张虹[1]2004年在《基于小波变换和不变矩的图像目标识别算法研究》文中进行了进一步梳理本文重点研究了小波分析及不变矩在图像目标识别中的应用。利用矩不变量进行形体识别一直是图像识别的研究重点。本文详细介绍了几何矩、Hu 矩不变矩的概念、性质及在图像识别中的应用，针对这几种传统不变矩的缺点：它们都是在整个图像空间中计算得到的图像的全局特征，容易受到噪声的干扰。本文引入了新的矩不变量—小波矩不变量，它将小波分析用于不变矩中，使其具有平移、旋转和比例不变性。利用小波矩不仅可以得到图像的全局特征, 而且也可以得到图像的局部特征, 还增加了小波对图像结构精细特征把握能力强的优点，因而在识别相似物体方面具有更高的识别率。本文以小波不变量为特征，并对所提取的特征进行优化选择，最后用优化后的特征与 BP 神经网络分类器相结合进行目标图像识别。从小波矩的整体性特点出发，本文提出用小波模极大值法进行图像预处理，提高目标区域分割的精度，并在此基础上进行图像区域分割。本文通过仿真实验，对叁类飞机六十个样本进行识别，得出了 Hu矩、小波矩在是否含有噪声的情况下的识别结果并对识别性能进行了比较。实验表明，小波矩不变量的识别效果要优于 Hu 矩，尤其是对于有噪声的图像。
刘进[2]2004年在《不变量特征的构造及在目标识别中的应用》文中指出图像不变量特征的提取与构造是模式识别和计算机视觉领域中的关键技术之一。有效地、并尽可能多地从复杂多变的模式表现形式中提取出目标本原的重要特征,而且与目标的各种空间变换(包括平移、尺度、旋转等变换)和观察角度、位置等因素无关,并不受目标图像获取条件和环境的影响,这将会使后期识别工作变得比较容易。图像区域不变矩集合是反映形状特征的一种重要的特征集,可根据需要构造出各种复杂的变换不变量,这种技术正受到越来越多的关注。由于目前可利用的不变矩特征十分有限,适用范围也需要进一步明确,应用领域也需要进一步推广,有关这方面内容还需要作更深入的理论分析和更细致的实验检验。本文正是在这一背景下对不变量特征的构造及在目标识别中的应用进行了深入的研究。本文的创造性研究成果主要有:(1) 总结了图像旋转不变矩构造的一般规律, 提出叁角函数构造旋转不变矩的方法, 得到了新的不变矩通式, 并产生了一个较大的旋转、比例平移不变矩集。在此基础上, 提出不变矩各阶子式的概念,进而设计了一种滤波器式不变矩快速算法, 能有效避免大量子多项式的重复计算从而提高不变矩的计算和生成效率。论文还得出轮廓链围成区域的矩和不变矩计算式。(2) 介绍了仿射变换参数在3 维空间内的几何意义以及仿射不变矩与旋转不变矩的关系, 分析了仿射不变矩的构造方法,并作了一些补充性研究。提出了几种新的仿射不变矩,当视点距离观测图像较远时,这些不变矩能在深度信息未知的情况下识别叁维空间中绕叁个坐标轴旋转的平面图像。提出仿射变换图像的矩矢量和跟随矢量的概念,并有效地应用于仿射变换图像的配准和校正。这种方法具有快速、精度高而且简单直接的特点。(3) 定义了n 维平移比例变换不变量的一般形式, 提出一种任意高维旋转变换不变量---n 维转动惯量的通式, 并得出两个叁维旋转、比例平移不变矩:Crot3,1 Crot3,2,可用于识别3 维图形。
