【正文】 f164f14f大黃蜂f18ff18 基于Hu矩不變性的識(shí)別設(shè)a(i，j)為一個(gè)經(jīng)二值化的圖像，值為1的像素代表圖像中的物體；值為0的像素代表圖像背景。w21=(sum((xxmean).^2.*(yymean).*A))/(^)。w03=(sum((yymean).^3.*A))/(^)。xmean=。A=A(:)。計(jì)算7個(gè)不變矩：[nc，nr]=size(A)。 Hu矩算法的流程設(shè)計(jì)。如何實(shí)現(xiàn)對(duì)航拍圖像中的飛行目標(biāo)進(jìn)行識(shí)別是一項(xiàng)重要的過(guò)程。其中：執(zhí)行語(yǔ)句se=translate(strel(1)， [50 50])。Original39。)。 圖像的縮放實(shí)現(xiàn)對(duì)圖像的平移操作把圖像平移不同的角度，來(lái)驗(yàn)證不變矩對(duì)圖像具有平移不變性。bilinear39。I3=imresize(I，2，39。 圖像的旋轉(zhuǎn)實(shí)現(xiàn)對(duì)圖像的縮放操作為了驗(yàn)證不變矩對(duì)圖像具有縮放不變性，試驗(yàn)中要對(duì)圖像進(jìn)行縮放的變化，改變不同的參數(shù)，進(jìn)而提取圖像的最終特征值。bilinear39。I2=imrotate(I，90，39。最后提取圖像的特征值。其中：執(zhí)行語(yǔ)句I=1im2bw(I，)。程序如下：I=imread(39。 圖像的尺寸調(diào)整 對(duì)圖像進(jìn)行二值化處理為了使圖片的信息更加突出，有助于和背景的區(qū)分，使整個(gè)圖像呈現(xiàn)出明顯的黑白效果。)。 彩色圖像轉(zhuǎn)換為灰度圖像對(duì)圖像的尺寸調(diào)整對(duì)于同一副圖片，對(duì)其放大和縮小不同的倍數(shù)，并不影響圖像的特征值，這也驗(yàn)證了圖像的縮放對(duì)不變矩的計(jì)算基本沒(méi)有影響。 其中：I=imread(39。程序如下：I=imread(39。本文需要對(duì)航拍中的飛行目標(biāo)進(jìn)行識(shí)別，該怎樣獲取航拍圖像呢？通過(guò)查找各種書籍及相關(guān)論文，了解了我需要去獲取不同類別的飛行目標(biāo)。第3章 圖像目標(biāo)識(shí)別算法的實(shí)現(xiàn)本文分別采用Hu矩和Zernike矩對(duì)圖像目標(biāo)進(jìn)行識(shí)別。+003+003+003+003縮小6倍+003+003放大4倍+003+003平移10度+003+003平移25度+003+003平移50度+003+003從表2中可以看出，當(dāng)取不同的n值時(shí)，就能求出對(duì)應(yīng)的z值，圖像在發(fā)生尺度、位置以及旋轉(zhuǎn)變化時(shí)，其Zernike矩特征向量基本保持不變。對(duì)同種飛機(jī)，記錄特征值如表2所示。在計(jì)算過(guò)程中單位圓外的點(diǎn)不參與計(jì)算。在模式識(shí)別中，一個(gè)重要的問(wèn)題是對(duì)目標(biāo)的方向性變化也能進(jìn)行識(shí)別。即當(dāng)去判別目標(biāo)是否屬于此類飛機(jī)時(shí)，求待識(shí)別目標(biāo)和已知目標(biāo)的街區(qū)距離，如果在已知類別的某一區(qū)域內(nèi)，那么該待識(shí)別的目標(biāo)就屬于此類型的飛機(jī)?？s小3倍縮小5倍擴(kuò)大2倍平移10度平移25度平移50度從表中可以看出圖像在發(fā)生尺度、位置以及旋轉(zhuǎn)變化時(shí)，其特征向量是基本保持不變的。對(duì)同種飛機(jī)，記錄特征值如表1所示。的歸一化階中心矩定義為： （）其中 （）下列7個(gè)二維不變矩是由歸一化的二階和三階中心矩得到的。 Hu矩原理不變矩是描述區(qū)域的方法之一。如。本章主要介紹了不變矩的基本理論，分別對(duì)Hu矩和Zernike矩進(jìn)行定義，并對(duì)它們進(jìn)行特征值的提取。第3章介紹了目標(biāo)識(shí)別算法的實(shí)現(xiàn)。其主要應(yīng)用了Hu矩和Zernike矩在圖像平移、伸縮、旋轉(zhuǎn)時(shí)均保持不變，在圖像中的目標(biāo)識(shí)別中具有良好的穩(wěn)定性。本次課程設(shè)計(jì)任務(wù)是設(shè)計(jì)基于Hu矩和Zernike矩的圖像目標(biāo)識(shí)別的算法。目標(biāo)識(shí)別是當(dāng)前世界軍事技術(shù)研究領(lǐng)域中的一個(gè)重要課題。因而在圖像目標(biāo)的識(shí)別算法中，最關(guān)鍵的是要得到具有不變性的目標(biāo)特征，目標(biāo)特征的不變性既要保證目標(biāo)在縮放、旋轉(zhuǎn)、平移等情況下的不變性，又應(yīng)對(duì)不同目標(biāo)具有明確的差異而便于進(jìn)行有效的區(qū)別。性能較好的正交矩有 Legendre矩、Zernike 矩、正交傅立葉一梅林矩、切比雪夫矩和變形雅可比(p=4，q=3)一傅立葉矩等。這就需要識(shí)別系統(tǒng)具有不變性識(shí)別能力（即平移、旋轉(zhuǎn)以及縮放不變性）。不少學(xué)者和軍工行業(yè)的科技工作者紛紛投入到這個(gè)領(lǐng)域進(jìn)行各種研究，并已取得了長(zhǎng)足的進(jìn)展。這一技術(shù)與計(jì)算機(jī)的結(jié)合的必將成為代替人腦對(duì)視覺(jué)信息進(jìn)行處理加工的一種手段。根據(jù)當(dāng)前圖像識(shí)別的應(yīng)用和發(fā)展，設(shè)計(jì)了基于MATLAB語(yǔ)言的圖像識(shí)別系統(tǒng)。對(duì)于形狀的區(qū)域特征主要有形狀的不變性、區(qū)域的面積、形狀縱橫比等。目前的基于形狀的識(shí)別方法大多圍繞從形狀的輪廓特征和形狀的區(qū)域特征來(lái)進(jìn)行。M．R．Teague建議用 ZMS來(lái)產(chǎn)生不變矩。M．K．Hu在 1961年首先提出不變矩的概念，并將幾何矩(Geometric moments，GMg)用于圖像描述。基于各種手段的目標(biāo)識(shí)別技術(shù)涌現(xiàn)了出來(lái)，其中許多技術(shù)已取得了應(yīng)用上的極大成功。先進(jìn)的敵我識(shí)別手段和技術(shù)是未來(lái)高科技戰(zhàn)爭(zhēng)的迫切需要。