【正文】 :810[6] 甘俊英，[J].計算機工程與應用，2002，24(3):5356[7] 何青，[J].華北電力大學學報，1998，25(4):8083[8] 商立群，杜亞娟. Hu矩和Zernike矩在圖像識別中的應用[J].西安科技學院學報，2000，20(1):5356[9] 丁明躍，常金玲，[J].數(shù)據(jù)采集與處理，1992，7(1):19[10] [J].西安科技學院學報，2000，20(2):151153[11] ，2006，21(3):171173[12] 杜亞娟，張洪才，[J].數(shù)據(jù)采集與處理，2009，15(3):390394[13] [D].西安:西安交通大學碩士論文，2002，11[14] 丁明躍，[J].，7(1):19[15] 呂洪濤，周繼成離散狀態(tài)下的不變矩算法研究[J].數(shù)據(jù)采集與處理，1993，18(2):4448[16] 彭輝，黃士科，[J].紅外與激光工程，2005，34(3):292296[17] 杜宗崗，盧凌，[J].武漢理工大學學報，2005，29(2):230233[18] 孫亦南，劉偉軍，[J].計算機應用與軟件，2004，21(12):13[19] Hu M. K. Visual recognition by moment Theory，1962(8):179187.[20] A Khotanzed，Y H Hong .Invariant image recognition by zernike moment. IEEE ，1990，5 [21] Li B new putation of geometric moments [J].Pattern Recognition，1993，26(1):109130[22] Jiang X Y，Bunke and fast putation of moment[J].Pattern Recognition，1991，24(8):801806致 謝在本論文完成之際，我首先要向我的指導老師李忠海老師表示衷心的感謝。算法也需要繼續(xù)完善，來進一步來提高識別率。運用Hu矩和Zernike矩基本完成是對圖像目標識別任務。解決的方法:分別求出數(shù)據(jù)庫中已有類別的飛機的所有的特征值，找出每個類別飛機的區(qū)域值中最小的那個值，最后取這些類別飛機的最小值中的最大值。下面是對F22類的兩個飛機提取的特征值結果。在Matlab中進行運算，讀入待識別目標(f22)，運用Zernike矩進行識別。 Hu矩的實驗結果及分析下面選擇一個待識別目標，來驗證Hu矩算法的有效性，并進行效果分析。所識別飛機的圖像是ff1839。所識別飛機的圖像是殲1039。所識別飛機的圖像是f2239。這里采用街區(qū)距離法，將待識別目標分別與已知目標的值做差值計算，然后取絕對值，再求和。由 Zernike 矩的上述定義可知 ，它的另一重要特性為:圖像旋轉一定角度后的Zernike 矩與原圖像的 Zernike 矩具有非常簡單的關系 ，即一個圖像旋轉角后的 Zernike 矩 與初始圖像的 Zernike 矩 的關系為。所識別飛機的圖像是f1839。所識別飛機的圖像是殲739。所識別飛機的圖像不在已知類別中39。距離變換中的距離函數(shù)可以是線性的或者是非線性的。w21=(sum((xxmean).^2.*(yymean).*A))/(^)。xmean=。計算7個不變矩：[nc，nr]=size(A)。如何實現(xiàn)對航拍圖像中的飛行目標進行識別是一項重要的過程。Original39。 圖像的縮放實現(xiàn)對圖像的平移操作把圖像平移不同的角度，來驗證不變矩對圖像具有平移不變性。I3=imresize(I，2，39。bilinear39。最后提取圖像的特征值。程序如下：I=imread(39。)。 其中：I=imread(39。本文需要對航拍中的飛行目標進行識別，該怎樣獲取航拍圖像呢？通過查找各種書籍及相關論文，了解了我需要去獲取不同類別的飛行目標。+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，當取不同的n值時，就能求出對應的z值，圖像在發(fā)生尺度、位置以及旋轉變化時，其Zernike矩特征向量基本保持不變。在計算過程中單位圓外的點不參與計算。即當去判別目標是否屬于此類飛機時，求待識別目標和已知目標的街區(qū)距離，如果在已知類別的某一區(qū)域內，那么該待識別的目標就屬于此類型的飛機。對同種飛機，記錄特征值如表1所示。 Hu矩原理不變矩是描述區(qū)域的方法之一。本章主要介紹了不變矩的基本理論，分別對Hu矩和Zernike矩進行定義，并對它們進行特征值的提取。其主要應用了Hu矩和Zernike矩在圖像平移、伸縮、旋轉時均保持不變，在圖像中的目標識別中具有良好的穩(wěn)定性。目標識別是當前世界軍事技術研究領域中的一個重要課題。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。不少學者和軍工行業(yè)的科技工作者紛紛投入到這個領域進行各種研究，并已取得了長足的進展。根據(jù)當前圖像識別的應用和發(fā)展，設計了基于MATLAB語言的圖像識別系統(tǒng)。目前的基于形狀的識別方法大多圍繞從形狀的輪廓特征和形狀的區(qū)域特征來進行。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。