付俊[3]2014年在《基于特征融合的遥感图像飞机目标识别研究》文中进行了进一步梳理卫星遥感图像识别技术是当今世界上研究的一个热点课题。随着科技的发展，卫星图像的拍摄和传输速度有了大幅度的提高，同时分辨率不断增强，使得基于遥感图像的目标识别技术成为现实。飞机目标作为一种重要的战略资源，因而基于遥感图像的飞机目标识别技术有着广泛的应用前景。在民用领域，可以为民航机场的飞行情况提供动态监督；在军事领域，能为掌握敌机的部署和分布动态提供实时信息。但是在实际上，遥感图像存在着大量的干扰因素，如噪声、背景、天气等，都会对飞机目标的识别造成很大的影响。论文首先介绍了基于高清卫星遥感图像飞机目标识别的意义。飞机识别作为目标识别技术的一种，广泛地应用于现今各种高科技领域之中。尤其是在军事领域，快速、准确地识别出他国军用机场的各种飞机目标的最新调动情况，能为分析其军事部署的最新调整提供信息参考，从而为战争的胜利赢得关键的作用。本论文以飞机识别为研究目的，详细介绍了各种飞机识别算法的优劣，在现有算法的基础上提出了本文研究算法。本文研究的主要内容包括两个方面：1、飞机识别算法；2、飞机检测算法。从这两方面的内容上展开了本课题的研究，主要思路包括提高现有算法的飞机检测精度和飞机识别精度。近年来，国内外飞机目标识别技术已经取得了很大的进展。目前，基于特征点和不变矩的飞机识别算法占绝大多数，但是仍然没有一种能适应各种机型的通用算法。针对现有的飞机识别算法中存在的精度低、通用性不强的缺点，提出了基于特征点和不变矩的飞机识别算法。特征点可以描述目标的精确细节信息，能够区分不同的机型，而不变矩稳定性好，能在目标发生多种干扰时保持较好的不变性，因而基于特征点和不变矩的飞机识别算法抗干扰性强，识别精度高。然后针对现有的飞机识别检测算法存在速度慢、鲁棒性差的缺点，提出了基于显着图和不变矩的飞机检测算法。显着图是采用特定显着性理论计算出来的灰度图像，可以滤除大量的背景干扰部分，突出原图的显着目标，从而有利于候选目标的快速定位，而不变矩抗干扰性强，具有原理简单、计算方便、易于实现的优点，因而基于显着图和不变矩的飞机检测算法耗时量少、鲁棒性高。最后，对本文研究的内容和思路作了总结，分析了本研究的创新亮点和不足之处，并对后续研究内容作了具体的展望。
马兰[4]2017年在《热红外遥感图像典型目标识别技术研究》文中提出热红外遥感与其他手段相比具有特殊优势,本文研究的热红外图像成像波段是8~10.5μm,该波段图像能获取典型目标的类型和工作状态,在军事目标侦察、热点地区监视、伪装目标揭露等方面具有特殊作用。与可见光图像相比,星载热红外图像细节模糊、对比度低、信噪比低,使得该类图像的目标识别更加困难。但是,对于港口、机场、大型舰船和油罐等典型目标的识别还是可行且很有必要的。由于港口(包括油罐)、机场属固定目标,舰船属活动目标,且这几类目标的形状、纹理等图像特征具有一定的代表性,因此,本文选择了上述典型目标。由于热红外图像识别在条带噪声去除、辐射定标与温度反演、目标建模与图像分割、特征提取与选择、目标检测与识别等方面存在较多需要解决的问题,而本文在已进行辐射校正处理的图像上,对典型目标的热红外图像识别特征进行分析,根据特征分析模型进行特征比对辅助解译,提取热红外目标识别典型特征,研究热红外目标检测与识别方法。主要研究内容和创新点如下:1.使用特征分析和比对方法,对热红外图像进行目标状态和信息分析。分析了油罐、舰船及机场跑道目标热红外图像识别特征,并结合热红外特征分析与比对方法,从辅助识别角度,对油罐状态和机场设施信息进行判定,该方法在环境影响不大时是有效的。2.使用评估器方法,研究了热红外图像特征提取与选择方法,得出了港口、油罐和舰船目标最佳特征组合。针对舰船样本图像几何特征提取前,图像分割的高效和普适性问题,从4种典型的阈值分割方法中选择了最大类间方差法。针对港口热红外图像背景复杂、目标较多、边缘信息不明显等识别困难问题,提出了基于评估器方法的特征提取与选择方法,对比了对热红外图像识别有效果的纹理、几何等特征,通过评估器选择最佳特征组合,生成了热红外图像港口目标最佳分类特征组合。