摘要：提出融合局部二值模式(LBP)和hu矩特征的车型识别算法。LBP特征能够很好地对车辆局部纹理进行描述,hu矩属于全局特征,反映了车辆的形状轮廓信息,将这两种互补特征结合能更好地表达车型特征。设计了融合特征的提取方法,并结合支持向量机分类器构建了车型识别系统。实验结果表明,融合算法比单一的特征算法性能更优,提高了车型识别率。

摘要：分析国内外车牌定位研究的现状,提出一种融合hu矩和区域矩图像特征的车牌定位方法。依次提取车牌的hu矩特征和各向同性的区域矩特征融合构成新的特征向量,各向同性的区域矩特征具有更强的旋转和尺度不变性,解决使用单一矩特征进行车牌定位时,对旋转和姿态变化较大的车牌识别率较低的问题,采用支持向量机(SVM)对特征进行分类。实验结果表明,在复杂的背景环境下,当车牌发生位置、姿态、尺度的变化时,该方法定位准确率达到90%以上,有一定的抗遮挡能力,具有一定的应用价值。

摘要：详细介绍hu矩,实现结构矩的离散化计算,然后测试hu矩在对图像加入不同程度模糊下的特征继承性.根据hu矩的平移、旋转和缩放不变性,设计基于主成分分析的特征目标识别算法.将基于主成分分析的快速匹配算法和基于hu矩的图像特征识别算法结合,实现了良好的特征辨识和匹配效果.

摘要：近景摄影测量中的人工标志多采用圆作为主要特征,当目标面与像片平面不平行时,圆形标志的像将为椭圆,本文提出了一种基于形状准则和hu距的精确类椭圆标志提取方法以及圆形标志的分类方法,并制作编码标志实物在室内实验室进行场景实拍实验,各项实验结果数据证明该理论方法可行。

摘要：轻系列滚动轴承保持架由于兜孔直径小、两半保持架之间钉孔距离相对较大等因素导致在铆压过程中易出现变形,造成铆压歪斜缺陷。为此,本文提出了基于图像纹理特征的模式识别方法用于保持架歪斜缺陷的准确识别。首先,改进了轴承图像归一化展开算法,实现了轴承图像展开起点的自动优化选择以避免误分割保持架、铆钉和滚动体;其次,设计了轴承图像保持架区域定位分割算法,准确分离出7个保持架区域;最后,分别提取保持架区域的hu矩和旋转不变均匀局部二值模式(LBP^riu2 P,R)作为纹理特征,并结合PCA降维方法构建轴承保持架缺陷识别的SVM分类模型。结果表明,基于hu矩和LBP^riu2 P,R的SVM模型的正确识别率分别为85%和100%。因此,轴承LBP^riu2 P,R特征结合SVM模型对轴承保持架歪斜缺陷具有较好的识别效果。该方法有望为滚动球轴承保持架铆压工艺缺陷的自动识别提供参考。

摘要：利用Kinect深度传感器所获取的图像深度信息实现手部从背景中的分割,并通过在hu矩基础上加入3个表达式,使不变矩包含更多细节特征,对手势目标进行识别,最后把得到的识别结果转换成控制指令通过Ad-Hoc网络传送给智能轮椅,实现运动控制.实验表明,通过该方法实现的手势以别存在图像旋转、缩放、平移的情况下具有不变性,对背景干扰具有较强的鲁棒性.

摘要：针对稻飞虱远程实时识别采集图像质量不高的问题,研究了基于不变矩提取形状特征值对稻飞虱进行分类。采用自行设计的拍摄装置采集稻飞虱图像,进行灰度化后用大津法二值化,再用数学形态学滤波;对二值图像采用hu矩、改进hu矩、Zernike矩和Kra_wtchouk矩4种不变矩分别提取特征值,再用BP神经网络进行训练和测试,以此检测4种矩的提取效果。试验用Matlab2008验证算法,对白背飞虱、褐飞虱和灰飞虱共300个样本进行了训练和测试,结果表明Kra_wtchouk矩提取稻飞虱图像形状特征值的识别率最高,总体达到了91.7%。该文可为大田中现场识别稻飞虱提供参考。

摘要：针对柑橘果形特征中圆度和果径检测精度低、姿态定位时间长的问题,设计了一种嵌入式快速检测与控制系统。系统以STM32单片机为系统控制核心,测量了单目相机图像的半径误差和形状误差,并采用高斯滤波、数字图像形态学、hu矩和Canny算法,对动态的柑橘图像进行姿态识别与柑橘果形检测。检测结果表明:视觉检测系统半径误差控制在1.8%以内,形状误差为2.71%~3.69%;在5个/s柑橘的检测速度下,柑橘圆度和果径的在线分级正确率分别为81%和91.92%。本研究结合机器视觉无损检测技术,实现了动态下柑橘圆度和果径特征的综合检测与分级。

摘要：基于BP神经网络技术设计了一套机器视觉系统,该系统可以用于代替人工识别煤矿用吊装吊耳配合。系统利用对数据归一化、图像hu矩、BP神经网络等算法,将数据集进行BP神经网络训练,最终实验数据表明,在二分类情况下,对正面数据集的识别准确率为100%、对左侧数据集的识别准确率为91.67%、对右侧数据集的识别准确率为89.17%。综合实验结果表明采用BP神经网络可实现吊装吊耳位置的识别。

摘要：针对现存的虚拟装配系统交互的沉浸感和适应性不强等缺点,采用一对正交放置的光学摄像机,首先从二值图像中提取双手轮廓,自动跟踪双手的运动轨迹,同时利用手势轮廓的hu矩特征进行手势识别,分离出左右手的移动向量,根据物体的轴向包围盒进行碰撞检测,实现了一个可以用双手与计算机进行交互的虚拟装配系统,验证了方法的可行性。