作者:郝勇; 耿佩; 温钦华; 吴文辉 期刊:《仪器仪表学报》 2019年第09期
轻系列滚动轴承保持架由于兜孔直径小、两半保持架之间钉孔距离相对较大等因素导致在铆压过程中易出现变形,造成铆压歪斜缺陷。为此,本文提出了基于图像纹理特征的模式识别方法用于保持架歪斜缺陷的准确识别。首先,改进了轴承图像归一化展开算法,实现了轴承图像展开起点的自动优化选择以避免误分割保持架、铆钉和滚动体;其次,设计了轴承图像保持架区域定位分割算法,准确分离出7个保持架区域;最后,分别提取保持架区域的Hu矩和旋转不...
作者:陈瑞森 期刊:《信息技术与网络安全》 2011年第01期
从数学上分析了弧矩在数字图像缩放时的变化规律,得出通过组合矩的方法无法改善其缩放不变性的结论,并指出了改善其缩放不变性的两种方法。仿真结果证明了本文所提出的结论的正确性和方法的可行性。
作者:易云; 汪廷华 期刊:《赣南师范大学学报》 2012年第03期
本文提出一种利用特征加权支持向量机(FWSVM)识别河流、湖泊等水域中血吸虫尾蚴的算法.该算法采用图像形态学、动态阈值化等图像处理方法在图片中搜索可能存在尾蚴的区域,然后利用疑似区域图像的Hu矩作为特征值训练FWSVM,最后利用训练好的分类器对采集的视频进行识别.实验结果表明该算法能够有效识别水域中的血吸虫尾蚴.
作者:展慧馨 期刊:《吉林化工学院学报》 2017年第09期
详细介绍Hu矩,实现结构矩的离散化计算,然后测试Hu矩在对图像加入不同程度模糊下的特征继承性.根据Hu矩的平移、旋转和缩放不变性,设计基于主成分分析的特征目标识别算法.将基于主成分分析的快速匹配算法和基于Hu矩的图像特征识别算法结合,实现了良好的特征辨识和匹配效果.
作者:武洪恩; 倪良月; 王凯; 李红飞 期刊:《组合机床与自动化加工技术》 2019年第08期
为了实现贴片机对SOT元件的高精度、高质量的识别定位,提出了一种基于Hu矩和递进Hough变换的SOT元件识别算法。该算法首先对采集图像进行预处理,在二值化图像的基础上提取元件主体轮廓,采用八邻域跟踪算法对轮廓信息进行提取;然后利用元件主体轮廓的面积和Hu矩,对SOT元件进行识别检测;最后在识别的基础上,对其进行递进hough变换的定位检测。实验表明:该方法可提高元件识别率,且在定位时具有耗时短、精度高等优点,能较好满足贴片机...
作者:王珊; 翟怡萌; 李晶; 邓艾东 期刊:《工业控制计算机》 2019年第01期
针对低速工况下风力发电机传动链的轴承,在轴系振动的干扰下,初期故障的振动特征不易辨识的问题,提出了一种基于声发射(Acoustic Emission,AE)信号时频特征的分析方法。首先,采用分帧加窗的预处理方法,对AE信号提取时频特征,建立二维声谱图;其次,计算声谱图的多阶Hu矩,增强二维声谱特征对故障状态的表达。理论分析和实验结果表明:该方法提取的特征对低速状态下内圈裂纹故障具有明显的辨识度,能有效对低速状态下滚动轴承故障判别。
作者:杨蕊红; 潘泉; 程咏梅 期刊:《计算机应用研究》 2005年第11期
从矩特征的一般表达方式出发,引入了一种新的不变矩--小波不变矩,并将其用于飞机图像的识别中,仿真结果表明,同Hu矩和Zernike矩相比,该算法具有比较好的识别效果.
作者:金宏硕; 刘振宇 期刊:《微处理机》 2018年第03期
针对在人机交互领域中基于视觉的手语识别的识别率低、实时性差等问题,采用Kinect深度摄像机对手语识别进行研究,并对不同的手语分类方式进行了分类和比较。首先通过Kinect设备采集手语图像,并提取出手部感兴趣区域,然后对手部图像进行预处理,得到手部边缘图像。随后用Hu矩方法对手部边缘图像进行特征提取。分别应用支持向量机、神经网络和随机森林三种分类方法对得到的数据进行分类和比较。最终结果表明,实验的平均识别率达到97.4...
作者:王永雄; 曾艳; 李璇; 尹钟; 张孙杰; 刘丽 期刊:《小型微型计算机系统》 2018年第08期
基于与人交互的物体对人体行为识别的重要作用,本文提出了融合交互物体和能量信息等特征的三维复杂人体识别方法.首先提取手持物体的Hu矩作为交互物体特征,然后根据人体行为的生物学和运动学特征,从人体运动的能量角度提取人体骨架动能、姿态势能、关节点位置等构建了局部特征矩阵,并聚类为词袋(Bag Of Word,BOW),与交互物体特征构成最终的组合特征;为了自动分割交互物体,我们提出了基于Harris角点的种子区域生长法,快...
