剪纸纹样识别算法研究
|
摘要
图象识别技术应用领域十分广泛,是当前研究的热点问题之一,很多的专家学者都在这方面进行了研究,取得了一些很好的成果。剪纸是我国历史悠久的传统民间艺术之一,随着动漫产业的发展,剪纸艺术作品是一种很好的动漫素材。由于艺术作品变形大,对艺术作品图象的识别研究较少,将剪纸艺术与图象识别结合起来,研究计算机剪纸将是一项非常有意义的工作。
特征提取是决定相似性和识别图象的关键,如何提取到图象本质的且具有不变的有效特征是研究核心内容。本文深入研究了国内外图象识别的各种特征提取方法和识别方法的研究现状,针对非数学变换的变形图象识别,提出了一些较为有效的方法,能够提取到不受平移、旋转、尺度变化和小变形的有效特征,并应用于剪纸纹样的艺术图象识别中,实验证明有良好的效果。
论文的工作主要从以下几个方面展开:
(1)研究剪纸图象的特点,对剪纸纹样进行总结和分类。使用一般的图象预处理技术,通过背景去噪、灰度化以及二值化处理等来处理剪纸图象,能够有效的去除剪纸图象的背景噪声,突出了纹样,为后续的纹样识别工作做准备。
(2)提出一种R-变换与奇异值分解的特征提取算法,本文在radon变换的基础上,提出了一种较为简单的方法进行图象特征提取。使用该方法提取到的特征具有平移、旋转和尺度不变性,且具有一定的鲁棒性,代表了图象的结构特征,能够较好的识别一定变形剪纸纹样。
(3)针对现有的方法提取到的特征不适合变形图象的缺点,提出一种适合剪纸纹样的识别方法。利用Fourier-Mellin变换具有不受几何变换的结果,使用小波分析求其各层的方差和均值,得到目标不同子带的特征值。实验证明该特征不仅具有平移、旋转和尺度不变性,而且适用于有变形的纹样图象的识别。
(4)研究各种图象识别的方法,使用分类性能和泛化能力较好的支持向量机作为纹样识别的分类器,能够将纹样有效进行识别和分类。
实验所用的剪纸图象均为扫描剪纸相关书籍得到,通过实验对论文中的算法进行了理论分析和验证,结果表明:
(1)基于R-变换和奇异值分解的方法,计算简单,提取到的特征鲁棒性好,具有平移、旋转和尺度不变性,对多数有变形的图象有较好的区分度;
(2)多分辨FM变换算法不受几何变换影响,能有效地实现剪纸纹样识别与分类,并具有较好的鲁棒性;
(3)使用支持向量机作为分类器,具有较好的泛化能力,能够将夸张变形的纹样有效的分开;
本论文从实际问题出发,深入研究了剪纸纹样图象的预处理、特征提取和识别方法等技术,针对非严格意义上的数学变形图象,提出一些特征提取和识别的有效办法。本文算法提取到的特征不但具有平移、旋转和尺度等几何不变性,而且能够进行一定的变形图象的识别,在理论上拓宽了图象识别的方法。结合剪纸艺术进行纹样识别研究,为计算机剪纸艺术的设计与实现提供了一种新方法。
Image recognition is one of the hot issues and has its wide application in every field of society, more and more experts and scholars pay attention to the development of image recognition, and have achieved very good results in this area. Paper-cutting is a traditional folk art with a long history in China. With the development of animation industry, paper-cutting becomes a good cartoon material. As works of art will deform easily, image recognition becomes more difficult. Nowadays there are few studies in this area, so research on computer paper-cutting that combines paper-cutting and image recognition would be an important and significant work.
Feature extraction is the key to decide similarity and identify images problem and how to extract invariant features from images is a core problem. This paper, based on the research of feature extraction methods, recognition methods,current domestic and international research status, propose some new methods that improved the non-mathematical transformation. Theoretical analysis and experimental results have proved that the proposed methods are feasible and effective. The application of these methods in paper-cutting image is also completed.
The main works in the thesis are as follows:
(1)Research on the paper-cutting image's characteristic, and sum the types of the paper-cutting patterns. Pre-processing is an important task in image processing. In the first place, template method is used to effectively de-noise the background noise of scanning images, and then image graying by the weighted average method, finally change gray images into binary images to prepare for the follow works.
(2)Considering a simple way to extract image features, we propose an R- transform and singular value decomposition (SVD) feature extraction algorithm based on the radon transform. The singular value feature of the image after the R-transform represents the image structural feature, and has a strong robustness. The experiment proves that this algorithm is invariant to rotation, scale and translation as well as suitable for the recognition of paper-cutting patterns.
(3)For the shortcomings of existing feature extraction methods is not suitable to the morph image, a new method is proposed in this paper. Based on the invariance of Fourier-Mellin transform, calculate the energies of the subbands acquired by wavelet transform, and then the invariant feature vector that composed of the energies. Experiments indicate that this feature vector not only has the translation, rotation and scale invariance, but also satisfactorily achieves the pattern recognition.
