基于Hu矩與Zernike矩圖像目標(biāo)識別算法設(shè)計.doc

基于Hu矩與Zernike矩圖像目標(biāo)識別算法設(shè)計.doc

ID:55568588

大?。?.13 MB

頁數(shù):52頁

時間:2020-05-18

基于Hu矩與Zernike矩圖像目標(biāo)識別算法設(shè)計.doc_第1頁
基于Hu矩與Zernike矩圖像目標(biāo)識別算法設(shè)計.doc_第2頁
基于Hu矩與Zernike矩圖像目標(biāo)識別算法設(shè)計.doc_第3頁
基于Hu矩與Zernike矩圖像目標(biāo)識別算法設(shè)計.doc_第4頁
基于Hu矩與Zernike矩圖像目標(biāo)識別算法設(shè)計.doc_第5頁
資源描述:

《基于Hu矩與Zernike矩圖像目標(biāo)識別算法設(shè)計.doc》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫

1、基于Hu矩和Zernike矩的圖像目標(biāo)識別算法設(shè)計院系自動化學(xué)院專業(yè)測控技術(shù)與儀器摘要形狀識別在計算機(jī)視覺中具有十分重要的意義,利用矩特征進(jìn)行形狀識別是一種重要的方法。近幾年用正交矩進(jìn)行圖像分析,圖像處理以及圖像識別的研究成果很多。這表明不變矩理論及其在圖像信息處理與識別的應(yīng)用技術(shù)具有很好的發(fā)展前景和商機(jī)。理論上矩不變量在圖像平移、伸縮、旋轉(zhuǎn)時均保持不變,這為圖像識別算法中目標(biāo)矩特征的選擇提供了一定的依據(jù)。不變矩是一種高度濃縮的圖像特征,具有平移、尺度、旋轉(zhuǎn)等不變性。1961年,M.K.Hu首先提出了7個不變矩用于圖

2、像描述。后來人們進(jìn)行了多方面的研究,發(fā)現(xiàn)正交矩具有絕對的獨(dú)立性,沒有信息冗余現(xiàn)象,抽樣性能好,抗噪聲能力強(qiáng),適合于圖像識別。本文主要完成對航拍圖像中的飛行目標(biāo)進(jìn)行識別的系統(tǒng)設(shè)計工作。主要闡述了將Hu矩和Zernike矩作為目標(biāo)在旋轉(zhuǎn)、平移和縮放等變形的情況下不變的目標(biāo)特征的可行性,并比較他們在具體應(yīng)用中的特點(diǎn)。設(shè)計了如下算法流程:首先,對圖像進(jìn)行預(yù)處理,將彩色圖像轉(zhuǎn)化為灰度圖像,再進(jìn)行二值化處理;然后利用Hu不變矩和Zernike矩提取不變矩特征;最后,采用街區(qū)距離法,計算出目標(biāo)區(qū)域值,實現(xiàn)了對航拍圖像中飛行目標(biāo)的自

3、動識別。實驗結(jié)果表明,不變矩在圖像中的目標(biāo)識別具有良好的穩(wěn)定性,Hu矩和Zernike矩對目標(biāo)的識別具有很好的作用。關(guān)鍵詞:Hu矩;Zernike矩;矩不變量;目標(biāo)識別AbstractShaperecognitionisaveryimportantproblemincomputervision.Recognitingfyingtargetswithmomentfeaturesisanimpotantmethodforshapeidentification.Inrecentyears,manyresultshavebe

4、enresearchedaboutimageanalysisandpatternrecognitionwithorthogonalmoments.Therefore,thetheoryofinvariantmomentsandtheirapplicationtoimageanalysisandpatternrecognitionhaveagoodfuture.Invariantmomentsareindependentoftranslation,scaleandrotationintheory.Theresultso

5、fsuchcomparisoncanprovidesomebaseswhichwouldbearpracticabilityfortheselectionofmomentfeatureinimagerecognition.Invariantmomentsarehighlyconcentratedimagefeaturesthatareshiftinvariant,rotationinvariantandscaleinvariants.M.K.Hufirstintroducedsevenmomentinvariants

6、in1961,basedonmethodsofalgebraicinvariants.Laterstudiesindicatedthattheorthogonalmomentshavethebestoverallperformanceintermsofnoisesensitivity,informationredundancy,andcapabilityofimagedescription.Inthispaper,thecompletionofaerialflightinthetargetidentification

7、.IthighlightsamethedofusingHuandZernikemomentastargetfeature,comparingthemmomentfeatures.Thefollowingalgorithmdesignprocess:Firstly,makepretreatmentfortheimage,thatis,transformthemulticolorimagetograyimageandtodealwithbinary.Thencomputeinvariantmomentcharacters

8、byHuinvariantmomentandzernikemoment.Atlast,thisarticlepresentsasquarespacemethodthatcanbeusedtocalculatetheareavalueoftheobjects.Achievedontheaerialimagestoautomaticidentify

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。