• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    正交Gaussian-Krawtchouk不變矩的構(gòu)建及在圖像匹配中的應(yīng)用研究

    2021-03-27 01:16:00肖根福
    關(guān)鍵詞:平均偏差特征描述圖像匹配

    劉 歡,肖根福,熊 勇

    正交Gaussian-Krawtchouk不變矩的構(gòu)建及在圖像匹配中的應(yīng)用研究

    劉 歡1,2,*肖根福3,熊 勇3

    (1. 井岡山大學(xué)電子與信息工程學(xué)院,江西,吉安 343009;2. 江西省農(nóng)作物生長物聯(lián)網(wǎng)技術(shù)工程實驗室,江西,吉安 343009;3. 井岡山大學(xué)機(jī)電學(xué)院,江西,吉安 343009)

    針對基于幾何矩及不變矩的圖像特征描述存在信息冗余,計算復(fù)雜,圖像表征能力不強(qiáng)等問題,本文深入研究了正交的Gaussian-Krawtchouk矩及其不變矩的表達(dá)形式。依據(jù)不同的尺度因子特點,提出了基于多尺度Gaussian-Krawtchouk不變矩的圖像局部特征描述方法,并用于五種不同類型圖像的特征匹配。實驗結(jié)果表明,這種不變矩較其他傳統(tǒng)的特征描述方法具有更好的圖像表征能力,更強(qiáng)的數(shù)字穩(wěn)健性。該不變矩用于圖像匹配是有效可行的,具有良好的實用價值。

    正交Gaussian-Krawtchouk矩;不變矩;GKM描述子;圖像局部特征描述

    0 引言

    圖像匹配一直是圖像處理研究領(lǐng)域的熱點[1-3]?,F(xiàn)有圖像匹配技術(shù)大致可分為基于區(qū)域的匹配技術(shù)和基于特征的匹配技術(shù),其中后者具有更強(qiáng)的魯棒性和靈活性。近年來其在圖像處理方面得到了廣泛的采用與研究,備受關(guān)注。圖像局部特征描述是基于特征的匹配技術(shù)難度最大且最關(guān)鍵的步驟,其描述方法的好壞直接決定了匹配的質(zhì)量。矩與不變矩的方法由于形式簡單,計算速度相對較快,已被證明是圖像局部特征描述的一種非常實用的工具[4-6]。幾何矩及不變矩最早在1962年由Hu[7]提出7個著名的幾何不變矩,此后該矩在圖像處理與模式識別中得到了廣泛的應(yīng)用。文獻(xiàn)[8]則用幾何矩構(gòu)建非降維模型用于圖像分割。文獻(xiàn)[9]針對光照與模糊圖像,在Hu不變矩的基礎(chǔ)上重新構(gòu)建了新的組合不變矩,但該新組合不變矩只具有較好的光照魯棒性和模糊不變性,對其他類型因素的影響沒有考慮。文獻(xiàn)[10]提出用三維幾何矩解決高光譜圖像分類。張朝鑫[11]將高斯核函數(shù)引入幾何矩中,重新定義了高斯幾何矩及其位移和旋轉(zhuǎn)不變矩并證明了高斯幾何矩比幾何矩具有更強(qiáng)的特征表述能力和抗噪聲干擾能力。文獻(xiàn)[12]也提出了一種新的高斯多尺度組合幾何矩,將該組合矩與圖像的灰度共生矩陣相融合構(gòu)成新的圖像局部特征描述子用于圖像的特征點初匹配。

    由于幾何矩不是正交矩,用其表征圖像特征存在信息冗余。于是Teague[13]提出了在連續(xù)空間上具有正交性的Legendre和Zernike矩。Zernike矩被認(rèn)為具有很強(qiáng)的特征描述能力[14-15]。文獻(xiàn)[16]利用Zernike提取圖像的全局特征,并采用PCA進(jìn)行降維,用于人臉圖像識別。文獻(xiàn)[17]則提出一種改進(jìn)的Zernike矩,利用小尺寸奇數(shù)模板求解Zernike矩進(jìn)行二級定位,獲取亞像素級邊緣點實現(xiàn)圖像邊緣檢測的精定位。但Zernike矩中采用的是階乘運算,其運算耗時大,難以滿足實時性要求,此外高階的Zernike矩數(shù)字穩(wěn)定性較差。張朝鑫[18]將Gaussian-Hermite推廣到極坐標(biāo)復(fù)數(shù)空間,提出了極坐標(biāo)下的Gaussian-Hermite,并給出了其旋轉(zhuǎn)不變矩的構(gòu)造方法[19]。此后他又提出多尺度的Gaussian- Hermite矩描述圖像特征并用于圖像匹配[20]。但以上這些矩皆定義在連續(xù)空間上,用于表征數(shù)字圖像時需要進(jìn)行數(shù)字離散化,必然會導(dǎo)致離散誤差,影響矩的計算精度。為了克服連續(xù)矩的缺陷,Yap[21]等提出了離散正交的Krawtchouk矩。Krawtchouk矩能夠用于提取圖像的局部特征,不需要進(jìn)行近似計算,不存在信息冗余。離散正交矩簡單、實用、高效逐漸得到廣大圖像處理研究學(xué)者的重視。Gaussian-Krawtchouk屬于正交矩的一種,具有較強(qiáng)的圖像特征表征能力且計算簡單。但到目前為止,還未有文獻(xiàn)采用Gaussian-Krawtchouk矩用于圖像匹配方面的研究。

    本文提出一種正交Gaussian-Krawtchouk(GK)矩的特征描述方法,首次給出了Gaussian- Krawtchouk矩的定義,探討了GK的離散形式及計算方法,進(jìn)而創(chuàng)新性地推演出GK不變矩的表達(dá)形式。在此基礎(chǔ)上提出多尺度Gaussian-Krawtchouk不變矩的圖像局部特征描述方法,并用于圖像匹配。最后通過仿真實驗,與SIFT和經(jīng)典Hu幾何不變矩進(jìn)行比較分析。結(jié)果表明,GK不變矩的描述子具有更強(qiáng)的圖像特征表征能力,低階矩對噪聲不敏感,GK不變矩自帶尺度因子,其可控性更靈活,計算簡單,實用性更強(qiáng)。

