下载文档原格式
基于改进的Hu不变矩的图像检索技术研究【摘要】提出一种改进的Hu不变矩形状特征描述算法。
首先使用Canny算子对图像进行边缘轮廓提取，然后分析传统Hu不变矩的缺点提出一种相对矩与离心率特征相结合的不变矩描述算法，通过实验证明改进后的形状描述算法具有良好的旋转不变性、平移不变性以及尺度不变性，同时对改进前后的检索性能进行实验对比，发现改进后算法的检索性能优于改进前。
【关键词】不变矩;边缘检测;相对矩;离心率1.引言基于形状特征的图像检索一直是图像检索技术中的重点所在[1]，但基于形状特征的图像检索技术在不同特征的图像检索中的研究仍然不够成熟。
目前常用的形状特征描述方法有小波描述子、傅里叶描述子、Hu不变矩描述子以及链码描述子等，但不同描述算法各有优缺点，适用范围不同[2-3]。
本文根据传统的Hu不变矩算法计算量大的缺点[4]对其进行改进，使改进后的算法具有几何不变性等优点的同时计算相对简单，并且相对于改进前检索性能有了明显的提高。
2.Hu不变矩描述算法的改进由于不变性描述方法本身具有旋转不变性，所以本文通过不同矩之间的比值来消除比例因子u所带来的影响，从而使不变矩描述物体形状忽略图形形状缩放导致的变化，使形状描述只与形状信息相关。
将七个不变矩进行比值运算，经过推到得到形状信息的相对矩如下：其中R消除了的影响并且同时保留了形状的平移、旋转以及尺度不变性，同理其他相对矩推到如下：通过对R1的分析可证明R2-R10都满足形状特征的几何不变性，对相对矩进一步分析如下：首先相对矩中R1代表形状特征的曲率半径，当区域形状为直线特征时，曲率半径值为1，当区域形状为圆时曲率半径为0。
其次，通过前面的推导可知R1的分母不能为0，而其他相对矩的分母数值可以为0，当相对矩的分子与分母同时为0时表示不存在该相对矩，当分母为0而分子不为0时表示该相对矩无限大。
为提高相对矩对形状的描述能力从Hu不变矩中提出离心率特征：其中离心率e表示图像形状特征最大轴与最小轴的比值，该特征仍然满足形状的几何不变性，最后相对矩特征向量与离心率特征向量e合并得到特征向量S 作为最终的形状描述符。
基于Hu矩和Zernike矩的图像目标识别算法设计基于Hu矩和Zernike矩的图像目标识别算法设计院系自动化学院专业测控技术与仪器班级5407101学号200504071002姓名郭晓宇指导教师李忠海负责教师李忠海沈阳航空工业学院2009年6月摘要形状识别在运算机视觉中具有十分重要的意义，利用矩特点进行形状识别是一种重要的方法。
近几年用正交矩进行图像分析，图像处理以及图像识别的研究成果专门多。
这说明不变矩理论及其在图像信息处理与识别的应用技术具有专门好的进展前景和商机。
理论上矩不变量在图像平移、伸缩、旋转时均保持不变，这为图像识别算法中目标矩特点的选择提供了一定的依据。
不变矩是一种高度浓缩的图像特点，具有平移、尺度、旋转等不变性。
1961年，M.K.Hu 第一提出了7个不变矩用于图像描述。
后来人们进行了多方面的研究，发觉正交矩具有绝对的独立性，没有信息冗余现象，抽样性能好，抗噪声能力强，适合于图像识别。
本文要紧完成对航拍图像中的飞行目标进行识别的系统设计工作。
要紧阐述了将Hu矩和Zernike矩作为目标在旋转、平移和缩放等变形的情形下不变的目标特点的可行性，并比较他们在具体应用中的特点。
设计了如下算法流程：第一，对图像进行预处理，将彩色图像转化为灰度图像，再进行二值化处理；然后利用Hu不变矩和Zernike矩提取不变矩特点；最后，采纳街区距离法，运算出目标区域值，实现了对航拍图像中飞行目标的自动识别。
实验结果说明，不变矩在图像中的目标识别具有良好的稳固性，Hu矩和Zernike 矩对目标的识别具有专门好的作用。
关键词：Hu矩；Zernike矩；矩不变量；目标识别AbstractShape recognition is a very important problem in computer vision. Recogniting fying targets with moment features is an impotant method for shape identification.In recent years，many results have been researched about image analysis and pattern recognition with orthogonal moments.Therefore，the theory of invariant moments and their application to image analysis and pattern recognition have a good future.Invariant moments are independent of translation，scale and rotation in theory. The results of such comparison can provide some bases which would bear practicability for the selection of moment feature in image recognition. Invariant moments are highly concentrated image features that are shift invariant，rotation invariant and scale invariants.M.K.Hu first