基于图像识别的特征提取方法研究课件

,*,空军工程大学硕士学位论文答辩,Optiical Engineering,基于图像识别的特征提取方法研究,Studies on feature extraction based on image recognition,11/20/2024,.,答辩内容组织结构,背景,工作,结论,理论,.,1,图像识别的研究背景,图像识别、根本问题、发展,图像识别的系统,众多特征提取方法本质、缺陷,本论文的着手点,background,.,2,论文涉及的理论,特征描述与生成,基于轮廓的特征描述,基于矩的特征描述,基于变换的特征生成,常规的傅里叶描述子,仿射傅里叶描述子,短时傅里叶描述子,几种常用的矩,矩的性质,图像的极坐标变换,图像的频域变换,图像的梅林变换,图像的投影变换,1,2,3,.,3,自己的工作,创新点,扇区投影小波描述子（SPWD）,傅里叶梅林相关能量矩（FMCEM）,多类目标的特征选择算法,图像重建进行识别特征的评估,FD:Fourier Descriptor,SPWD:Sector-Projection-Wavelet-Descriptor,FMCEM:Fourier-Mellin-Correlation-Energy-Moments,FWD:Fourier-Wavelet-Descriptor,.,4,SPWD,扇区投影小波描述子,SPWD的由来：,FD的轮廓识别实验,实验一,实验二,实验三,.,5,SPWD,扇区投影小波描述子,结果一,结果二,结果三,.,6,扇区投影小波描述子,原因分析：,A,B,C,D,.,7,扇区投影,小波分析,扇区投影小波描述子定义,扇区投影小波描述子,为什么要扇区投影？,扇区投影中扇区数目的选择？,.,8,扇区投影小波描述子的分类结果,对傅里叶描述子不能识别的样本可以正确识别,样本集的随意性，对一些复杂轮廓、多类样本也可以正确识别,w,1,w,2,扇区投影小波描述子,A,B,C,D,.,9,傅里叶梅林相关能量矩,定义,优点,算法,FMCEM,A,B,C,D,E,.,10,以上研究的都是无噪声图像，分类效果图表明，无论是差别比较大的目标，还是差别细微的目标，傅里叶梅林能量相关矩都可正确识别,。,FMCEM,傅里叶梅林相关能量矩,分类效果,B,A,C,.,11,对于三类图像添加适量的噪声，以研究傅里叶梅林相关能量矩的抗噪能力，其添加的噪声是方差为0.03的椒盐噪声。,FMCEM,傅里叶梅林相关能量矩,B,A,C,.,12,FWD,傅里叶梅林相关能量矩,小波矩与傅里叶小波描述子的区别,傅里叶小波描述子的识别效果,傅里叶梅林相关能量矩的缺陷,A,B,.,13,feature selection,多类目标的特征选择算法,两类模式的可分辨度,N类模式的可分辨度,A,B,.,14,特征参数,m,n,q,的选择固然不容忽视，同样参数,wavelet,的选择也很重要。不同的小波基对分类效果是有影响的，在,m,n,q,确定的情况下:,feature selection,多类目标的特征选择算法,A,B,C,.,15,image reconstruction,基于图像重建的特征评估,n,n+2,图像重建与图像识别,正交矩的优点,正交多项式的零点数目,理论分析与重建实验,.,16,2，3，5，7，10，13，15，17，20阶矩的重建效果,image reconstruction,基于图像重建的特征评估,A,B,C,.,17,conclusion,结 论,1,轮廓识别的结论：,FD与SPWD,2,灰度识别的结论：,FMCEM与FWD,3,多类目标特征选择算法对多目标识别是可行的,4,对于正交矩可以通过图像重建进行特征评估,.,18,在学期间发表的学术论文,第一作者,.A Multi-class Image Recognition Algorithm Using Wavelet Moment Invariants A.,Inernational,symposium on test and measurement.2007(2),第一作者,.,基于扇区投影小波描述子的图像轮廓识别,J.,光电工程,.2008(6),第一作者,.MET1,证据理论在不变矩目标识别中的应用研究,J.,电光与控制,.2008(3),第一作者,.,基于小波不变矩的多类目标特征选择算法,J.,应用光学,.2008(1),第三作者,.,基于正交多项式不变矩的图像描述,J.,电光与控制,.2008(12),第三作者,.,具有平移缩放旋转不变性的傅立叶梅林相关能量矩,J.,红外与激光工程（已投稿）,第五作者,.,不同高度碳纳米管对场发射显示器的影响研究,A.,第六届中国纳米科技西安研讨会论文集,.2007,.,19,欢迎各位专家点评,THANKS,THANK YOU,THE END,.,20,