改进BRISK特征的快速图像配准算法

为了实现超分辨率图像重建中高精度快速图像配准,提出一种改进BRISK特征的快速图像配准算法。原有BRISK算法在特征提取和匹配过程中,忽视了角点分布信息,其匹配策略单一,导致误匹配率高。针对该问题,首先利用BRISK算法构建连续尺度空间,在此基础上对图像进行分块,然后利用图像区域显著性自适应选择角点检测阈值,获得均匀分布的角点,最后利用快速最近邻FLANN算法结合RANSAC的方法进行二值特征快速匹配。实验结果表明:改进的BRISK算法相比原算法在保持速度的基础上达到亚像素级配准精度,并具有优越的场景适应性能。     

太赫兹成像三维块匹配自适应Canny边缘检测算法

针对传统Canny算子在滤波时会模糊边缘且需要人工设置高低阈值的缺点，提出了一种基于三维块匹配的改进自适应阈值Canny边缘检测算法，并用于太赫兹三维层析成像。该算法一方面对滤波方法进行了改进，用三维块匹配(BM3D)滤波算法结合引导滤波算法代替高斯滤波算法以减少图像边缘信息的丢失；另一方面，针对传统人工设定阈值的不确定性，将梯度图进行块匹配后对三维图像块组使用最大类间方差法(OTSU)以自适应确定高低阈值。最后利用该算法对含有噪声的图像进行边缘检测处理，发现在高斯噪声方差为20时滤波后的峰值信噪比(PSNR)从22.202提升至27.151，验证了该算法去除噪声的有效性。三维块匹配改进自适应阈值Canny边缘检测算法(BM-OTSU-Canny)减少了错误边缘的数量，同时保留了连接性较好的边缘点，改善了边缘细节信息的提取效果。     

结合关键点和块优点的复制粘贴检测算法

数字图像应用广泛,但随着各种编辑图像软件的使用,使得图像的真实性有待考证。大多数基于关键点检测的算法由于关键点数量有限,导致最后检测结果不完整或者表示不明确,文中提出了一种基于分割结合关键点特征的检测算法,利用SIFT提取关键点特征,再使用g2NN算法匹配关键点,用设计的聚类去除误匹配,根据改进的自适应分割算法,标记匹配的图像块,然后找出周围邻居块进行对比匹配输出结果。该算法能有效快速地检测并标记大图片的复制篡改区域,对大多数后处理鲁棒,较完整地标记出篡改区域。     

一种新的自适应阈值SSDA算法

在传统的序惯相似度检测算法和自适应闽值的序惯相似度检测算法的基础上,运用粗匹配中取三点最小值分别作为精匹配中的初始门限值,然后进行三次精匹配,比较三次匹配结果取最小值,转变为最终的图像匹配点,实现一种新的自适应阈值的序惯相似度检测算法。实验结果表明,这种改进自适应阈值的序惯相似度检测算法,在略微降低算法的执行速度的同时,能够很好地保持自适应阈值的序惯相似度检测算法的图像匹配准确性,具有很好的实时性。     

图像内区域复制粘贴篡改鉴定

区域复制粘贴篡改检测算法是以图像块匹配为基础的,然而传统的匹配算法计算量大,匹配速度慢,效率低下.针对现有的图像内区域复制粘贴检测算法计算量大,时间复杂度高的问题提出一种有效快速的检测与定位篡改区域算法.首先利用小波变换获取图像低频区域,然后对得到的图像低频部分进行分割,然后对分割后得到的每个图像块进行DCT变换,通过特征向量排序缩小匹配空间,最后通过经验阈值进行真伪鉴定,实验结果表明该算法过程中除掉图像冗余,减少检测块数,降低了时间复杂度,提高了检测效率.     

强化边缘结构分辨的分段自适应图像修复

针对Criminisi算法对边缘纹理分辨不足、无法识 别图像局部区域的直线和曲线的特征以及通过颜色进行块匹配而造成修复效果失真等问题, 提出一种局部特征与边缘纹理分辨相结合的分段自适应图像修复 算法。首先在分段自适应图像修复算法的优先权中引入边缘分辨因子和特征判断因子,增强 对边缘、局部 区域的直线和曲线的分辨能力,克服破损边缘不合理的修复顺序;其次在块匹配准则中引入 特征项,提高 样本块的匹配准确率,避免块匹配的颜色匹配不足;然后采用分段自适应算法进行置信项更 新,解决置信 项快速趋于0的问题;最后采用主客观的评价体系对图像修复质量进行评价。评价结果显示 分段自适应图 像修复算法的图像修复质量优于其他算法,信噪比和峰值信噪比的评价值均提高在 0~3.8之间;在结构相 似度的优化程度上提高了0~0.7%。实验结果证明,分段自适应图像修 复算法有效地修复了破损图像,获得较好的图像视觉效果。     

区域指导的自适应帧内错误隐藏算法

提出了一种适用于H.264的区域指导的自适应帧内错误隐藏(ADEC)算法.该算法首先对受损块邻域进行边缘检测,通过对边缘信息的进一步分析排除边缘点匹配的模糊性,然后采用Bezier曲线拟合生成受损块内部边缘,并以此为指导进行区域划分,对不同区域自适应进行插值来重建受损块.实验表明,该算法能很好地保护受损场内部边缘,并适应不同内容类型的图像,差错隐藏效果明显.     