在上述港口目标选择的特征组合基础上,针对油罐和舰船识别特征,提出基于支持向量机分类的特征提取与选择方法,生成了热红外油罐和舰船目标最佳分类精度特征组合和分类模型,为后续样本学习型目标检测提供训练样本分类模型基础。3.从无样本学习的方法角度,提出尺度分层多阈值与考虑目标形状和低对比度特征的方法,实现了舰船和跑道目标的有效检测。针对目标与背景反差较小时热红外舰船检测困难问题,提出了一种基于尺度选择的分层多阈值检测方法,可根据模板的尺度来滤除不同模板尺度的相似区域目标,实现精确地检测舰船目标。针对目标亮温较强时的热红外舰船检测不准确问题,在基于小波包和高阶统计量的目标检测未考虑目标几何特征的情况下,提出了考虑目标形状特征的检测算法,在背景噪声较多、纹理不太清晰且目标与背景反差较大时检测效果较好。针对目标与背景反差较小使得热红外图像跑道提取不完整问题,提出了直觉模糊C均值结合区域生长法的辅助检测方法,与直接使用区域生长法相比,能够较准确地辅助人工提取出机场跑道。4.从样本学习型方法角度,提出基于变形模板、团块特征检测、分层多阈值方法与支持向量机分类等检测方法,解决了低背景反差下的油罐和舰船检测难题。针对油罐目标小且与背景反差小造成检测困难问题,结合所得出的最佳特征组合,提出一种支持向量机分类的检测方法,对具有一定的条带噪声和边缘信息不突出的油罐目标检测是有效的。针对支持向量机分类油罐检测方法虚警率较高的问题,结合油罐圆特征,提出一种支持向量机和变形模板相结合的检测方法,对具有一定条带噪声和边缘信息不突出的类圆形油罐目标检测是有效的。再针对上述方法检测虚警目标多的问题,提出了一种斑点和团块特征检测方法,与支持向量机样本学习分类和变形模板法相结合的检测方法,该方法检测更准确,且比单一使用样本分类方法降低了虚警率,提高了检测效率。针对近岸舰船目标与背景亮温差异不大时检测效果差,而分层多阈值法有时无法检测完全且会有较多的虚警目标等问题,结合已选择的舰船特征组合,提出了一种将分层多阈值方法与支持向量机样本学习分类相结合的检测方法,检测目标更完全,且比单一使用样本分类法降低了虚警率,提高了检测效率。
李会丽[5]2008年在《空间目标ISAR成像仿真及基于ISAR像的目标识别》文中指出自20世纪60年代以来,战争感知对信息获取提出越来越高的要求,雷达自动目标识别(ATR)这一新的研究领域应运而生。高分辨雷达的发展为ATR的研究提供了强有力的技术支持。空间技术和电子技术的日益发展,也使空间目标识别技术受到了越来越多的关注。逆合成孔径雷达(ISAR)图像反映了目标的精细结构特征,有利于实现目标的特征提取和分类识别。因此,本文基于仿真的空间目标ISAR像及实测的飞机ISAR像,重点研究了ISAR像的特征提取和目标分类两个方面的相关理论与技术,主要工作内容如下:首先,基于ISAR成像的基本原理建立空间目标的成像模型。在建立空间目标叁维散射点阵模型的基础上,利用距离-多普勒算法对空间目标进行成像仿真,建立目标识别数据库。其次,研究了基于ISAR像的特征提取,利用小波分解原理,首先提取二维小波变换后四个子图的奇异值特征,并阐释了一种新的小波系数融合的特征提取方法;然后在分析经典的主成分分析(PCA)方法的基础上,提出了结合小波低频子带的PCA方法;最后,研究了小波模极大值矩特征和不变矩、目标的形状及散射特征所组成的组合特征的有效性。然后,介绍了最近邻模糊分类器(NNFC)的基本原理,并把NNFC用于ISAR像的目标分类。分别用ISAR的实测数据和空间目标的ISAR仿真数据对它的分类性能进行了研究。实验结果表明,最近邻模糊分类器能够有效解决多种不同类型特征进行串联组合的ISAR目标识别问题。最后,介绍了支持向量机的分类算法原理,并重点研究了多项式核及径向基函数核支持向量机。利用上述特征提取方法,对基于ISAR像实测数据的识别仿真结果进行了详细的分析,并深入研究了不同特征提取方法对识别率的影响。比较了各种算法的分类性能,把较优的组合算法用于空间目标的仿真数据的识别中,取得了较好的识别效果,从而验证了本文算法的有效性。并给出了本文的结论。