    1 GK矩及其不變矩理論

    1.1 GK矩

    根據(jù)Krawtchouk矩的一般定義[21],提出一種新的矩:Gaussian-Krawtchouk矩,同時構(gòu)建其不變矩。

    Krawtchouk多項式定義為

    Krawtchouk多項式過零點分布,中間稀疏,邊緣較密,滿足正交性

    定義規(guī)則化后的Krawtchouk多項式為

    那么最終Krawtchouk多項式如式(1)所示。

    1.2 Gaussian-Krawtchouk矩的不變矩

    把GK矩表示成高斯幾何矩的線性組合,然后通過高斯幾何矩的不變矩來構(gòu)造GK矩的不變矩。高斯幾何矩的平移,旋轉(zhuǎn),尺度不變矩可寫成:

    在離散情況下,高斯幾何矩的不變矩可重新寫成如下:

    GK矩的平移,旋轉(zhuǎn),尺度不變矩則可由下式推出得到:

    2 多尺度GK不變矩的圖像特征描述方法

    下面給出2階-5階GK不變矩的形式,共18個。

    GKM描述子的具體構(gòu)造過程如下:

    2)計算前5階共18個GK不變矩;

    3)構(gòu)造18×7=126維的特征向量

    且GKM描述子計算得到的特征向量之后,用歐氏距離進(jìn)行特征點之間的比較得到正確的匹配對。歐式距離公式為

    3 實驗

    本實驗對比了5種狀態(tài)下GKM描述子的性能。圖像來自牛津大學(xué)標(biāo)準(zhǔn)圖片庫。如圖1-圖5所示。分別是模糊、縮放、光照、視角變換、旋轉(zhuǎn)圖像。

    圖1是模糊圖像,圖像的模糊度來自相機(jī)聚焦的不同,模糊程度依次加劇如圖1(a)-(d)。

    圖2是縮放變化圖像,尺度圖2(a)-(d)依次變小。

    圖3是不同光照條件下拍攝的圖片,圖3(a)-(d)亮度依次變暗。

    圖4是對同一場景不同視角拍攝的圖像,圖4(a)-(d)視角依次變大。

    圖5是是一組經(jīng)過旋轉(zhuǎn)的圖像,圖5(a)-(d)旋轉(zhuǎn)角度依次變大。

    圖1 不同模糊變化圖

    圖2 不同縮放程度圖

    圖3 不同光照變化圖

    圖4 不同視角變化圖

    圖5 不同旋轉(zhuǎn)變化圖

    本實驗分兩部分進(jìn)行,第一部分評估本文所構(gòu)造GKM特征描述子表征能力。第二部分是特征匹配實驗,本文選擇經(jīng)典的特征匹配算法SIFT,SIFT特征檢測+高斯幾何不變矩,SIFT特征檢測+GKM,SIFT+Zernike矩和SIFT+復(fù)數(shù)矩(CF)作比較。本文所采用的驗證算法皆采用SIFT檢測特征點,再分別計算SIFT128維特征向量,選擇7個不同尺度因子分別計算Hu的7個幾何矩(49維)和18個GKM(126維)。實驗環(huán)境:處理器:Intel(R) Core(TM)i7-6900K,內(nèi)存:64.0 GB,系統(tǒng)類型:64位操作系統(tǒng)。Window10操作系統(tǒng),MatlabR2014b+opencv3.4+VS2017。

    3.1 GKM特征描述子評估實驗

    表1 不同模糊程度的18個GKM值

    Table 1 The values of GKM with different blur degrees

    模糊圖1GQ02GQ20GQ11GQ03GQ30GQ12GQ21GQ04GQ40 (a)6.301531.000137.88979-2.22302-1.54090-1.80598-7.427228.168352.43956 (b)6.301821.000087.88914-2.22501-1.53775-1.79527-7.422218.177122.43946 (c)6.302301.000157.89372-2.23017-1.55287-1.80259-7.430128.168332.44060 (d)6.301201.000117.88749-2.22292-1.54083-1.80571-7.418408.170092.42818 平均誤差0.000410.000530.002290.002950.003430.004320.004520.003620.00508 平均偏差(%)0.007400.002980.033470.152750.137280.276750.070180.051160.24084 模糊圖1GQ13GQ31GQ22GQ05GQ50GQ14GQ41GQ23GQ32 (a)6.748939.997393.30247-2.31271-2.76249-1.99937-4.27440-1.18792-4.96219 (b)6.7500210.002623.29968-2.31139-2.76134-2.00111-4.27342-1.19001-4.96219 (c)6.7398510.011233.30173-2.29419-2.76239-2.00114-4.27513-1.18899-4.96223 (d)6.7601010.001303.30177-2.30997-2.76155-2.00114-4.27441-1.18002-4.97011 平均誤差0.007180.005060.001040.007500.000500.000770.000610.003950.00343 平均偏差(%)0.122730.058330.036470.375190.021080.043990.0164230.384020.07964 總平均誤差0.00369

    表2 不同縮放程度的18個GKM值

    Table 2 The values of GKM with different scales

    尺度圖2GQ02GQ20GQ11GQ03GQ30GQ12GQ21GQ04GQ40 (a)5.258038.903503.92332-2.98757-1.59325-3.31499-8.797507.828382.46907 (b)5.258028.904023.92362-3.00014-1.59332-3.31492-8.798207.818902.46919 (c)5.260028.899273.92276-3.00010-1.58979-3.31528-8.797497.825342.46887 (d)5.258108.903683.92817-3.00010-1.59312-3.31484-8.798027.900112.46894 平均誤差0.000860.001940.002160.005430.001490.000170.000310.007000.00012 平均偏差(%)0.018740.025180.063550.209270.108140.005780.004120.034270.00584 尺度圖2GQ13GQ31GQ22GQ05GQ50GQ14GQ41GQ23GQ32 (a)4.554462.022858.67291-8.17744-7.17564-4.88576-2.09378-5.19710-5.88239 (b)4.552212.022868.66986-8.17763-7.16987-4.87954-2.11023-5.19720-5.88246 (c)4.553902.023188.67607-8.17835-7.17741-4.88594-2.10274-5.18976-5.88292 (d)4.561202.022788.66988-8.17769-7.17524-4.88658-2.09296-5.19730-5.89102 平均誤差0.003430.000160.002570.000340.002820.002720.007080.003230.00366 平均偏差(%)0.086830.008830.034170.004850.045340.067470.389200.071620.07174 總平均誤差0.00253

