根部驼峰缺陷是激光?MIG复合焊接（MIG焊，熔化极惰性气体保护焊）中常出现的焊接缺陷之一，因该缺陷出现在焊件背部，所以在焊接过程中不易被发现。为检测根部驼峰缺陷，采用高速摄像机捕捉焊接图像。对预处理后的图像进行阈值分割得到熔池轮廓图像，通过局部形态学处理进一步获取熔池二值化图像。提取二值化图像的四组归一化不变矩，并采用滑动均值法进行降噪处理，进而获得不变矩特征。建立动态调整学习率算法的一维卷积神经网络模型，以熔池尾部图像的四组归一化不变矩及其滑动均值作为输入。通过9150个连续焊缝样本检测值和实际值的比较，验证了该网络模型具有良好的检测能力。该方法可应用于封闭式的平板对接焊，通过采集激光?MIG复合焊接中焊件表面信号，对无法直接观察的背部驼峰缺陷进行检测。

为解决较多图像匹配算法主要通过测量关键点之间的距离来实现特征匹配, 忽略了图像的结构信息, 使其存在较多的误匹配的问题, 本文设计了方差约束耦合几何不变特性的图像匹配算法。借助于 Forstner算子计算像素点的兴趣值, 以检测图像的特征; 计算图像的梯度信息, 获取图像的方向值, 并切割图像特征的圆形邻域, 从而获取扇形子域; 以图像的方向值为基础, 通过计算扇形子域中的灰度不变矩, 输出对应的特征向量; 引入区域方差函数, 获取图像的结构信息, 将其加入至图像特征的匹配过程, 以约束欧式距离的测量结果, 实现图像特征匹配; 最后利用匹配点间的几何不变特性, 对匹配特征去伪求真, 优化匹配结果。测试数据表明: 相对于已有的匹配技术, 在对无变换图像、缩放图像以及旋转图像匹配时, 所提算法拥有更高的匹配准确度, 分别达到了 96.56%、95.38%和 93.52%。

工件的视觉判别是实现机械手抓取工件的重要环节, 如何对姿态变换后的工件进行视觉识别及分类, 具有重要的理论及工程研究价值。设计了工件姿态变换实验平台, 实验研究了工件姿态变换的视觉识别问题。首先, 采用分水岭图像分割方法, 实现了工件目标图像的分割。其次, 针对工件在水平面旋转姿态变换及在三维空间进行姿态变换两种情况, 分别选取单个工件、部分遮挡工件及部分重叠工件构建图像样本, 并实现了七个特征不变矩的提取。最后, 将工件训练样本的五阶矩、七阶矩的平均值作为工件种类分类目标, 采用Parzen窗对待识别工件类型进行概率密度估计, 并用带惯性的粒子群算法对Parzen窗估计结果进行优化, 克服Parzen窗估计的多峰值问题, 实现了对工件摆放类型的准确判别。

提出一种基于轮廓曲率去噪和仿射不变矩的目标识别方法, 适用于激光主动成像这样的高噪声复杂应用场合。通过计算每个像素及其邻域的轮廓曲率, 判断像素携带的信息量大小, 据此对像素点进行分类。对分属不同类别的像素点, 使用不同滤波参数的 Lee滤波器进行滤波。对滤波后的图像再次提取出轮廓, 计算轮廓的仿射不变矩, 训练分类器进行目标识别。实验结果表明, 本文算法在噪声环境下对目标的仿射变换具有较高的识别率, 并且满足激光主动成像识别系统对于实时性的要求。

目标跟踪系统中比较难解决的一个问题就是遮挡,当一个目标被另一个物体部分或全部遮挡时,跟踪的特性就会不完整或彻底消失,导致目标跟踪失败。为了解决这一问题,采用不变矩和归一化相关(NCC)对目标遮挡进行判断,然后采用目标位置和速度进行航迹外推,对大量外场视频进行仿真并把算法移植到硬件平台。结果表明,通过上述方法可以有效解决目标跟踪遇到的遮挡问题。

原压缩感知跟踪算法由于偏向当前新样本，在遮挡情况下跟踪效果不良。为了提高遮挡时跟踪的准确性，实验首先通过样本分块提取样本的不变矩特征，并以此特征作为朴素贝叶斯分类器分类的标准，然后计算前后两帧目标的不变矩特征的差值，以该值判断目标是否发生遮挡，进而实现分类器的自适应更新。实验表明，该算法在目标出现部分遮挡时跟踪效果良好，对尺度变化有一定的鲁棒性，并且跟踪的准确度比原算法有所提高。当目标像素大小为25×69时，平均处理速度达58 帧/s，满足实时性要求。

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。

现有的基于混沌振子检测轴承故障的方法的关键步骤是混沌振子相态转变判别,目前大多采用李雅普诺夫指数等特征值进行判断，针对其计算过程复杂，耗费时间长的缺点，基于图像识别技术，提出了一种以极半径不变矩参数作为相态转变的识别方法。通过构造Duffing混沌振子，分析了其相态转变与周期策动力的变化关系，证明其用于轴承早期故障识别的可行性；给出了极半径不变矩的定义，并证明在混沌振子相图由混沌运动态向大尺度周期态转变的过程中，随着周期摄动力不断增加，极半径不变矩表现出单调递增的特性；与HU氏不变矩及二维近似熵判别方法进行对比，讨论了极半径不变矩的抗噪声干扰能力；最终，将该方法用于实际搭建的钻机动力头轴承早期故障诊断的试验中。试验结果表明：极半径不变矩可以识别混沌振子相态过程转变，最低检测信噪比达到-36.99 dB，且识别准确率也较另外两种方法提高了4%~7%。证明该方法可以用于轴承早期故障识别，具有识别准确率高，抗噪声干扰能力强，计算简便的优点。

图像目标主要的两个特征是颜色特征和形状特征,为提高跟踪的准确性和鲁棒性,提出融合图像目标颜色和形状的多特征融合跟踪新方法。采用基于HSV空间的空间颜色概率直方图模型,以及灰度变换后的Hu不变矩模型,分别进行实时目标跟踪,然后采用自适应加权方法,完成图像目标最终跟踪位置的确定。经实验测试,该方法对图像目标受到复杂背景干扰,以及颜色变化、尺度变换以及亮度变化等情况都具有很强的鲁棒性,同时增强跟踪效果,提高了跟踪的有效率。

为了提高空间域彩色图像零水印算法的水印嵌入、检测的精度, 以及抵抗旋转几何变换的能力, 提出一种基于对数极坐标和四元数实矩表示的抗旋转攻击空间域零水印算法。将原始彩色图像使用四元数实矩阵来表征, 计算实数字矩阵的Hu不变矩; 利用7个Hu不变矩来设计和构建零水印信息; 在水印检测前, 通过对数极坐标校正算法,对可能遭受旋转攻击的待检测图像进行旋转角度的遍历, 而后进行水印的提取。实验获得了良好的图象视觉效果, 对于旋转几何攻击具有很强的鲁棒性, 同时对于滤波, JPEG压缩, 剪切攻击也具有一定的鲁棒性。