提出一种加权Hu特征的步态识别方法。首先,从视频中提取步态图像并进行相应的预处理;然后,给予步态图像中像素点不同的权重值,计算得到加权Hu矩特征,并构造特征向量;最后,用SVM分类器进行分类识别,在CASIA步态数据库A中进行测试。仿真实验结果表明,所提出的方法可用于步态识别,在同样的仿真条件下,利用加权Hu矩特征所获得的识别率高于Hu矩特征的识别率,且实时性较好。
作者:齐美星; 孙伟 期刊:《组合机床与自动化加工技术》 2017年第09期
为了解决当前目标匹配算法存在计算耗时高,以及对旋转缩放目标定位不准的问题,文章提出了基于金字塔图像结构与Hu矩的螺丝目标匹配算法。首先,建立图像金字塔模型,成比例降低测试图像和模板图像的分辨率,减小模板遍历的计算量。然后,在测试图像中逐像素移动模板图像,计算平方差归一化匹配度函数,得到匹配坐标。最后,基于Canny边缘检测得到模板目标轮廓与测试图像中疑似螺丝目标边缘轮廓,并计算两个轮廓的Hu矩,利用Hu矩抗缩放旋转干...
作者:付潇聪; 王浩平 期刊:《电子设计工程》 2017年第17期
本文提出一种基于视觉的手势识别方法。系统由两部分组成:分割部分与识别部分。对手掌的分割:采用基于肤色的阈值分割结合YCrCb颜色空间算法,同时能够去掉人脸、多余的胳膊部分及其他噪声,得到只包含手掌的二值图。对手势的识别:采用二值图片Hu矩作为手势特征,利用BP神经网络对特征进行训练,最终实现对手指根数及一些特殊手势的识别。实验表明,该系统能有效分割手掌部分,达到对静态手势95%以上的识别率。
作者:成杰; 李新德 期刊:《航空兵器》 2017年第01期
在军事领域,为了快速准确识别出飞机飞行过程中的姿态,提出一种基于Hu矩与改进的概率神经网络(IPNN)的新方法。该方法对于无噪声灰度化图片,先进行二值化处理,再计算图像的Hu矩特征。将飞机飞行的360。姿态按三视图分为三个类别,即正视图、侧视图、俯视图。四维Hu矩作为PNN输入,三个视图代表的三个类别作为PNN输出,构建PNN网络。实验结果表明,对于无噪声图片平均识别率可以达到91.2%以上;对于有噪声图片平均识别率可...
作者:周佳琪; 智敏 期刊:《软件导刊》 2017年第02期
针对人体动作识别问题,研究了一种基于运动历史图像(Motion History Images,MHI)的人体动作识别方法。利用从运动图像序列获得的MHI图像获取视频帧中运动目标的运动特征,由运动特征的变化分类确定人体动作种类,同时给出相应的实验结果。
作者:梁大宽; 韩晓明 期刊:《计算机工程与设计》 2016年第11期
分析国内外车牌定位研究的现状,提出一种融合Hu矩和区域矩图像特征的车牌定位方法。依次提取车牌的Hu矩特征和各向同性的区域矩特征融合构成新的特征向量,各向同性的区域矩特征具有更强的旋转和尺度不变性,解决使用单一矩特征进行车牌定位时,对旋转和姿态变化较大的车牌识别率较低的问题,采用支持向量机(SVM)对特征进行分类。实验结果表明,在复杂的背景环境下,当车牌发生位置、姿态、尺度的变化时,该方法定位准确率达到90%以上,...
作者:易靖国; 程江华; 库锡树 期刊:《数字技术与应用》 2016年第09期
针对基于视觉的手势识别技术对环境背景要求高的问题,提出了一种利用深度信息进行手势提取和识别的方法。该方法首先采用Kinect深度摄像头提供的深度信息和HSV肤色信息分割出手掌区域,并通过映射获得二维手掌区域的二值图像;然后在二维手掌区域中采用形态学操作,对手势图像进行处理;接着利用Hu矩对手势特征进行提取。最后采用BP(Back Propagation)神经网络实现对数字手势1到10的识别。实验结果证明该方法可适应复杂背景,且鲁棒性...
作者:姚军; 蒋晓瑜; 黄应清 期刊: 2006年第03期
在图像识别中利用矩特征是一种重要的方法。综述了前人使用Hu矩、Zernike矩和小波矩进行目标识别的研究工作,并比较了它们在具体应用中的特点,为图像识别算法中目标矩特征的选择提供了一定的依据。
作者:颜佩; 丁亚军; 钱盛友; 胡强; 盛祎; 邹孝 期刊:《电子测量与仪器学报》 2016年第07期
提出了一种基于B超图像的小波系数Hu矩特征值并结合支持向量机监测生物组织损伤的方法。利用高强度聚焦超声(HIFU)对新鲜离体猪肉组织进行辐照,实时获取辐照前后的B超图像,并对其进行预处理获取减影图像。提取减影图像的Hu矩、小波系数均值和基于小波系数的Hu矩3个特征值,分别利用支持向量机对生物组织样本进行学习、分类处理。结果表明:小波系数Hu矩特征值比Hu矩和小波系数均值的总辨识率分别高出2.70%和2.05%,从而可以更有效...
作者:翟勇涛; 彭代渊 期刊:《信息技术》 2007年第11期
提出一种抗几何攻击的图像零水印方案。该方案不改变原始图像的数据,利用图像几何不变矩构造水印,较好地解决了水印的鲁棒性与不可感知性之间的矛盾。实验证明,水印方案对几何变换及常见的图像处理具有较好的鲁棒性。
作者:周振; 杜姗姗 期刊:《机械制造与自动化》 2016年第04期
针对颜色图像受光照及背景影响较大而较难识别目标的问题,利用深度图像作为目标栽体,设计并实现了一种简单的目标识别方法。该方法主要包括深度图像的轮廓提取算法和基于轮廓特征识别两部分。先根据提取的轮廓计算矩信息得到图像质心坐标。再根据相机投影公式获得目标质心的真实相机坐标;提取轮廓的矩形描述子,组合轮廓不变矩特征和轮廓形态学特征成为目标的联合特征向量。针对不同的待识别目标,采集足够数量的训练样本,得到...