目标识别中Hu矩、Zernike矩和小波矩的比较

目标识别中Hu矩、Zernike矩和小波矩的比较作者：姚军，蒋晓瑜，黄应清，YAOJun，JIANGXiao-yu，HUANGYing-qing作者单位：姚军,蒋晓瑜,YAOJun,JIANGXiao-yu(装甲兵工程学院控制工程系,北京,100072)，黄应清,HUANGYing-qing(装甲兵工程学院训练部,北京,100072)刊名：装甲兵工程学院学报英文刊名：JOURNALOFACADEMYOFARMORDEFORCEENGINEERING年，卷(期)：2006，20(3)被引用次数：5次参考文献(7条)1.HuMKVisualPatternRecognitionbyMomentInvariants1962(08)2.TeagueMImageAnalysisviatheGeneralTheoryMoments19803.ShenD.HoraceHSipDiscriminativeWaveletShapeDescriptorsforRecognitionof2-DPatTerns1999(02)4.丁明跃不变矩算法研究1992(01)5.吕洪涛.周继成离散状态下的不变矩算法研究1993(02)6.杜亚娟基于不变矩理论的自动识别技术研究[学位论文]19997.商立群.杜亚娟Hu矩和Zernike矩在图象识别中的应用[期刊论文]-西安科技学院学报2000(01)相似文献(10条)1.学位论文王其聪基于小波分析的矩特征和神经网络的图像识别2004图像识别是模式识别的一个重要分支,经过数十年的发展,现在已经渗透到了军事、空间探索、医学、邮电等各个领域,具有很大的实用价值和重要意义.该文主要研究了矩函数和神经网络分别在图像识别的特征提取和模式分类方面的应用.在特征提取方面,利用矩算法提取图像的不变性特征,并详细讨论了Hu矩及其修正算法、Zernike矩和小波矩.针对其它基于Hu矩的算法没有统一的形式,不利于某些应用,该文通过计算机仿真说明了相对不变矩更具有普遍性.针对连续小波矩在工程中不宜使用,该文提出了一种实用的离散化方法,并通过计算机仿真与Zernike矩和相对不变矩做了比较,证明了离散小波矩特征在抗噪性和识别能力上是较优的.在模式分类方面,针对K均值聚类算法要受到初始聚类中心的选择及特征的几何性质的影响,标准BP算法收敛速率较慢及易于收敛到局部极小点的缺点,该文采用小波BP网络作为图像识别系统的分类器,并描述了相应的算法和程序设计步骤.仿真结果说明小波BP网络比K均值聚类算法的分类效果好,比BP算法的学习效率高.2.期刊论文简丽琼基于Hu矩和Zernike矩的文字识别-科技信息2009,(17)在研究Hu矩和Zernike矩的基础之上,提出一种基于Hu矩和Zernike矩的文字识别方法,在采集的文字图像中提取Hu矩和Zernike矩特征,利用K近邻的分类方法进行分类,理论和实验表明,该识别方法具有很强的抗图像平移、拉伸和旋转识别能力,其中Zernike正交矩由于其正交性在具有较高的识别能力的同时,还具有很强的冗噪能力.3.学位论文姜璐基于矩和主分量分析的面部表情识别方法研究2004在日常生活中,人类的智能不仅表现在正常的理性思维和逻辑推理能力上,也表现在正常的情感能力上.在自然化的人机交互过程中,计算机不能没有理解和表达情感的能力.计算机中,这种能力对促进计算机视觉系统建模和数据库的发展都有直接的作用;此外,在行为学中,计算机的这种能力能帮助人们研究和建立交流中的可信度.本文主要讨论了基于矩的面部表情识别,其内容包括离散对称变换在人脸图像特征定位中的应用、各种矩在面部表情识别中的应用比较、相应的分类器的设计以及基于主分量分析(PrincipalComponentAnalysis:PCA)的面部表情识别方法研究.首先,本文介绍了现今人脸检测课题的研究现状,并在广义对称变换的基础上,定义了一种离散对称变换DST(DiscreteSymmetryTransform),用于人眼的精确定位.