    表3 不同光照變化的18個GKM值

    Table 3 The values of GKM with different light variations

    尺度圖2GQ02GQ20GQ11GQ03GQ30GQ12GQ21GQ04GQ40 (a)1.972031.167322.22065-3.37670-1.18614-4.38644-1.666994.838252.71619 (b)1.971231.167352.21879-3.37595-1.18670-4.38883-1.678094.838652.71724 (c)1.971301.171202.21887-3.38122-1.18702-4.38791-1.676814.837972.71328 (d)1.971651.173352.21943-3.38003-1.18720-4.37822-1.668054.838242.71811 平均誤差0.000410.002580.000740.002150.000400.004200.005000.000240.00182 平均偏差(%)0.019000.255100.038690.075420.039200.110690.345180.005790.07739 尺度圖2GQ13GQ31GQ22GQ05GQ50GQ14GQ41GQ23GQ32 (a)1.487533.511542.78767-1.17605-7.21625-4.38043-7.52842-2.96151-1.44470 (b)1.481513.513432.78732-1.17606-7.21381-4.37633-7.53231-2.96229-1.44382 (c)1.483913.521582.78719-1.17715-7.21358-4.38324-7.52844-2.96139-1.44379 (d)1.481323.512562.78770-1.17602-7.21467-4.38132-7.53111-2.96067-1.44471 平均誤差0.002500.003980.000220.000480.001050.002520.001690.000580.00045 平均偏差(%)0.195000.130890.009120.047060.016770.066500.025980.022400.03599 總平均誤差0.00253

    表4 不同視角變化的18個GKM值

    Table 4 The values of GKM with different viewpoints

    尺度圖2GQ02GQ20GQ11GQ03GQ30GQ12GQ21GQ04GQ40 (a)4.776963.157231.75120-4.23824-4.82103-4.39426-1.267411.765041.68756 (b)4.777253.157151.75093-4.23766-4.82121-4.39254-1.266361.764151.68722 (c)4.775393.156541.74613-4.23727-4.82202-4.39331-1.267231.764661.68708 (d)4.777273.156311.74519-4.23816-4.82311-4.39567-1.268301.766121.66916 平均誤差0.000780.000390.002720.000390.000820.001170.000690.000720.00085 平均偏差(%)0.018760.014340.179940.010720.019670.030680.062760.047330.05680 尺度圖2GQ13GQ31GQ22GQ05GQ50GQ14GQ41GQ23GQ32 (a)6.799312.951241.54618-1.41268-1.75365-2.08111-3.58358-1.93702-1.27451 (b)6.799332.952411.54655-1.41379-1.75238-2.07547-3.58429-1.92654-1.27385 (c)6.796412.952231.54584-1.40576-1.76336-2.08038-3.59055-1.93215-1.27502 (d)6.799242.952271.54679-1.41274-1.74732-2.07735-3.58702-1.92703-1.27521 平均誤差0.000380.000470.000360.003200.005810.002280.002740.004270.00053 平均偏差(%)0.021210.018200.026980.261500.382210.126760.088180.255180.04772 總平均誤差0.00253

    表5 不同旋轉(zhuǎn)變化的18個GKM值

    Table 5 The values of GKM with different rotation changes

    尺度圖2GQ02GQ20GQ11GQ03GQ30GQ12GQ21GQ04GQ40 (a)3.188292.666293.36538-2.71840-6.21675-1.13760-1.106201.790711.25636 (b)3.186242.666853.36300-2.71563-6.22133-1.13823-1.107331.790501.25517 (c)3.187922.670093.36410-2.71205-6.21803-1.13765-1.106591.790531.25628 (d)3.189422.670143.37002-2.71454-6.20998-1.13958-1.107111.788341.25638 平均誤差0.001140.001790.002670.002280.004130.000800.000450.000970.00051 平均偏差(%)0.041300.077180.091730.096920.076720.080110.0461000.062780.04670 尺度圖2GQ13GQ31GQ22GQ05GQ50GQ14GQ41GQ23GQ32 (a)4.684552.579217.48639-2.63407-2.26717-1.03393-1.25609-2.96507-5.95656 (b)4.680542.576707.48633-2.62423-2.26734-1.02988-1.25597-2.97084-5.97423 (c)4.675632.578597.49112-2.63455-2.26448-1.03309-1.25569-2.97051-5.95689 (d)4.673942.572287.47762-2.64197-2.27112-1.03308-1.25598-2.97022-5.95820 平均誤差0.004170.002710.004880.006300.002370.001550.000150.002370.00739 平均偏差(%)0.103010.121510.075210.276360.120390.173200.013580.092230.14319 總平均誤差0.00253

    3.2 圖像匹配實驗

    本部分實驗使用衡量參數(shù):匹配正確率,召回率評估最后的匹配效果,計算耗時用于衡量匹配的效率。其中匹配正確率,召回率由下述公式得到:

    圖6-圖10列出各類型圖像不同方法的匹配正確率-召回率的統(tǒng)計數(shù)據(jù),各圖中每個散點對應(yīng)于每種類型圖像上的某種方法的正確率-召回率對。圖6給出了圖1(a)-(d)不同模糊情況下五種描述子匹配的正確匹配率-召回率比較,從圖中可以看出,本文GKM非常明顯地集中在右上角,即匹配效果更好。圖7給出圖2(a)-(d)不同縮放程度圖的五種描述子匹配的正確匹配率-召回率比較,從圖中可以看出,Zernike矩的匹配和GKM的匹配效果都很好,其中Zernike更好一些,GKM次之,復(fù)數(shù)矩的匹配也還不錯,以上三種描述子比SIFT和高斯幾何矩要優(yōu)秀。圖8給出了圖3(a)-(d)不同光照條件圖像的五種描述子匹配的正確匹配率-召回率比較,從圖中可以看出,SIFT、GKM和Zernike表現(xiàn)基本相當(dāng),其他三種表現(xiàn)稍差。圖9給出了圖4(a)-(d)不同視角拍攝圖的五種描述子匹配的正確匹配率-召回率比較,從圖中可以看出,GKM表現(xiàn)最為優(yōu)秀,SIFT次之,Zernike矩表現(xiàn)一般,高斯幾何矩和復(fù)數(shù)矩表現(xiàn)則不太理想。圖10給出了圖5(a)-(d)旋轉(zhuǎn)角度不同圖的五種描述子匹配的正確匹配率-召回率比較,從圖中可以看出,GKM依舊表現(xiàn)最為優(yōu)秀,始終集中在右上角,其次是SIFT,Zernike矩則表現(xiàn)一般,高斯幾何矩和復(fù)數(shù)矩則表現(xiàn)不太理想??傊?,本文的GKM方法在處理五類情況的圖像時總體效果都不錯,匹配正確率皆在80%以上,其中處理光照,縮放,模糊時其穩(wěn)定性優(yōu)勢明顯,其他情況次之。

