【正文】 bilinear39。img=rgb2gray(img)。最后，再次對幫助過和關(guān)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)。這次課程設(shè)計也有許多需要改進(jìn)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(fù)雜的，分辨率會降低。 hu_f=min(shu)系統(tǒng)會認(rèn)為程序中計算出的最小值就是該待識別目標(biāo)的類型，此時，待識別目標(biāo)可能不是已知類別的目標(biāo)，這樣就不能夠判別出此待識別目標(biāo)了。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。endif z_f==q9 39。令z_f取shu中最小的： z_f=min(shu)進(jìn)行分類判別：if z_f==q1 39。在圖像分析中 ，由于 Zernike 多項(xiàng)式的正交性 ，可使信息冗余達(dá)到最優(yōu)化 ，其遞歸性質(zhì)使運(yùn)用矩的快速算法成為可能。endif hu_f==q4 39。顯然，圖像中物體像素的距離值為0。=sum(y.*A)。 圖像的平移 Hu矩算法的實(shí)現(xiàn)在進(jìn)行圖像處理之后，得到了所要的航拍圖像。其中：執(zhí)行語句I2=imrotate(I，90，39。這里飛機(jī)圖片變?yōu)?，背景變?yōu)?。I=rgb2gray(I)。+003+003旋轉(zhuǎn)90176。求出各個不變矩的均值，組成此類飛機(jī)的數(shù)據(jù)庫，用于識別目標(biāo)。不變矩就是一種通過提取具有平移、旋轉(zhuǎn)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(jìn)行圖像識別的方法。提取目標(biāo)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(jìn)行分類，以實(shí)現(xiàn)對不同類別目標(biāo)的準(zhǔn)確識別。后來人們進(jìn)行多方面研究，發(fā)現(xiàn)正交矩具有絕對的獨(dú)立性，沒有信息冗余現(xiàn)象，抽樣性能好，抗噪聲能力強(qiáng)，更適合用于多畸變不變圖像描述和識別。本文研究的識別是對航拍圖像中的飛行目標(biāo)進(jìn)行識別。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(zhuǎn)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(biāo)識別和場景分析中。但上述不變矩的特性只是目標(biāo)在旋轉(zhuǎn)、位移和縮放條件下有效。本文主要完成對航拍圖像中的飛行目標(biāo)進(jìn)行識別的系統(tǒng)設(shè)計工作。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，并比較他們在具體應(yīng)用中的特點(diǎn)。在實(shí)際中，很多航空圖像都是傾斜拍攝的。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。根據(jù)當(dāng)前圖像識別的應(yīng)用和發(fā)展，設(shè)計了基于MATLAB語言的圖像識別系統(tǒng)。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。其主要應(yīng)用了Hu矩和Zernike矩在圖像平移、伸縮、旋轉(zhuǎn)時均保持不變，在圖像中的目標(biāo)識別中具有良好的穩(wěn)定性。 Hu矩原理不變矩是描述區(qū)域的方法之一。即當(dāng)去判別目標(biāo)是否屬于此類飛機(jī)時，求待識別目標(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)，那么該待識別的目標(biāo)就屬于此類型的飛機(jī)。+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，就能求出對應(yīng)的z值，圖像在發(fā)生尺度、位置以及旋轉(zhuǎn)變化時，其Zernike矩特征向量基本保持不變。 