徐继曾[6]2010年在《基于神经网络的交通标志识别的算法研究》文中提出图像识别一直是模式识别领域中的重要研究课题之一。本文以交通标志的识别为研究背景,通过对其识别流程的详细分析,将课题分为图像分割、图像预处理、特征提取和分类识别。首先,文章提出了基于RGB模型的交通标志分割方法,该方法提取图像的R、G、B叁分量。由于目标背景在叁个分量图中灰度差异并不大,因此可以使用R、G、B分量图像互减的方法来提取交通标志图像,并用Otsu法动态选取阈值进行分割。结果表明该算法不仅计算量较少,分割效果较为理想,而且提高了系统的实时性。其次,在总结当前国内外研究成果的基础上,本文提出了一种基于Hu矩的改进不变矩特征提取方法。得到一组更一般化的不变矩度量,其并具有旋转、平移和比例不变性。在文中,我们分别运用改进不变矩法与Hu矩法提取交通标志的特征,进而利用BP神经网络作为分类器进行识别。实验结果表明,与传统Hu矩的方法相比,改进后的不变矩特征识别率更高,对交通标志具有很好的分类能力,同时也证明了通过改进提取的特征,不仅可以达到提高识别精度的目的,而且能够满足在车辆自主导航系统中对交通标志识别的要求。显然,本文提出的基于改进不变矩的交通标志识别算法具有优越性。
李国祥[7]2010年在《剪纸纹样的特征提取和识别算法研究》文中研究说明剪纸是我国历史悠久的传统民间艺术之一,随着我国动漫产业的不断发展,剪纸艺术作品将是一种很好的动漫素材。在数字媒体中去实现这种艺术形式,首先将剪纸艺术的作品转换为计算机可以储存的数字图像,进一步生成相应的作品,剪纸纹样在这些处理过程中有非常重要的作用,它决定了最终剪纸图像的艺术形态。不同剪纸纹样的精确分类与识别是剪纸纹样图像应用的基础,本文对于剪纸纹样的识别进行了研究,提出了适合于具有艺术夸张变形这种独特艺术形式的识别算法,并取得了较好的识别效果。论文的工作主要从以下几个方面展开：(1)研究剪纸图象的特点,建立了剪纸纹样库。对采集到的剪纸纹样图像进行了预处理,消除噪声,对图象进行分割,从复杂的剪纸图像中分离出单个纹样。通过分析剪纸纹样的特征,结合代数、几何、统计等方法,建立了包含有63幅训练样本和350幅待识别分类的测试样本的剪纸纹样库,这些纹样涵盖了剪纸艺术创作中的基本纹样,为后续的纹样识别工作做准备。(2)提出一种基于不变矩与几何特征的纹样识别算法,本文使用传统的七个不变矩作为剪纸纹样的特征向量,具有平移、旋转和尺度不变性。同时又提取了纹样图像的六个几何不变特征,利用这两种不变量分别作为特征向量,采用LM算法优化BP神经网络,通过归一化后的特征向量对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,试验证明该方法能够较好的识别有一定艺术变形的剪纸纹样。(3)将小波分析与其他一些特征提取方法进行了结合。小波分析具有多分辨率的特性,如果能够在小波多分辨率的基础上去提取图像的特征,那么将会提高特征向量对图像自身的表征能力。本文分别在小波分析的基础上提取了能量特征,奇异值特征,NMI特征和小波矩特征,并做了对比识别试验。