基于正交矩模糊和仿射混合不變量的圖像識(shí)別算法

1、 第1 期 戴修斌， 等： 基于正交矩模糊和仿射混合不變量的圖像識(shí)別算法 57 對(duì)這些圖像使用 3 種混合不變量的識(shí)別率見(jiàn)表 2 由表 2 可知， 在不含有噪聲的情況下，3 種矩混合 不變量均能獲得很高的識(shí)別率； 當(dāng)含有不同強(qiáng)度和 不同類型噪聲時(shí)， 雖然圖像識(shí)別率隨著噪聲強(qiáng)度的 不斷增大而減小， 但是與其他矩混合不變量相比， LMI 仍然具有更高的識(shí)別率 圖4 表2 coil100 圖像數(shù)據(jù)庫(kù)中選取的原始圖像和部分形變圖像 J Pattern Recognition， 1993， 26（ 1） ： 167 174 variants 3 Reiss T H The revised fundame

2、ntal theorem of moment IEEE Trans Pattern Anal Mach Intell， invariantsJ 1991 ， 13 （ 8 ） ： 830 834 4 Rothe I，Susse H，Voss K The method of normalizaJ IEEE Trans Pattern Ation to determine invariants nal Mach Intell， 1996 ， 18 （ 4 ） ： 366 375 5 Flusser J， Suk T Degraded image analysis： an invariant app

3、roachJ IEEE Trans Pattern Anal Mach Intell， 1998 ， 20 （ 6 ） ： 590 603 6 Flusser J，Boldy J，Zitov B Moment forms invariant to rotation and blur in arbitrary number of dimensions J IEEE Trans Pattern Anal Mach Intell，2003，25 （ 2 ） ： 234 246 7 Zhang H，Shu H Z ，Luo L M ，et al Blurred image recognition by

4、 Legendre moment invariantsJ IEEE Trans Image Process ， 2010 ， 19 （ 3 ） ： 596 611 8 Zhang Y ，Wen C ，Zhang Y ，et al Determination of blur and affine combined invariants by normalization J Pattern Recognition， 2002 ， 35 （ 1 ） ： 211 221 9 Suk T ，F(xiàn)lusser J Combined blur and affine moment inJ Pattern var

5、iants and their use in pattern recognition Recognition， 2003 ， 36 （ 12 ） ： 2895 2907 10 Shu H Z ， Zhou J， Han G N， et al Image reconstruction from limited range projections using orthogonal moments J Pattern Recognition， 2007， 40（ 2） ： 670 680 11 Suk T ，F(xiàn)lusser J Affine normalization of symmetric ob

6、jects J Lecture Notes in Computer Science ， 2005 ， 3708 ： 100 107 100 數(shù)據(jù)庫(kù)圖像使用各種矩混合不變量獲 針對(duì) coil得的圖像識(shí)別率 實(shí)驗(yàn)條件 不含噪聲 D =3 SMI 100 86. 56 80. 00 72. 19 86. 25 75. 94 65. 31 93. 75 90. 31 85. 00 D =5 D =7 = 0. 008 = 0. 010 = 0. 020 = 0. 010 ZMI 100 81. 56 72. 50 68. 75 85. 62 74. 69 60. 31 92. 81 89. 38 83

7、. 44 LMI 100 97. 81 92. 19 83. 13 90. 00 85. 62 77. 19 96. 88 92. 81 89. 06 % 含高斯噪聲 含椒鹽噪聲 含乘性噪聲 = 0. 060 = 0. 100 注： D 為噪聲標(biāo)準(zhǔn)方差； 為噪聲密度 5 結(jié)語(yǔ) 本文使用歸一化方法提出了一種新的 Legendre 正交矩仿射不變量， 并與 Legendre 模糊不變量 相結(jié)合構(gòu)造出基于 Legendre 正交矩的模糊和仿射 混合不變量 實(shí)驗(yàn)結(jié)果表明， 與其他非正交矩混合 不變量相比， 本文提出的這種混合不變量具有更好 的不變性和更高的圖像識(shí)別率， 特別是在圖像含有 噪聲的情況下 參考文獻(xiàn) （ References） 1 Flusser J，Suk T ，Zitov B Moments and moment invariants in p