退化图像不变性识别研究

Invariant image recognition is usually regarded as image recognition under geometric transform deformation such as translation, scale and rotation, it is an important technology to enhance the adaptivity of computer vision system and has been widely used in the field of pattern recognition and other similar applications. Since images which we acquired usually have been degraded by other deformation such as noise, illumination, defocus blur, motion blur, etc., image invariant recognition only under geometric transform deformation can not satisfy the demand of image recognition system. In this project, we mainly study the image invariant recognition problem under combined deformations by image moments analysis method, image transform and image local moments methods form both global invariant feature extraction and local invariant feature extraction points. In addition, we discuss the problem of projective invariant image recognition, invariant image recognition under fog (haze) deformation and the degradation modeling problem under sand storm deformation. We propse a new idea to contrstruct projective invariant features using Cross ratio moments and Area moments. In order to verify the performance of these algorithms proposed in this project, we use vehicle license plate and traffic sign images under adverse weather condition and real images under combined deformation for testing. The implementation of this project will be helpful for the application of image recognition system in engineering practice fields especially in the fields of acquired images deformed by varies degradations.

图像的退化不变性识别通常是指图像几何畸变不变性识别，是提高计算机视觉系统自适应性的重要技术，但通常图像在发生几何畸变的同时也伴随灰度变换的退化（噪声、光照变化、对焦模糊、运动模糊等），单纯的图像几何畸变不变性识别往往不能满足图像退化识别的要求。本项目主要研究图像组合退化不变性识别问题，利用矩分析、图像变换和图像局部矩等方法从全局特征和局部特征两个角度去构造组合退化不变特征，然后进行图像分类或配准。另外，本项目还深入研究图像投影变换不变性识别和恶劣气候（大雾、沙尘）条件下引起的图像退化不变性识别问题，提出利用交叉矩和面积矩分析方法构造图像投影变换不变特征的新思路。为验证项目中所提出的算法的性能，以恶劣气候环境下的车牌和交通标志退化图像为例，建立图像退化模型和各种退化图像数据库并进行识别测试。本项目的成功实施，将对图像识别系统在工程实践特别是在图像质量受到影响的工程应用中起到一定的推动作用。

图像的退化不变性识别通常是指图像几何畸变不变性识别，是提高计算机视觉系统自适应性的重要技术，但通常图像在发生几何畸变的同时也伴随灰度变换的退化（噪声、光照变化、对焦模糊、运动模糊等），单纯的图像几何畸变不变性识别往往不能满足图像退化识别的要求。本项目主要研究图像退化不变性识别问题，从退化图像增强复原和退化图像不变特征构造两个问题出发，利用矩分析、图像变换等方法去构造图像退化不变特征，然后进行图像分类或匹配。在本项目的支持下，项目组在基于矩方法的退化图像不变特征构造、图形描述、图像编码分析以及基于组合变换域与矩方法的图像分析与不变特征构造等方面取得突破。同时在退化图像的增强与复原方面也取得了初步成果。在退化图像不变性识别方面：提出了Radon域的矩与不变矩方法和定义了极坐标系下的Legendre矩，用于图像分析与识别；修正了Exponent-Fourier 矩的定义错误，并给出修正模型；提出了一种基于Jacobi-Fourier矩的通用图像径向正交不变矩，用于构造图像的几何结构畸变退化的不变特征。在图形描述方面：提出一种基于径向矩的图形圆度测量方法，具有很好的抗边沿突变和噪声干扰能力。在图形增强与复原方面：提出基于多高斯函数的直方图规定化方法并首次将粒计算思想用于图像增强中。在图像编码表示与分析方面，提出了基于离散Tchebichef矩和离散 Hermite矩的图像压缩算法。本项目的成功实施，对图像识别系统在工程实践特别是在图像质量受到影响的工程应用中起到一定的推动作用。

内容获取失败，请点击重试