introduced seven moment invariants in 1961，based on methods of algebraic ter studies indicated that the orthogonal moments have the best overall performance in terms of noise sensitivity，information redundancy，and capability of image description.In this paper，the completion of aerial flight in the target identification.It highlights a methed of using Hu and Zernike moment as target feature，comparing them moment features. The following algorithm design process: Firstly，make pretreatment for the image，that is，transform the multicolor image to gray image and to deal with binary.Then compute invariant moment characters by Hu invariant moment and zernike moment.At last，this article presents a square space method that can be used to calculate the area value of the objects.Achieved on the aerial images to automatic identify the objectives of the flight.Experiment results show that invariant moment have perfit stability in image target recognition.Hu moment and zernike moment play a good role in identifying objects. Keywords:Hu moment；Zernike moment；invariant moment；target recognition目录第1章绪论 (1)1.1课题背景 (1)1.1.1图像目标识别的简单介绍 (2)1.1.2识别目标技术的进展概况 (3)1.2课题任务及要求 (5)1.3课题内容及安排 (5)第2章目标识别算法中不变矩差不多原理 (6)2.1基于Hu矩的目标识别 (6)2.1.1不变矩定义 (6)2.1.2 Hu矩原理 (6)2.1.3 Hu矩运算方法 (7)2.2基于Zernike矩的目标识别 (9)2.2.1 Zernike矩多项式 (9)2.2.2 Zernike矩定义 (10)2.2.3 Zernike矩运算方法 (10)第3章图像目标识别算法的实现 (13)3.1算法方案的整体流程图 (13)3.2图像的猎取与处理 (14)3.2.1航拍图像的猎取 (14)3.2.2航拍图像的预处理 (14)3.3 Hu矩算法的实现 (18)3.3.1 Hu矩算法的流程设计 (18)3.3.2提取Hu矩的特点向量 (19)3.4 基于Hu矩不变性的识别 (21)3.5 Zernike矩算法的实现 (23)3.5.1 Zernike矩算法的流程设计 (24)3.5.2 提取Zernike矩的特点向量 (25)3.6 基于Zernike矩的识别方法 (26)第4章目标识别结果及分析 (29)4.1 Hu矩的实验结果及分析 (29)4.2 Zernike矩的实验结果及分析 (30)4.3 程序调试中遇到的问题与解决方案 (31)结论 (34)社会经济效益分析 (35)参考文献 (36)致谢 (38)附录Ⅰ运算Hu的7个不变矩程序清单 (39)附录Ⅱ提取Zernike矩的特点向量的程序清单 (40)附录Ⅲ飞机的部分姿势图 (41)第1章绪论目标识别技术是现代军事信息技术研究的核心问题之一，它在军情况报收集和监控，武器制导等领域具有重要的理论和应用价值。
1.先熟悉百度高级搜索功能，然后完成以下习题。
（1）请检索关于绿色制造与节能减排方面的专业文档，并将你觉得有价值的论文的页面或者链接保存在作业中。
/news_26.html（2）请从天空网下载腾讯QQ软件，并将检索过程简单记录在作业中。
百度“天空软件下载—天空下载：提供国内外最新免费软件、共享软件下载—在搜索栏：腾讯QQ2010正式版（安全防护）—在下载地址单击：高速下载地址—下载完后打开软件即可”。
2. 先熟悉谷歌高级搜索功能，然后完成以下习题。
（1）请在谷歌学术搜索中检索有关环境友好型新材料与新工艺方面的文献，并将你觉得有价值的论文的页面或者链接保存在作业中。
/0401010600.htm（2）通过谷歌地图找到武汉科技大学青山校区门口的“建一邮政储蓄ATM”的位置，并将图片记录在作业中。
3.关键词的选择在所有网络信息检索技巧中是最重要也是最基本的，试通过谷歌或者百度检索关于搜索引擎的产生与未来发展方向的相关资料，并在作业中记录下你的检索过程，注意标明选用的检索词。
4.使用常见中文网络数据库例如维普期刊数据库、CNKI、万方学术/学位期刊等。
完成课题：基于神经网络的机械零件识别研究，做成一个综合实习报告。
