基于线性不变矩的特征图象配准算法研究

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,有着较高的应用价值.     

基于Krawtchouk矩和支持向量机的印鉴真伪识别

提出了一种将Krawtchouk矩特征不变量与高斯核支持向量机相结合的印鉴识别方法。实验中将得出的印鉴图像Krawtchouk矩特征向量作为高斯核支持向量机的输入参量,利用遗传算法优化支持向量机的惩罚因子和核参数,使识别性能得到有效提高;实验显示Krawtchouk矩下的印鉴类间散度与类内散度比值是Zernike矩的2.93倍,与遗传算法优化后的高斯核支持向量机相结合下的识别率明显提高。结果表明:与Zernike矩不变量相比,Krawtchouk矩不变量能更加准确地描述印鉴图像特征,识别性能更好。     

一种基于轮廓形变度的光学伪装效果评价方法

针对光学伪装效果评价中的目标轮廓变形问题,提出了一种基于轮廓形变度的二值统计矩算法。首先,对伪装目标的原始背景图像进行二值化处理,然后对背景图像均匀分割,提取目标的轮廓特征,以此构造一个轮廓特征向量的二值统计矩阵。最后,采用欧氏距离与余弦归一化的方法对二值统计矩进行计算,获得目标的轮廓形变度值。实验结果表明,提出的二值统计矩算法可以有效地提取目标的轮廓特征;轮廓形变度指标达到了0.905±0.004和0.77±0.80;与传统Hu矩算法相比,主成分因子分别提高了27%和7%,算法效率提高了69.8%。该方法能够从目标轮廓的角度有效地评估光学迷彩伪装效果。     

基于聚类技术的三维舰船模型特征库研究

 存贮目标所有的视点图像,建立完备的特征库,或者提取能够抵抗视点变化的不变特征,是三维目标识别的常用方法。这两种方案都存在不足：要么特征库规模庞大,识别过程计算量大,识别效率低;要么难以找到鲁棒的识别特征。结合两种方案研究了基于聚类技术建立三维舰船模型特征库的方法。利用仿射传播聚类方法无需事先指定聚类中心的优点,将其应用于两型舰船模型的视点空间聚类。通过提取视点图像的Hu矩特征,进行了仿真实验,给出了聚类结果的有效性分析。     

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。     

基于矩的不同地面分辨率红外图像的不变量分析

为了进一步提高匹配制导精度[5],从红外成像的基本原理出发,讨论了由于红外探测器在与目标不同距离上摄取的实时红外图像的地面分辨率的不同对统计不变矩特征不变性的影响,从理论上推导出了不同地面分辨率图像的6维不变矩特征向量,以及不变矩特征匹配制导中实时图像采集过程中弹目距离需要满足的关系,仿真实验部分验证了方法的正确性和可行性。     

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.     

基于特征融合的手背静脉识别

图像平移和旋转会降低手背静脉识别的准确性,针对该问题,本文提出了一种特征融合的手背静脉识别法.该方法充分考虑图像的细节特征和全局特征,首先选取图像中的交叉点和端点作为特征点,再从特征点中提取出图像匹配的基准点,计算基准点至特征点间的相对距离及基准点与特征点连线间相邻连线产生的夹角作为细节特征;然后利用不变矩方法提取图像特征作为全局特征;最后将两种图像特征融合,进行手背静脉识别.实验模拟结果表明,该方法可快速有效地实现手背静脉识别.     

航空图像目标识别算法研究

根据飞机的对称性特点,提出了一种航空图片中智能判别飞机类型的方法。通过寻找其重心,检测飞机的位置,然后以飞机的重心为矩心,根据矩不变原理,通过旋转将飞机的中轴线和坐标轴Y轴重合,由飞机的轴对称特点求出三个基本特征量,利用匹配的方法就可在航空图片中正确地识别型号不同、大小各异、位置任意的各种地面飞机,而且识别特征少、计算量小,识别速度快,识别正确率高。     

基于LVQ神经网络的目标识别技术

通过对目标特征的分析比较,选取不变矩作为识别特征.为了达到很好的识别效果,对不变矩做了优化处理.采用LVQ神经网络技术建立了识别模型,提高了识别速度.运用有限的样本对目标识别技术进行了测试,结果表明采用此技术后的识别成功率较高,平均约为98%,识别速度快,每幅二值目标图像的识别时间约为16 ms.     

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。     

Three novel invariant moments based on radon and polar harmonic transforms

This paper presents three novel invariant moments on the basis of radon and Polar Harmonic Transforms (PHTs). Gray images have been studied, as they can avoid the error of binarizating. Radon transform is introduced with great robustness to noise. PHTs are Orthogonal and numerically stable and their kernels are simpler compared with most other moments. Thus they are applied to the radon image. Then we define three new invariant moments, and three invariant feature vectors. The Libsvm classifier is employed to implement classification in the experiments. The theoretical analysis and experimental results indicate that the classification accuracy of our method is higher and with lower time cost than that of other moments. They are also robust to noise.     

