文献类型：期刊文章

作　　者：吴健珍[1] 李洪芹[1] 王宇嘉[1]

机构地区：[1]上海工程技术大学电子电气工程学院自动化系,上海201615

出　　处：《计算机工程》

基　　金：上海市自然科学基金资助项目"基于偏好的多目标群体智能算法及应用研究"(10ZR1413000)

年　　份：2012

卷　　号：38

期　　号：22

起止页码：186-189

语　　种：中文

收录情况：AJ、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、ZGKJHX、普通刊

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。

关 键 词：ZERNIKE矩 前馈神经网络 图像配准 仿射变换 参数估计

分 类 号：TN911.73]