基于神经网络的机械零件识别研究神经网络可以认为是一种基本不依赖模型的数学工具,它比较适用于那些具有不确定性或高度非线性的对象,具有较强的适应和学习功能,是人工智能的一个重要的分支领域. 机械零件自动检测是制造业中生产系统的一个重要环节，现代制造技术在各种批量生产以及在多品种的生产中，广泛地采用自动检测、产品识别来监控、保证产品质量，使得加工系统运行更可靠。
它从一定程度上决定了实现企业柔性制造自动化的进程，是制造业信息化的关键环节。
因而，计算机视觉检测技术在机械制造企业的产品质量检测和加工过程检测中的广泛应用具有十分重要的意义。
自动目标识别(ART)技术是计算机视觉的一个重要分支，是指在无人干预的条件下，通过分析获取的图像数据对特殊物理目标的识别、定位和描述的模式识别技术。
复杂环境下基于视觉显著性特征的铁轨识别方法宋亚帆;潘迪夫;韩锟【摘要】A new track edge detection method based on the saliency features was proposed to overcome the detection problem in complex environment. In order to extract the edge of track features, the muti-scale Gabor filter was introduced and the suppressing operator was used to realize inhibition of environmental interference information, which together established the fusion detection model like the Human Visual System. The evaluation model for track salient features was built to further filter out false edges, while enhancing the right edges by angle statistics method. Experimental examples were made including under the condition of varying illumination or noise. The results show that the proposed method is more suitable for track edge detection in complex environment and similar detection scenes, compared with other detection methods.%为解决复杂环境下铁轨边缘识别问题, 提出一种基于显著性特征的复杂环境铁轨识别方法:通过引入多尺度Gabor能量算子和环境抑制算子,建立基于视觉机制的边缘检测模型,实现铁轨边缘特征的检测,并对环境干扰信息进行抑制;建立铁轨显著性评价模型,对检测结果中对非铁轨边缘进行滤除;提出基于统计学的铁轨特征增强方法,对铁轨边缘片段进行连接增强.试验结果表明,该方法对于光照变化和噪声干扰的鲁棒性较强,相比其他的边缘检测方法,更适用于复杂环境下的铁轨识别,同时可以应用于相似检测环境下的其他场景.【期刊名称】《铁道科学与工程学报》【年(卷),期】2018(015)004【总页数】9页(P871-879)【关键词】边缘检测;复杂环境;显著性评价;多尺度Gabor算子【作者】宋亚帆;潘迪夫;韩锟【作者单位】中南大学交通运输工程学院,湖南长沙 410075;中南大学交通运输工程学院,湖南长沙 410075;中南大学交通运输工程学院,湖南长沙 410075【正文语种】中文【中图分类】U216;TP391在危害我国铁路行车安全的众多因素中，异物侵限是其中较为常见且危害较大的一个重要方面。
C h i n as t o r a g e&t r a n s p o r t m a g a z i n e2022.09铁路运输是我国重要的公共运输方式，保证铁路轨道处于正常状态是至关重要的。
因此基于自建数据集，通过Y O L O v 5网络模型实现对铁路轨道的识别，实验表明，Y O L O v 5对铁路轨道检测召回率达到94.4%，精确率达到62.7%，mA P 达到93.1%。
具有较好的检测精度，同时也具有鲁棒性。
1.引言随着我国经济发展，铁路已成为不可或缺的交通运输方式，保证铁路在运行过程中的安全问题已经成为目前关注的重点[1，2]。
我国铁路具有里程数长，所处环境复杂等特点。
采用传统的人工巡检方式无法有效及时发现铁路轨道中出现的故障信息，容易出现漏检的现象。
且人工巡检依赖巡检人员的经验，耗费时间长，物资消耗大，已经无法适用于当前铁路的发展需要[3]。
目前采用智能化算法对铁路的目标检测成为当下的研究热点。
文献[4]采用图像处理技术对轨道板裂缝进行检测，首先对图像预处理，对图像二值化和裂缝合并等操作实现对裂缝的定位。
文献[5]针对轨道扣件中拍摄环境和条件的干扰采用深度学习算法Y O L O网络对轨道图像定位，基本上达到检测实时性的要求。
文献[5]针对钢轨的检测鲁棒性和精度较差的问题，采用H u 不变矩阵实现对轨道跟踪，具有较好的鲁棒性。
本文采用深度学习算法Y O L O v 5实现对铁路轨道的检测与定位，通过对轨道图像的标注训练Y O L O v 5网络，最终在测试集上测试轨道检测定位效果。