(4)This thesis researches on various image recognition methods. As regards the Support vector machine (SVM), it has a superior capability for generalization and this capability is independent of the dimensionality of the input data. In this study, SVM is used to classify the paper-cutting pattern classification. The simulation results show that SVM is a good method for pattern classification.
The images of paper-cutting used in the experiment are all scanning copies of some related books; some theoretic analysis and verification toward the arithmetic mentioned in the thesis are done through experiments, its results show:
(1)The analytical method based on R-transform and singular value decomposition, it has the simple computation, good characteristic robustness, translation, rotation, scale invariance and better differentiation toward most deformed images.
(2)Multiresolution FM transform algorithm proposed is invariant to similarity transformation, producing accuracy and effective recognition of paper-cutting patterns.
(3)SVM has proven to be a powerful technique for pattern classification. It is an effective and general method for representing complex function in high dimensional space. The experiments results show that SVM is a good method for paper-cutting patterns recognition.
Based on the practical problem, this theist has deeply researched on the image pre-processing, feature extraction and image recognition methods etc. Aiming at the non-mathematical deformation image, it proposes some useful methods in feature extraction and image recognition.
特征提取是决定相似性和识别图象的关键,如何提取到图象本质的且具有不变的有效特征是研究核心内容。本文深入研究了国内外图象识别的各种特征提取方法和识别方法的研究现状,针对非数学变换的变形图象识别,提出了一些较为有效的方法,能够提取到不受平移、旋转、尺度变化和小变形的有效特征,并应用于剪纸纹样的艺术图象识别中,实验证明有良好的效果。
论文的工作主要从以下几个方面展开:
(1)研究剪纸图象的特点,对剪纸纹样进行总结和分类。使用一般的图象预处理技术,通过背景去噪、灰度化以及二值化处理等来处理剪纸图象,能够有效的去除剪纸图象的背景噪声,突出了纹样,为后续的纹样识别工作做准备。
(2)提出一种R-变换与奇异值分解的特征提取算法,本文在radon变换的基础上,提出了一种较为简单的方法进行图象特征提取。使用该方法提取到的特征具有平移、旋转和尺度不变性,且具有一定的鲁棒性,代表了图象的结构特征,能够较好的识别一定变形剪纸纹样。
(3)针对现有的方法提取到的特征不适合变形图象的缺点,提出一种适合剪纸纹样的识别方法。利用Fourier-Mellin变换具有不受几何变换的结果,使用小波分析求其各层的方差和均值,得到目标不同子带的特征值。实验证明该特征不仅具有平移、旋转和尺度不变性,而且适用于有变形的纹样图象的识别。
(4)研究各种图象识别的方法,使用分类性能和泛化能力较好的支持向量机作为纹样识别的分类器,能够将纹样有效进行识别和分类。
实验所用的剪纸图象均为扫描剪纸相关书籍得到,通过实验对论文中的算法进行了理论分析和验证,结果表明:
(1)基于R-变换和奇异值分解的方法,计算简单,提取到的特征鲁棒性好,具有平移、旋转和尺度不变性,对多数有变形的图象有较好的区分度;
(2)多分辨FM变换算法不受几何变换影响,能有效地实现剪纸纹样识别与分类,并具有较好的鲁棒性;
(3)使用支持向量机作为分类器,具有较好的泛化能力,能够将夸张变形的纹样有效的分开;
本论文从实际问题出发,深入研究了剪纸纹样图象的预处理、特征提取和识别方法等技术,针对非严格意义上的数学变形图象,提出一些特征提取和识别的有效办法。本文算法提取到的特征不但具有平移、旋转和尺度等几何不变性,而且能够进行一定的变形图象的识别,在理论上拓宽了图象识别的方法。结合剪纸艺术进行纹样识别研究,为计算机剪纸艺术的设计与实现提供了一种新方法。
Image recognition is one of the hot issues and has its wide application in every field of society, more and more experts and scholars pay attention to the development of image recognition, and have achieved very good results in this area. Paper-cutting is a traditional folk art with a long history in China. With the development of animation industry, paper-cutting becomes a good cartoon material. As works of art will deform easily, image recognition becomes more difficult. Nowadays there are few studies in this area, so research on computer paper-cutting that combines paper-cutting and image recognition would be an important and significant work.
Feature extraction is the key to decide similarity and identify images problem and how to extract invariant features from images is a core problem. This paper, based on the research of feature extraction methods, recognition methods,current domestic and international research status, propose some new methods that improved the non-mathematical transformation. Theoretical analysis and experimental results have proved that the proposed methods are feasible and effective. The application of these methods in paper-cutting image is also completed.
The main works in the thesis are as follows:
(1)Research on the paper-cutting image's characteristic, and sum the types of the paper-cutting patterns. Pre-processing is an important task in image processing. In the first place, template method is used to effectively de-noise the background noise of scanning images, and then image graying by the weighted average method, finally change gray images into binary images to prepare for the follow works.