为后续表情识别的研究做了预处理工作.接下来,介绍了Hu矩、Zernike矩和小波矩不变量的基本定义和性质,并将其运用到基于全局信息的面部表情特征提取中.在我们的实验中,使用了三种常用的小波函数——三次B样条小波函数、Haar函数和Shannon函数,将其识别率与Zernike矩的识别率进行了比较,结果表明对于同一个人的面部表情识别,小波矩具有更好的识别效果.随后,我们给出了一组改进的Hu矩不变量,并基于局部的特征区提取了改进的Hu矩不变量、Zernike矩不变量和三次B样条矩不变量等特征,根据提取的特征,我们设计了用BP算法训练的前向网络.实验结果表明,B样条矩识别表情的能力比其他各种矩的识别能力要强.最后,我们将另外一种特征统计方法—主分量分析方法和BP神经网络结合,设计了基于PCA的面部表情识别系统,实验结果表明矩特征提取的方法,其识别率比PCA高.4.期刊论文姜璐.舒华忠.章品正Hu矩和Zernike矩在表情识别应用中的比较-洛阳大学学报2004,19(2)首次将Zernike矩运用于同一个人的表情识别问题,分别计算了同一个人面部图像的Hu矩和Zernike矩,以模式识别中常用的类间距作为依据,提取了面部图像的各种矩的最好特征和次好特征,并对Hu矩和Zernike矩的识别能力和抗噪性进行了比较,试验结果证明Zernike矩更适合识别细微变化的面部表情.5.学位论文杨蕊红小波矩算法在图像识别中的应用研究2002该文的主要工作如下：1.介绍了传统的几种不变矩的概念，并对它们进行了系统的分析与比较，给出了它们的优缺点.2.针对传统的几种矩的缺陷：对有噪声的图像的识别效果不理想：Zernike矩虽然有比较好的识别效果，但计算量大.该文引入小波矩不变量的概念并用于飞机图像的识别中，仿真结果表明，其识别效果和计算量均比较满意.3.针对小波矩不变量特征维数比较多的情况，该文采用结合离散度和顺序前进法的特征选择方法，先离线选取一组较优特征量.再将这组特征组用于飞机在线识别中，取得了较好的效果.4.针对标准的BP神经网络常因收敛速度太慢而影响求解质量的问题，我们选用动量法和学习率自适应调整相结合的改进的BP神经网络作为分类器，从而提高了学习速度和识别率.6.期刊论文丁兴号.邓善熙Hu矩和Zernike矩在字符识别中的应用-工具技术2003,37(3)理论分析与实验证明,Hu矩和Zernike矩与神经网络相结合,可运用于字符图像的识别,且Zernike矩的识别效果优于Hu矩.7.学位论文杜亚娟基于不变矩理论的自动目标识别技术研究2000该文在对ATR相关传感器技术、图像处理理论与方法研究的基础上,对不变矩理论进行了深入系统的研究,并以飞机目标图像为完成了从目标图像获取至处理和识别的一系列ATR关键技术研究,发展和完善了不变矩理论,为基于CCD传感器飞行目标自动识别提供了有价值的方法和结论.主要贡献如下:1.针对离散情况下Hu不变矩特征仅具有平移、旋转不变性,不具有比例不变性的问题,提出了两种改进算法:一种是从图像正方形概念演变而来的归一化中心矩的修正;另一种是重新构造新的不变矩特征.2.研究表明,Zernike矩为正交矩,且能够方便地构造高阶矩以及从矩特征中恢复原图.3.提出了一种通过不同角度获得二维数字图像进行三维目标识别的方法.针对4阶归一化中心矩不具有旋转不变性的性,提出了一种旋转归一化处理方法,仿真结果表明了该方法的可行性和有效性.4.对如何利用标准矩来识别飞机目标的方法进行了深入研究.针对4阶标准矩特征的离散程度相当大等问题,提出了两种方差平衡加权处理算法,即标准差加权处理算法,即标准差驾权处理算法和均值加权处理算法.5.神经网络方法在很多方面均有成功的应用,在目标识别中尤为突出,该文对运用神经网络方法结合矩特征技术进行飞机目标识别问题进行了研究.8.期刊论文商立群.