【图像算法】图像特征：几何不变矩-Hu矩

图片特征提取【】With the continuous development of technology， the demand for computer image recognition ability is gradually increasing， and the picture feature extraction is the core problem of image recognition. In the process of image feature extraction， it involves the application of many extraction algorithms. The results are also directly related to the color characteristics， texture characteristics of the extraction quality. This article analyzes the characteristics of the characteristics and extraction methods based on the image feature extraction.【?P键词】图片特征；提取；算法【Keywords】image feature； extraction； algorithm1 特征提取颜色特征计算机视觉、图像处理都离不开特征提取，特征提取自身具有可重复性的特征，也是图像处理的第一级预算，对每个像素进行检查，确定其特征代表的效果。

常见的图片特征和常应用到的特征提取算法，详细研究见以下内容。

1.1 特点颜色特征是对于图片表面性质的描述，其主要以像素点特征为基础，图片中不同的像素都有着自己的作用，由于颜色对图片景物变化相对不敏感，所以通过颜色特征，并不能有效提取出景物的局部特征。

矩快速算法综述
王晓红;赵荣椿
【期刊名称】《数据采集与处理》
【年(卷),期】2001(016)0z1
【摘要】矩是图像处理、模式识别和计算机视觉中的通用技术之一.本文逐一介绍了几何矩和正交矩的各种快速算法,并对其性能进行了评估.几何矩快速算法包括图像变换、Delta方法、拐点方法、Green定理法、图像块表示法、可重构网格法、SIMD阵列法和VLSI算法.与几何矩相比,正交矩快速算法种类较少.
【总页数】5页(P224-228)
【作者】王晓红;赵荣椿
【作者单位】西北工业大学计算机科学与工程系,;西北工业大学计算机科学与工程系,
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种新的灰度图像的快速矩计算算法 [J], 郑运平;常宜斌
2.基于差分矩因子的灰度图像矩快速算法 [J], 王冰
3.一种基于Hu矩特征的快速图像检索算法的研究 [J], 李亚文;王博;赵杰
4.基于改进HU不变矩的快速图像匹配算法 [J], 丁悦; 吴静静; 蒋毅; 翁陈熠
5.低频快速切比雪夫矩的篡改图像检测算法 [J], 郑佳雯; 张威虎
因版权原因，仅展示原文概要，查看原文内容请购买。

基于Hu矩的近景摄影测量圆形标志的自动检测王至博;姚喜;栾学科【摘要】近景摄影测量中的人工标志多采用圆作为主要特征,当目标面与像片平面不平行时,圆形标志的像将为椭圆,本文提出了一种基于形状准则和Hu距的精确类椭圆标志提取方法以及圆形标志的分类方法,并制作编码标志实物在室内实验室进行场景实拍实验,各项实验结果数据证明该理论方法可行.【期刊名称】《城市勘测》【年(卷),期】2010(000)005【总页数】5页(P93-97)【关键词】近景摄影测量;编码标志;边缘检测;Hu矩【作者】王至博;姚喜;栾学科【作者单位】青岛市勘察测绘研究院,山东,青岛,266000;山东省水利勘测设计院,山东,济南,250013;青岛市勘察测绘研究院,山东,青岛,266000【正文语种】中文【中图分类】P234.1近景摄影测量包括低空摄影测量、地面和室内近景摄影测量，是目前国内外研究的热点。

在传统的近景摄影测量手段中，如果要获取待测点的三维坐标，需要满足两个条件:一是要求待测点本身纹理丰富，处于适宜的摄影环境中，能够获取合乎质量的立体像对；二是需要在待测物点表面或周围布设一定数量的控制点[1]。

在众多测量实践中，待测区域本身往往是缺乏纹理的、隐蔽的、不可通视的或不便于直接测量，表面没有足够的特征，同时在每个待测点周围布设控制点也是件费时费力的工作，这就使得利用常规的近景影摄影测量技术来获得这类待测点的三维坐标变得极为困难，甚至是不可能的。

