本文關(guān)鍵詞：基于矩的圖像分析和快速算法

  更多相關(guān)文章： 矩 正交矩 Legendre 矩 Zernike矩 小波 小波矩 快速算法 模板匹配 模式識(shí)別

【摘要】： 矩方法作為一種重要的圖像分析工具，在計(jì)算機(jī)視覺及模式識(shí)別領(lǐng)域里有著 廣泛的應(yīng)用�，F(xiàn)有的矩描述子可以分為幾何矩、正交矩、小波矩等幾種。在這些 方法中，由于幾何矩提出的最早且形式最簡(jiǎn)單，對(duì)它的研究最充分。近年來，正 交矩(Legendre和Zernike正交矩)成為模式識(shí)別和圖像處理領(lǐng)域新的研究熱點(diǎn)。 正交矩方法的優(yōu)點(diǎn)非常顯著，它有非常簡(jiǎn)單的反變換形式，解決了用矩進(jìn)行圖像 重建這一原本困難的問題，此外，正交矩還有較小的數(shù)據(jù)冗余度及噪聲敏感性。 但是幾何矩、正交矩等都只能提取圖像的全局特征，為克服這一缺陷，有學(xué)者提 出了小波矩，它可以借助小波變換的多分辨率特性提取圖像的局部特征，因此是 一個(gè)非常好的描述子。 本文主要討論了矩方法在圖像處理中的應(yīng)用，內(nèi)容包括Legendre正交矩的 快速算法、二步驟的模板匹配方法及小波矩在模式識(shí)別中的應(yīng)用。 Legendre矩的快速算法方面，我們對(duì)圖像采用塊描述方法，在此基礎(chǔ)上提出 了兩種新的快速算法，即積分方法和累加方法，它們最大的優(yōu)點(diǎn)就是計(jì)算時(shí)間不 依賴于圖像的大小，并且其中的積分方法具有很高的精度。 在模板匹配算法方面，，我們使用的是二步驟的匹配方法，即第一步采用快速 但不太精確的方法來尋找可能匹配點(diǎn)，第二步利用Zernike矩對(duì)可能匹配點(diǎn)進(jìn)行 精確匹配，找到正確的匹配點(diǎn)，該方法不僅可以解決傳統(tǒng)方法不能解決的圖像旋 轉(zhuǎn)的問題，在計(jì)算速度和精度上效果都很不錯(cuò)。 在小波矩的應(yīng)用方面，我們分別選擇了Haar小波函數(shù)和三次B樣條小波函 數(shù)來構(gòu)造小波矩，將它們應(yīng)用到漢字識(shí)別中，并且與Zernike矩的識(shí)別效果進(jìn)行 比較，得出結(jié)論：小波矩比Zernike矩的識(shí)別能力好。
【關(guān)鍵詞】：矩 正交矩 Legendre 矩 Zernike矩 小波 小波矩 快速算法 模板匹配 模式識(shí)別
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2003
【分類號(hào)】：R310
【目錄】：