(2)Considering a simple way to extract image features, we propose an R- transform and singular value decomposition (SVD) feature extraction algorithm based on the radon transform. The singular value feature of the image after the R-transform represents the image structural feature, and has a strong robustness. The experiment proves that this algorithm is invariant to rotation, scale and translation as well as suitable for the recognition of paper-cutting patterns.
(3)For the shortcomings of existing feature extraction methods is not suitable to the morph image, a new method is proposed in this paper. Based on the invariance of Fourier-Mellin transform, calculate the energies of the subbands acquired by wavelet transform, and then the invariant feature vector that composed of the energies. Experiments indicate that this feature vector not only has the translation, rotation and scale invariance, but also satisfactorily achieves the pattern recognition.
(4)This thesis researches on various image recognition methods. As regards the Support vector machine (SVM), it has a superior capability for generalization and this capability is independent of the dimensionality of the input data. In this study, SVM is used to classify the paper-cutting pattern classification. The simulation results show that SVM is a good method for pattern classification.
The images of paper-cutting used in the experiment are all scanning copies of some related books; some theoretic analysis and verification toward the arithmetic mentioned in the thesis are done through experiments, its results show:
(1)The analytical method based on R-transform and singular value decomposition, it has the simple computation, good characteristic robustness, translation, rotation, scale invariance and better differentiation toward most deformed images.
(2)Multiresolution FM transform algorithm proposed is invariant to similarity transformation, producing accuracy and effective recognition of paper-cutting patterns.
(3)SVM has proven to be a powerful technique for pattern classification. It is an effective and general method for representing complex function in high dimensional space. The experiments results show that SVM is a good method for paper-cutting patterns recognition.
Based on the practical problem, this theist has deeply researched on the image pre-processing, feature extraction and image recognition methods etc. Aiming at the non-mathematical deformation image, it proposes some useful methods in feature extraction and image recognition.
引文
[1] 边肇祺,张学工.模式识别(第二版)[M].清华大学出版社,2000.
[2] 马尔(Marr).视觉计算理论[M].刘磊,王云久译.北京科学出版社,1987.
[3] 吴立德.计算机视觉[M].上海复旦大学出版社,1993.
[4] 洪子泉,杨静宇,统计模式识别中的特征提取[J].数据采集与处理,1991,6(2):38-43.
[5] M.K.Hu.Visual Pattern Recognition by Moment Invariants,IRE Trans.Inform.Theory,1962, IT-8(2),179-187.
[6] N.Gotze,S. Drue, G. Hartmann.Invariant Object Recognition with Discriminant Features Based on Local Fast-Fourier Mellin Transform.Proceeding of International Conference On Pattern Recognition, 2000, 950-951.
[7] Alexander Kadyrov, Maria Petrou. The Trace Transform and Its Application.IEEE Transactions on Pattern Analysis and Machine Intelligence, 2005, 23(8),811-828.
[8] 顾理,庄镇泉,万淑超,蔡伟.种基于模板匹配的手形认证算法[J].计算机工程与应用,2005:85-88.
[9] 高印寒,杨晓露,王淑文,吕学涛,杨柳松,刘丽萍.旋转不变匹配在指纹识别中的应用[J].传感器与微系统,2006,25(1):79-81.
[10] 顾耀林,李延芳.基于模板匹配的流场涡旋识别[J].计算机应用,2007,27(9):2246-2248
[11] 金晟毅,王庆.一种新的结合遗传算法的快速变形模板匹配算法[J] .计算机工程与应用,2006:55-57
[12] 王强,宋京民,胡建平,邱忠文.一种快速模板匹配目标识别算法[J].计算机工程与应用,2000:42-43
[13] 潘志方.基于朴素贝叶斯学习的电子商务网站客户兴趣分类的应用研究[J].计算机科学,2007,34(6).
[14] Friedman N,Geiger D, Goldszmidt M.Bayesian networkclassifier. Machine Learning, 1997,29(1):131-163.
[15] 钱晓东.数据挖掘中分类方法综述[J].图书情报工作,2007,51(3):68-71.
[16] Quinlan,J.R.(1988b).Decision trees and multi-valued attributes[J].In hayes, Michie,&Richards(Eds.),Machine Intelligence 11, (pp.305-318). Oxford, England: Oxford University Press.
[17] KATO N, SUZUKIM, OMACHIS, et al. A handwritten characterrecognition system using directional element feature and asymmetricmahalanobis distance [J]. IEEE Transactions on Pattern AnalysisandMachine Intelligence,1999,21(3):258 - 262.
[18] 任靖,李春平. 最小距离分类器的改进算法-加权最小距离分类器[J].计算机应用,2005,25(5):992-994.
[19] 郭亚琴,王正群,乐晓容,王向东. 基于自适应距离度量的最小距离分类器集成[J].计算机应用,2006,26(7):1703-1705.
[20] H.B. Mitchell, P.A.Schaefer. A “soft” K-Nearest Neighbor Voting Scheme, International Journal ofIntelligent Systems 2001:459-468.