因此，人工标志自动化识别、自动化定位和自动化匹配在近景摄影测量中变得十分必要。

在近景摄影测量的许多应用中，可以在待测物体表面分布一些具有明显特征且易于识别的元素作为标记点，如圆、十字刻划线等。

若给标记点加载唯一的身份信息，即对标记点进行编码，对图像中标记点进行唯一身份识别后，可以方便、可靠地实现多幅图像之间标记点的对应匹配。

目前国内外已设计出的编码标志点主要有如图1所示的形式[2～5]:经观察可知，已有编码标志的图案设计多数采用了圆作为主要特征。

图像匹配图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点，如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数,取搜索区中相关系数最大所对应的窗口中心点作为同名点.其实质是在基元相似性的条件下，运用匹配准则的最佳搜索问题。

图像匹配主要可分为以灰度为基础的匹配和以特征为基础的匹配.1、灰度匹配灰度匹配的基本思想:以统计的观点将图像看成是二维信号，采用统计相关的方法寻找信号间的相关匹配。

利用两个信号的相关函数，评价它们的相似性以确定同名点.灰度匹配通过利用某种相似性度量，如相关函数、协方差函数、差平方和、差绝对值和等测度极值，判定两幅图像中的对应关系。

最经典的灰度匹配法是归一化的灰度匹配法,其基本原理是逐像素的把一个以一定大小的实时图像窗口的灰度矩阵，与参考图像的所有可能的窗口灰度阵列，按某种相似性度量方法进行搜索比较的匹配方法，从理论上说就是采用图像相关技术。

利用灰度信息匹配方法的主要缺陷是计算量太大,因为使用场合一般都有一定的速度要求，所以这些方法很少被使用。

现在已经提出了一些相关的快速算法，如幅度排序相关算法,FFT相关算法和分层搜索的序列判断算法等。

2、特征匹配特征匹配是指通过分别提取两个或多个图像的特征（点、线、面等特征），对特征进行参数描述,然后运用所描述的参数来进行匹配的一种算法。

基于特征的匹配所处理的图像一般包含的特征有颜色特征、纹理特征、形状特征、空间位置特征等。

特征匹配首先对图像进行预处理来提取其高层次的特征，然后建立两幅图像之间特征的匹配对应关系,通常使用的特征基元有点特征、边缘特征和区域特征。

特征匹配需要用到许多诸如矩阵的运算、梯度的求解、还有傅立叶变换和泰勒展开等数学运算。

常用的特征提取与匹配方法有:统计方法、几何法、模型法、信号处理法、边界特征法、傅氏形状描述法、几何参数法、形状不变矩法等.基于图象特征的匹配方法可以克服利用图象灰度信息进行匹配的缺点，由于图象的特征点比较象素点要少很多,大大减少了匹配过程的计算量;同时，特征点的匹配度量值对位置的变化比较敏感，可以大大提高匹配的精确程度；而且，特征点的提取过程可以减少噪声的影响，对灰度变化，图象形变以及遮挡等都有较好的适应能力.所以基于图象特征的匹配在实际中的应用越来越广泛。