    圖6 一類圖像間的正確匹配率-召回率

    圖7 二類圖像間的匹配正確率-召回率

    圖8 三類圖像間的匹配正確率-召回率

    圖9 四類圖像間的匹配正確率-召回率

    圖10 五類圖像間的匹配正確率-召回率

    表6 幾種描述子的耗時比較(s)

    Table 6 the comparison of running time between moments

    images(a)-(b)(a)-(c)(a)-(d) 高斯幾何矩圖10.480.330.32 圖20.470.440.40 圖30.370.350.24 圖40.540.420.39 圖51.421.311.12 SIFT圖11.671.691.73 圖21.841.861.92 圖31.871.932.05 圖41.912.332.39 圖54.354.424.54 Gaussian-Krawtchouk Moment(GKM)圖11.511.541.43 圖21.661.621.68 圖31.671.721.76 圖41.741.811.83 圖53.894.084.31 Zernike圖12.882.902.97 圖22.271.992.28 圖32.042.182.22 圖42.172.392.41 圖53.545.125.17 復(fù)數(shù)矩(CF)圖14.054.364.42 圖23.423.453.63 圖33.193.293.31 圖43.303.623.78 圖55.377.757.83

    表6列出了對幾種特征描述子計算時間的測試:SIFT描述子、高斯幾何矩、Zernike矩、復(fù)數(shù)矩(CF)、本文的GKM。從表1中數(shù)據(jù)可知,高斯幾何矩耗時最少,其次是GKM,這兩種矩描述子所需的計算時間遠(yuǎn)小于Zernike矩描述子與SIFT描述子。由于復(fù)數(shù)矩的高階矩包含了低階矩致使復(fù)數(shù)矩計算帶來重復(fù)計算,冗余性大。因此在上述幾種描述子中CF復(fù)數(shù)矩耗時最長。

    4 結(jié)論

    本文介紹了GKM,給出了GKM的計算方法,詳細(xì)推導(dǎo)了GKM的平移、旋轉(zhuǎn)、尺度不變矩,提出了基于正交矩GKM不變矩的圖像局部特征描述方法并用于不同類型圖像的匹配。通過實驗與現(xiàn)有的方法的分析比較,實驗結(jié)果表明:基于GK矩的圖像特征描述方法比現(xiàn)有的方法具有更穩(wěn)定的數(shù)字性能,更強(qiáng)的圖像表征能力且計算簡單,實用性更強(qiáng)。本文沒有詳細(xì)研究GKM的高階不變矩的推導(dǎo)和應(yīng)用,下一步將開展這一方面的研究工作。

    [1] 陳雪松,陳秀芳,畢波,等. 基于改進(jìn)SURF的圖像匹配算法[J]. 計算機(jī)系統(tǒng)應(yīng)用, 2020, 29(12): 222-227.

    [2] 陳國翠,顧桂梅,余曉寧,等. 融合PHOG和BOW-SURF特征的接觸網(wǎng)絕緣子缺陷檢測方法[J]. 小型微型計算機(jī)系統(tǒng), 2021, 42(1): 172-177.

    [3] 曹留霞,王曉紅,李闖,等. BRISK-DAISY無人機(jī)影像匹配算法研究[J]. 測繪工程, 2020, 29(2): 17-22.

    [4] Xiao B, Ma J F, Cui J T. Combined blur, translation, scale and rotation invariant image recognition by Radon and pseudo-Fourier-Mellin transforms[J]. Pattern Recognition, 2012, 45(1): 314-321.

    [5] Papakostas G A, Koulouriotis D E, Karakasis E G, et al. Moment based local binary patterns: a novel descriptor for invariant pattern recognition applications[J]. Neurocomputing, 2013, 99: 358-371.

    [6] Yang J, Xie S. Fingerprint matching based on extreme learning machine[J]. Neural Computing and Applications, 2013, 22(3/4): 435-445.

    [7] Hu M K. Visual pattern recognition by moment invariants[J]. IRE Transactions on Information Theroy, 1962, 8(2): 179-187.

    [8] 曹地,曹建農(nóng),朱倩. 一種基于圖像幾何矩的非降維連續(xù)尺度解構(gòu)模式[J]. 遙感信息, 2019, 1(34): 44-50.

    [9] 劉歡,郝礦榮,丁永生,等. 光照魯棒的抗模糊新組合不變矩圖像匹配方法[J]. 傳感技術(shù)學(xué)報, 2013, 26(9): 1-7.

    [10] Kumar, B. Hyperspectral image classification using three-dimensional geometric moments[J]. IET Image Processing, 2020, 14(10): 2175-2186.

    [11] 張朝鑫,席平. 高斯幾何矩及其在特征匹配與圖像配準(zhǔn)中的應(yīng)用[J]. 計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報, 2014, 26(7): 1116-1125.

    [12] Xiao G F, Liu H, Ouyang C J, et al. Multifeature fusion and mutual co-operative particle swarm optimization in three-dimensional reconstruction of belly[J]. Journal of Electronic Imaging, 2019, 28(2): 021003-1-021003-14.

    [13] Teague M R. Image analysis via the general theory of moments[J]. Optical Society of America, 1980, 70(8): 920-930.

    [14] Xia T, Zhu H, Shu H, et al. Image description with generalized pseudo-Zernike moments[J]. JOSA A, 2007, 24(1): 50-59.

    [15] Zen C, Shu-Kuo S. A Zernike moment phase-based descriptor for local image representation and matching[J]. Image Processing, IEEE Transactions on, 2010, 19(1): 205-219.