[21] Yiming Yang and Jan O. Pederson, A Comparative Study on Feature Selection in Text Categorization, Proceedings of the Fourteenth International Conference on Machine Learning (ICML'97),1997.
[22] 冯 杰 , 盖 强 , 古 军 峰 . 模 糊 聚 类 分 析 方 法 在 海 上 目 标 识 别 中 的 应 用 [J]. 仪 器 仪 表 学报,2004,25(4):692-693.
[23] 黄战,姜宇鹰,张镭. 基于最近邻聚类算法自适应模糊分类器[J].计算机工程,2006,32(2):177-179.
[24] 王继成.一个基于模糊神经网络的模式分类系统[J].计算机研究与发展,1999,36(1):26-30.
[25] 张洪刚,陈光,郭军.图像处理与识别[M].北邮邮件大学出版社,2006:142-147.
[26] 陆新泉,李宁,陈世福.形态、颜色特征及神经网络在肺癌细胞识别中的应用研究[J].计算机辅助设计与图形学学报,2001,13(1):87:92.
[27] 张秀玲,李海滨.一种基于 RBF 神经网络的数字模式识别方法[J].仪器仪表学报,2006,23(3):265-267.
[28] Cortes C,Vapnik V.Support Vector Networks[J].Machine Learning,1995,20:273-297.
[29] 白亮,老松杨,胡艳丽.支持向量机训练算法比较研究[J].计算机工程与应用,2005,17:79-81.
[30] 张广洲,李晶皎,王爱侠. 脱机手写满文笔画基元的提取和识别[J].计算机工程,2007,33(22):220-202.
[31] 王恺,王庆人.中英文混合文章识别问题[J].软件学报,2005,16(5):786-798.
[32] 顾军捷,陈炎.应用神经网络分类器识别手写邮政编码[J].计算机应用研究,2000,3:15-16.
[33] 张 丽 平 , 吴 仲 城 . 基 于 小 波 变 换 提 取 特 征 点 的 在 线 手 写 签 名 认 证 算 法 [J]. 计 算 机 应用,2006,26(10):2496-2498.
[34] 许 钟 , 王 小 兵 , 黄 勇 , 曹 莉 . 结 合 指 纹 识 别 的 电 子 印 章 系 统 的 研 究 [J]. 计 算 机 工 程 与 科学,2006,28(1):41-44.
[35] 张美多,郭宝龙.车牌识别系统关键技术研究[J].计算机工程,2007,33(16):186-188.
[36] 夏鸿斌,须文波,刘渊. 生物特征识别技术研究进展[J].计算机工程与应用,2003:77-79.
[37] 佟喜峰,黄剑华,刘松波,唐降龙. 基于复合方向特征的快速指纹验证[J]. 中国图象图形学报,2005,10(10):1299-1303.
[38] Thomas Heseltine,Nick Pears,Jim Austin.Three-dimensional face recognition using combinations of surface feature map subspace componets[J].Image Vision Computer 26(2008):382-396.
[39] 王忠礼,穆志纯,谢国伟.基于支持向量机的人耳识别系统研究[J].计算机工程,2005,31(20):59-60.
[40] 吕佩卓,赖声礼.人体手背静脉血管图像增强与特征匹配[J].计算机工程与设计,28(15):3623-3625.
[41] 王科俊,侯本博.步态识别综述[J].中国图象图形学报,2007,12(7):1152-1160.
[42] 柳伟,何援军.基于深度图像的不规则零件检索技术研究[J]. 中国机械工程,2006,17(17):1817-1821.
[43] 王金鹤,欧宗瑛,夏晓东.工程扫描图象的骨架提取和识别技术综述[J].计算机工程,1999,25(6):3-4.
[44] 张 显 全 , 王 晓 云 , 唐 振 军 . 基 于 直 线 和 圆 的 工 程 图 的 自 动 识 别 方 法 [J]. 广 西 科 学 院 学报,2004,20(4):247-249.
[45] 李 滔 , 王 俊 普 , 吴 秀 清 , 王 鹏 伟 . 一 种 复 杂 环 境 下 的 跑 道 识 别 的 新 方 法 [J]. 计 算 机 工程.2006,32(10):164-166.
[46] 王世庆,金亚秋.SAR 图像船行尾迹检测的 Radon 变换和形态学图像处理技术[J].遥感学报,2001,5(4):289-294.
[47] 赵倩,胡越黎,曹家麟. 皮肤显微图像自动识别系统的研究[J].计算机工程与应用,2005,24:206-208.
[48] 冯志全,李金屏,董吉文,赵磊,蔡镜.二维连续形变物体的计算机识别技术研究[J].计算机学报,2003,26(12):1637-1644.
[49] 冯志全,曲守宁,成谢锋,李毅. 多灰度图像连续形变的计算机识别技术研究[J].计算机辅助设计与图形学学报,2005,17(8):1752-1759.
[50] 叶庆卫,汪同庆.基于二叉树相似性检测的变形文字识别研究[J].计算机工程与应用,2005,31:52-54.