先進的敵我識別手段和技術是未來高科技戰(zhàn)爭的迫切需要。在實際中，很多航空圖像都是傾斜拍攝的。隨著計算機技術和數(shù)字圖像處理技術的發(fā)展，計算機視覺技術的應用領域已迅速拓展，目標識別已成為計算機視覺領域一個非?；钴S的課題，通常目標識別需要研究目標在旋轉、平移和縮放的情況下的識別方法，可以利用不變矩特征在圖像平移、縮放、旋轉在圖像中的目標識別中具有良好的穩(wěn)定性的特性，首先確定系統(tǒng)中的特征值，然后對特征值進行分析來確定目標。主要闡述了將Hu矩和Zernike矩作為目標在旋轉、平移和縮放等變形的情況下不變的目標特征的可行性，并比較他們在具體應用中的特點?；贖u矩和Zernike矩的圖像目標識別算法設計院 系自動化學院專 業(yè)測控技術與儀器 摘 要形狀識別在計算機視覺中具有十分重要的意義，利用矩特征進行形狀識別是一種重要的方法。本文主要完成對航拍圖像中的飛行目標進行識別的系統(tǒng)設計工作。隨著信息技術、電子技術、計算機技術等高新技術在航空領域的廣泛應用以及現(xiàn)代戰(zhàn)爭的需要， 圖像目標識別的應用范圍將得到不斷提高和擴展。但上述不變矩的特性只是目標在旋轉、位移和縮放條件下有效。我們知道，知覺系統(tǒng)就是組織零碎而不完整的各種低級特征，使之成為較高級的描述。不變矩(Invariant moments)是一種高度濃縮的圖像特征，具有平移、灰度、尺度、旋轉等多畸變不變性，因此矩和矩函數(shù)被廣泛用于圖像的模式識別、圖像分類、目標識別和場景分析中。在二維圖像空間中，形狀通常被認為是一條封閉的輪廓曲線所包圍的區(qū)域，所以對形狀的描述涉及到對輪廓邊界的描述以及地邊界所包圍的區(qū)域。本文研究的識別是對航拍圖像中的飛行目標進行識別。因此，目標識別就成為當今最熱門的前沿課題。后來人們進行多方面研究，發(fā)現(xiàn)正交矩具有絕對的獨立性，沒有信息冗余現(xiàn)象，抽樣性能好，抗噪聲能力強，更適合用于多畸變不變圖像描述和識別。Zernike矩方法源于Teague提出的正交矩思想，與Hu矩相比它的優(yōu)點是：它是正交矩，能夠構造任意的高階矩；它計算的是一種積分運算，對噪聲不太敏感。提取目標圖像的數(shù)值特征，再將提取的不變特征向量按特征值的區(qū)間進行分類，以實現(xiàn)對不同類別目標的準確識別。自1962年Hu提出代數(shù)不變矩以來，已被成功應用于很多領域。不變矩就是一種通過提取具有平移、旋轉和比例不變性的圖像特征，不變矩的主要思想是使用對變換不敏感的基于區(qū)域的幾個矩作為形狀特征，從而進行圖像識別的方法。 通過提取飛機的特征值，按上述的7個不變矩進行計算，計算出圖像中目標區(qū)域的不變特征向量。求出各個不變矩的均值，組成此類飛機的數(shù)據(jù)庫，用于識別目標。 計算一幅圖像的Zernike矩，必須將圖像的重心平移到坐標原點，將圖像像素點映射到單位圓內。+003+003旋轉90176。經(jīng)過圖像處理后，目標被突出，背景被弱化，從而使目標的辨別比較容易。I=rgb2gray(I)。39。這里飛機圖片變?yōu)?，背景變?yōu)?。 圖像的二值化處理 實現(xiàn)對圖像的旋轉操作把圖像旋轉不同的角度，來驗證不變矩對圖像具有旋轉不變性。其中：執(zhí)行語句I2=imrotate(I，90，39。)。imshow(img)， title(39。 圖像的平移 Hu矩算法的實現(xiàn)在進行圖像處理之后，得到了所要的航拍圖像。實現(xiàn)程序如下所示。=sum(y.*A)。w20=(sum((xxmean).^2.*A))/(^2)。顯然，圖像中物體像素的距離值為0。令z_f取shu中最小的： hu_f=min(shu)進行分類判別：if hu_f= 39。endif hu_f==q4 39。end if hu_f==q8 39。在圖像分析中 ，由于 Zernike 多項式的正交性 ，可使信息冗余達到最優(yōu)化 ，其遞歸性質使運用矩的快速算法成為可能。因而只要判斷出待識別目標在某一類的區(qū)域范圍內，那么該待識別目標就屬于那一類的圖像。令z_f取shu中最小的： z_f=min(shu)進行分類判別：if z_f==q1 39。endif z_f==q5 39。endif z_f==q9 39。進行程序調試，解決遇到的問題，然后進行效果分析，獲取實驗結果。將待識別圖像裝載到Matlab軟件的work文件中，通過imread語句讀出圖像。問題1：利用不變矩進行特征值提取時，對于同一類型的飛機，原則上它們的特征值應該非常接近，可實際提取到的特征值卻相差很大。 hu_f=min(shu)系統(tǒng)會認為程序中計算出的最小值就是該待識別目標的類型，此時，待識別目標可能不是已知類別的目標，這樣就不能夠判別出此待識別目標了。本章主要完成了對兩種矩的實驗結果分析以及對實驗中遇到的問題進行分析與解決。這次課程設計也有許多需要改進的地方，例如該方法只適用于圖像信息特別明顯的，對于背景復雜的，分辨率會降低。無論是在軍事上還是在日常生活中都起到了相當重要的作用。最后，再次對幫助過和關心過我的所有人，以及參與論文評閱的所有老師表示衷心的感謝！附錄Ⅰ 計算Hu的7個不變矩程序清單=sum(A)。w11=(sum((xxmean).*(yymean).*A))/(^2)。img=rgb2gray(img)。)figure， imshow(J)， title(39。bilinear