Xem trước tài liệu

Đang tải tài liệu...

Thông tin chi tiết tài liệu

Định dạng: PDF
Số trang: 12 trang
Dung lượng: Đang cập nhật

Giới thiệu nội dung

Properties of Orthogonal Gaussian-Hermite Moments and Their Applications

Tên đề tài: Properties of Orthogonal Gaussian-Hermite Moments and Their Applications

Tác giả: Youfu Wu, Jun Shen

Lĩnh vực: Image Processing, Computer Vision, Pattern Recognition, Multiresolution Analysis

Nội dung tài liệu:

Bài báo này trình bày một nghiên cứu về các thuộc tính của moment Gauss-Hermite trực giao (OGHMs) và đề xuất một phương pháp mới để phát hiện các đối tượng di chuyển bằng cách sử dụng OGHMs. Các kết quả thực nghiệm được báo cáo, cho thấy hiệu suất tốt của phương pháp được đề xuất. OGHMs được giới thiệu là các kết hợp tuyến tính của các đạo hàm của tín hiệu được lọc bởi bộ lọc Gauss, cho phép chúng đặc trưng các đặc trưng hình ảnh một cách hiệu quả. Phương pháp này cung cấp một cách tiếp cận để xây dựng các đặc trưng trực giao từ các đạo hàm khác nhau, đồng thời giảm thiểu nhiễu. Bài báo cũng so sánh hiệu suất của phương pháp OGHMs với các phương pháp khác như sai số cục bộ hóa, kỹ thuật phát hiện đối tượng chuyển động và tỷ lệ tín hiệu trên nhiễu (SNR).

Mục lục chi tiết:

  • 1. INTRODUCTION
  • 2. OGHMS AND THEIR PROPERTIES
    • 2.1. Hermite moments
    • 2.2. Orthogonal Gaussian-Hermite moments
    • 2.3. The properties of the OGHMs
    • 2.4. Some conclusions
  • 3. DETECTING MOVING OBJECTS USING OGHMS
    • 3.1. Calculating the OGHMs images
    • 3.2. Detecting the moving objects by integrating the first, third, and fifth moments
    • 3.3. Segmenting the motion objects
    • 3.4. Analyzing the localization errors
  • 4. COMPARING THE EXPERIMENTAL RESULTS
    • 4.1. Comparing our method with a DM
    • 4.2. Comparing our method with the BS method
    • 4.3. Comparing the real objects with the detected moving objects
    • 4.4. Comparison with ABS
    • 4.5. Comparing the integration performance with other methods
    • 4.6. Simple statistic comparison of SNR
    • 4.7. Experiment of localization errors
  • 5. CONCLUSIONS