2.Y O L O v 5网络介绍Y O L O v 5是Y O L O（Y o u O n l y L o o k O n c e ）系列网络的延续，是2020年由U l t r a y t i c s L L C公司提出的一种高性能目标检测网络，其权重文件相比于Y O L O v 4更小，速度更快[7，8]。
第23卷 第6期红 外 技 术V ol.23 N o.6 2001年11月In frared T echnology N ov.2001基于不变矩特征匹配的快速目标检测算法Ξ严柏军,郑 链,王克勇(北京理工大学机电工程学院,北京100081)摘要: 针对采用图像二维不变矩匹配时,计算量大、耗费时间长的缺点,提出了一种基于不变矩特征匹配的快速目标检测算法。
该算法首先用滤波后的图像直方图不变矩进行匹配,匹配成功后,再用图像二维不变矩进行检验和确认。
实验表明,该方法能有效抵抗图像对比度、亮度及旋转的影响,并且大大减少了运算时间。
关键词: 图像匹配; 直方图; 不变矩中图分类号:T N215 文献标识码:A 文章编号:100128891(2001)06200082051 前言根据已知图像模式从另一幅图像中寻找相同图像模式的过程叫做图像匹配。
图像匹配是在像场中检测目标的最基本方法之一。
将图像匹配技术应用于制导系统中,可有效提高制导精确度。
然而在大多数情况下,由于图像成像条件的不同,如气候、视角,时间、不同波段以及成像手段不同等,造成预先拍摄并存储在机载计算机里的地面景物参考图,与机载摄像机实时拍摄的地面景物图像存在灰度及方位角等方面的差异,从而给精确匹配带来了困难。
Hu提出图像的7个不变矩具有平移、旋转、比例不变性[1],但由于计算量大、耗费时间长而难以实际应用。
本文提出一种基于直方图不变矩和图像二维不变矩相结合的匹配算法,不但可大大提高运算速度,而且能够抵抗旋转及图像灰度等变化。
2 图像的直方图不变矩图像的灰度直方图包含了图像的灰度级内容。
任何一幅图像的直方图都包含了可观的信息,某些类型的图像还可以由其直方图完全描述[2]。
因此,当同一目标区域的成像条件发生变化时,虽然在感官上图像发生了很大的变化,但它所对应的直方图在形态上的变化却不会很大。
所以可以利用直方图所含有的信息量来定义图像的特征,从而找出图像之间的匹配点。
2019年第3期（总第78期）No.3,2019Serial No.78西安铁路职业技术学院学报Journal of Xi'an Railway Vocational&Technical Institute基于方向场计算的铁轨智能识别方法研究朱亚男（西安铁路职业技术学院陕西西安710026）摘要:针对铁路视频监控系统人工监控容易产生疏漏的问题，研究计算机智能铁路入侵检测系统，而铁轨的自动识别算法是实现该系统的关键技术。
通过对铁轨特征进行分析，提出了基于邻域灰度变化的方向场检测算法，经实验验证，该算法用于铁轨自动识别效果显著且鲁棒性好，在绝大多数场景和天气状况下都可准确识别出轨道，对智能铁路入侵检测系统的实施具有重要意义。
关键词：智能监控；铁轨；方向场；铁路安全中图分类号:U29&1；TP391.4文献标识码：A文章编号:94042-（2019）03-0022-04Research on Intelligent Rail Recognition Method Basedon Direction Field CalculationZhu Yanan(Xi'an Railway Vocational and Technical Institute,Xi'an,Shaanxi710026,China)Abstract:Aiming at the problem that the manual monitoring of railway video surveillance system is prone to oversight,a computer-aided intelligent railway intrusion detection system is studied,and the automatic identification algorithm of rail is the key technology to realize the system.Based on the analysis of rail characteristics,a directional field detection algorithm based on neighborhood gray level change is proposed.The algorithm is proved to be effective and robust for automatic rail identification.It is used in most scenes and weather conditions.The track can be accurately identified,which is of great significance for the implementation of the intelligent railway intrusion detection system.Key words:Intelligent Monitoring；Railroad Track；Direction Field；Railway Safety0引言随着我国铁路运营里程逐年增加，铁路运营安全的重要性日益突显。
