摘要：针对计算机视觉中的步态图像提取问题,提出了一种基于行人轮廓变化的人体步态识别方法.对图像序列进行预处理,提取并采样行人轮廓,通过分析基于区域直方图的运动信号来估计2个单步长度,叠加前后帧间的新增轮廓区域和消失轮廓区域,从而构造出2组运动历史图像,并用其表达行人的步态特征,最后采用小波矩不变量提取这2组图像的特征,以作分类和识别之用.经Soton数据库实验表明,所提算法能很好地体现步态的时变信息和空间信息,大大降低了计算维数,所用小波矩的特征向量不仅具有平移、缩放和旋转不变性,而且具有局部性和多分辨率特征,正确识别率可达88.20%.

摘要：为了在工程应用中检索已有的三维CAD模型,以便重用相应零件的设计信息,节省设计和加工成本,提出一种基于小波矩和仿射不变矩特征融合的隐马尔科夫模型(HMM)三维CAD模型归类与检索算法。对三维模型图进行归一化处理,并分别提取归一化图像的小波矩特征值和仿射不变矩特征值;通过K-W检验算法选择出鲁棒性好、稳定性高的组合不变矩特征并进行编码;构造五类三维模型的样本集,将上述特征值作为HMM的输入观测值,通过修正的添加比例因子的多观测序列Baum-Welch(B-W)算法进行模型的训练与识别。将本文算法与其他三种算法进行实验对比,结果表明,本文所提出的算法具有较好的识别率和检索效率,具有一定的实用价值。

摘要：提出了一种连续小波矩的离散化算法,用于目标识别中的特征提取。因为可提取的小波矩数量较大,为简化分类器的设计,进一步提出了利用遗传算法(GA)进行自动的特征优化选择。仿真实验表明了离散小波矩的旋转不变性。基于瑞士联邦理工学院计算机视觉实验室的Obj_DB物体数据库,进一步测试了识别性能。结果表明,方法对任意选择的12个物体达到了100%识别率,优于无特征选择的方法和Hu矩特征方法。

摘要：针对传统的智能手绘草图识别系统无法精准、稳定地识别手绘草图的问题,文中设计一种基于小波矩的智能手绘草图识别系统。利用草图界面模块的手势书写界面输入草图作为操作指令,通过草图控制模块的预处理子模块预处理草图笔划,完成笔划的分割并将其传输至草图识别子模块;通过基本图元识别器和组合图元识别器实现草图图形识别,基于小波矩采集草图特征,计算样本草图和草图库中草图小波矩特征值的欧氏距离,依据欧氏距离排列草图,完成草图内容识别;操作控制子模块和手势命令识别子模块负责草图的控制和操作指令判别,并将系统运行过程中产生的数据存储于草图数据模块。实验结果表明,所提系统能有效识别草图的内容,识别的结果不受草图位置尺度变换和旋转的影响,可实现手绘草图的精准、稳定识别。

摘要：提出了基于小波矩特征和模糊核聚类算法的示功图故障诊断方法。通过边缘检测和形态学细化的方法完成示功图的图像分割,采用极坐标下小波不变矩算法提取示功图的形状特征,通过参数选择确定12个小波矩特征量,将特征量输入到模糊核聚类分类器中进行故障类型的分类识别,得到了良好的实验效果,验证了该算法对于示功图故障诊断的有效性。

摘要：由于除冰机器人工作在覆冰的电力线上,障碍物的识别存在着各类障碍物区分较难,准确率较低等不足。为提高机器人自主识别能力,设计一种自适应阀值的小波变换边缘提取算法来提取出障碍物的图像边缘,并针对电力线障碍物结构特点,在障碍物边缘提取过程中设计一种基于电力线位置约束的有效剔除部分干扰背景的方法;引入小波矩,通过提取边缘图像的小波矩作为障碍物的特征匹配数据;根据神经网络和粒子群算法的原理,设计一种粒子群优化的小波神经网络进行障碍物的识别分类,该方法用粒子群算法取代传统的梯度下降法,并改进惯性权重因子,优化小波网络的各个参数。试验结果表明所提出的方法对电力线上防震锤、悬垂线夹和耐张线夹等障碍物能够有效地识别,并具有比普通识别方法更高的识别精度。

摘要：论文设计并实现了一个基于交互反馈机制的三维检索系统。该系统用基于小波矩的方法提取三维模型的特征,提供交互界面允许用户对检索结果进行评判。通过将评判的结果反馈给系统的分类器和权值调整模块,系统更新权值向量等参数,不但可以改善分类的精度,还可以提高同类模型的相似性排序的计算精度。

摘要：基于步态的身份识别是近几年出现的一种新的生物识别技术。将Zernike矩应用到步态识别中,同时利用小波矩的局部辨析能力,将两种矩结合起来作为识别特征,从而提出一种基于混合不变矩的步态识别方法。为了减少特征向量维数的增加带来的计算复杂度,采用一种改进的BP神经网络用于识别,在保证分类效果的基础上减小计算复杂度。实验结果表明,基于混合不变矩的步态识别方法在识别率上优于基于单一不变矩的方法。

摘要：为了提高身份识别的正确率,加大身份识别伪造的难度,提出一种基于手骨的身份识别方法,并设计实现一种手骨身份识别系统.基于手骨的身份识别方法主要包括:首先获取手骨正位X光图像,然后对该图像进行Harris角点检测,通过Snake模型提取手骨轮廓图像,计算图像的小波矩作为手骨图像的特征值.最后先通过模糊C均值聚类算法进行聚类操作,再通过支持向量机进行分类识别,完成手骨的身份识别.在该方法的基础上,设计实现一种手骨身份识别系统,由于手骨X光图像的唯一性并且很难进行伪造,提高了身份识别的正确率和安全性.