[51] 钱 小 燕 , 肖 亮 , 吴 慧 中 . 一 种 非 真 实 感 绘 制 的 多 智 能 体 仿 真 方 法 [J]. 系 统 仿 真 学报,2006,18(10):2836-2839.
[52] [加]Thomas Strothotte,[德]Stefan Schlechtweg 著.叶修梓,万华根,张引 译.非真实感图形学一造型、绘制与动画技术.北京:电子工业出版社,2004.
[53] 张显全,于金辉,蒋凌琳,陶小梅.计算机辅助生成剪纸形象[J].计算机辅助设计与图形学学报,2005.17(6): 1378-1382.
[54] 张显全,于金辉,蒋凌琳,刘丽娜.基于纹样的计算机剪纸系统[J].计算机工程,2006,(32)11:248-250.
[55] 唐振军.图象边界表示研究及其在剪纸设计中的应用[D].广西师范大学,2006.
[56] 郭明明.形状匹配及其在剪纸中的应用研究[D].广西师范大学,2007.
[57] 唐莹.剪纸图象的分割变形及应用研究[D].广西师范大学,2007.
[58] 仉凤皋.外国剪纸集[M].湖南美术出版社,1997.
[59] 陈山桥.民间剪纸技法研究——动物纹样剪法[M].西安:陕西人民美术出版社,2004.
[60] 罗鹏,高协平.改进的 Ridgelet 变换图像去噪方法[J].计算机工程与应用,2007,43(21).
[61] 高守传,姚领田.Visual C++与实践与提高——数字图像处理与工程应用篇[M].北京:中国铁道出版社,2005.
[62] 倪臣敏,叶懋冬,陈孝春.一种改进的自适应中值滤波算法[J].中国图象图形学报,2006,11(5):672-678.
[63] 熊江.基于小波变换的图像去噪[J].计算机科学,2007,34(7):232-234.
[64] 罗国良,谷欣超,王鹏,李娜娜.工程扫描图像一种基于密度划分的去噪算法[J].计算机应用,2004,24:180-181.
[65] 周金和,彭福堂.一种有选择的图像灰度化方法[J].计算机工程,2006,32(20)-198-200.
[66] 周长发.精通 Visual C++图像编程[M].北京:电子工业出版社.2000:301-317.
[67] 李学军,周嘉玉.真实图形的颜色量化[J].计算机辅助设计与图形学学报.1996.8(3):193-196.
[68] 贾秋菊,王小铭.一种动态切分的颜色量化算法[J]. 华南师范大学学报.2005,(1):46-50.
[69] 易英辉,宋克欧.一个基于代数不变量的目标识别算法[J].中国图象图形学报,1999,4(3):207-211.
[70] 洪子泉,杨静宇,统计模式识别中的特征提取[J].数据采集与处理,1991,6(2):38-43.
[71] 吴刚,杨敬安,李道伦.基于目标不变量的识别方法研究[J].计算机科学,2000,27(12):81-85.
[72] 王耀明,严炜,俞时权.基于 Radon 变换的图象矩特征抽取及其在图象识别中的应用[J]. 计算机工程,2001,27(2):82-89.
[73] 李军宏,潘泉,张洪才,崔建峰,崔培玲.基于 Radon 变换的图像识别研究[J].计算机应用研究,2004,5:207-212.
[74] 李军宏,陈玉春,潘泉,张洪才,崔培玲.一种基于高阶统计量的图像识别算法研究[J].计算机工程,2004,30(20):7-8.
[75] 安志勇,赵珊,王晓华,周利华.基于多尺度 Radon 变换的图像检索[J].光子学报,2007,36(6):1176-1170.
[76] 尚燕,练秋生,刘春亮.基于 Radon 变换和 SWT 的旋转不变纹理分类[J].微计算机信息. 2007,23(05-3):295-297.
[77] S.R. Deans,Applications of the Radon Transform[J],Wiley Interscience Publications,New York,1983.
[78] S.Tabbone,L.Wendling,J.-P.Salmon.A new shape descriptor defined on the Radon transform[J].Computer Vision and Image Understanding 102(2006) 42-51.
[79] AI-Shaykh O K,Doherty J F.Invariant image analysis based on Radon transform and SVD[J].IEEE Transactions on Analog and Digital Signal Processing,1996,43(2): 123-133.
[80] 遇 辉 , 马 秀 莉 , 谭 少 华 , 唐 世 渭 , 杨 冬 青 . 基 于 奇 异 值 分 解 的 异 常 切 片 挖 掘 [J]. 软 件 学报,2005,16(7):1282-1288.
[81] 史荣昌.矩阵分析.北京:北京理工大学出版社,1996.149-153.
[82] 郭晓新,许志闻,卢奕南,庞云阶.基于 Fourier-Mellin 不变量的图像配准方法[J].仪器仪表学报,2004,25(4):421-424.
[83] 李静蕊.基于正交傅立叶-梅林矩的机械零件不变性模式识别[D],天津大学,2005:28-33.