    [16] 華珊珊.基于Zernike特征提取和LDA的人臉圖像識別方法[J]. 控制工程, 2018, 25(2): 198-203.

    [17] 劉明佩,朱維斌,葉樹亮. 基于改進(jìn)Zernike矩的小模數(shù)齒輪亞像素邊緣檢測[J]. 儀器儀表學(xué)報,2018,39(8): 259-267.

    [18] Shen J. Orthogonal Gaussian-Hermite moments for image characterization[C]. Proc. SPIE, Intelligent Robots and Computer Vision XVI: Algorithms Techniques, Active Vision, and Materials Handling, Pittsburgh, USA, 1997, 875-894.

    [19] 張朝鑫,席平,胡畢富. Gaussian-Hermite矩旋轉(zhuǎn)不變矩的構(gòu)建[J]. 北京航空航天大學(xué)學(xué)報,2014,40(11): 1602-1608.

    [20] 張朝鑫,席平. 基于Gaussian-Hermite矩的圖像局部特征描述與匹配研究[J]. 圖學(xué)學(xué)報, 2014, 35(3): 429-434.

    [21] Yap P T, Paramesran R, Ong S H. Image analysis by Krawtchouk moments[J]. IEEE Transactions on Image Processing, 2003, 12(11): 1367-1377.

    CONSTRUCTION OF INVARIANTS OF ORTHOGONAL GAUSSIAN-KRAWTCHOUK MOMENT AND THE APPLICATION IMAGE MATCHING

    LIU Huan1,2,*XIAO Gen-fu3, XIONG Yong3

    (1. School of Electronic and Information Engineering, Jinggangshan University, Ji’an, Jiangxi 343009, China; 2. Jiangxi Engineering Laboratory of IoT Technologies for Crop Growth, Ji’an, Jiangxi 343009, China; 3. School of Electromechanical, Ji’an, Jiangxi 343009, China)

    Aiming at the problem of information redundancy, complex calculation and low image representation of the method of the image feature description based on the geometric moment and invariant moment, orthogonal Gaussian-Krawtchouk moment and its invariant moment are deeply studied. According to the traits of different scale parameters, a description method on image local features based on multi-scale Gaussian-Krawtchouk invariant moment is presented, and was applied in the tests of image trait matching in five different types of images. The experimental results show that the proposed description method performs much better than the other traditional description methods with better image representation ability and stronger digital stability. The invariant moment applied in image matching is feasible and validate. It can offer a nice reference value.

    orthogonal Gaussian-Krawtchouk moment; invariant moment; GKM descriptor; image local feature description

    TP391

    A

    10.3969/j.issn.1674-8085.2021.02.011

    1674-8085(2021)02-0061-09

    2020-12-09;

    2021-01-18

    國家自然科學(xué)基金項目(61640412, 61762052, 42061055);江西省自然科學(xué)基金項目(20192BAB207021,20202BABL202047);江西省教育廳科技計劃項目(GJJ201008),江西省高校人文社科項目(YS20129)。

    劉 歡(1981-),女,江西吉安人,副教授,博士,主要從事圖形圖像處理、機(jī)器視覺、模式識別(E-mail:liuhuan816618@163.com);

    *肖根福(1980-),男,江西贛州人,副教授,博士,主要從事智能計算、模式識別(E-mail:xiaogenfu@163.com);

    熊 勇(1970-),男,江西吉安人,實驗師,主要從事圖像處理、智能優(yōu)化(E-mail:xiongong@163.com).

