基于Zernike矩和前馈神经网络的图像配准

• 作者: 吴健珍 李洪芹 王宇嘉
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: Zemike矩 前馈神经网络 图像配准 仿射变换 参数估计
• 年，卷（期）: 2012,（22）
• 所属期刊栏目: 图形图像处理
• 页码范围: 186-189
• 分类号: TN911.73
• 字数: 3359字
• 语种: 中文

摘要

提出一种基于Zernike矩和多级前馈神经网络的图像配准算法.利用低阶Zernike矩表征图像的全局几何特征,通过多级前馈神经网络学习图像所经历的旋转、缩放和平移等仿射变换参数,在一级前馈神经网络的基础上添加二级前馈网络,以提高参数估计精度.仿真结果表明,与基于DCT系数的神经网络算法相比,该算法旋转、缩放和平移估计精度较高,对噪声的鲁棒性较强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李洪芹	上海工程技术大学电子电气工程学院自动化系	21	14	2.0	3.0
2	吴健珍	上海工程技术大学电子电气工程学院自动化系	22	19	3.0	4.0
3	王宇嘉	上海工程技术大学电子电气工程学院自动化系	20	72	6.0	7.0