基于数字水印的图像认证技术

提出了一种基于数字水印的图像认证技术。首先对图像进行颜色空间转换,然后对图像的亮度分量进行分块,并对分块离散余弦变换。对亮度分量低频系数进行扫描,提取低频部分系数进行量化,并哈希操作产生水印。将水印按照一定强度嵌入到中频系数中,形成含水印图像。实验结果表明,该方法对图像压缩、格式转换等图像常规操作鲁棒;对拼贴攻击、图像中对象的移位等篡改操作有很强的抵抗能力,定位能力好,安全性好,具有实际应用价值。     

基于图像混合特征的城市绿地遥感图像配准

为了解决同一场景城市绿地遥感图像因视角变化等原因不在同一坐标系,以致于不能对其进行变化检测的问题,提出一种基于图像混合特征的遥感图像配准方法. 1）提取SIFT特征点:从待配准图像和参考图像提取足够的SIFT特征点;2）基于混合特征的SIFT特征点配准：首先在特征点集Y和X之间进行对应关系评估,然后利用对应关系建立空间映射函数不断更新形变后源点集的位置;3）图像配准：基于源点集和形变后的源点集来构造一个映射函数,从而对图像进行配准. 在与当前流行的4种算法（SIFT、CPD、RSOC、GLMDTPS）的对比实验中,提出的算法均给出了精确的配准结果,在大部分实验中其性能超过了其他算法.     

基于颜色特征的图像摘要算法

提出了一种基于颜色特征的图像摘要算法.首先将原始图像的RGB颜色模型转换到HSI模型中进行量化并转换为一维矢量,然后将图像分为64块,取得每个块内颜色的特征均值,最后进行量化产生固定长度的图像哈希序列.实验结果表明,相似内容的图像哈希距离较小,而不同内容的图像哈希距离较大.该算法还具有一定的篡改检测能力.     

基于自适应哈希算法的直播视频篡改检测

提出基于视频压缩帧的自适应哈希算法,并将该算法用于实时视频篡改检测.根据帧内数据长度划分非固定步长区间,提取帧的空间结构特征,使用哈希量化形成固定长度的密钥.实验结果表明,该算法能达到实时性要求,表现出较好的鲁棒性和区分性,通过统计视频画面组的密钥相似度,能有效检测视频篡改.     

FD+HOG融合人体行为识别

利用全局特征提取与局部特征提取相融合的方法,将傅里叶变换特征与方向梯度直方图特征相融合的算法结合支持向量机(SVM)来识别人体行为。首先将KTH和Weizmann数据集中提取出来的图像做预处理,分别提取出每张图像的傅里叶描述子和HOG特征,然后利用主成分分析法对HOG提取特征降维,最后用FD+HOG的融合特征放入SVM分类器中分类识别。实验结果表明,该算法识别率可达86%以上。     

融合亮度边缘和纹理的图像质量评价

传统图像质量评价算法往往采用单一特征进行质量评价,导致图像中很多重要信息丢失,本文针对这一不足提出了一种融合多特征的改进算法。该算法首先根据人眼视觉系统特性提取亮度分量,将彩色图像亮度分量与Scharr算子进行卷积,提取图像的边缘特征,计算结构相似度描述子;然后提取图像的局部方向模式纹理特征,利用直方图相交距离得到纹理相似度描述子;最后综合两者结果构建了一种新的图像质量评价方法。在LIVE数据库中对JP2K、JPEG、Fast Fading三种类型的失真进行了对比实验。结果表明:该算法和其他被广泛采用的图像质量评价算法相比,评价结果总体上与主观评价结果具有更高的一致性,尤其对Fast Fading图像效果非常好。     

彩色图像的篡改检测及自恢复算法

数字水印是图像认证的有效手段之一.利用小波变换提出一种计算简单的彩色图像水印算法,将一个图像的主要内容嵌入该图像自身之中,用均值量化的方法在亮度信号中嵌入水印,实现篡改检测和定位篡改区域;用多余的色度空间嵌入亮度信号和色度信号,用于恢复被篡改的图像内容.该算法可以获取较高的峰值信噪比,具有很好的鲁棒性.实验结果表明,该算法对删除、替换等恶意图像篡改具有良好的检测、定位和自修复能力.     