小波能量方法根据小波不同分辨率下小波系数,使用能量的表示方式将低频分量和不同方向的高频分量表述出来,作为识别的特征向量。奇异值和NMI方法主要应用小波变换提取剪纸纹样图象的低频分量并进行奇异值分解或NMI提取,最后通过对特征值进行归一化和降维处理作为最终的特征向量。这种结合的方法有效的利用了小波多分辨率的特征,消除了噪声的干扰,同时又保持了奇异值和NMI特征的自身特点,且该方法计算简单,易于实现。小波矩特征具有较强的细节把握能力和抗噪声能力,通过对剪纸纹样图像提取小波矩,来获取图像的多尺度特征。利用不同特征分量的均值和标准差,来实现N类模式的特征选择。实验证明该方法能够有效地去除噪声干扰,较好的识别有一定艺术夸张变形的剪纸纹样。大量实验证明,以上方法能够很好的识别具有一定夸张变形的剪纸纹样图像,在算法的复杂度方面也能够满足计算机系统的实时要求,为下一步的剪纸图像的自动生成奠定了基础。
孙艳茹[8]2015年在《数字图像区域复制粘贴篡改检测算法分析与研究》文中研究指明随着信息技术的发展,图像信息已成为通信和计算机系统中一种重要的处理对象,然而随着各种功能强大的图像处理软件的出现,人们可以利用这些软件随意的篡改和伪造图像中的数据信息,若这些造假图像被非法使用,将会给个人、社会及国家带来严重影响及损失,比如司法鉴定、军事情报、新闻媒体、银行票据等虚假图像信息。因此,本文针对数字图像篡改检测算法进行分析与研究。针对同一数字图像区域复制粘贴篡改采用基于纹理和不变矩特征图像篡改检测和定位算法。以图像处理基本算法为基础,利用纹理特性和不变矩特性结合小波算法,对特征进行排序、相似性匹配、数学形态描述,利用阈值判别实现检测和定位。实验表明,提出的改进方案不仅能精确地检测和定位同一图像中复制粘贴篡改区域,还能抵抗噪声污染、有损JPEG压缩及平移、缩放、旋转等攻击,且算法复杂度低、检测效率高、鲁棒性好。针对数字图像区域复制粘贴篡改采用改进的多尺度不变特征图像篡改检测和定位算法。利用多尺度自卷积不变特征、SIFT特征及SURF特征结合小波算法,对特征提取并分析,再对特征进行排序、相似性匹配、数学形态描述,最后利用阈值判别来实现检测和定位。实验表明,提出的改进方案不仅能精确检测和定位图像复制粘贴篡改区域,还能抵抗高斯噪声、JPEG压缩及平移、缩放、旋转等攻击,解决特征点的信息丢失问题,且算法复杂度低、检测效率高、鲁棒性好。针对数字图像区域复制粘贴篡改采用基于小波变换和相位相关法图像篡改检测和恢复算法。在小波变换基础上实现图像复原技术,首先采取区域搜索方式,用相位相关法来匹配图像,再对图像信息进行融合。实验表明,提出的方案不仅能精确检测、定位和复原图像复制粘贴篡改区域,还能抵抗后处理操作,例如模糊、噪声、模糊加噪声等攻击,减少了运算量并提高图像复原效率。
曾接贤, 付俊, 符祥[9]2014年在《特征点和不变矩结合的遥感图像飞机目标识别》文中认为目的传统的飞机目标识别算法一般是通过目标分割,然后提取不变特征进行训练来完成目标的识别。但是,对于实际情况比较复杂的遥感图像飞机目标,至今没有一种适合多种机型的分割识别算法。针对现有识别算法的不足,提出一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的遥感图像飞机目标识别算法。方法首先,对预处理后的遥感图像和模板图像进行小波变换,在低分辨率图像下采用圆投影特征进行粗匹配,确定候选目标;粗匹配结束后,提取高分辨率图像的多尺度Hartis-Laplace角点,并画出Delaunay叁角网,同时提取出颜色不变矩和Zernike不变矩;然后使用欧氏距离作为这3种特征的相似性度量,并和样本图像进行加权匹配;最后选取欧氏距离最小的图像作为最终的识别目标。