一种改进的不变矩特征与物体识别

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (31): 183-185.

• 图形、图像、模式识别 • 上一篇下一篇

一种改进的不变矩特征与物体识别

付立思1，刘朋维1，李丹丹2

1.沈阳农业大学信息与电气工程学院，沈阳 110866
2.六盘水师范学院矿业工程系，贵州六盘水 553004

出版日期:2012-11-01 发布日期:2012-10-30

Improved moment invariant characteristics and object recongnition

FU Lisi1, LIU Pengwei1, LI Dandan2

1.College of Information and Electronic Engineering, Shenyang Agricultural University, Shenyang 110866, China
2.Mining Engineering Department, Liupanshui Normal University, Liupanshui, Guizhou 553004, China

Online:2012-11-01 Published:2012-10-30

摘要/Abstract

摘要： 引入了一种改进的不变矩特征表示方法。不变矩特征通过7个不变矩量很好地表征了图像的局部结构信息；通过压缩不变矩的值，得到了更优秀和实用的特征表示。改进的不变矩表示方法进一步包含图像的全局结构信息。实验结果表明，改进的不变矩比不变矩有着更好的识别效果，比现有的物体识别方法有着更大的优势，其易于执行，省去了参数调节，且效率高。

关键词: 不变矩, 矩值压缩, 空间金字塔

Abstract: This paper introduces an improved moment invariant, a new representation for recognizing object. Moment invariant captures local structures of an image through the seven moment invariants. Compressing the value of moment invariant results in better representation. Improved moment invariant further incorporates global structures in the image. The experiments demonstrate that improved moment invariant outperforms the moment invariant in several object recognitions. Besides, the improved moment invariant is easy to implement. It has nearly no parameter to tune, and evaluates extremely fast.

Key words: moment invariant, compressing the value of moment invariant, spatial pyramid

付立思1，刘朋维1，李丹丹2. 一种改进的不变矩特征与物体识别[J]. 计算机工程与应用, 2012, 48(31): 183-185.

FU Lisi1, LIU Pengwei1, LI Dandan2. Improved moment invariant characteristics and object recongnition[J]. Computer Engineering and Applications, 2012, 48(31): 183-185.

[1]	肖瑞雪，冯英伟，屈建萍. 结合高效特征融合的可变尺寸图像隐写分析[J]. 计算机工程与应用, 2021, 57(24): 126-134.
[2]	徐健，黄磊，陈倩倩，陆珍，吴曙培. 基于多尺度特征迁移学习的步态识别研究[J]. 计算机工程与应用, 2021, 57(20): 180-187.
[3]	宋廷强，刘童心，宗达，蒋晓旭，黄腾杰，范海生. 改进U-Net网络的遥感影像道路提取方法研究[J]. 计算机工程与应用, 2021, 57(14): 209-216.
[4]	宋廷强，李继旭，张信耶. 基于深度学习的高分辨率遥感图像建筑物识别[J]. 计算机工程与应用, 2020, 56(8): 26-34.
[5]	宗晓萍，田伟倩. 采用K-means的脑肿瘤磁共振图像分割与特征提取[J]. 计算机工程与应用, 2020, 56(3): 187-193.
[6]	方希禄，付伟，胡正言，竺凡超，周建含. 基于随机子图像模型的遥感图像分类[J]. 计算机工程与应用, 2020, 56(21): 204-209.
[7]	汪叶娇，周勇. 新形式勒让德矩的研究[J]. 计算机工程与应用, 2019, 55(22): 152-162.
[8]	高大鹏，朱建刚. 多维度自适应3D卷积神经网络原子行为识别[J]. 计算机工程与应用, 2018, 54(4): 174-178.
[9]	周华兵，朱国家，张彦铎，任世强. 基于兴趣域检测的空间金字塔匹配图像分类[J]. 计算机工程与应用, 2018, 54(3): 206-211.
[10]	钱勇生，邵洁，季欣欣，李晓瑞，莫晨，程其玉. 基于改进卷积神经网络的多视角人脸表情识别[J]. 计算机工程与应用, 2018, 54(24): 12-19.
[11]	孙凯，谢林柏. 结合稀疏表示和均值偏移的运动目标跟踪算法[J]. 计算机工程与应用, 2017, 53(9): 195-200.
[12]	曹洁1，2，赵修龙1，王进花2. 融合改进指尖点和Hu矩的手势识别[J]. 计算机工程与应用, 2017, 53(21): 138-143.
[13]	毛贤光1，2，李云欣2，李罕2. 基于不变矩和小波分析的指横纹匹配新算法[J]. 计算机工程与应用, 2015, 51(20): 172-177.
[14]	程少光，何毕，布树辉，刘贞报. 基于超像素空间金字塔模型的场景识别研究[J]. 计算机工程与应用, 2014, 50(7): 139-143.
[15]	孙云霄1，王雪维1，王晓迎1，李淑尚1，李雷达1，2. 基于雅克比-傅里叶矩的数字图像水印方法[J]. 计算机工程与应用, 2014, 50(4): 94-97.

一种改进的不变矩特征与物体识别

Improved moment invariant characteristics and object recongnition

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics