基于矩特征提取的圖像識別算法研究.pdf

1、圖像識別是近20年發(fā)展起來的一門模式識別技術，可將人的視覺認知和理解過程用現(xiàn)代信息處理技術和計算機技術來完成，它以研究根據(jù)提取圖像的特征進行識別和分類為主要內容，廣泛應用于文字識別、指紋識別、遙感、醫(yī)學診斷、工業(yè)產品檢測、衛(wèi)星航空圖片解釋等領域。
　　 提取圖像特征時，為使目標圖像具有平移、旋轉和比例不變性，可根據(jù)矩算法提取不變矩特征,包括Hu矩、Zernike矩和小波矩。Hu矩和Zernike矩都是在整個圖像空間中計算，得到的

2、是圖像全局特征，容易受到噪聲干擾。尤其當可用樣本的數(shù)量較少時，選擇最能表示圖像的特征就顯得非常重要。基于小波變換的小波矩能同時得到圖像的全局特征和局部特征，更適合識別相似形狀或者有噪聲干擾的目標圖像。
　　 在模式分類方面，可采用BP神經網絡，但BP網絡具有容易陷入局部極小點、收斂速度慢、識別率波動幅度較大等缺點；小波神經網絡通過對BP網絡結構的改進，解決了BP網絡的收斂速度緩慢等問題，卻具有初始化參數(shù)過程復雜、多維輸入情況下計

3、算量劇增等缺點。支持向量機(Support Vector Machine--SVM)是建立在統(tǒng)計學理論的VC維理論和結構風險最小化原理基礎上的一門新興學科，能較好解決局部極小點、高維數(shù)、非線性等實際問題。
　　 基于統(tǒng)計的圖像識別方法(如模板匹配)只有在樣本足夠大時，性能才有保證。實際中有時難以提供大量樣本，這樣就可能因信息量不足而導致識別準確率和推廣能力下降；神經網絡作為分類算法時推廣能力十分有限。為此本文提出一種小波矩結合支