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.     

基于图象差距分割的快速目标匹配识别算法

本文在模板匹配的算法基础上,引入图象差距度量的思想,以最大图象距离差选取好的阈值,实现目标与背景的有效分离,以减少模板匹配的计算区域为手段,减少算法的计算量,并提高模板匹配算法的识别精度.实验证明,该算法实现简单且行之有效.     

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。     

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.     

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.     

一种基于统计分析的图像变化检测方法

为了更准确地从两幅同一地区不同时间的遥感图像中检测出地物的变化情况,提出一种基于统计分析的方法.即：统计检验方法.这种方法是将局部回归方法应用于两幅不同时间遥感图像中的同一感兴趣矩形区域,当回归系数表现出较大的差异时,这些图像区域被分割成更小的子区域.与传统的变化检测方法相比,统计检验法不仅与脉冲噪音无关,而且也不受传感器灵敏度降低引起的外部变化和光源位置变化的影响.     

MSEA及其在模板匹配中的应用

本文介绍了一种顺序排除算法(SEA)及其多级算法(MSEA).SEA通过讨论模板的灰度信息和与局部图象的灰度信息和的关系来判断在搜索窗中的搜索点是否需要进行匹配运算,这样就减少了匹配估计次数.MSEA是SEA的多级算法,当搜索图背景较复杂时,MSEA具有更高的效率.作为耗尽型算法(ESA),SEA和MSEA不会降低匹配的准确性.通过仿真实验证明,此算法在不降低匹配准确性的前提下,与常用的匹配算法相比较,有效地减少了运算量,有利于实现图象匹配的实时性要求.     

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.