Hu矩

摘要： AMOLED生产工艺复杂,在生产过程中容易受环境、化学气体、液体洁净度及设备工艺参数的影响,在玻璃面板上形成大小不均的点状不良。当面板上出现大量不良点聚集时,会导致该面板直接报废,影响产品的最终良率。本文方法结合机器学习与图像处理技术,可实现不良坐标点MAP图的在线智能分析。采用层次聚类算法对不良坐标点进行聚集分类,对每类离散点簇采用Alpha Shapes算法提取其外轮廓点;通过图像区域拟合算法,拟合出每类点簇的最小包围图形区域,并计算图形的Hu几何矩,推导出各区域的区域特征(区域点密度、面积、区域的质心、区域方向、区域长宽比等),并利用区域特征对图形区域进行筛选,最终定位出不良点的目标聚集区域。实验证明,本文方法可实现MAP图智能在线分析,自动定位不良点聚集区,可替代当前人工目检的方式,保证检测质量,降低工厂成本。

摘要： 现有的篡改检测方法中特征点提取不充分会导致篡改检测精度不高,特征点描述符识别率差,针对该问题提出一种基于颜色矩的区域划分和四元数Hu矩的彩色图像复制粘贴篡改检测算法。首先,使用自适应形态重建算法对图像进行超像素分割,通过密度聚类算法对图像自适应划分区域;其次,提出一种关键点提取方法得到均匀的SIFT特征点;然后,在一种新颖的彩色图像四元数表示方法中构建局部高斯金字塔提取Hu矩特征;最后,利用2NN进行特征匹配后,结合Delaunay三角形算法定位出复制粘贴篡改区域。在公共数据集上的实验结果表明,该算法可以更有效地定位篡改区域。

摘要： 为了实现液晶屏字符高效、精准的自动化检测,针对液晶屏字符显示的断线、亮度缺陷,提出一种基于多特征矩融合的液晶屏字符缺陷检测算法。首先提取原始液晶屏图像中ROI区域,使用Hu不变矩来描述字符的结构特征,采用Zernike矩来弥补Hu矩所不能描述的高阶矩信息;然后使用颜色矩来描述字符的颜色特征,采用灰度矩弥补颜色矩所不能描述的灰度信息,并运用2DPCA技术融合上述矩阵,通过欧氏距离来衡量标准图像融合特征矩阵与待检测图像融合特征矩阵之间的相似度,通过设定相似度阈值来达到缺陷检测的目的。实验的客观和主观评价结果表明:主观上,该算法具有一定的稳定性、实用性;客观上,该算法相比于同类算法具有较低的误判率1%、漏判率0%以及较高的效率0.6 s,基本满足实际检测需求。

摘要： 在基于机器视觉的智能化在线测量等应用领域,需要实时自动地提取图像中的感兴趣区域(regions of interest,ROI),以提高在线测量的计算效率和自动化程度.研究了Hu矩的数学模型,分析了Hu矩模板匹配算法和目标跟踪算法的各自优势和不足,针对现有Hu矩模板匹配算法无法实现对目标实际大小的自适应以及计算量大、现有目标跟踪算法需要人工手动划定初始跟踪目标等问题,提出了一种将变模板尺寸的Hu矩模板匹配算法和目标跟踪算法相结合的方法,将变模板尺寸的Hu矩模板匹配算法得到的自适应ROI提取结果作为目标跟踪算法的初始跟踪目标,实现了ROI的实时自动提取.实验表明,变模板尺寸Hu矩模板匹配算法能够根据实际场景中目标所占画面比例提取到合适大小的ROI,在将其作为初始跟踪目标输入KCF目标跟踪算法后,应用于1920×1200尺寸的图像能做到平均8帧每秒的实时ROI提取.

摘要： 针对自动装配线中的零件装配检测需求,以提花面板中动铁的装配检测为例,选用CMOS工业相机与PLC控制系统在装配线上搭建视觉平台.利用视觉相关理论和算法,首先对图像进行预处理,用Canny算子提取二值图中的轮廓,根据轮廓的面积及矩形度参数识别轮廓,只保留类矩形框轮廓及其中心坐标,在分析了异形零件中角点较规则零件普遍较多的特性后,提出了通过Harris角点与Hu矩结合改进的算法获得图像上的动铁RIO中心坐标的方法,最后计算类矩形框中心坐标与RIO中心坐标的距离判断动铁是否错装,结合Python和OpenCV图形处理库编写检测软件.实验证实该检测系统准确率达到99.7％,可实际应用于企业生产中.