Ｖｏ【｜３２，Ｎｏ．１１　Ｎｏｖｅｍｂｅｒ，２００７　火力与指挥控制　Ｆｉｒｅ　Ｃｏｎｔｒｏｌ　ａｎｄ　Ｃｏｍｍａｎｄ　Ｃｏｎｔｒｏｌ　第３２卷第１１期　

２００７年１１月　

文章编号：１００２—０６４０（２００７）１ｌ＿Ｏｌ１４一Ｏ４　不变矩方法研究　

魏伟波　，芮筱亭　（１．青岛大学信息工程学院，山东青岛２６６０７１，２．南京理工大学动力工程学院，江苏南京２１００９４）　

摘要：不变矩方法是一种比较经典的特征提取方法。自１９６２年Ｈｕ提出代数不变矩以来，已被成功应用于很多领域。首　先介绍了不变矩的基本理论以及Ｈｕ提出的七个不变矩，并对不变矩的物理含义进行了分析。利用Ｍａｔｌａｂ编程后，对给定目　标图像旋转、缩放后图像的不变矩进行了计算，给出了计算结果，并与原图像的不变矩进行了比较，分析了不变矩方法的特　点。最后介绍了一种适用范围更广的极半径不变矩，与Ｈｕ不变矩进行了比较。　关键词：不变矩，物理含义，计算，极半径不变矩　中图分类号：ＴＰ３９１　文献标识码：Ａ　

Ｓｔｕｄｙ　ｏｎ　Ｍｏｍｅｎｔ　Ｉｎｖａｒｉａｎｔｓ　Ｍｅｔｈｏｄ　ＷＥＩ　Ｗｅｉ—ｂｏ　。ＲＵＩ　Ｘｉａｏ—ｔｉｎｇ　（１．Ｃｏｌｌｅｇｅ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｑｉｎｇｄａｏ　Ｕｎｉｖｅｒｓｉｔｙ，Ｑｉｎｇｄａｏ　２６６０７１，Ｃｈｉｎａ，　２．Ｎａｎｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　８Ｌ　Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ　２１００９４，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｍｏｍｅｎｔ　ｉｎｖａｒｉａｎｔｓ　ｍｅｔｈｏｄ　ｉｓ　３　ｃｌａｓｓｉｃａｌ　ｍｅｔｈｏｄ　ｆｏｒ　ｃｈａｒａｃｔｅｒ—ｅｘｔｒａｃｔｅｄ．Ｓｉｎｃｅ　ａｌｇｅｂｒａ　ｍｏｍｅｎｔ　ｉｎｖａｒｉａｎｔｓ　ｗｅｒｅ　ｍｅｎｔｉｏｎｅｄ　ｉｎ　Ｈｕ’ｓ　ｐａｐｅｒ　ｉｎ　１９６２，ｉｔ　ｈａｓ　ｂｅｅｎ　ｓｕｃｃｅｓｓｆｕｌｌｙ　ｕｓｅｄ　ｉｎ　３　ｌｏｔ　ｏｆ　ｆｉｅｌｄｓ．　Ｔｈｅ　ｂａｓｉｃ　ｔｈｅｏｒｙ　ｏｆ　ｍｏｍｅｎｔ　ｉｎｖａｒｉａｎｔｓ　ａｎｄ　ｓｅｖｅｎ　ｍｏｍｅｎｔ　ｉｎｖａｒｉａｎｔｓ　ｗｈｉｃｈ　ｗｅｒｅ　ｐｒｏｐｏｓｅｄ　ｂｙ　Ｈｕ　ａｒｅ　ｉｎｔｒｏｄｕｃｅｄ　ｆｉｒｓｔｌｙ，ａｎｄ　ｔｈｅｎ　ｔｈｅ　ｐｈｙｓｉｃａｌ　ｍｅａｎｉｎｇ　ｏｆ　ｍｏｍｅｎｔ　ｉｎｖａｒｉａｎｔｓ　ｉｓ　ａｎａｌｙｚｅｄ．Ｔｈｅ　ｍｏｍｅｎｔ　ｉｎｖａｒｉａｎｔｓ　ｏｆ　ｏｂｊｅｃｔ　ｉｍａｇｅ　ａｆｔｅｒ　ｒｏｔａｔｅｄ　ａｎｄ　ｚｏｏｍｅｄ　ａｒｅ　ｃａｌｃｕｌａｔｅｄ　ｗｉｔｈ　Ｍａｔｌａｂ，ｗｈｉｃｈ　ａｒｅ　ｃｏｍｐａｒｅｄ　ｗｉｔｈ　ｔｈｅ　ｍｏｍｅｎｔ　ｉｎｖａｒｉａｎｔｓ　ｏｆ　ｏｒｉｇｉｎａｌ　ｉｍａｇｅ．Ｔｈｅ　ｃｈａｒａｃｔｅｒ　ｏｆ　Ｍｏｍｅｎｔ　ｉｎｖａｒｉａｎｔｓ　ｍｅｔｈｏｄ　ｉｓ　ａｎａｌｙｚｅｄ．Ｆｉｎａｌｌｙ，ｐｏｌａｒ—　ｒａｄｉｕｓ—ｉｎｖａｒｉａｎｔ—ｍｏｍｅｎｔ　ｍｅｔｈｏｄ　ｗｈｉｃｈ　ｉｓ　ｍｏｒｅ　ｅｆｆｅｃｔｉｖｅ　ｉｓ　ｐｒｅｓｅｎｔｅｄ。ａｎｄ　ｃｏｍｐａｒｅｄ　ｗｉｔｈ　Ｈｕ　ｓ　ｍｏｍｅｎｔ　ｉｎｖａｒｉａｎｔｓ．　Ｋｅｙ　ｗｏｒｄｓ：ｍｏｍｅｎｔ　ｉｎｖａｒｉａｎｔｓ，ｐｈｙｓｉｃａｌ　ｍｅａｎｉｎｇ，ｃａｌｃｕｌａｔｉｏｎ，ｐｏｌａｒ—ｒａｄｉｕｓ—ｉｎｖａｒｉａｎｔ—ｍｏｍｅｎｔ　

