上讨论了图像边缘信息和非边缘信息对相关性能的影响。运用分数傅里叶变换相关识别技术实现了目标图像存在尺度、旋转畸变而无平移变化时的目标检测。结果表明,分数傅里叶变换的级次选择对目标图像的旋转和尺度畸变有一定的补偿作用。在分数傅里叶变换相关中,通过简单的级次调节可实现一定范围内的旋转、尺度畸变不变识别。     

基于高阶胡氏矩的多目标图象识别算法

本文提出了一种多目标图象识别算法,算法以小波变换和目标区域分割算法实现图象的前期处理,以高阶胡氏矩为基础,利用k邻近法构建了分类器,实现了多类目标的识别与分类.仿真实验证明,此算法具有较高的识别精度.     

傅里叶-梅林变换(FMT)在畸变-不变图像识别中的应用

针对尺度缩放和角度旋转变化目标相关识别率低的问题,在联合相关识别中加入傅里叶-梅林变换方法.采用傅里叶-梅林变换(FMT)中的对数极坐标变换、梅林变换、傅里叶变换具有的旋转、尺度、平移(RST)不变性,可以提高JTC图像识别的性能,实现畸变-不变图像的识别.利用联合变换相关器对角度旋转0°～40°、尺度变化0～20%的目标进行计算机仿真实验.实验结果表明:在JTC中采用FMT可以实现畸变-不变图像的识别.     

基于边缘区域不变矩的缺损扩展目标识别方法

 该方法提出以基于边缘区域的局部不变矩作为识别特征,结合多神经网络实现对缺损扩展目标的有效识别。讨论了离散情况下基于边缘区域局部不变矩的平移、旋转和尺度不变性。在此基础上,建立目标多个处理区域的BP人工神经网络,利用各网络分类综合结果提高缺损目标的识别率。实验结果显示该方法能够对缺损扩展目标进行正确识别,特别对于有较大部分缺损的扩展目标识别有明显优势。     

大尺度混合畸变的目标识别技术

为解决目标识别技术中混合畸变目标的识别难题,提出了一种面积极坐标变换算法.该算法利用相似图形尺寸与面积的满射函数关系和极坐标变换的旋转不变特性,对目标与模板同时进行面积变换和极坐标变换.将面积极坐标变换算法与基于形态学膨胀的边缘加粗处理算法相结合应用于光电混合联合变换相关器,实现了大尺度混合畸变目标的识别.以空中飞机为例,光学相关实验表明,该方法可显著提高混合畸变目标的相关峰强度,旋转畸变容差为0°~100°,比例畸变容差为100%~200%,具有较大尺度的混合畸变容差,扩大了识别范围.其混合畸变识别能力优于极坐标对数变换算法与综合鉴别函数法其衍生方法,其"时间复杂度"远小于综合鉴别函数及其衍生方法.     

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。     

基于高阶胡氏矩的多目标图象识别算法

本文提出了一种多目标图像识别算法,此算．法以小波变换和目标区域分割算法实现图象的前期处理,以高阶胡氏矩为基础,利用k邻近法构建了分类器,实现了多类目标的识别与分类,仿真实验证明,此算法具有较高的识别精度。     

一种新型不变矩在图像识别中的应用

给出了仿射变换的定义,并在此基础上建立了一种新的仿射变换途径——多尺度自卷积变换。构造了一组新的仿射不变矩(MSA矩),分析了其性质,给出了它的明确表达式及其具体实现方法。分别应用最小距离法、k-近邻法和相似性测度三种识别方法进行了仿真实验。结果表明,MSA矩对平移、比例、旋转、拉伸和扭曲等仿射变换均具有很好的不变性,与典型的Flusser矩相比,稳健性好、识别率高、抗噪声干扰能力强,具有一定的应用价值。     

The high precision positioning algorithm of circular landmark center in visual measurement