其中：I=imread(39。程序如下：I=imread(39。bilinear39。 圖像的縮放實(shí)現(xiàn)對圖像的平移操作把圖像平移不同的角度，來驗(yàn)證不變矩對圖像具有平移不變性。如何實(shí)現(xiàn)對航拍圖像中的飛行目標(biāo)進(jìn)行識別是一項(xiàng)重要的過程。xmean=。距離變換中的距離函數(shù)可以是線性的或者是非線性的。所識別飛機(jī)的圖像是殲739。由 Zernike 矩的上述定義可知 ，它的另一重要特性為:圖像旋轉(zhuǎn)一定角度后的Zernike 矩與原圖像的 Zernike 矩具有非常簡單的關(guān)系 ，即一個圖像旋轉(zhuǎn)角后的 Zernike 矩 與初始圖像的 Zernike 矩 的關(guān)系為。所識別飛機(jī)的圖像是f2239。所識別飛機(jī)的圖像是ff1839。在Matlab中進(jìn)行運(yùn)算，讀入待識別目標(biāo)(f22)，運(yùn)用Zernike矩進(jìn)行識別。解決的方法:分別求出數(shù)據(jù)庫中已有類別的飛機(jī)的所有的特征值，找出每個類別飛機(jī)的區(qū)域值中最小的那個值，最后取這些類別飛機(jī)的最小值中的最大值。算法也需要繼續(xù)完善，來進(jìn)一步來提高識別率。=sum(x.*A)。img=imresize(img，[150，150])。)。img=imresize(img，2，39。)。是他們不僅在學(xué)習(xí)生活上給予我無私的關(guān)懷和幫助，更在精神上給了我莫大的鼓勵和支持。本文方法可較容易地推廣應(yīng)用于其它圖像識別領(lǐng)域。但是，當(dāng)待識別目標(biāo)不屬于數(shù)據(jù)庫中已有的類型時，執(zhí)行如下的語句： shu=[q1，q2，q4，q3，q5，q6，q7，q8，q9]。 Zernike矩的實(shí)驗(yàn)結(jié)果及分析選擇一個待識別目標(biāo)，來驗(yàn)證Zernike矩算法的有效性，并進(jìn)行效果分析。所識別飛機(jī)的圖像是f大黃蜂39。利用街區(qū)距離法，求出q1，q2，q3…中與目標(biāo)就接近的值：q1=sum(abs(z_fzdata(1，:))) q2=sum(abs(z_fzdata(2，:))) q3=sum(abs(z_fzdata(3，:))) q4=sum(abs(z_fzdata(4，:))) q5=sum(abs(z_fzdata(5，:))) q6=sum(abs(z_fzdata(6，:))) q7=sum(abs(z_fzdata(7，:))) q8=sum(abs(z_fzdata(8，:))) q9=sum(abs(z_fzdata(9，:)))將求得的值放入shu中： shu=[q1，q2，q3，q4，q5，q6，q7，q8，q9，5e+004]。開始計算值輸入待識別目標(biāo)的圖像將各類飛機(jī)的特征值存入Zernike矩的數(shù)據(jù)庫中提取待識別目標(biāo)的特征值圖像的預(yù)處理利用街區(qū)距離法計算判別出待識別目標(biāo)的類型結(jié)束識別結(jié)果是否正確輸出結(jié)果是否 Zernike矩算法實(shí)現(xiàn)的程序流程圖 提取Zernike矩的特征向量根據(jù)公式（），首先要計算各階，進(jìn)而求得，作為識別特征依據(jù)。所識別飛機(jī)的圖像是殲1039。在距離圖像中，像素的值表示到距該像素最近的物體像素的距離。=sum(x.*A)。既是對原圖像進(jìn)行縮放2倍的操作。)。圖像的二值化處理就是將圖像上的點(diǎn)的灰度置為0或255（其灰度值域[0，1]），所有灰度大于或等于閥值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。)。+003+003旋轉(zhuǎn)60176。由此可見，同一種類型的飛機(jī)在旋轉(zhuǎn)不同的角度、平移、縮放不同的倍數(shù)后，它們的不變矩是基本保持不變。圖像不變矩分為灰度直方圖不變矩和空間不變矩，空間不變矩對圖像平移、旋轉(zhuǎn)、比例不變、對比度變化具有恒定性。利用Hu矩和Zernike矩作為目標(biāo)特征，對航拍圖像中的飛行目標(biāo)進(jìn)行識別。