摘要： 微重力下熔体润湿性实验研究是为了开展空间站高温关键材料的润湿性验证实验.提出了一种基于图像特征值的反馈控制算法,基于Hu矩特征相似度判断熔体轮廓变化,检测熔体熔化节点,并以此为分割反馈调节相机采集帧率.算法具备无人值守功能,并节约储存资源.针对三种熔体实验表明:所提算法检测熔化节点的精度准确;相较于传统的静态帧率法,采用图像反馈控制算法所得到的占用内存最大仅为其83.9％,有效地实现了存储空间的节约和优化.

摘要： 颜料层脱落区域的提取是壁画现状调查的重要环节,由于其光谱特征与壁画白色图案较为相似,仅利用光谱特征提取的精度较低.因此,提出了一种兼顾光谱特征和Hu矩形状特征的颜料层脱落区域提取方法.首先,利用壁画高光谱图像的光谱信息,经光谱降维,采用支持向量机监督分类法提取颜料层脱落区域与白色图案.然后,对颜料层脱落区域与白色图案分类结果分别进行连通,将连通后的图斑视为最小识别对象,利用Hu矩计算每一个对象的形状特征,采用支持向量机二分类再次区分对象图斑,实现颜料层脱落区域的半自动提取.最后,以青海省瞿昙寺壁画高光谱图像进行了提取.结果表明,该方法能提高颜料层脱落区域的提取精度,为壁画的现状调查提供支撑.

摘要： 颜料层脱落区域的提取是壁画现状调查的重要环节,由于其光谱特征与壁画白色图案较为相似,仅利用光谱特征提取的精度较低。因此,提出了一种兼顾光谱特征和Hu矩形状特征的颜料层脱落区域提取方法。首先,利用壁画高光谱图像的光谱信息,经光谱降维,采用支持向量机监督分类法提取颜料层脱落区域与白色图案。然后,对颜料层脱落区域与白色图案分类结果分别进行连通,将连通后的图斑视为最小识别对象,利用Hu矩计算每一个对象的形状特征,采用支持向量机二分类再次区分对象图斑,实现颜料层脱落区域的半自动提取。最后,以青海省瞿昙寺壁画高光谱图像进行了提取。结果表明,该方法能提高颜料层脱落区域的提取精度,为壁画的现状调查提供支撑。

摘要： 图像拼接是图像处理中十分重要的研究内容，其成果被广泛地应用于全景图制作等诸多领域。本文研究了图像拼接方法一般流程，并提出了一种基于Harris角点特征的精确匹配方法。该方法通过提取图片中角点周围图像的Hu矩等特征，并与相关系数一道作为评判角点匹配程度的准则。最后，实现了一套包括图像预处理、图像对齐与匹配等诸多模块的图像拼接系统。并且通过实际操作证明，该方法的图像拼接效率较高，有较好的鲁棒性。

摘要： 图像拼接是图像处理中十分重要的研究内容，其成果被广泛地应用于全景图制作等诸多领域。本文研究了图像拼接方法一般流程，并提出了一种基于Harris角点特征的精确匹配方法。该方法通过提取图片中角点周围图像的Hu矩等特征，并与相关系数一道作为评判角点匹配程度的准则。最后，实现了一套包括图像预处理、图像对齐与匹配等诸多模块的图像拼接系统。并且通过实际操作证明，该方法的图像拼接效率较高，有较好的鲁棒性。

摘要： 图像拼接是图像处理中十分重要的研究内容，其成果被广泛地应用于全景图制作等诸多领域。本文研究了图像拼接方法一般流程，并提出了一种基于Harris角点特征的精确匹配方法。该方法通过提取图片中角点周围图像的Hu矩等特征，并与相关系数一道作为评判角点匹配程度的准则。最后，实现了一套包括图像预处理、图像对齐与匹配等诸多模块的图像拼接系统。并且通过实际操作证明，该方法的图像拼接效率较高，有较好的鲁棒性。

摘要： 图像拼接是图像处理中十分重要的研究内容，其成果被广泛地应用于全景图制作等诸多领域。本文研究了图像拼接方法一般流程，并提出了一种基于Harris角点特征的精确匹配方法。该方法通过提取图片中角点周围图像的Hu矩等特征，并与相关系数一道作为评判角点匹配程度的准则。最后，实现了一套包括图像预处理、图像对齐与匹配等诸多模块的图像拼接系统。并且通过实际操作证明，该方法的图像拼接效率较高，有较好的鲁棒性。

摘要： 提出了一种基于几何不变矩的图像零水印方案。该方案不改变原始图像的数据，利用图像几何不变矩构造水印，较好地解决了水印的鲁棒性与不可感知性之间的矛盾。实验证明，水印方案对几何变换及常见的图像处理具有较好的鲁棒性。