人類視覺(jué)系統(tǒng)對(duì)信息的收集和處理是一個(gè)由粗到精的過(guò)程，并且具有選擇性和層次性，為完成某個(gè)特定的任務(wù)，人眼首先粗略搜尋所獲得的所有信息并初步處理，確定出哪些信息與任務(wù)有關(guān)，哪些信息與任務(wù)無(wú)關(guān)。在實(shí)際中，很多航空?qǐng)D像都是傾斜拍攝的。利用計(jì)算機(jī)從圖像上檢測(cè)出目標(biāo)，對(duì)航空?qǐng)D片進(jìn)行自動(dòng)識(shí)別，對(duì)提高判讀效率，減少誤判率，提供快速、準(zhǔn)確的軍事情報(bào)具有十分重要的意義。隨著計(jì)算機(jī)技術(shù)和數(shù)字圖像處理技術(shù)的發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)的應(yīng)用領(lǐng)域已迅速拓展，目標(biāo)識(shí)別已成為計(jì)算機(jī)視覺(jué)領(lǐng)域一個(gè)非?；钴S的課題，通常目標(biāo)識(shí)別需要研究目標(biāo)在旋轉(zhuǎn)、平移和縮放的情況下的識(shí)別方法，可以利用不變矩特征在圖像平移、縮放、旋轉(zhuǎn)在圖像中的目標(biāo)識(shí)別中具有良好的穩(wěn)定性的特性，首先確定系統(tǒng)中的特征值，然后對(duì)特征值進(jìn)行分析來(lái)確定目標(biāo)。信息是決定現(xiàn)代和未來(lái)戰(zhàn)爭(zhēng)勝負(fù)的關(guān)鍵因素， 誰(shuí)能奪取信息優(yōu)勢(shì)， 誰(shuí)就能掌握戰(zhàn)爭(zhēng)的主動(dòng)權(quán)。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?cè)诰唧w應(yīng)用中的特點(diǎn)。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?；贖u矩和Zernike矩的圖像目標(biāo)識(shí)別算法設(shè)計(jì)院 系自動(dòng)化學(xué)院專 業(yè)測(cè)控技術(shù)與儀器 摘 要形狀識(shí)別在計(jì)算機(jī)視覺(jué)中具有十分重要的意義，利用矩特征進(jìn)行形狀識(shí)別是一種重要的方法。理論上矩不變量在圖像平移、伸縮、旋轉(zhuǎn)時(shí)均保持不變，這為圖像識(shí)別算法中目標(biāo)矩特征的選擇提供了一定的依據(jù)。本文主要完成對(duì)航拍圖像中的飛行目標(biāo)進(jìn)行識(shí)別的系統(tǒng)設(shè)計(jì)工作。關(guān)鍵詞：Hu矩；Zernike矩；矩不變量；目標(biāo)識(shí)別AbstractShape recognition is a very important problem in puter vision. Recogniting fying targets with moment features is an impotant method for shape recent years，many results have been researched about image analysis and pattern recognition with orthogonal ，the theory of invariant moments and their application to image analysis and pattern recognition have a good future. Invariant moments are independent of translation， scale and rotation in theory. The results of such parison can provide some bases which would bear practicability for the selection of moment feature in image recognition. Invariant moments are highly concentrated image features that are shift invariant，rotation invariant and scale first introduced seven moment invariants in 1961，based on methods of algebraic studies indicated that the orthogonal moments have the best overall performance in terms of noise sensitivity，information redundancy，and capability of image description.In this paper，the pletion of aerial flight in the target highlights a methed of using Hu and Zernike moment as target feature，paring them moment features. The following algorithm design process: Firstly，make pretreatment for the image，that is，transform the multicolor image to gray image and to deal with pute invariant moment characters by Hu invariant moment and zernike last，this article presents a square space method that can be used to calculate the area value of the objects. Achieved on the aerial images to automatic identify the objectives of the flight.Experiment results show that invariant moment have perfit stability in image target moment and zernike moment play a good role in identifying objects. Keywords: Hu moment；Zernike moment；invariant moment；target recognition 目 錄第1章 緒