【正文】 h7 = F222的7個(gè)矩的特征值： h1 = h2 = h3 = h4 = h5 = h6 = h7 = 從得到的結(jié)果可以看出，只有是相同的，其余的幾個(gè)特征值相差都很大，這樣遠(yuǎn)遠(yuǎn)不能滿足要求，這樣進(jìn)行判別的誤差也會(huì)很大。解決的方法:由于圖像采用的是彩色圖像，里面包含的信息量較大，因此，影響特征值的精確度。所以要將圖像進(jìn)行預(yù)處理。將彩色圖像轉(zhuǎn)換為灰度圖像，再進(jìn)行計(jì)算，此外，便于提取圖像的特征，這里將圖像統(tǒng)一轉(zhuǎn)換成等大小的處理這樣可以有效的減小誤差。問(wèn)題2：如果待識(shí)別目標(biāo)是一直穩(wěn)定類別時(shí)，此時(shí)能夠判別出待識(shí)別目標(biāo)的類型。但是，當(dāng)待識(shí)別目標(biāo)不屬于數(shù)據(jù)庫(kù)中已有的類型時(shí)，執(zhí)行如下的語(yǔ)句： shu=[q1，q2，q4，q3，q5，q6，q7，q8，q9]。 hu_f=min(shu)系統(tǒng)會(huì)認(rèn)為程序中計(jì)算出的最小值就是該待識(shí)別目標(biāo)的類型，此時(shí)，待識(shí)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(shí)別目標(biāo)了。解決的方法:分別求出數(shù)據(jù)庫(kù)中已有類別的飛機(jī)的所有的特征值，找出每個(gè)類別飛機(jī)的區(qū)域值中最小的那個(gè)值，最后取這些類別飛機(jī)的最小值中的最大值。把得到的這個(gè)最大值作為閾值，例如，通過(guò)實(shí)驗(yàn)后，執(zhí)行如下語(yǔ)句： if hu_f= ‘所識(shí)別飛機(jī)的圖像不在已知類別中39。 end 這樣，當(dāng)待識(shí)別的飛機(jī)目標(biāo)不在已知類別當(dāng)中時(shí)，程序就會(huì)自動(dòng)判別出待識(shí)別目標(biāo)圖像不在已知的類別中。問(wèn)題3：在運(yùn)用兩個(gè)矩進(jìn)行識(shí)別時(shí)，有的圖片還不能被準(zhǔn)確的識(shí)別出來(lái)，存在著一定的誤差，即識(shí)別率達(dá)不到預(yù)定的標(biāo)準(zhǔn)。例如，運(yùn)用Hu矩對(duì)已知類別（殲10）進(jìn)行識(shí)別，結(jié)果如下所示：q1 = q2 = q3 = q4 = q5 = q6 = q7 = q8 = q9 = hu_f = ans =所識(shí)別飛機(jī)的圖像是f18。 f18的圖像實(shí)驗(yàn)結(jié)果表明，運(yùn)算的結(jié)果存在著誤差。解決的方法:完善數(shù)據(jù)庫(kù)，盡可能多的增加飛機(jī)的總類，使得各類的飛機(jī)都有自己的特征值，這樣就能夠盡可能的減小彼此之間的誤差。本章主要完成了對(duì)兩種矩的實(shí)驗(yàn)結(jié)果分析以及對(duì)實(shí)驗(yàn)中遇到的問(wèn)題進(jìn)行分析與解決。運(yùn)用Hu矩和Zernike矩基本完成是對(duì)圖像目標(biāo)識(shí)別任務(wù)。但是還是存在一些問(wèn)題，例如由于設(shè)計(jì)算法上的缺陷，不能同時(shí)達(dá)到識(shí)別率與識(shí)別速度統(tǒng)一，這都是以后需要改進(jìn)和提高的地方。結(jié)論本次課程設(shè)計(jì)主要是在Matlab平臺(tái)基礎(chǔ)上對(duì)基于Hu矩和Zernike矩的圖像目標(biāo)識(shí)別方法進(jìn)行研究。 本文從理論和試驗(yàn)兩方面論證了 Hu 矩和Zernike 矩用于飛行目標(biāo)識(shí)別的可行性，能夠?qū)ΥR(shí)別目標(biāo)進(jìn)行特征值的提取，并成功的識(shí)別出它們所屬的類型，基本滿足了設(shè)計(jì)要求。同時(shí)證明目標(biāo)圖像無(wú)論是旋轉(zhuǎn)、縮放還是平移，其空間不變矩基本變化不大。具有良好的穩(wěn)定性。本文方法可較容易地推廣應(yīng)用于其它圖像識(shí)別領(lǐng)域。