抗仿射形变异构金字塔复合描述点特征匹配算法

不同视角下具有一定变形的高分辨率大尺寸影像之间的匹配是遥感、摄影测量和计算机视觉等领域的难点。提出了抗仿射形变异构金字塔复合描述点特征匹配算法（RAIPy MuDePoF 匹配算法）:构建了基于sinc 函数卷积变换的多尺度异构金字塔影像结构,提出采用变换影像的sinc 梯度、主方向和变形程度拟合仿射协变区域,在特征点的仿射归一化区域中,提出新的抗旋转投影累积量描述子和加权直方图辅助描述子进行复合描述,最后在大尺度匹配特征拟合变化参数和可信度的引导下实现尺度域的点特征匹配。大量试验表明,算法对尺度变化、旋转、噪声和一定程度的视角变换和变形具有很强的适应性,性能优于当前很好的匹配算法。     

基于信息熵的改进SIFT图像快速匹配算法

针对传统的尺度不变特征变换(SIFT)算法计算相对复杂、匹配耗时较长无法满足工程上实时计算要求的问题,提出一种基于信息熵的改进SIFT图像快速匹配算法.首先,根据局部熵自适应选择分割阈值把测试图像和参照图像分割成不均匀的两个区域,采用高熵区域做特征点检测,提高特征点的检测效率;然后利用每个子区域的梯度方向信息熵和梯度幅值信息熵把描述符向量的维度从128维降低到50维,降低欧氏距离的计算复杂度;最后,用最近邻距离比值法完成特征点匹配.通过实验对比发现改进的匹配算法在降低算法复杂度和提高正确匹配率的同时,显著地缩短了匹配时间.     

基于多种纹理特征的全色图像云雪区特征提取

针对全色图像云检测与雪检测的问题,文中提出了一种基于多种纹理特征的特征提取方法。首先,利用自适应的大津阈值分割算法提取云、雪区域。然后,通过分形维数、灰度共生矩阵、小波变换等方法提取云、雪区域的多种纹理特性。最后,利用径向基核函数的支持向量机(Support Vector Machine,SVM)分类器进行云雪自动检测。典型遥感数据的实验结果验证了本文算法的有效性。     

结合分类与迁移学习的薄云覆盖遥感图像地物信息恢复

利用多源多时相遥感图像,给出一种结合分类与迁移学习的薄云覆盖遥感图像地物信息恢复算法.首先利用多方向非抽样对偶树复小波变换对多源多时相遥感图像进行多分辨率分解,对分解后的薄云图像的高频系数利用贝叶斯方法进行地物初分类;再对每类地物的低频系数通过迁移最小方差支持向量回归模型进行域自适应学习,获取模型参数;最后利用所获的迁移回归模型,用无云参考图像的低频系数预测薄云覆盖图像的低频系数,去除薄云,恢复薄云覆盖图像的地物信息.实验结果表明,本文算法恢复的地物细节清楚,光谱失真较小.特别对地物季节性变化的薄云覆盖遥感图像,本文算法能有效恢复薄云覆盖区域的地物信息.     

基于多特征融合的层次支持向量机遥感图像云检测

云检测是遥感图像处理和应用的前提, 针对遥感图像云检测的准确率容易受到薄云及似云地物影响的挑战, 提出一种结合遥感影像灰度、纹理和频率特征的层次支持向量机云检测算法。该方法首先采用简单线性迭代聚类算 法将遥感图像分割为像素块, 再采用一种层次支持向量机分类器对遥感图像以像素块为单位进行云检测。层次支持 向量机的第一层将像素块初步分为 “云” 和 “地物” 两类。层次向量机的第二层针对第一层分类的结果分别设计两个 分类器进行进一步分类, 并将分类后的结果合并为 “厚云”、 “薄云”、 “地物” 三类。最后, 将分类结果进行膨胀处理, 得到最终的云检测结果。选取高分一号 WFV 的 RGB 波段遥感图像进行实验, 结果显示提出的新方法对实验图像的 云检测平均准确率为 95.4%, 表明该方法可适用于多种场景下遥感图像的云检测, 服务于遥感产品的生产和应用。     

基于艇载遥感成像数据的高空间分辨率全色遥感图像仿真

高空间分辨率全色遥感图像在军事侦察、地面监视等领域具有较高的应用价值.为模拟星载全色遥感图像, 提出了一种由艇载遥感成像系统获取的低空遥感图像为数据源的高空间分辨率全色遥感图像仿真方法.首先将低空宽视场图像按典型地物类型进行监督分类, 其次将低空宽视场图像与多光谱图像按不同地物类型分类拟合, 并将多光谱拟合结果合成高空间分辨率全色仿真图像, 最后对高空间分辨率全色仿真图像进行仿真精度评价.相比星载全色遥感图像, 仿真图像同样具备高空间分辨率、全色波段、宽视场等特点.仿真方法可为星载全色遥感图像仿真提供较准确的数据支撑.     