    猜你喜歡
    平均偏差特征描述圖像匹配
    In the Zoo
    河北地方性震級量規(guī)函數(shù)與方位角校正值研究1
    船舶尾流圖像的數(shù)字化處理和特征描述技術(shù)
    FY-3C/VIRR西北太平洋區(qū)域海表溫度精度評估?
    一種用于光照變化圖像匹配的改進(jìn)KAZE算法
    目標(biāo)魯棒識別的抗旋轉(zhuǎn)HDO 局部特征描述
    基于差異的圖像特征描述及其在絕緣子識別中的應(yīng)用
    電測與儀表(2015年3期)2015-04-09 11:37:56
    脛前動脈穿刺可行性及心肺流轉(zhuǎn)下脛前動脈與橈動脈壓力監(jiān)測的一致性研究
    挖掘機(jī)器人圖像匹配算法研究
    基于SIFT和LTP的圖像匹配方法
    一本久久精品| 少妇 在线观看| 亚洲最大成人手机在线| 一本久久精品| 一本一本综合久久| 下体分泌物呈黄色| 在现免费观看毛片| 国产精品99久久99久久久不卡 | 少妇人妻久久综合中文| 中文精品一卡2卡3卡4更新| 色哟哟·www| 亚洲精品国产成人久久av| 午夜免费鲁丝| 久久ye,这里只有精品| 少妇裸体淫交视频免费看高清| 亚洲精品久久午夜乱码| 午夜老司机福利剧场| 一区二区三区免费毛片| 亚洲av不卡在线观看| 麻豆成人av视频| 亚洲av日韩在线播放| 日本wwww免费看| 久久97久久精品| 美女高潮的动态| 亚洲av成人精品一区久久| 看十八女毛片水多多多| 日韩制服骚丝袜av| 日本av手机在线免费观看| 国产乱来视频区| 一级毛片aaaaaa免费看小| 亚洲国产高清在线一区二区三| 精品国产三级普通话版| av卡一久久| 久久久久久久国产电影| 不卡视频在线观看欧美| 亚洲精品久久久久久婷婷小说| 啦啦啦在线观看免费高清www| 免费观看的影片在线观看| 极品少妇高潮喷水抽搐| 夫妻性生交免费视频一级片| 久久精品国产自在天天线| 99九九线精品视频在线观看视频| 国产精品一区www在线观看| 亚洲在线观看片| 国产精品久久久久久久电影| 日韩三级伦理在线观看| 97热精品久久久久久| 欧美高清性xxxxhd video| 久久鲁丝午夜福利片| 成人黄色视频免费在线看| 深爱激情五月婷婷| 成年免费大片在线观看| 国产精品不卡视频一区二区| 精华霜和精华液先用哪个| 超碰av人人做人人爽久久| 三级国产精品片| 国产精品国产av在线观看| 身体一侧抽搐| 亚洲精品国产色婷婷电影| 亚洲成人久久爱视频| 成年女人在线观看亚洲视频 | 国产中年淑女户外野战色| 少妇的逼水好多| 中文字幕av成人在线电影| 精品久久久久久久久av| 麻豆精品久久久久久蜜桃| 国产伦精品一区二区三区四那| 国产爱豆传媒在线观看| 一级二级三级毛片免费看| 日韩一区二区三区影片| 看免费成人av毛片| www.色视频.com| 性色avwww在线观看| 亚洲精品一区蜜桃| 三级国产精品欧美在线观看| 日韩强制内射视频| 国产精品久久久久久久久免| 欧美日韩综合久久久久久| 国产精品一及| 亚洲人与动物交配视频| 亚洲精华国产精华液的使用体验| 一区二区三区精品91| 欧美一区二区亚洲| 国产视频内射| 看十八女毛片水多多多| 亚洲精品日韩av片在线观看| 一级二级三级毛片免费看| 最近2019中文字幕mv第一页| 涩涩av久久男人的天堂| 麻豆久久精品国产亚洲av| 有码 亚洲区| 狂野欧美激情性bbbbbb| 亚洲性久久影院| 少妇人妻一区二区三区视频| 久久97久久精品| 日本三级黄在线观看| 国产高清不卡午夜福利| 麻豆国产97在线/欧美| 国产美女午夜福利| 国产一区二区三区综合在线观看 | 青青草视频在线视频观看| 干丝袜人妻中文字幕| 内射极品少妇av片p| 看非洲黑人一级黄片| 18禁在线无遮挡免费观看视频| 99久久人妻综合| 美女脱内裤让男人舔精品视频| 在线观看三级黄色| 国产69精品久久久久777片| 一个人看视频在线观看www免费| 成人黄色视频免费在线看| 在线天堂最新版资源| 亚洲av男天堂| 亚洲成人久久爱视频| 尾随美女入室| 国内揄拍国产精品人妻在线| 国产淫片久久久久久久久| 成人午夜精彩视频在线观看| 3wmmmm亚洲av在线观看| 毛片女人毛片| 中国美白少妇内射xxxbb| 国产 一区精品| 亚洲欧美日韩卡通动漫| 女的被弄到高潮叫床怎么办| 赤兔流量卡办理| 久久久久久久久久成人| 亚洲经典国产精华液单| 国产精品偷伦视频观看了| 自拍欧美九色日韩亚洲蝌蚪91 | 夫妻性生交免费视频一级片| 你懂的网址亚洲精品在线观看| 夜夜看夜夜爽夜夜摸| 黄片无遮挡物在线观看| 丰满人妻一区二区三区视频av| 一级毛片电影观看| 大片免费播放器 马上看| 一级黄片播放器| 亚洲av在线观看美女高潮| a级一级毛片免费在线观看| 五月开心婷婷网| 日韩av在线免费看完整版不卡| 草草在线视频免费看| 女人十人毛片免费观看3o分钟| 国产精品伦人一区二区| 国产精品一区二区性色av| 我要看日韩黄色一级片| 最近最新中文字幕大全电影3| 欧美精品一区二区大全| 91久久精品国产一区二区成人| 久久久a久久爽久久v久久| 91久久精品电影网| 国产成人免费无遮挡视频| 最近最新中文字幕大全电影3| 日韩一本色道免费dvd| 一级毛片久久久久久久久女| 九九爱精品视频在线观看| 国产成人精品久久久久久| 欧美少妇被猛烈插入视频| 超碰97精品在线观看| 成人亚洲精品一区在线观看 | 噜噜噜噜噜久久久久久91| 欧美 日韩 精品 国产| 国产av码专区亚洲av| 欧美另类一区| 亚洲国产精品国产精品| 神马国产精品三级电影在线观看| 亚洲欧美日韩卡通动漫| 男人添女人高潮全过程视频| 日本色播在线视频| 日本欧美国产在线视频| 免费看不卡的av| 99热国产这里只有精品6| 日韩免费高清中文字幕av| 午夜免费男女啪啪视频观看| 少妇人妻久久综合中文| 热re99久久精品国产66热6| 白带黄色成豆腐渣| 亚洲精品国产成人久久av| 99热这里只有精品一区| 亚洲激情五月婷婷啪啪| 男插女下体视频免费在线播放| 少妇的逼水好多| 