這次課程設(shè)計(jì)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(duì)于背景復(fù)雜的，分辨率會(huì)降低。算法也需要繼續(xù)完善，來(lái)進(jìn)一步來(lái)提高識(shí)別率。社會(huì)經(jīng)濟(jì)效益分析本文研究的算法主要是用于目標(biāo)識(shí)別，將來(lái)也可以向圖像的識(shí)別和跟蹤方向發(fā)展，可以對(duì)圖像進(jìn)行智能分類。隨著人類生活水平的不斷提高，在日常生活中，人們就常常積攢了大量的相片，所以需要把這些大量的圖片信息進(jìn)行分類，本項(xiàng)研究成果可以實(shí)現(xiàn)圖片的自動(dòng)分類，提高分類效率。此外，隨著視頻監(jiān)控系統(tǒng)不斷向數(shù)字化和智能化發(fā)展，智能監(jiān)控技術(shù)已經(jīng)引起了越來(lái)越多的國(guó)內(nèi)外廠商和學(xué)者的重視并進(jìn)行了一系列的研究。隨著時(shí)代的進(jìn)步，這項(xiàng)技術(shù)也在不斷的發(fā)展完善，智能監(jiān)控在未來(lái)必將有廣闊的應(yīng)用前景并為社會(huì)帶來(lái)巨大的經(jīng)濟(jì)效益。所以，目標(biāo)識(shí)別將發(fā)揮越來(lái)越重要的作用，也將更廣泛地應(yīng)用于各個(gè)領(lǐng)域，諸如宇航、衛(wèi)星遙感、軍事偵察、物醫(yī)學(xué)工程，以及工業(yè)檢測(cè)等領(lǐng)域。本次設(shè)計(jì)主要是完成了基于Hu矩和Zernike矩的圖像目標(biāo)識(shí)別算法設(shè)計(jì)。無(wú)論是在軍事上還是在日常生活中都起到了相當(dāng)重要的作用。參考文獻(xiàn)[1] 丁明躍，[J].，7(1):19[2] 嚴(yán)柏軍等，基于不變矩特征匹配的快速目標(biāo)檢測(cè)算法[J].紅外技術(shù)，2001，23(6):812[3] 何斌，馬天予，王運(yùn)堅(jiān). Vision C++I數(shù)字圖像處理(第二版).人民郵電出版社，2002[4] 徐旦華，辜嘉，李松毅. Zernike矩的快速算法[J].東南大學(xué)學(xué)報(bào)，2002，32(2):189192[5] 金豐華，秦磊，[J].山東生物醫(yī)學(xué)工程，2002，21(2):810[6] 甘俊英，[J].計(jì)算機(jī)工程與應(yīng)用，2002，24(3):5356[7] 何青，[J].華北電力大學(xué)學(xué)報(bào)，1998，25(4):8083[8] 商立群，杜亞娟. Hu矩和Zernike矩在圖像識(shí)別中的應(yīng)用[J].西安科技學(xué)院學(xué)報(bào)，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(xué)院學(xué)報(bào)，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(xué)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(xué)學(xué)報(bào)，2005，29(2):230233[18] 孫亦南，劉偉軍，[J].計(jì)算機(jī)應(yīng)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(dǎo)老師李忠海老師表示衷心的感謝。在這次畢業(yè)設(shè)計(jì)生活里，在學(xué)習(xí)和生活上，李老師給予了我悉心的指導(dǎo)和熱情的幫助。從論文選題、研究，到最后的論文寫作過(guò)程中，他都以認(rèn)真、細(xì)致和熱情的態(tài)度給以我指導(dǎo)。他扎實(shí)的專業(yè)基礎(chǔ)、廣博的知識(shí)、嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度和坦誠(chéng)待人的處世風(fēng)范都給我留下了深刻印象，使我獲益非淺.