[84] 李晓明,赵训坡,郑链,胡占义.基于 Fourier-Mellin 变换的图像配准方法及应用拓展[J].计算机学报,2006,29(3):466-472.
[85] 孙刚,谢俊元.一种基于 Fourier-Mellin 变换的数字水印的研究[J].计算机工程,2004,30(9):152-153.
[86] Andrew Teoh Beng Jin,David Ngo Chek Ling,Ong Thian Song.An efficient fingerprint verification system using integrated wavelet and Fourier–Mellin invariant transform[J]. Image vision computing 22(2004):503-513.
[87] 冈萨雷斯(Gonzalez,R.C).数字图像处理(第二版)[M].北京:电子工业出版社,2003.3.
[88] Bone P, Young R, Chatwin C. Position, rotation, scale and orientation invariant multiple object recognition from cluttered[J].Proc SPIE 2005;5816:66–77.
[89] Pun C M, LeeM C. Log-Polar wavelet energy signatures for rotation and scale invariant texture classification[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2003,25 (5):590-603.
[2] 马尔(Marr).视觉计算理论[M].刘磊,王云久译.北京科学出版社,1987.
[3] 吴立德.计算机视觉[M].上海复旦大学出版社,1993.
[4] 洪子泉,杨静宇,统计模式识别中的特征提取[J].数据采集与处理,1991,6(2):38-43.
[5] M.K.Hu.Visual Pattern Recognition by Moment Invariants,IRE Trans.Inform.Theory,1962, IT-8(2),179-187.
[6] N.Gotze,S. Drue, G. Hartmann.Invariant Object Recognition with Discriminant Features Based on Local Fast-Fourier Mellin Transform.Proceeding of International Conference On Pattern Recognition, 2000, 950-951.
[7] Alexander Kadyrov, Maria Petrou. The Trace Transform and Its Application.IEEE Transactions on Pattern Analysis and Machine Intelligence, 2005, 23(8),811-828.
[8] 顾理,庄镇泉,万淑超,蔡伟.种基于模板匹配的手形认证算法[J].计算机工程与应用,2005:85-88.
[9] 高印寒,杨晓露,王淑文,吕学涛,杨柳松,刘丽萍.旋转不变匹配在指纹识别中的应用[J].传感器与微系统,2006,25(1):79-81.
[10] 顾耀林,李延芳.基于模板匹配的流场涡旋识别[J].计算机应用,2007,27(9):2246-2248
[11] 金晟毅,王庆.一种新的结合遗传算法的快速变形模板匹配算法[J] .计算机工程与应用,2006:55-57
[12] 王强,宋京民,胡建平,邱忠文.一种快速模板匹配目标识别算法[J].计算机工程与应用,2000:42-43
[13] 潘志方.基于朴素贝叶斯学习的电子商务网站客户兴趣分类的应用研究[J].计算机科学,2007,34(6).
[14] Friedman N,Geiger D, Goldszmidt M.Bayesian networkclassifier. Machine Learning, 1997,29(1):131-163.
[15] 钱晓东.数据挖掘中分类方法综述[J].图书情报工作,2007,51(3):68-71.
[16] Quinlan,J.R.(1988b).Decision trees and multi-valued attributes[J].In hayes, Michie,&Richards(Eds.),Machine Intelligence 11, (pp.305-318). Oxford, England: Oxford University Press.
[17] KATO N, SUZUKIM, OMACHIS, et al. A handwritten characterrecognition system using directional element feature and asymmetricmahalanobis distance [J]. IEEE Transactions on Pattern AnalysisandMachine Intelligence,1999,21(3):258 - 262.
[18] 任靖,李春平. 最小距离分类器的改进算法-加权最小距离分类器[J].计算机应用,2005,25(5):992-994.
[19] 郭亚琴,王正群,乐晓容,王向东. 基于自适应距离度量的最小距离分类器集成[J].计算机应用,2006,26(7):1703-1705.
[20] H.B. Mitchell, P.A.Schaefer. A “soft” K-Nearest Neighbor Voting Scheme, International Journal ofIntelligent Systems 2001:459-468.
[21] Yiming Yang and Jan O. Pederson, A Comparative Study on Feature Selection in Text Categorization, Proceedings of the Fourteenth International Conference on Machine Learning (ICML'97),1997.
[22] 冯 杰 , 盖 强 , 古 军 峰 . 模 糊 聚 类 分 析 方 法 在 海 上 目 标 识 别 中 的 应 用 [J]. 仪 器 仪 表 学报,2004,25(4):692-693.
[23] 黄战,姜宇鹰,张镭. 基于最近邻聚类算法自适应模糊分类器[J].计算机工程,2006,32(2):177-179.
[24] 王继成.一个基于模糊神经网络的模式分类系统[J].计算机研究与发展,1999,36(1):26-30.
[25] 张洪刚,陈光,郭军.图像处理与识别[M].北邮邮件大学出版社,2006:142-147.
[26] 陆新泉,李宁,陈世福.形态、颜色特征及神经网络在肺癌细胞识别中的应用研究[J].计算机辅助设计与图形学学报,2001,13(1):87:92.
