基于不變矩的圖像幾何變換不變性識別研究.pdf

1、圖像識別在計算機(jī)視覺中具有十分重要的意義，不變矩特征由于其在圖像平移、伸縮、旋轉(zhuǎn)時均保持不變，而且具有全局特性，是圖像識別的主要方法，1961年，Hu首先提出了七個幾何不變矩用于圖像識別，利用不變矩進(jìn)行形狀識別獲得了廣泛的應(yīng)用。某些研究者在此基礎(chǔ)上提出了很多不變矩分析方法，如復(fù)數(shù)矩、基于極坐標(biāo)的旋轉(zhuǎn)矩，但是Hu矩、復(fù)數(shù)矩、基于極坐標(biāo)的旋轉(zhuǎn)矩這些矩方法僅基于數(shù)學(xué)的代數(shù)理論，不是源于正交函數(shù)族，所以包含了很多冗余信息，抗噪能力較差，而且計算

2、量會隨著矩階數(shù)的升高迅猛增長。后來人們進(jìn)行多方面研究，發(fā)現(xiàn)正交矩具有絕對的獨立性，沒有信息冗余現(xiàn)象，抽樣性能好，抗噪聲能力強(qiáng)，更適合用于幾何不變圖像描述和識別。陸續(xù)出現(xiàn)很多正交矩分析方法，其中性能較好的有Zcmike矩、偽Zemike矩、Lgendre矩、正交Fourier-Mellin矩、Tchebichef矩和Krawtchouk矩。在已有的不變矩分析方法基礎(chǔ)上，本文提出一種基于Radon變換的不變矩提取算法、一種基于Radon和解

3、析Fourier-Mellin變換的不變矩提取算法和一種新的正交矩分析方法一正交Bessel矩，用于對物體的幾何變換不變性分析。 理論分析與實驗結(jié)果表明，與現(xiàn)有的不變矩分析方法相比，基于Radon變換的不變矩算法對噪聲的魯棒性強(qiáng)；時間復(fù)雜度低；僅用有限的幾個矩即可以達(dá)到很好的分類效果；基于Radon和解析Fourier-Mellin變換的不變矩提取算法避免了正交矩方法存在的重采樣與重量化誤差，該算法分類精度高于基于正交矩的分類方