摘要： 提出了一种基于几何不变矩的图像零水印方案。该方案不改变原始图像的数据，利用图像几何不变矩构造水印，较好地解决了水印的鲁棒性与不可感知性之间的矛盾。实验证明，水印方案对几何变换及常见的图像处理具有较好的鲁棒性。

摘要： 提出了一种基于几何不变矩的图像零水印方案。该方案不改变原始图像的数据，利用图像几何不变矩构造水印，较好地解决了水印的鲁棒性与不可感知性之间的矛盾。实验证明，水印方案对几何变换及常见的图像处理具有较好的鲁棒性。

摘要： 提出了一种基于几何不变矩的图像零水印方案。该方案不改变原始图像的数据，利用图像几何不变矩构造水印，较好地解决了水印的鲁棒性与不可感知性之间的矛盾。实验证明，水印方案对几何变换及常见的图像处理具有较好的鲁棒性。

摘要： 提出了一种基于几何不变矩的图像零水印方案。该方案不改变原始图像的数据，利用图像几何不变矩构造水印，较好地解决了水印的鲁棒性与不可感知性之间的矛盾。实验证明，水印方案对几何变换及常见的图像处理具有较好的鲁棒性。

摘要： 物体形状的识别是模式识别与计算机视觉领域中的具有挑战性的问题.Hu矩是有力的工具,本文利用主轴方法和改进的胡氏不变矩,提出了一种新的形状的轴对称性识别方法,试验表明,基于这种方法的识别算法具有很好的识别率.

摘要： 本发明提出的一种基于Hu不变矩改进算法的图书识别方法。包括以下步骤：(1)采集图书彩色图像并滤波；(2)根据滤波后的图像采用最小包围矩形算法确定图书边沿；(3)将图书边沿内的图书图像处理为固定的像素尺寸，并拆分为多个ROI；(4)依次将每个ROI进行通道分离，分离为红、绿、蓝三个色彩通道；(5)使用改良后的Hu不变矩算法，依次计算得到每个ROI的色彩通道的改良不变矩；(6)分析对比每个图书图像的所有改良Hu不变矩数据，进行图书识别。采用该方法，大幅度减少了人的操作量，同时避免了前期对书籍的条码设计、粘贴等过程，有效地节省了人力物力成本，识别准确，可移植性强，明显改善了标准Hu不变矩算法在外界光源偏色或亮度变化明显时的鲁棒性不好的缺陷。

摘要： 本发明公开了一种结合LTCD和Hu不变矩的COG中bump的分割方法，属于数字图像处理领域，应用于COG制作过程中的ACF粒子自动光学检测。本方法结合了改进LTCD方法的特征和Hu不变矩适合描述图像的形状特征的特点，能自动提取不规则形状bump，避免了ACF粒子自动光学检测过程中bump区域的人工框选,从而避免了人工框选的误差,提高了检测速度和精度,可以广泛的应用于COG制造中的自动光学检测。

摘要： 本发明涉及一种基于HU不变矩和支持向量机的服装款式识别方法，通过对服装图像的预处理，获取服装的外部轮廓，然后提取服装外部轮廓的HU不变矩特征，再予以基于支持向量机(SVM)的服装款式识别。所述对服装图像的预处理是指对服装图像分割处理，找到最大面积的8连通区域即为服装区域，并对服装区域填充内部空洞；所述获取服装的外部轮廓是指对服装图像的预处理后进行外部的边缘检测，得到服装的轮廓图像。所述提取服装外部轮廓的HU不变矩特征是指提取服装轮廓形状特征的七阶HU不变矩特征向量。所述基于SVM的服装款式识别采用SVM多分类器进行服装款式的多分类识别。本发明能够达到83％的识别准确率，识别服装轮廓相似的款式有较好的效果，具有快速和准确的特点，可适用于服装图像中服装款式的识别。

摘要： 本发明公开一种基于Hu矩的手语视频帧序列分类方法，包括以下步骤：步骤1：获取待识别的手语视频；步骤2：对该手语视频进行帧采样，获得帧序列；步骤3：将彩色图像的帧序列转换为二值图像的帧序列；步骤4：将手部与背景分割；步骤5：提取分割后的手部图像的Hu矩得到手部图像的特征向量；步骤6：计算每一帧与前一帧的特征向量之间的欧式距离，判决，贴数字标签，进行初步分类。步骤7：根据标签进行帧序列进一步分类，去除过渡动作帧，顺序输出分类后的标签序列。本发明计算复杂度较低，且对于手语图像的旋转、缩放和平移具有很好的鲁棒性，可直接应用于手语视频识别系统。