[27] 张秀玲,李海滨.一种基于 RBF 神经网络的数字模式识别方法[J].仪器仪表学报,2006,23(3):265-267.
[28] Cortes C,Vapnik V.Support Vector Networks[J].Machine Learning,1995,20:273-297.
[29] 白亮,老松杨,胡艳丽.支持向量机训练算法比较研究[J].计算机工程与应用,2005,17:79-81.
[30] 张广洲,李晶皎,王爱侠. 脱机手写满文笔画基元的提取和识别[J].计算机工程,2007,33(22):220-202.
[31] 王恺,王庆人.中英文混合文章识别问题[J].软件学报,2005,16(5):786-798.
[32] 顾军捷,陈炎.应用神经网络分类器识别手写邮政编码[J].计算机应用研究,2000,3:15-16.
[33] 张 丽 平 , 吴 仲 城 . 基 于 小 波 变 换 提 取 特 征 点 的 在 线 手 写 签 名 认 证 算 法 [J]. 计 算 机 应用,2006,26(10):2496-2498.
[34] 许 钟 , 王 小 兵 , 黄 勇 , 曹 莉 . 结 合 指 纹 识 别 的 电 子 印 章 系 统 的 研 究 [J]. 计 算 机 工 程 与 科学,2006,28(1):41-44.
[35] 张美多,郭宝龙.车牌识别系统关键技术研究[J].计算机工程,2007,33(16):186-188.
[36] 夏鸿斌,须文波,刘渊. 生物特征识别技术研究进展[J].计算机工程与应用,2003:77-79.
[37] 佟喜峰,黄剑华,刘松波,唐降龙. 基于复合方向特征的快速指纹验证[J]. 中国图象图形学报,2005,10(10):1299-1303.
[38] Thomas Heseltine,Nick Pears,Jim Austin.Three-dimensional face recognition using combinations of surface feature map subspace componets[J].Image Vision Computer 26(2008):382-396.
[39] 王忠礼,穆志纯,谢国伟.基于支持向量机的人耳识别系统研究[J].计算机工程,2005,31(20):59-60.
[40] 吕佩卓,赖声礼.人体手背静脉血管图像增强与特征匹配[J].计算机工程与设计,28(15):3623-3625.
[41] 王科俊,侯本博.步态识别综述[J].中国图象图形学报,2007,12(7):1152-1160.
[42] 柳伟,何援军.基于深度图像的不规则零件检索技术研究[J]. 中国机械工程,2006,17(17):1817-1821.
[43] 王金鹤,欧宗瑛,夏晓东.工程扫描图象的骨架提取和识别技术综述[J].计算机工程,1999,25(6):3-4.
[44] 张 显 全 , 王 晓 云 , 唐 振 军 . 基 于 直 线 和 圆 的 工 程 图 的 自 动 识 别 方 法 [J]. 广 西 科 学 院 学报,2004,20(4):247-249.
[45] 李 滔 , 王 俊 普 , 吴 秀 清 , 王 鹏 伟 . 一 种 复 杂 环 境 下 的 跑 道 识 别 的 新 方 法 [J]. 计 算 机 工程.2006,32(10):164-166.
[46] 王世庆,金亚秋.SAR 图像船行尾迹检测的 Radon 变换和形态学图像处理技术[J].遥感学报,2001,5(4):289-294.
[47] 赵倩,胡越黎,曹家麟. 皮肤显微图像自动识别系统的研究[J].计算机工程与应用,2005,24:206-208.
[48] 冯志全,李金屏,董吉文,赵磊,蔡镜.二维连续形变物体的计算机识别技术研究[J].计算机学报,2003,26(12):1637-1644.
[49] 冯志全,曲守宁,成谢锋,李毅. 多灰度图像连续形变的计算机识别技术研究[J].计算机辅助设计与图形学学报,2005,17(8):1752-1759.
[50] 叶庆卫,汪同庆.基于二叉树相似性检测的变形文字识别研究[J].计算机工程与应用,2005,31:52-54.
[51] 钱 小 燕 , 肖 亮 , 吴 慧 中 . 一 种 非 真 实 感 绘 制 的 多 智 能 体 仿 真 方 法 [J]. 系 统 仿 真 学报,2006,18(10):2836-2839.
[52] [加]Thomas Strothotte,[德]Stefan Schlechtweg 著.叶修梓,万华根,张引 译.非真实感图形学一造型、绘制与动画技术.北京:电子工业出版社,2004.
[53] 张显全,于金辉,蒋凌琳,陶小梅.计算机辅助生成剪纸形象[J].计算机辅助设计与图形学学报,2005.17(6): 1378-1382.
[54] 张显全,于金辉,蒋凌琳,刘丽娜.基于纹样的计算机剪纸系统[J].计算机工程,2006,(32)11:248-250.
[55] 唐振军.图象边界表示研究及其在剪纸设计中的应用[D].广西师范大学,2006.
[56] 郭明明.形状匹配及其在剪纸中的应用研究[D].广西师范大学,2007.
