基于矩的图像分析和快速算法

发布时间：2017-10-23 08:52

  本文关键词：基于矩的图像分析和快速算法

  更多相关文章： 矩 正交矩 Legendre 矩 Zernike矩 小波 小波矩 快速算法 模板匹配 模式识别

【摘要】： 矩方法作为一种重要的图像分析工具，在计算机视觉及模式识别领域里有着 广泛的应用。现有的矩描述子可以分为几何矩、正交矩、小波矩等几种。在这些 方法中，由于几何矩提出的最早且形式最简单，对它的研究最充分。近年来，正 交矩(Legendre和Zernike正交矩)成为模式识别和图像处理领域新的研究热点。 正交矩方法的优点非常显著，它有非常简单的反变换形式，解决了用矩进行图像 重建这一原本困难的问题，此外，正交矩还有较小的数据冗余度及噪声敏感性。 但是几何矩、正交矩等都只能提取图像的全局特征，为克服这一缺陷，有学者提 出了小波矩，它可以借助小波变换的多分辨率特性提取图像的局部特征，因此是 一个非常好的描述子。 本文主要讨论了矩方法在图像处理中的应用，内容包括Legendre正交矩的 快速算法、二步骤的模板匹配方法及小波矩在模式识别中的应用。 Legendre矩的快速算法方面，我们对图像采用块描述方法，在此基础上提出 了两种新的快速算法，即积分方法和累加方法，它们最大的优点就是计算时间不 依赖于图像的大小，并且其中的积分方法具有很高的精度。 在模板匹配算法方面，，我们使用的是二步骤的匹配方法，即第一步采用快速 但不太精确的方法来寻找可能匹配点，第二步利用Zernike矩对可能匹配点进行 精确匹配，找到正确的匹配点，该方法不仅可以解决传统方法不能解决的图像旋 转的问题，在计算速度和精度上效果都很不错。 在小波矩的应用方面，我们分别选择了Haar小波函数和三次B样条小波函 数来构造小波矩，将它们应用到汉字识别中，并且与Zernike矩的识别效果进行 比较，得出结论：小波矩比Zernike矩的识别能力好。
【关键词】：矩 正交矩 Legendre 矩 Zernike矩 小波 小波矩 快速算法 模板匹配 模式识别
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2003
【分类号】：R310
【目录】：

• 中文摘要5-6
• 英文摘要6-10
• 第一章 绪论10-18
• §1． 1 各种形式矩的介绍10-15
• 1． 1． 1 几何矩（Geometric moment）的介绍10-11
• 1． 1． 2 Legendre矩（Legendre moment）的介绍11-12
• 1． 1． 3 Zernike矩（Zernike moment）的介绍12-13
• 1． 1． 4 旋转矩（Rotational moment）的介绍13-14
• 1． 1． 5 复数矩（Complex moment）的介绍14
• 1． 1． 6 Chebyshev矩（Chebyshev Moment）的介绍14-15
• 1． 1． 7 小波矩（Wavelet moment）的介绍15
• §1． 2 本文工作及论文组织15-16
• 参考文献16-18
• 第二章 Legendre矩的快速算法研究18-29
• §2． 1 图像块描述方法18-20
• §2． 2 Legendre矩的计算20-23
• 2． 2． 1 累加方法20-22
• 2． 2． 2 积分方法22-23
• §2． 3 算法结果与讨论23-27
• 2． 3． 1 实验结果23-24
• 2． 3． 2 算法的计算复杂度24-25
• 2． 3． 3 时间比较25-26
• 2． 3． 4 误差分析26-27
• §2． 4 总结27
• 参考文献27-29
• 第三章 基于矩的模板匹配方法29-42
• §3． 1 传统的模板匹配方法29-31
• §3． 2 基于Zernike矩的模板匹配方法31
• §3． 3 两步模板匹配方法31-37
• 3． 3． 1 第一步：可能匹配点的选择32-35
• 3． 3． 2 第二步：精确匹配过程35-37
• §3． 4 实验结果37-40
• 3． 4． 1 匹配准确性37-38
• 3． 4． 2 计算时间比较38-39
• 3． 4． 3 旋转角度计算39-40
• §3． 5 结果与讨论40
• 参考文献40-42
• 第四章 基于小波矩的图形识别42-65
• §4． 1 模式识别的基本概念42-44
• §4． 2 特征提取44-54
• 4． 2． 1 平移、伸缩归一化45-46
• 4． 2． 2 具有旋转不变性矩的一般表达式46-49
• 4． 2． 3 小波变换的基本概念49-52
• 4． 2． 4 小波矩的引入52-54
• §4． 3 特征选择54-59
• 4． 3． 1 特征选择的一般方法54-55
• 4． 3． 2 自动特征选择算法55-59
• §4． 4 最小距离分类59-60
• §4． 5 基于小波矩的文字识别60-63
• §4． 6 结果与讨论63
• 参考文献63-65
• 第五章 总结与展望65-67
• 致谢67

【引证文献】

中国期刊全文数据库 前1条

1 王小凤;张飞;耿国华;刘晓宁;;一个基于深度图像的三维模型检索算法[J];计算机工程与应用;2012年07期

中国重要会议论文全文数据库 前1条

1 鲁传运;黄言平;季托;;图像旋转不变特征特性研究[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

中国博士学位论文全文数据库 前1条

1 周兴龙;视频序列中运动目标检测与人体关节点的跟踪识别研究[D];北京体育大学;2006年

中国硕士学位论文全文数据库 前10条

1 万宜;基于小波神经网络的车牌自动识别研究[D];东南大学;2004年

2 孙晓丽;基于小波矩特征的小波神经网络目标识别研究[D];东南大学;2006年

3 郑斌;玻璃缺陷图像识别的关键技术研究[D];武汉理工大学;2009年

4 朱莉;基于DSP的柑橘形状分级技术[D];浙江工业大学;2009年

5 陈裕;基于SIFT算法的无人机遥感图像配准[D];中南大学;2009年

6 张飞;三维模型特征提取和相关反馈算法研究与实现[D];西北大学;2010年

7 邹熠;基于小波矩的图像内容识别技术研究[D];西南交通大学;2010年

8 梁建伟;基于小波矩量法的线天线分析[D];太原理工大学;2010年

9 罗柱;正交矩的高精度算法研究[D];湖北工业大学;2010年

10 罗丽;两类径向正交矩的研究[D];湖北工业大学;2010年

本文编号：1082508