摘要： 本发明属于数字图像取证技术中被动盲检测技术领域，具体涉及一种基于改进Hu不变矩和Zernike矩的图像被动盲检测方法。本发明以图像子带编码为基础，利用Hu不变矩和Zernike矩的不变量对篡改图像进行检测。对图像做子带编码处理，得到近似子带(LL)图像，对近似子带图像进行Hu不变矩和Zernike矩的特征提取，用来表征图像的信息，最后采用上述特征信息进行图像的相关匹配。本发明从现实生产生活需要出发，针对数字图像取证任务，能够实现图像的旋转、平移等检测，具有更优质的鲁棒性，提高了检测准确率。

摘要： 本发明提供了一种基于Hu不变矩‑SVM相结合的焊缝图像模式识别方法，用于实现对焊缝图像进行识别，包括如下步骤：基于Hu不变矩对所述焊缝图像进行特征提取，得到七维不变矩数据；对SVM分类器进行训练，通过求取目标函数的最优值来确定将不同类型的七维不变矩数据分隔开的超平面；将七维不变矩数据输入到所述SVM分类器中，使用超平面的分隔不同类型的七维不变矩数据从而实现对所述焊缝图像模式的识别。本发明仅保留了决定焊缝图像类型的七维数据，删除了众多的图像中冗余特征，降低了SVM分类器识别的难度，提高了识别的时间，即使在低训练样本的情况下，依然具有很高的识别精度以及很好的鲁棒性。

摘要： 本发明公开了一种旋转机械轴心轨迹的改进HU不变矩提取方法，属于水电机组在线监测技术领域，包括利用HU不变矩方法对不同工况下的水电机组主轴轴心轨迹进行特征提取，从而对轴心轨迹形状自动识别，得出水电机组的标准轴心轨迹图；获取包括所述标准轴心轨迹图的水电机组数据信息，并与水电机组不同运行工况下的各单元标准区间数据进行对比和分析，得出水电机组工作情况；根据水电机组工作情况选择是否启动报警程，本发明算法简单，计算量小，识别精度高，轴心轨迹形状自动识别对于机组故障诊断自动化具有重要意义。

摘要： 利用单像素成像提取目标全局特征Hu不变矩的方法，包括以下步骤：S1、构造(p+q)阶二维函数G(x,y)，令二维函数满足：Gpq(x,y)＝xpyq；S2、调整p,q的参数值，生成相应的二维函数Gpq(x,y)调制信息；S3、将生成的二维调制信息发送至光调制系统中，对目标物体的照明光进行调制，产生结构调制光，并用调制光照射目标；S4、利用单像素探测采集系统获取目标透射或反射光的强度值，利用探测获取的强度值来反演获取目标全局特征的Hu不变矩。本发明通过融合单像素成像和提取目标全局特征不变矩的技术，实现对目标全局特征信息的高效快速获取，提升特征矩在新环境、新领域中的使用效率，本发明在目标分析理解和分类识别等领域具有广泛的应用前景。

摘要： 本发明提出的一种基于Hu不变矩改进算法的图书识别方法。包括以下步骤：(1)采集图书彩色图像并滤波；(2)根据滤波后的图像采用最小包围矩形算法确定图书边沿；(3)将图书边沿内的图书图像处理为固定的像素尺寸，并拆分为多个ROI；(4)依次将每个ROI进行通道分离，分离为红、绿、蓝三个色彩通道；(5)使用改良后的Hu不变矩算法，依次计算得到每个ROI的色彩通道的改良不变矩；(6)分析对比每个图书图像的所有改良Hu不变矩数据，进行图书识别。采用该方法，大幅度减少了人的操作量，同时避免了前期对书籍的条码设计、粘贴等过程，有效地节省了人力物力成本，识别准确，可移植性强，明显改善了标准Hu不变矩算法在外界光源偏色或亮度变化明显时的鲁棒性不好的缺陷。

摘要： 本发明公开了一种基于改进HU不变矩的快速图像匹配方法及其应用，属于图像处理技术领域。通过利用金字塔模型，成比例降低模板图像和待匹配图像的分辨率，优化起始匹配位置和搜索路径，减少模板遍历计算量；提出一种构造多尺度模板的方法，并利用相似度度量和连通域算法最终实现目标准确定位与标记，使得该算法对灰度变化、平移、大幅度旋转和缩放具有一定的不变性，且对大分辨率图像，匹配速度大大提高，取得了良好的匹配效果；在灰度畸变、图像失焦、目标平移、旋转和缩放的匹配上更加稳定和鲁棒，同时，因为本发明克服了大分辨率图像全局遍历匹配计算量大的缺点，极大提高了匹配效率，基本满足了高精密机械加工和检测行业实时匹配要求。