基于Zernike矩的抗旋转攻击图像感知哈希算法

以Zernike矩为特征图像感知哈希算法,由于Zernike矩对图像旋转具有不变性,使得算法具备了旋转攻击下的鲁棒性;同时由于Zernike矩是图像的正交表示,能够很好地提取图像的内容,使得算法具有良好的区分性.算法首先将图像归一化,然后提取图像Zernike矩作为特征,经过密钥置乱后,对特征进行量化生成哈希串.算法在...     

基于VAM和E-HMM的图像拼接盲鉴别算法

为了提高拼接篡改图像的检测准确率,利用视觉注意模型提出了一种新的图像拼接篡改盲鉴别算法。首先,采用改进的基于OSF的非线性滤波方法提取图像的边缘信息,得到边缘显著图像ECM;其次,利用视觉注意模型提取ECM的注意点,并采用显著边缘定位法锁定图像显著边缘处注意点,进而获取图像关键特征片段;接着,提取图像片段的Cr通道,并计算其小波重构图像;然后,针对小波重构图像,提取其扩展的DCT域的HMM特征,并采用SVM-RFE算法对所提取特征进行降维处理;最后,根据得到的特征向量,利用SVM对特征值进行训练并建立分类模型,从而实现自然图像和拼接篡改图像的分类识别。实验结果表明,针对哥伦比亚大学拼接篡改图像库,本文算法的正确检测率为96.32%。     

基于半脆弱水印的图像内容认证技术

为了认证图像内容的真实性和可靠性,提出了一种用于图像内容认证和篡改检测定位的半脆弱水印算法.首先利用小波变换的系数分量近似生成表征图像内容的特征水印; 然后根据图像在小波变换后的能量分布特性,利用伪随机数发生系统确定特征水印的嵌入位置,以此实现水印的自适应嵌入.最后在小波系数中提取出嵌入的水印信息,并与图像生成的水印信息进行比对,以此实现图像的认证功能.实验结果显示,该算法能够区分常规信号的处理操作(如进行高质量的JPEG压缩、添加少量噪声)和恶意篡改操作(如图像剪切),并可对图像的篡改位置进行定位.     

基于多特征融合的交通标志分类

为有效提高交通标志分类的准确度,提出一种融合全局特征和局部特征的多特征交通标志分类方法。首先提取能够描述标志图像内部纹理信息的局部二值模式(local binary pattern, LBP)特征,再提取能够表示标志图像形状信息的方向梯度直方图(histogram of oriented gradient, HOG)特征和描述图像粗略轮廓信息的全局Gist特征,然后采用线性组合方式,实现特征融合互补,并通过主成分分析(principal components analysis, PCA)法进行数据降维,最后采用支持向量机(support vector machine, SVM)分类器进行交通标志训练与识别。试验结果表明:相对于单一特征的交通标志分类方法,基于多特征融合的算法获得了更高的分类精确度,同时也满足实时性要求。     

基于SIFT-LBP的图像检索优化算法研究

针对尺度不变特征变换(SIFT)算法在图像特征提取和检索中精度、实时性以及对光照条件变化描述较差的问题,提出了SIFT和局部二值模式(LBP)相结合的图像特征提取算法。采用旋转不变LBP算法统计关键点周围16×16区域的梯度信息并计算周围9×9区域的LBP值,以区域中每个像素点为中心构建图像的SIFT-LBP特征描述子。采用了基于遗传算法的特征选择方法,剔除了特征点的冗余信息,降低了特征向量维数。实验结果表明,SIFT-LBP算法具有良好的特征匹配效果,对光照条件的变化具有较强的鲁棒性,进一步提高了检索准确率和检索速度。     

一种边缘二进制码的表情识别方法

针对如何从图像中提取有效的表情特征来提高表情识别率的问题,提出了一种基于边缘二进制码的表情特征提取方法,用于表情识别.该方法首先对图像进行边缘检测,然后对边缘的局部结构进行二进制码描述作为表情特征,最后利用支持向量机进行表情分类.在JAFFE人脸表情数据库上,分别用该方法和传统的方法进行试验,结果表明,该方法可显著提高表情识别率.     