實(shí)驗(yàn)室中一起學(xué)習(xí)的其他老師和同學(xué)，他們對(duì)工作的熱情和其認(rèn)真的學(xué)術(shù)研究態(tài)度都在時(shí)時(shí)刻刻地激勵(lì)著我，使我每碰到挫折而灰心喪氣的時(shí)候都能又一次地鼓足勇氣繼續(xù)前進(jìn)。感謝和我在同一寢室生活的同學(xué)，還有其他在我身邊一起渡過(guò)畢業(yè)設(shè)計(jì)生活的同學(xué)，是他們使我的畢業(yè)設(shè)計(jì)期間的生活充滿色彩和樂(lè)趣，使我能在學(xué)習(xí)之余得到身心的放松，能一次又一次地勇敢面對(duì)學(xué)習(xí)和生活中遇到的各種困難。謹(jǐn)以此文獻(xiàn)給所有曾給過(guò)我指導(dǎo)、關(guān)懷和幫助的老師、同學(xué)、朋友們。是他們不僅在學(xué)習(xí)生活上給予我無(wú)私的關(guān)懷和幫助，更在精神上給了我莫大的鼓勵(lì)和支持。最后，再次對(duì)幫助過(guò)和關(guān)心過(guò)我的所有人，以及參與論文評(píng)閱的所有老師表示衷心的感謝！附錄Ⅰ 計(jì)算Hu的7個(gè)不變矩程序清單=sum(A)。=sum(x.*A)。=sum(y.*A)。xmean=。ymean=。%計(jì)算均值w00=。w02=(sum((yymean).^2.*A))/(^2)。w03=(sum((yymean).^3.*A))/(^)。w11=(sum((xxmean).*(yymean).*A))/(^2)。w12=(sum((xxmean).*(yymean).^2.*A))/(^)。w20=(sum((xxmean).^2.*A))/(^2)。w21=(sum((xxmean).^2.*(yymean).*A))/(^)。w30=(sum((xxmean).^3.*A))/(^)。%計(jì)算中心距h1=w20+w02h2=(w20w02)^2+4*w11^2h3=(w303*w12)^2+(3*w21w03)^2h4=(w30+w12)^2+(w21+w03)^2h5=(w303*w12)*(w30+w12)*[(w30+w12)^23*(w21+w03)^2]+(3*w21w03)*(w21+w03)*[3*(w30+w12)^2(w21+w03)^2]h6=(w20w02)*((w30+w12)^2(w21+w03)^2)+4*w11*(w30+w12)*(w21+w03)h7=(3*w21w03)*(w30+w12)*((w30+w12)^23*(w21+w03)^2)+(3*w21w30)*(w21+w03)*[3*(w30+w12)^2(w21+w03)^2]附錄Ⅱ 提取Zernike矩的特征向量的程序清單clear allimg=imread(39。39。)。img=rgb2gray(img)。img=imresize(img，[150，150])。img=1im2bw(img，)。imshow(img)。se=translate(strel(1)， [50 50])。J = imdilate(img，se)。imshow(img)， title(39。Original39。)figure， imshow(J)， title(39。Translated39。)。img=imrotate(img，90，39。bilinear39。)。imshow(img)。img=imresize(img，2，39。bilinear39。)。imshow(img)。[A_nm，zmlist，cidx，V_nm] = zernike(img，12)。%求出A_nm值A(chǔ)_nm(1)=sqrt(real(A_nm(1))^2+imag(A_nm(1))^2)A_nm(2)=sqrt(real(A_nm(2))^2+imag(A_nm(2))^2)A_nm(3)=sqrt(real(A_nm(3))^2+imag(A_nm(3))^2)A_nm(4)=sqrt(real(A_nm(4))^2+imag(A_nm(4))^2)A_nm(5)=sqrt(real(A_nm(5))^2+imag(A_nm(5))^2)。A_nm(6)=sqrt(real(A_nm(6))^2+imag(A_nm(6))^2)。A_nm(7)=sqrt(real(A_nm(7))^2+imag(A_nm(7))^2)。