Propagation-invariant classification of sounds in channels with dispersion and absorption

In a previous paper [G. Okopal et al., J. Acoust. Soc. Am. 123, 832-841 (2008)], a method to obtain features of a wave that are unaffected by dispersion, per mode, was developed for improving classification of underwater sounds (e.g., sonar backscatter). The current paper builds on this work and presents additional contributions. First, it is shown that the dispersion-invariant moments developed previously are not invariant to frequency-dependent attenuation (absorption); consequently, their classification performance degrades in such channels. Second, a feature extraction method is developed to obtain features that are invariant to dispersion, and to two forms of absorption (known a priori): namely, absorption that yields spectral magnitude attenuation (in dB) that is linear with frequency, and linear with log-frequency. Third, the relationship of these absorption- and dispersion-invariant moment (ADIM) features to the cepstrum of the wave is examined, and it is shown that cepstral moments are also invariant to dispersion, and to the first form of absorption for odd-order moments. Finally, simulations are conducted to illustrate the performance of the ADIMs and cepstral moments on classifying the backscatter from steel shells in a dispersive channel with absorption. Receiver operator characteristic curves quantify the superior discriminability of the ADIMs and cepstral moments compared to ordinary moments.     

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.     

基于矩和小波变换的目标图象识别

在图象目标的识别中,目标图象的不变矩对于具有旋转、尺度变换特性的目标具有良好特征匹配性能,但其识别准确度直接受到不变矩计算区域内的目标个数的影响.本文首先采用一维小波变换降噪并获取图象边缘,结合轮廓跟踪法(“爬虫法”)与投影法对图象进行区域分割获取各目标存在区域,再利用目标图象的不变矩进行目标识别,最后通过利用目标的主轴特性及质心变化计算目标的旋转角度及尺度变换倍率.通过仿真实验,证明方案可行且具有良好的识别性能.     

Geometrically robust image watermarking using scale-invariant feature transform and Zernike moments

In order to resist geometric attacks, a robust image watermarking algorithm is proposed using scaleinvariant feature transform (SIFT) and Zernike moments. As SIFT features are invariant to rotation and scaling, we employ SIFT to extract feature points. Then circular patches are generated using the most robust points. An invariant watermark is generated from each circular patch based on Zernike moments.The watermark is embedded into multiple patches for resisting locally cropping attacks. Experimental results show that the proposed scheme is robust to both geometric attacks and signal processing attacks.     

用雅可比-傅里叶矩进行图像描述

提出了雅可比—傅里叶矩，它是用雅可比多项式作为径向函数，用傅里叶因子作为角向函数构造而成的，是广义正交傅里叶—梅林矩。经过归一化处理后的雅克比—傅立叶矩具有平移、尺度、旋转、灰度多畸不变性。从归一化图像重建误差、噪声灵敏度等方面对雅可比—傅里叶矩的图像描述能力进行了研究，结果显示雅可比—傅里叶矩在各种参量选择的情况下，具有良好的图像描述和抗噪声能力，是一个优良的图像特征。以前的研究多为单纯构建某一个函数，而现在将其扩展为构建一个函数族，开阔了矩描述量的研究视野。     

Dispersion-invariant features for classification

In dispersive propagation, waves from the same source will generally differ depending on how far they have traveled. Accordingly, it is desirable for classification in such environments to either account for propagation effects, or to obtain features that are invariant to such effects. The latter approach is taken in this paper, and features are derived that are unaffected by channel dispersion, per mode. A "local" view of pulse propagation in time-frequency phase space is considered. It is shown that the local duration of a wave, obtained from its time-frequency Wigner distribution, is invariant to dispersion. While higher moments of the Wigner distribution are not invariant to dispersion, the phase space considerations suggest an approach for defining "dispersion-invariant moments" (DIMs) of any order. This approach is also used to define a dispersion-invariant correlation coefficient that can be used for classification. The classification utility of the DIMs, and of the dispersion-invariant correlation coefficient, is evaluated via simulations of acoustic scattering from steel shells in a dispersive channel model (Pekeris waveguide). Receiver operating characteristic curves quantify the improved discriminability of the DIMs versus ordinary temporal moments, and of the dispersion-invariant correlation coefficient versus the ordinary correlation coefficient.     

伪Zernike矩在低信噪比红外目标检测中的应用

由于探测器本身固有的特性以及军事上的极限使用要求,红外图像普遍存在目标-背景间对比度较差、目标边缘模糊和噪声较大等特点,采用常规模板匹配、Hu矩方法难以取得理想的检测效果。针对低信噪比红外目标图像,分析了伪Zernike矩的基本原理、不变性和计算方法,提出了低信噪比红外目标检测的伪Zernike矩方法,并比较了模板匹配、Hu矩、伪Zernike矩方法的目标检测效果。理论分析和实验验证了该方法的有效性。