1961年，M．K．Hu首先提出了7個幾何不變矩用于圖像描述。由于被識別的圖像與原圖像相比一般有很大程度的失真，如平移、旋轉(zhuǎn)和其它變化，所以還希望該圖像描述量對于圖像的各種畸變不敏感。已將它成功地運(yùn)用到字符識別、遙感圖像匹配等領(lǐng)域。后來人們進(jìn)行了多方面的研究，發(fā)現(xiàn)正交矩具有絕對的獨(dú)立性，沒有信息冗余現(xiàn)象，抽樣性能好，抗噪聲能力強(qiáng)，適合于圖像識別。設(shè)計了如下算法流程：首先，對圖像進(jìn)行預(yù)處理，將彩色圖像轉(zhuǎn)化為灰度圖像，再進(jìn)行二值化處理；然后利用Hu不變矩和Zernike矩提取不變矩特征；最后，采用街區(qū)距離法，計算出目標(biāo)區(qū)域值，實(shí)現(xiàn)了對航拍圖像中飛行目標(biāo)的自動識別。目標(biāo)都發(fā)生了變形，所以需要研究一種基于矩的算法，使得在飛行目標(biāo)在發(fā)生旋轉(zhuǎn)、平移和縮放等情況下，仍能有效地判別出目標(biāo)的類別。但低階幾何矩與圖像的整體特征有關(guān)，不包含太多的圖像細(xì)節(jié)信息，而高階幾何矩易受噪聲影響，因此很難利用幾何矩恢復(fù)圖像。設(shè)計結(jié)果表明：圖像顯示準(zhǔn)確，操作簡便、操作界面美觀，提高了目標(biāo)識別能力和目標(biāo)定位精度，能獲得令人滿意的識別結(jié)果。近幾年，用正交矩進(jìn)行圖像分析、圖像處理以及圖像識別的研究報道很多，這表明不變矩理論及其在圖像信息處理與識別中的應(yīng)用技術(shù)具有很好的發(fā)展 前景和應(yīng)用商機(jī)。了解圖像不變矩及目標(biāo)識別算法的研究現(xiàn)狀；利用不變矩對航拍圖像中的飛行目標(biāo)進(jìn)行目標(biāo)識別，并進(jìn)一步研究其快速算法；利用軟件實(shí)現(xiàn)算法，并編寫應(yīng)用軟件；通過試驗(yàn)說明算法的有效性。矩不變量由于具有不隨圖像的位置、大小和方向而變化的特點(diǎn)，對于提取圖像中的形態(tài)特征來說，是一個非常有效的工具。Zernike矩是基于稱作Zernike多項(xiàng)式的正交化函數(shù)。所以，可以用其作為圖像識別依據(jù)。39。39。)。最后提取圖像的特征值。在本次設(shè)計中主要分成了兩部分完成。ymean=。本文采用的距離函數(shù)為街區(qū)距離。endif hu_f==q5 39。該特性的意義在于圖像旋轉(zhuǎn)后 Zernike 矩僅發(fā)生相位變化而幅值保持不變。endif z_f==q2 39。end if z_f=5e+004 39。得到與已知類別區(qū)域的差值：q1 = +004q2 = +004q3 = +004q4 = +004q5 = +004q6 = +004q7 = +005q8 = +004q9 = +004待識別目標(biāo)離已知類別區(qū)域的最小值為：z_f = +004得到識別的結(jié)果為：ans =所識別飛機(jī)的圖像是f22。把得到的這個最大值作為閾值，例如，通過實(shí)驗(yàn)后，執(zhí)行如下語句： if hu_f= ‘所識別飛機(jī)的圖像不在已知類別中39。社會經(jīng)濟(jì)效益分析本文研究的算法主要是用于目標(biāo)識別，將來也可以向圖像的識別和跟蹤方向發(fā)展，可以對圖像進(jìn)行智能分類。=sum(y.*A)。img=1im2bw(img，)。imshow(img)。imshow(img)。39。謹(jǐn)以此文獻(xiàn)給所有曾給過我指導(dǎo)、關(guān)懷和幫助的老師、同學(xué)、朋友們。具有良好的穩(wěn)定性。問題2：如果待識別目標(biāo)是一直穩(wěn)定類別時，此時能夠判別出待識別目標(biāo)的類型。Hu矩的優(yōu)點(diǎn)在于它的計算速度比較快，但是它的7個二維不變矩是由歸一化的二階和三階中心矩得到的，包含的圖像信息少一點(diǎn)，通過統(tǒng)計得到Hu矩的識別率為85%。endif z_f==q8 39。 其中，x=1，2，3，4，5，6，7%調(diào)用已知目標(biāo)類別的特征值數(shù)據(jù)load zdata求出待識別目標(biāo)的