• 中文摘要5-6
• 英文摘要6-10
• 第一章 緒論10-18
• §1． 1 各種形式矩的介紹10-15
• 1． 1． 1 幾何矩（Geometric moment）的介紹10-11
• 1． 1． 2 Legendre矩（Legendre moment）的介紹11-12
• 1． 1． 3 Zernike矩（Zernike moment）的介紹12-13
• 1． 1． 4 旋轉(zhuǎn)矩（Rotational moment）的介紹13-14
• 1． 1． 5 復(fù)數(shù)矩（Complex moment）的介紹14
• 1． 1． 6 Chebyshev矩（Chebyshev Moment）的介紹14-15
• 1． 1． 7 小波矩（Wavelet moment）的介紹15
• §1． 2 本文工作及論文組織15-16
• 參考文獻(xiàn)16-18
• 第二章 Legendre矩的快速算法研究18-29
• §2． 1 圖像塊描述方法18-20
• §2． 2 Legendre矩的計(jì)算20-23
• 2． 2． 1 累加方法20-22
• 2． 2． 2 積分方法22-23
• §2． 3 算法結(jié)果與討論23-27
• 2． 3． 1 實(shí)驗(yàn)結(jié)果23-24
• 2． 3． 2 算法的計(jì)算復(fù)雜度24-25
• 2． 3． 3 時(shí)間比較25-26
• 2． 3． 4 誤差分析26-27
• §2． 4 總結(jié)27
• 參考文獻(xiàn)27-29
• 第三章 基于矩的模板匹配方法29-42
• §3． 1 傳統(tǒng)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 兩步模板匹配方法31-37
• 3． 3． 1 第一步：可能匹配點(diǎn)的選擇32-35
• 3． 3． 2 第二步：精確匹配過程35-37
• §3． 4 實(shí)驗(yàn)結(jié)果37-40
• 3． 4． 1 匹配準(zhǔn)確性37-38
• 3． 4． 2 計(jì)算時(shí)間比較38-39
• 3． 4． 3 旋轉(zhuǎn)角度計(jì)算39-40
• §3． 5 結(jié)果與討論40
• 參考文獻(xiàn)40-42
• 第四章 基于小波矩的圖形識(shí)別42-65
• §4． 1 模式識(shí)別的基本概念42-44
• §4． 2 特征提取44-54
• 4． 2． 1 平移、伸縮歸一化45-46
• 4． 2． 2 具有旋轉(zhuǎn)不變性矩的一般表達(dá)式46-49
• 4． 2． 3 小波變換的基本概念49-52
• 4． 2． 4 小波矩的引入52-54
• §4． 3 特征選擇54-59
• 4． 3． 1 特征選擇的一般方法54-55
• 4． 3． 2 自動(dòng)特征選擇算法55-59
• §4． 4 最小距離分類59-60
• §4． 5 基于小波矩的文字識(shí)別60-63
• §4． 6 結(jié)果與討論63
• 參考文獻(xiàn)63-65
• 第五章 總結(jié)與展望65-67
• 致謝67

【引證文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 王小鳳;張飛;耿國華;劉曉寧;;一個(gè)基于深度圖像的三維模型檢索算法[J];計(jì)算機(jī)工程與應(yīng)用;2012年07期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前1條

1 魯傳運(yùn);黃言平;季托;;圖像旋轉(zhuǎn)不變特征特性研究[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 周興龍;視頻序列中運(yùn)動(dòng)目標(biāo)檢測(cè)與人體關(guān)節(jié)點(diǎn)的跟蹤識(shí)別研究[D];北京體育大學(xué);2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 萬宜;基于小波神經(jīng)網(wǎng)絡(luò)的車牌自動(dòng)識(shí)別研究[D];東南大學(xué);2004年

2 孫曉麗;基于小波矩特征的小波神經(jīng)網(wǎng)絡(luò)目標(biāo)識(shí)別研究[D];東南大學(xué);2006年

3 鄭斌;玻璃缺陷圖像識(shí)別的關(guān)鍵技術(shù)研究[D];武漢理工大學(xué);2009年

4 朱莉;基于DSP的柑橘形狀分級(jí)技術(shù)[D];浙江工業(yè)大學(xué);2009年

5 陳裕;基于SIFT算法的無人機(jī)遙感圖像配準(zhǔn)[D];中南大學(xué);2009年

6 張飛;三維模型特征提取和相關(guān)反饋算法研究與實(shí)現(xiàn)[D];西北大學(xué);2010年

7 鄒熠;基于小波矩的圖像內(nèi)容識(shí)別技術(shù)研究[D];西南交通大學(xué);2010年

8 梁建偉;基于小波矩量法的線天線分析[D];太原理工大學(xué);2010年

9 羅柱;正交矩的高精度算法研究[D];湖北工業(yè)大學(xué);2010年

10 羅麗;兩類徑向正交矩的研究[D];湖北工業(yè)大學(xué);2010年

本文編號(hào)：1082508