基于均匀网格编码量化的超光谱图像自适应压缩

提出一种基于小波系数分类的超光谱图像压缩方法．算法首先将各波段小波分解并将所得子带划分成子块，而后根据子块活动性将其分类．在分类基础上，使用预测差分技术去除谱间冗余，此过程中分别求取各子类的预测系数以反映子带的局部相关性，而后利用均匀网格编码量化方法来量化残差系数序列，最后使用自适应算术编码对量化码字进行熵编码，为使编码器能在所有系数序列中最优地分配比特，本文提出一个基于序列统计特性和网格编码量化器率-失真特性的比特分配算法，实验证明该方法能高效地压缩超光谱图像，表现出优异的压缩性能。     

基于激光雷达与红外图像融合的车辆目标识别算法

为了提高车辆目标在不同测试条件下的识别效率,降低系统的漏检率和误检率,提出了一种基于激光雷达与红外图像融合的车辆目标识别算法。该算法利用目标原点矩参量表征目标的红外特征,用匹配相似度表征目标的点云特征,再经过轴系对齐和尺度变换实现图像融合。实验采用激光雷达与红外同轴光路获取的两类数据进行图像融合,再利用目标匹配阈值进行迭代筛选,最终识别车辆目标。对比了1帧、20帧和40帧图像中具有不同属性的车辆目标识别效果,结果显示,本算法输出的目标识别区域正确适当。在1000帧图像的多种测试条件的实验中,本算法的漏检率均小于100,误检率均小于50,明显优于传统的距离向数据分类法和光谱分类法,验证了其具有较好的鲁棒性。     

基于帧差法和自适应阈值区域生长的红外运动目标检测

针对具有背景干扰、信噪比低的红外图像,提出了一种基于帧差法和自适应区域生长的红外运动目标检测方法.首先对红外图像进行了高帽变换,以抑制大面积背景的干扰,相邻帧图像间做帧差,初步提取目标区域;其次分析了红外目标的特性,针对其特性提出了一种基于灰度等级的自适应阈值分割方法;最后以帧差法检测的目标质心为种子点,以自适应阈值为分割准则,在预处理后的图像中进行区域生长,最终实现了红外运动目标的检测.结果表明,所提算法可抑制大面积背景的干扰,实现单个和多个红外运动目标的完整提取和检测.     

一种改进的高亮度区域肤色像素检测算法

高亮度条件下肤色和非肤色具有很高的相似性,导致高亮度肤色像素的检测一直是基于肤色分割的一个难点。为了提高肤色分割的效果,提出一种能够检测出图像中高亮度肤色区域的方法。首先在YCbCr颜色空间中利用阈值自适应的单高斯模型检测出图像中具有正常亮度的肤色像素,再结合像素的邻域信息和亮度边缘信息进一步检测出图像中高亮度区域的肤色像素,有效地解决了传统肤色检测方法对高亮度肤色区域漏检的问题。实验结果表明,采用该算法可以较准确地检测出图像中的高亮度肤色区域。     

城区红外遥感云层检测技术

针对复杂地物背景下的城区红外遥感图像的云层干扰问题,提出了一种基于图像特征提取、区域投票表决和阈值分割的云层检测方法。对图像进行去噪和归一化拉伸处理,再进行多特征提取,并通过提取的特征向量对图像进行分区域云层投票表决,最后根据表决结果和分形特征度量矩阵进行阈值计算和阈值分割,并通过形态学处理得到精确的云层区域。统计检测结果显示算法对不同时刻的数据检测准确率在91%以上,证明了算法的适用性和有效性,为红外遥感图像的信息处理提供了有效的技术支持。     

基于大脑层状皮质模型的立体图像质量评价

针对利用相机传感器模式噪声的篡改检测在待测 图像纹理复杂区域存在较高的虚警,提出了一种考 虑纹理复杂度的自适应阈值检测算法。根据Nyman-Pierson(N-P)准则,确定不同纹理复杂 度对应的相关性匹配 判定阈值,而得到相关性阈值与纹理复杂度的关系拟合函数。在不重叠分块计算待测 图像噪声残差 和其来源相机传感器模式噪声对应块相关性的基础之上,根据待测图像块不同的纹理复杂度 进行相关性匹 配,确定大致篡改位置;再用快速零均值归一化互相关(ZNCC) 算法计算两噪声图像中大致篡改区域对应点的相关性,实现精确定 位。在手机图像库上的实验表明,与现有的固定阈值方法相比,本文算法的检测率达 到了98.8%,而虚 警率仅为1.897%,有效地降低纹理复杂区域的虚警率,并实现对篡改 区域的精确定位;同 时,与传统的滑动窗口方法相比,本文算法检测效率平均提高了26倍 。