杜亚娟.SHANGLi-qun.DUYa-juanHu矩和Zernike矩在图象识别中的应用-西安科技学院学报2000,20(1)将Hu矩和Zernike矩应用于图象识别,比较了两者的识别效果.理论分析和仿真结果表明,Zernike矩的识别效果优于Hu矩.9.学位论文孙晓丽基于小波矩特征的小波神经网络目标识别研究2006能够自动进行目标识别是现代武器装备力争具备的先进性能之一。小波分析因其良好的时频局部化特性，已经成为信号处理和图像分析系统中的有效工具；不变矩的抗噪性和相对于目标几何变换的数值稳定性，使其被广泛使用在各种目标识别系统中；人工神经网络的迅速发展为自动目标识别研究提供了新途径，自动目标识别方面的难题有望利用神经网络方法得到解决。自动目标识别要求在目标发生平移、旋转、尺度变化下仍有高的识别率。这可以通过首先获得目标图像的矩不变量，再将不变量输入到小波神经网络中进行识别。本文通过将目标的特征提取算法与小波神经网络结合，提出了一套新的目标图像识别系统。该系统可识别多类目标。本论文使用这种系统识别了四类飞机目标，达到了很好的效果。本文的研究工作围绕小波矩和小波神经网络及它们在自动目标识别中的应用展开。重点研究了用于自动目标识别的矩特征，研究比较了能够描述目标全局特性的Hu矩、Zernike矩和能够描述目标局部特性的小波矩。针对自动目标识别提出了一种新的识别系统，将小波矩和小波神经网络结合用于目标识别，实验证明该识别系统具有良好的识别效果。论文的主要研究工作包括：(1)研究了图像的矩特征，比较了图像的Hu矩，Zernike矩和小波矩。Hu矩和Zernike矩提取的是图像的全局矩，而小波矩结合小波分析的局部时频分析的特点，可以提取图像的局部矩。小波分析与图像矩不变量的结合为我们研究图像的不变量特征提出了一个比较新的方法。小波矩不变量能够区分图像的细微差别。(2)通过实验提取发生平移、旋转、尺度变化和含有噪声的飞机目标图像的Hu矩、Zemike矩和小波矩，统计其数据。证明了小波矩的特征不变率比Hu矩和Zernike矩低。(3)小波分析具有良好的时频局部化特性，神经网络具有良好的自学习和自适应特征。基于这些优点，小波神经网络更具有良好的性能。同BP神经网络比较，小波神经网络更具有实际价值。实验证明Hu矩、Zernike矩的识别率低于小波矩的识别率。10.学位论文乔晓梅人体行为识别方法的研究2005人体行为识别指对人体运动的模式进行分析和识别，是计算机视觉领域被广泛关注的研究热点。人体行为识别是人体运动分析的重要组成部分，属于高级视觉分析。它在智能监控、高级人机交互、视频会议、医疗诊断及基于内容的图像存储与检索等方面具有广泛的应用前景和潜在的经济价值。在人体行为识别中，为了描述人体运动的模式，采用运动历史图像的方法进行运动的表示。本文中的运动历史图像是从人体行为图像序列中提取出来的，是一种时空模型，既能表明行为发生的区域，又能表示行为是如何发生的，其中每个像素值都是运动历史的函数。基于Hu矩描述的信息冗余性，本文提出了基于Zernike矩的人体行为识别方法。利用图像的重建过程来确定分类时用到的Zernike矩的最高阶次。为了充分反映特征图像的局部信息，提出了基于Wavelet矩的人体行为识别方法。根据特征的类间距离和类内距离来衡量特征的分类识别能力，选取最优的Wavelet矩组。经规范化处理后，提取的矩特征对尺度、位移和旋转具有不变性。实验中，对不同的人体行为进行了测试，应用Zernike矩和Wavelet矩特征的分类精度高于用规则矩和Hu矩作为特征的方法，从而证明了基于Zernike矩和Wavelet矩的人体行为识别方法的有效性。为了能有效地处理运动遮挡问题，本文提出了基于运动光流特征的人体行为识别方法。采用基于图像的方法描述人体运动的模式。根据规范化特征图像中灰度的层次分布特点，搜索实际运动区域，从中提取出基于梯度的运动特征。在特征提取中加入多分辨率思想形成了分等级的特征提取方法。最后利用极坐标的运动方向直方图进行分类的匹配。对具有遮挡的人体行为序列进行了实验，都能得到有效