国内揄拍国产精品人妻在线| 人妻系列 视频| h日本视频在线播放| 在线观看三级黄色| 高清毛片免费看| 身体一侧抽搐| 王馨瑶露胸无遮挡在线观看| av在线亚洲专区| 精品久久久久久电影网| 51国产日韩欧美| 少妇高潮的动态图| 成人特级av手机在线观看| 蜜桃久久精品国产亚洲av| 国内精品美女久久久久久| 深爱激情五月婷婷| 免费人成在线观看视频色| 少妇人妻一区二区三区视频| 亚洲人与动物交配视频| 亚洲第一区二区三区不卡| 久久影院123| 亚洲图色成人| 亚洲欧美精品专区久久| 国产 精品1| 日韩,欧美,国产一区二区三区| 精品午夜福利在线看| 99热全是精品| 熟女电影av网| 色播亚洲综合网| 欧美潮喷喷水| av免费在线看不卡| 国产欧美日韩一区二区三区在线 | 国产v大片淫在线免费观看| 制服丝袜香蕉在线| 18禁在线无遮挡免费观看视频| 小蜜桃在线观看免费完整版高清| 97超视频在线观看视频| 狠狠精品人妻久久久久久综合| 边亲边吃奶的免费视频| 亚洲国产精品成人综合色| 成年女人在线观看亚洲视频 | 大又大粗又爽又黄少妇毛片口| 亚洲精品成人久久久久久| 一本一本综合久久| 欧美日韩综合久久久久久| 听说在线观看完整版免费高清| videos熟女内射| 神马国产精品三级电影在线观看| 好男人在线观看高清免费视频| 精品少妇黑人巨大在线播放| 精品一区在线观看国产| 国产日韩欧美在线精品| 国产伦精品一区二区三区视频9| 亚洲欧美日韩另类电影网站 | 亚洲av国产av综合av卡| 亚洲四区av| 精品少妇黑人巨大在线播放| 激情 狠狠 欧美| 日本一本二区三区精品| 久久久成人免费电影| 国产亚洲一区二区精品| 免费观看av网站的网址| 国产免费一区二区三区四区乱码| 黄色配什么色好看| 狂野欧美激情性xxxx在线观看| 又爽又黄a免费视频| 自拍偷自拍亚洲精品老妇| 国产亚洲av嫩草精品影院| 亚洲最大成人中文| 一级二级三级毛片免费看| 国产日韩欧美在线精品| 高清日韩中文字幕在线| 九九爱精品视频在线观看| 亚洲精品久久久久久婷婷小说| 婷婷色综合www| 亚洲欧美成人综合另类久久久| 久久精品夜色国产| 午夜福利网站1000一区二区三区| 一本久久精品| 免费av不卡在线播放| 偷拍熟女少妇极品色| 亚洲三级黄色毛片| 我的女老师完整版在线观看| 亚洲精品456在线播放app| 永久免费av网站大全| av卡一久久| 亚洲无线观看免费| 一级毛片电影观看| 狠狠精品人妻久久久久久综合| 插逼视频在线观看| 精品一区二区免费观看| 精华霜和精华液先用哪个| 亚洲精品日韩在线中文字幕| 一个人观看的视频www高清免费观看| 韩国av在线不卡| 欧美日韩综合久久久久久| 日本猛色少妇xxxxx猛交久久| 久久影院123| videos熟女内射| 只有这里有精品99| 男男h啪啪无遮挡| 国产欧美日韩精品一区二区| 国产精品一区二区性色av| 国产亚洲91精品色在线| 51国产日韩欧美| 看免费成人av毛片| 色吧在线观看| 91久久精品国产一区二区三区| 韩国av在线不卡| 欧美区成人在线视频| 久久久久久久午夜电影| 亚洲人成网站在线播| 熟女av电影| 精品人妻视频免费看| 美女内射精品一级片tv| 在线观看一区二区三区激情| 日韩一本色道免费dvd| 免费高清在线观看视频在线观看| 综合色av麻豆| 亚洲图色成人| 高清午夜精品一区二区三区| 成人漫画全彩无遮挡| 九九爱精品视频在线观看| 看免费成人av毛片| 国产午夜精品久久久久久一区二区三区| 男插女下体视频免费在线播放| 欧美97在线视频| 在线看a的网站| 青春草亚洲视频在线观看| 久久精品国产鲁丝片午夜精品| 免费看a级黄色片| 久久午夜福利片| 久久久精品免费免费高清| 成人黄色视频免费在线看| 男插女下体视频免费在线播放| 欧美人与善性xxx| 免费电影在线观看免费观看| 秋霞在线观看毛片| 网址你懂的国产日韩在线| 精品午夜福利在线看| 国产乱来视频区| 五月开心婷婷网| 黑人高潮一二区| 51国产日韩欧美| 亚洲在久久综合| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产 精品1| 91精品一卡2卡3卡4卡| 亚洲成人中文字幕在线播放| 午夜福利视频精品| 亚洲人成网站高清观看| 国产爱豆传媒在线观看| 综合色丁香网| 久久精品国产亚洲av天美| 国内精品美女久久久久久| 国产综合精华液| 一级爰片在线观看| 亚洲国产欧美在线一区| 黄色欧美视频在线观看| 自拍欧美九色日韩亚洲蝌蚪91 | 亚洲久久久久久中文字幕| 免费av毛片视频| 蜜桃亚洲精品一区二区三区| av国产免费在线观看| 国产亚洲一区二区精品| 国产一区二区三区av在线| 久久人人爽人人片av| 久久热精品热| 久久久久性生活片| 国产精品无大码| 干丝袜人妻中文字幕| 久久99蜜桃精品久久| 免费在线观看成人毛片| 2022亚洲国产成人精品| 国产69精品久久久久777片| 国产精品秋霞免费鲁丝片| 亚洲精品国产av蜜桃| 尾随美女入室| 少妇人妻 视频| 国产片特级美女逼逼视频| 国产又色又爽无遮挡免| 婷婷色综合大香蕉| a级毛色黄片| 亚洲av欧美aⅴ国产| 一个人观看的视频www高清免费观看| av黄色大香蕉| 深夜a级毛片| 久久人人爽人人片av| 午夜福利在线观看免费完整高清在| 一级二级三级毛片免费看| 天堂网av新在线| 国产精品国产三级国产av玫瑰| 亚洲av在线观看美女高潮| 久久精品久久久久久噜噜老黄| 97精品久久久久久久久久精品| 国内精品美女久久久久久| 婷婷色综合www| 亚洲成色77777| 卡戴珊不雅视频在线播放| 国产精品不卡视频一区二区| 99九九线精品视频在线观看视频| av在线亚洲专区| 久久久精品欧美日韩精品| 人人妻人人看人人澡| 久久久久久久午夜电影| 欧美高清成人免费视频www| 国国产精品蜜臀av免费| 午夜免费男女啪啪视频观看| 中国国产av一级| kizo精华| 久久人人爽av亚洲精品天堂 | 交换朋友夫妻互换小说| 精品人妻熟女av久视频| 久久久亚洲精品成人影院| 国产人妻一区二区三区在| 国产女主播在线喷水免费视频网站| 