halcon形状匹配原理Halcon形状匹配原理引言Halcon是一种广泛应用于机器视觉领域的软件工具，它提供了强大的功能，可用于图像处理和分析。

其中，形状匹配是Halcon中的一个重要功能，它可以对图像中的目标进行形状匹配和识别。

本文将介绍Halcon形状匹配的原理及其应用。

一、形状匹配的基本原理形状匹配是通过比较目标物体的形状特征来实现目标识别的过程。

在Halcon中，形状匹配的基本原理是将目标物体的形状特征抽取出来，然后与预先定义好的模板进行比较，从而找到最佳匹配的结果。

1.1 形状特征提取在形状匹配过程中，首先需要从目标物体的图像中提取出其形状特征。

Halcon提供了多种形状特征提取的方法，如边缘提取、角点提取和轮廓提取等。

其中，轮廓提取是最常用的方法之一。

通过轮廓提取，可以得到目标物体的边界信息，进而用于后续的形状匹配。

1.2 形状特征描述形状特征提取后，需要对其进行描述，以便进行形状匹配。

Halcon 中常用的形状特征描述方法有区域面积、外接矩形、最小外接矩形、最小外接圆等。

这些特征可以有效地描述目标物体的形状信息，为后续的形状匹配提供依据。

1.3 形状匹配算法形状匹配算法是形状匹配的核心部分。

Halcon中采用了灰度不变矩和Hu矩等算法来进行形状匹配。

其中，灰度不变矩是一种基于图像灰度信息的形状描述方法，可以有效地抵抗光照变化带来的影响；而Hu矩则是一种基于形状几何信息的描述方法，可以对目标物体的形状进行更准确的匹配。

二、形状匹配的应用形状匹配广泛应用于机器视觉领域的目标检测、识别和定位等任务中。

下面将介绍几个典型的应用场景。

2.1 工业自动化在工业自动化中，形状匹配可以用于产品质量检测和装配过程中的定位与识别。

通过对产品的形状特征进行匹配，可以实现对产品的自动检测和定位，提高生产效率和产品质量。

2.2 医学图像处理在医学图像处理中，形状匹配可以用于病变区域的定位和识别。

通过对医学图像中的病变区域进行形状匹配，可以辅助医生进行疾病的诊断和治疗。