[57] 唐莹.剪纸图象的分割变形及应用研究[D].广西师范大学,2007.
[58] 仉凤皋.外国剪纸集[M].湖南美术出版社,1997.
[59] 陈山桥.民间剪纸技法研究——动物纹样剪法[M].西安:陕西人民美术出版社,2004.
[60] 罗鹏,高协平.改进的 Ridgelet 变换图像去噪方法[J].计算机工程与应用,2007,43(21).
[61] 高守传,姚领田.Visual C++与实践与提高——数字图像处理与工程应用篇[M].北京:中国铁道出版社,2005.
[62] 倪臣敏,叶懋冬,陈孝春.一种改进的自适应中值滤波算法[J].中国图象图形学报,2006,11(5):672-678.
[63] 熊江.基于小波变换的图像去噪[J].计算机科学,2007,34(7):232-234.
[64] 罗国良,谷欣超,王鹏,李娜娜.工程扫描图像一种基于密度划分的去噪算法[J].计算机应用,2004,24:180-181.
[65] 周金和,彭福堂.一种有选择的图像灰度化方法[J].计算机工程,2006,32(20)-198-200.
[66] 周长发.精通 Visual C++图像编程[M].北京:电子工业出版社.2000:301-317.
[67] 李学军,周嘉玉.真实图形的颜色量化[J].计算机辅助设计与图形学学报.1996.8(3):193-196.
[68] 贾秋菊,王小铭.一种动态切分的颜色量化算法[J]. 华南师范大学学报.2005,(1):46-50.
[69] 易英辉,宋克欧.一个基于代数不变量的目标识别算法[J].中国图象图形学报,1999,4(3):207-211.
[70] 洪子泉,杨静宇,统计模式识别中的特征提取[J].数据采集与处理,1991,6(2):38-43.
[71] 吴刚,杨敬安,李道伦.基于目标不变量的识别方法研究[J].计算机科学,2000,27(12):81-85.
[72] 王耀明,严炜,俞时权.基于 Radon 变换的图象矩特征抽取及其在图象识别中的应用[J]. 计算机工程,2001,27(2):82-89.
[73] 李军宏,潘泉,张洪才,崔建峰,崔培玲.基于 Radon 变换的图像识别研究[J].计算机应用研究,2004,5:207-212.
[74] 李军宏,陈玉春,潘泉,张洪才,崔培玲.一种基于高阶统计量的图像识别算法研究[J].计算机工程,2004,30(20):7-8.
[75] 安志勇,赵珊,王晓华,周利华.基于多尺度 Radon 变换的图像检索[J].光子学报,2007,36(6):1176-1170.
[76] 尚燕,练秋生,刘春亮.基于 Radon 变换和 SWT 的旋转不变纹理分类[J].微计算机信息. 2007,23(05-3):295-297.
[77] S.R. Deans,Applications of the Radon Transform[J],Wiley Interscience Publications,New York,1983.
[78] S.Tabbone,L.Wendling,J.-P.Salmon.A new shape descriptor defined on the Radon transform[J].Computer Vision and Image Understanding 102(2006) 42-51.
[79] AI-Shaykh O K,Doherty J F.Invariant image analysis based on Radon transform and SVD[J].IEEE Transactions on Analog and Digital Signal Processing,1996,43(2): 123-133.
[80] 遇 辉 , 马 秀 莉 , 谭 少 华 , 唐 世 渭 , 杨 冬 青 . 基 于 奇 异 值 分 解 的 异 常 切 片 挖 掘 [J]. 软 件 学报,2005,16(7):1282-1288.
[81] 史荣昌.矩阵分析.北京:北京理工大学出版社,1996.149-153.
[82] 郭晓新,许志闻,卢奕南,庞云阶.基于 Fourier-Mellin 不变量的图像配准方法[J].仪器仪表学报,2004,25(4):421-424.
[83] 李静蕊.基于正交傅立叶-梅林矩的机械零件不变性模式识别[D],天津大学,2005:28-33.
[84] 李晓明,赵训坡,郑链,胡占义.基于 Fourier-Mellin 变换的图像配准方法及应用拓展[J].计算机学报,2006,29(3):466-472.
[85] 孙刚,谢俊元.一种基于 Fourier-Mellin 变换的数字水印的研究[J].计算机工程,2004,30(9):152-153.
[86] Andrew Teoh Beng Jin,David Ngo Chek Ling,Ong Thian Song.An efficient fingerprint verification system using integrated wavelet and Fourier–Mellin invariant transform[J]. Image vision computing 22(2004):503-513.
[87] 冈萨雷斯(Gonzalez,R.C).数字图像处理(第二版)[M].北京:电子工业出版社,2003.3.
[88] Bone P, Young R, Chatwin C. Position, rotation, scale and orientation invariant multiple object recognition from cluttered[J].Proc SPIE 2005;5816:66–77.
[89] Pun C M, LeeM C. Log-Polar wavelet energy signatures for rotation and scale invariant texture classification[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2003,25 (5):590-603.