结果实验结果表明,本文算法飞机检测精度比现有算法高2.2%,飞机识别精度比现有算法高1.4%~10.4%。该算法能从遥感图像中精确识别出十大飞机目标,并对背景、噪声、视角变化等多种干扰具有良好的鲁棒性。结论提出了一种基于特征点空间分布、颜色不变矩和Zemike不变矩相结合的飞机识别算法,该算法使用了图像的多种信息,包括特征点和不变矩,有效地克服了使用单一特征无法描述多种信息的不足。实验结果表明,本文采用基于特征点和不变矩的飞机识别算法比其他算法具有更强的抗干扰能力和识别精度。
彭正初[10]2016年在《基于傅里叶描述子的物体形状识别的研究》文中提出随着多媒体技术、计算机通信技术及网络的迅速发展,人们在生活中广泛地应用性能俱佳的电子设备,也接触到更多的需要去处理的数字图像信息。数字图像的识别技术已经日益广泛应用在我们生活和工作中各个方面安全等等。因此,图像目标识别具有重大研究意义,获得的研究成果应用前景非常广阔。分析研究形状识别在图像目标识别中发挥出重要作用,形状特征匹配的好差直接决定了目标识别的效果。傅里叶描述子是对形状识别的主要方法之一,本课题着重研究傅里叶描述子在物体形状识别的优劣,并加以改良优化。主要研究内容如下:第一,主要研究了傅立叶描述子在物体形状识别的应用。通过连续傅立叶变换的方法,该方法是以曲线多边形近似为基础,对傅立叶描述子进行计算,并且根据形状主方向,将边界起始点相位影响消除的一种方法。并且对新方法进行了定义,相比传统傅立叶描述子更加高效便捷,新方法不仅具有平移和旋转特性,还继承了模与相位的特性。采用该方法对于物体形状的识别更加精准高效。第二,在使用传统傅立叶描述法过程中主要对物体的轮廓边界采集点,然后对点进行傅里叶变化,从而能够在使用结果中通过提取到具有不变性的傅里叶描述子,最终完成对目标的识别操作,其具有简单的算法,较小的计算量,能够实时应用,然而容易受到噪声干扰,稳定性较差。本文有效结合矩特征与傅立叶描述子的形状识别方法。此方法的中心为质心,对物体进行划分,变成若干扇形区域,对不同区域进行计算,求出矩特征,最终得到可以体现出物体具体形状的矩特征序列,再利用离散傅立叶变换,获得归一化矩特征傅立叶描述子,具有比例和旋转不变性等特点。
参考文献：
[1]. 基于小波变换和不变矩的图像目标识别算法研究[D]. 张虹. 北京工业大学. 2004
[2]. 不变量特征的构造及在目标识别中的应用[D]. 刘进. 华中科技大学. 2004
[3]. 基于特征融合的遥感图像飞机目标识别研究[D]. 付俊. 南昌航空大学. 2014
[4]. 热红外遥感图像典型目标识别技术研究[D]. 马兰. 解放军信息工程大学. 2017
[5]. 空间目标ISAR成像仿真及基于ISAR像的目标识别[D]. 李会丽. 哈尔滨工业大学. 2008
[6]. 基于神经网络的交通标志识别的算法研究[D]. 徐继曾. 天津大学. 2010
[7]. 剪纸纹样的特征提取和识别算法研究[D]. 李国祥. 广西师范大学. 2010
[8]. 数字图像区域复制粘贴篡改检测算法分析与研究[D]. 孙艳茹. 黑龙江大学. 2015
[9]. 特征点和不变矩结合的遥感图像飞机目标识别[J]. 曾接贤, 付俊, 符祥. 中国图象图形学报. 2014
[10]. 基于傅里叶描述子的物体形状识别的研究[D]. 彭正初. 哈尔滨工业大学. 2016
标签：计算机软件及计算机应用论文; 特征提取论文; 遥感图像处理论文; 图像融合论文; 旋转变换论文; 红外成像论文; 空间分析论文; 图像噪声论文; 小波变换论文; 算法论文; 遥感论文;