For vision measurement in the center circle landmark location problem, an improved center of the ellipse based on Zernike moments sub-pixel positioning algorithm was proposed. First, using Sobel operator edge of the image pixel level positioning and then use the constructed Zernike moments to solve the model, combined with Zernike orthogonal polynomials and completeness and plural moment magnitude rotational invariance calculated edge sub-pixel position; followed by analysis of the principle deviation generated by the moments template and ideals model, a correction formula was proposed to compensate and improved edge criterion used to image sub-pixel edge positioning; finally, using the least-squares ellipse fitting algorithm fitting circle center, reverse edge point, filtered residuals larger point, and then precise positioning of the ellipse center. The experimental results show that this method has good stability and high positioning accuracy can be efficiently used in many applications.     

多尺度无监督彩色图像分割

非采样Contourlet变换是一种新的多尺度多分辨率分析工具.本文提出了一种基于非采样Contourlet变换的彩色图像无监督分割算法.首先利用非采样Contourlet变换的平移不变性在其变换域应用梯度向量法提取图像多尺度边缘|然后在Contourlet变换域的低频子带和高频子带中分别提取局部低频能量纹理特征与高频多尺度Zernike矩纹理特征,并将二种纹理特征融合.最后在边缘图像中映射种子像素点,利用纹理和颜色特征欧氏距离,对彩色图像采用区域生长和区域合并的方法进行分割.实验结果证明:该算法将图像空间域的颜色特征与非采样Contourlet变换域的多尺度边缘和纹理特征恰当结合在一起实现彩色图像无监督自动分割,与传统算法相比有更高的准确性和鲁棒性.     

图像区域不变矩的快速计算方法

为了实时提取图像中任意尺寸窗口区域的不变矩,提出了一种快速计算方法。该算法通过构造一组积分图像,避免了在直接计算中出现的大量重复运算,使得图像中任一子窗口区域的不变矩都可以通过组合几个查找表运算得到。由于查找表运算的加法和乘法次数是恒定的,从而使得不同尺寸窗口区域的不变矩的计算均能在相同时间内完成。实验结果表明,该方法不会引起计算精度的损失,极大地降低了计算复杂度。对于从300×300pixels图像中提取的所有81×81pixels的窗口区域的不变矩这一任务而言,快速算法仅需31ms,比直接计算的速度提高了324倍。     

基于改进的空域相关的多聚焦图像融合

提出了一种简单有效的像素级多聚焦图像融合方法。针对正交小波变换缺乏平移不变性而产生视觉失真的缺陷,采用Atrous算法将原图像分解在不同频率域上。Atrous算法先将滤波器h0(n),h1(n)各点间插入适当的零值后再与低频信号做卷积,故又称为"多孔算法"。将具有抑制噪声性能的空阈相关法作为高频子图像的融合规则,选取相关性强边缘特征显著的点作为最终融合子图像的像素点。实验表明,由此融合的图像能完好的保留边缘纹理信息。融合后的图像在客观评价和主管视觉效果上均有提高。     

一种新的二维离散Hartley变换算法

提出一种新的基于离散矩的二维离散Hartley变换(DHT)快速算法,并应用于MRI图像压缩.通过核函数的变换和泰勒展开,将二维DHT用线性离散矩加权和近似,这样可以利用一种简单的并行计算结构,适用于任意长度的序列并具有很高的计算精度,应用于MRI图像压缩,当压缩32倍时,依然具有很高的峰值信噪比.     

Wavelet-based acoustic analysis for determining health condition of motorized two-wheelers

The garage mechanics assess the health condition of a vehicle based on sounds of vehicles. This expert knowledge needs to be stored in repositories and employed for automatic fault diagnosis. In this work, we propose a method to determine the health condition of motorcycles, based on discrete wavelet transform (DWT). The 1D central contour moments and invariant contour moments, of approximation coefficients of DWT form the feature vector. Dynamic time warping (DTW) classifier along with Euclidean distance measure is used for health classification. The results show over 98% classification accuracy for some subbands and some feature sets.