针对目标跟踪任务中由于摄像机或目标运动而产生的目标模糊问题, 基于ECO_HC算法提出了方向梯度-色度饱和度直方图(Histogram of Oriented Gradient and Hue Saturation, HOGHS)和Zernike矩特征相结合的运动模糊目标跟踪算法。首先, 结合fHOG和颜色构造了HOGHS特征, 介绍了Zernike矩性质, 并结合HOGHS和Zernike矩实现了目标的特征表达; 然后, 提出了一种兼顾定位精度与鲁棒性的响应图质量评估方法, 并基于该方法实现了HOGHS和Zernike矩特征权重的自适应融合。将本文算法与其他四种先进跟踪算法在OTB-100测评集运动模糊图像序列中进行验证, 本文算法的精确度与成功率分别为0.849与0.827, 帧率达38.4 frame/s, 同等条件下, 本文算法较在VOT-2016上表现优秀的ECO_HC于Pre-20和AUC指标上分别提升了2.3%与2.4%。实验结果表明本文算法能够有效地完成运动模糊目标跟踪任务。

针对水中气泡与固体悬浮微粒不易区分的问题, 提出了一种基于Zernike矩与灰度计算的水下光学气泡图像识别方法。该方法主要分为图像划分、图像预处理和特征提取三个步骤。首先, 获取水下悬浮微粒的图像, 从中划分出单个气泡并选取部分样本; 为了更好地提取与表示气泡轮廓与灰度特征, 然后采用图像预处理方法增强气泡边缘特征, 选择并构建气泡特征库; 最后, 采用Zernike矩计算悬浮微粒特征的相似度, 区分圆形微粒与非圆形微粒, 之后计算微粒中心与灰度变化趋势, 辨别气泡与固体悬浮微粒。实验结果表明, 在测试数据集上的气泡识别准确率达到94%。该方法不仅能够辨别圆形与非圆形微粒, 而且能够融合灰度梯度计算方法以获取更好的结果。该方法从形状与灰度两个方面提取与辨别目标的特征信息, 提高了气泡识别精度, 具有较高的精确性与适用性。

由于血管边界形态复杂,像素级狭窄检测难以有效地反映血管的细节信息。提出了一种基于数字减影血管造影(DSA)的影像血管狭窄的亚像素级自动检测方法,通过亚像素级分析可以更加准确地辨别狭窄位置并得到更加精确的狭窄程度量化结果。基于自适应多尺度滤波及形态学运算得出血管中轴线,利用泽尼克矩的旋转不变性对血管管壁进行亚像素级检测,采用基于动态球的直径测量算法量化直径,实现了基于DSA的影像血管狭窄的亚像素级自动检测。

提出了一种针对图像的复制-粘贴篡改进行检测的方法。算法以图像子带编码为基础, 利用Hu不变矩和Zernike矩的不变量对篡改图像进行检测。对图像做子带编码处理, 得到近似子带(LL)图像, 对近似子带图像进行Hu不变矩和Zernike矩的特征提取, 用来表征图像的信息, 最后采用上述特征信息进行图像的相关匹配。实验中将所提算法与极余弦变换(PCT)算法以及图像Zernik矩算法进行比较, 结果表明所提算法对图像的旋转、平移攻击具有更优质的鲁棒性, 提高了检测准确率。

研究了一种以干涉合成孔径雷达(InSAR)信息为基础的三维地形匹配导航系统，该系统采用基于3-D Zernike 矩的三维地形匹配算法，同时针对3-D Zernike 矩在地形匹配中计算实时性差的问题进行了改进。为验证系统的有效性和算法性能，搭建了基于VC++和OpenSceneGraph 的三维可视化软件仿真平台。仿真结果表明，基于3-D Zernike 矩的三维地形匹配算法定位精确度高，对地形的适应能力强，算法的实时性问题得到了良好解决，系统具有较高的工程实用价值。

图像内部不同位置或不同图像之间包含有相似的像素或图像分块, 通过对相似块的融合可以完成高分辨率图像的重建。为了充分挖掘图像中潜在的相似信息, 以提高重建质量, 利用图像的几何变换自相似性, 提取图像的邻域 Zernike矩特征进行非局部相似性测度, 提出一种融合几何变换相似信息的联合加权的序列图像超分辨率重建算法。实验结果验证了本文方法的有效性, 与同类方法相比, 本文方法具有更好的重建效果。

图像配准是机器视觉中的重要研究课题。本文针对任意角度图像配准问题, 提出了一种基于 Zernike矩的互相关算法。首先根据三角函数的对称性和反对称性, 仅基于八分之一单位圆信息, 快速计算 Zernike矩; 然后通过求取图像多个矩的互相关性, 确定配准点位置; 进而通过最小二乘拟合, 得到亚像素配准位置; 最终利用 Zernike相位信息, 估算旋转角度。同时, 在线阶段采用径向多项式查表法加速配准过程。实验结果表明, 该算法在保障配准精度的前提下显著提高了配准速度。

由于探测器本身固有的特性以及**上的极限使用要求，红外图像普遍存在目标－背景间对比度较差、目标边缘模糊和噪声较大等特点，采用常规模板匹配、Hu矩方法难以取得理想的检测效果。针对低信噪比红外目标图像，分析了伪Zernike矩的基本原理、不变性和计算方法，提出了低信噪比红外目标检测的伪Zernike矩方法，并比较了模板匹配、Hu矩、伪Zernike矩方法的目标检测效果。理论分析和实验验证了该方法的有效性。

讨论了空间矩、Zernike矩两个亚像素边缘算子的运行时间和定位精度。分析结果表明，Zernike具有更快的运行速度，当计算3个用于边缘定位的参数时，其运行时间较空间矩算子节约了50%。理论分析了空间矩和Zernike矩算子的关系，并推导出了两个算子边缘距离为l的差值公式。测试结果表明，当两个算子的l都限制在中心像素内时，空间矩算子的边缘厚度多达3个像素，而Zernike矩算子的边缘厚度小于1个像素，可见Zernike矩算子的定位精度为真正的亚像素级。经比较，Zernike矩算子的运行时间和定位精度均好于空间矩算子。