Jamming Recognition Based on Feature Fusion and Convolutional Neural Network

The complicated electromagnetic environment of the BeiDou satellites introduces various types of external jamming to communication links, in which recognition of jamming signals with uncertainties is essential. In this work, the jamming recognition framework proposed consists of feature fusion and a convolutional neural network (CNN). Firstly, the recognition inputs are obtained by prepossessing procedure, in which the 1-D power spectrum and 2-D time-frequency image are accessed through the Welch algorithm and short-time Fourier transform (STFT), respectively. Then, the 1D-CNN and residual neural network (ResNet) are introduced to extract the deep features of the two prepossessing inputs, respectively. Finally, the two deep features are concatenated for the following three fully connected layers and output the jamming signal classification results through the softmax layer. Results show the proposed method could reduce the impacts of potential feature loss, therefore improving the generalization ability on dealing with uncertainties.     

Image Classification Based on the Fusion of Complementary Features

Image classification based on bag-of-words (BOW) has a broad application prospect in pattern recognition field but the shortcomings such as single feature and low classification accuracy are apparent. To deal with this problem, this paper proposes to combine two ingredients:(i) Three features with functions of mutual complementation are adopted to describe the images, including pyramid histogram of words (PHOW), pyramid histogram of color (PHOC) and pyramid histogram of orientated gradients (PHOG). (ii) An adaptive feature-weight adjusted image categorization algorithm based on the SVM and the decision level fusion of multiple features are employed. Experiments are carried out on the Caltech 101 database, which confirms the validity of the proposed approach. The experimental results show that the classification accuracy rate of the proposed method is improved by 7%-14% higher than that of the traditional BOW methods. With full utilization of global, local and spatial information, the algorithm is much more complete and flexible to describe the feature information of the image through the multi-feature fusion and the pyramid structure composed by image spatial multi-resolution decomposition. Significant improvements to the classification accuracy are achieved as the result.     

基于多描述子分层特征学习的图像分类

为解决图像分类任务中词袋(Bag-of-Words)模型分类算法单一局部描述子信息缺失、特征量化误差较大、图像特征表现力不足等问题,提出一种基于多描述子分层特征学习的图像分类方法.结合尺度不变特征变换(SIFT)与形状核描述子(KDES-S)进行局部特征提取,并构建分层特征学习结构来减少编码过程中的量化误差,最后将图像特征分层归一化后进行线性组合并利用线性支持向量机(SVM)进行训练和分类.在Caltech-101、Caltech-256、Scene-15数据库上进行实验,结果表明:相比其他图像分类方法,本文方法在分类准确率上具有显著提升.     

基于半色调图像的邻域相似性描述子方法

局部二值化模式是对局部信息进行特征提取,适合解决纹理特征不明显的图像特征提取问题,但这种方法存在特征维数高的问题。针对此问题,提出一种适用于半色调图像特征提取的邻域相似性描述子方法。该方法将8个邻域分别与中心像素值进行比较运算,然后求这8个运算值间的相似性指标。相似性指标的统计量进行归一化后作为图像的纹理特征向量。试验中,采用BP神经网络对提取图像特征进行分类试验。试验结果表明,在计算复杂度、识别精度等方面,本研究提出的方法优于单纯使用局部二值化模式算法。     

基于场景知识的移动目标检测

依据背景差法中背景建模的思想,从提取场景知识的角度出发,建立待检测场景的场景知识库,从而提出一种基于场景知识的移动目标检测算法。使用改进的均值漂移算法对待检测场景进行分割,并提取分割后各个区域的底层视觉特征建立场景知识库;从新的场景帧图像中获取各区域的知识特征向量,然后根据和原场景知识库中各特征向量的匹配结果检测出移动目标信息。仿真结果表明,该方法能有效地检测出场景中原有目标和新进入场景目标的移动信息,并在一定程度上改善了目标阴影、形变等噪声对检测结果的干扰。