亚洲av免费高清在线观看| 肉色欧美久久久久久久蜜桃 | 精品人妻偷拍中文字幕| 久久久久国产精品人妻一区二区| 日产精品乱码卡一卡2卡三| 99热6这里只有精品| 亚洲av中文av极速乱| 国产中年淑女户外野战色| 亚洲一区二区三区欧美精品 | 少妇丰满av| 特大巨黑吊av在线直播| 搡女人真爽免费视频火全软件| 免费黄网站久久成人精品| 亚洲欧美成人综合另类久久久| 内地一区二区视频在线| 99热网站在线观看| 99热这里只有是精品50| 日本猛色少妇xxxxx猛交久久| 欧美潮喷喷水| 久久ye,这里只有精品| 91精品一卡2卡3卡4卡| 嫩草影院精品99| 91精品一卡2卡3卡4卡| 观看美女的网站| 国产成人freesex在线| 一区二区三区四区激情视频| 黄色日韩在线| 最后的刺客免费高清国语| av福利片在线观看| 国产亚洲av嫩草精品影院| 亚洲欧美精品自产自拍| 国产精品一区www在线观看| 久久久亚洲精品成人影院| 国产乱来视频区| 国产精品成人在线| 成年av动漫网址| 亚洲伊人久久精品综合| 国产成人a区在线观看| 又粗又硬又长又爽又黄的视频| 成人一区二区视频在线观看| 狂野欧美激情性xxxx在线观看| 亚洲无线观看免费| 女人十人毛片免费观看3o分钟| 看十八女毛片水多多多| 亚洲欧美清纯卡通| 欧美精品一区二区大全| 人妻系列 视频| 亚洲欧美日韩无卡精品| 欧美成人午夜免费资源| 中国三级夫妇交换| 国产免费又黄又爽又色| 国产亚洲最大av| 人人妻人人爽人人添夜夜欢视频 | 在线观看一区二区三区| 涩涩av久久男人的天堂| 国产国拍精品亚洲av在线观看| 久久这里有精品视频免费| 国产成人午夜福利电影在线观看| 欧美性感艳星| 大香蕉久久网| 国产免费一区二区三区四区乱码| 国产免费福利视频在线观看| 97精品久久久久久久久久精品| 深夜a级毛片| 亚洲图色成人| 自拍欧美九色日韩亚洲蝌蚪91 | 2022亚洲国产成人精品| 国产精品伦人一区二区| 九九久久精品国产亚洲av麻豆| 观看免费一级毛片| 亚洲欧洲日产国产| 国产成人freesex在线| 亚洲国产最新在线播放| 边亲边吃奶的免费视频| 色视频www国产| 日韩中字成人| 老女人水多毛片| 高清av免费在线| 亚洲性久久影院| 91久久精品国产一区二区成人| 久久女婷五月综合色啪小说 | 国产黄片美女视频| 国产淫片久久久久久久久| 自拍偷自拍亚洲精品老妇| 亚洲av不卡在线观看| eeuss影院久久| 又爽又黄a免费视频| 色哟哟·www| 国产伦在线观看视频一区| 国产免费视频播放在线视频| 亚洲av日韩在线播放| 国产中年淑女户外野战色| 26uuu在线亚洲综合色| 国产大屁股一区二区在线视频| 亚洲国产欧美人成| 一个人看视频在线观看www免费| 美女内射精品一级片tv| 两个人的视频大全免费| 热re99久久精品国产66热6| 精品久久久久久久久亚洲| 日日啪夜夜爽| 久久久久久国产a免费观看| 欧美人与善性xxx| 午夜老司机福利剧场| 91久久精品电影网| 亚洲成人一二三区av| 精品久久久久久电影网| 成人欧美大片| 亚洲精品久久午夜乱码| 高清午夜精品一区二区三区| 青春草国产在线视频| 免费播放大片免费观看视频在线观看| 欧美一级a爱片免费观看看| 舔av片在线| 色综合色国产| 中文乱码字字幕精品一区二区三区| 日产精品乱码卡一卡2卡三| 99久久人妻综合| 2018国产大陆天天弄谢| 亚洲在久久综合| 免费观看的影片在线观看| 亚洲精品亚洲一区二区| 亚洲人成网站在线播| 国产精品人妻久久久影院| 国产精品不卡视频一区二区| 最后的刺客免费高清国语| freevideosex欧美| av在线app专区| 搡老乐熟女国产| 三级经典国产精品| 国产人妻一区二区三区在| 黄片wwwwww| 成人美女网站在线观看视频| 偷拍熟女少妇极品色| 色网站视频免费| 亚洲人与动物交配视频| 最新中文字幕久久久久| 久久久精品免费免费高清| av在线播放精品| 永久网站在线| 女人被狂操c到高潮| 七月丁香在线播放| 国产毛片在线视频| 亚洲va在线va天堂va国产| 午夜日本视频在线| 久久精品国产亚洲av天美| 男女国产视频网站| h日本视频在线播放| 下体分泌物呈黄色| eeuss影院久久| 成人欧美大片| 美女内射精品一级片tv| 汤姆久久久久久久影院中文字幕| 99久久人妻综合| 亚洲最大成人av| 国产精品一区二区在线观看99| 国产人妻一区二区三区在| 成人国产麻豆网| 午夜免费观看性视频| 欧美zozozo另类| 交换朋友夫妻互换小说| 欧美高清性xxxxhd video| 精品久久久久久久久av| 国产精品一区二区三区四区免费观看| 国产淫片久久久久久久久| 久久久久精品久久久久真实原创| 美女被艹到高潮喷水动态| 日日摸夜夜添夜夜爱| 久久精品人妻少妇| 丝瓜视频免费看黄片| 久久久精品欧美日韩精品| 全区人妻精品视频| 日本黄色片子视频| 一本色道久久久久久精品综合| 亚洲国产精品999| 亚洲精品国产av成人精品| 国产黄频视频在线观看| 男女那种视频在线观看| 观看美女的网站| 边亲边吃奶的免费视频| 日本三级黄在线观看| 嫩草影院精品99| 日本-黄色视频高清免费观看| 成人二区视频| 啦啦啦在线观看免费高清www| 久久鲁丝午夜福利片| 在线免费十八禁| 日韩精品有码人妻一区| 少妇的逼水好多| 欧美成人一区二区免费高清观看| 中文欧美无线码| 青春草视频在线免费观看| 丝袜美腿在线中文| 男女啪啪激烈高潮av片| 高清在线视频一区二区三区| 亚洲av电影在线观看一区二区三区 | 亚洲成人av在线免费| 国产视频内射| 黑人高潮一二区| 伦理电影大哥的女人| 麻豆乱淫一区二区| 亚洲精品乱久久久久久| 欧美激情久久久久久爽电影| 韩国av在线不卡| 国产男人的电影天堂91| 99久久九九国产精品国产免费| 狂野欧美白嫩少妇大欣赏| 日日撸夜夜添| 亚洲国产日韩一区二区| 人妻少妇偷人精品九色| 日韩制服骚丝袜av| 色5月婷婷丁香| 日韩亚洲欧美综合| 久久久久精品久久久久真实原创| 亚洲欧美成人精品一区二区| 99久久精品国产国产毛片| eeuss影院久久| 91精品一卡2卡3卡4卡|