具有几何约束匹配的SIFT图像盲检测研究

复制粘贴是常见的图像篡改手段之一。SIFT是常用的一种匹配算法,也是一种有效的图像复制粘贴篡改检测方法。该算法只采用欧式距离作为度量图像复制区域和粘贴区域特征点向量间的相似性,并未加入其他的匹配约束,由此会产生特征点的误匹配;因此,对得到的匹配点对采用方向一致性几何约束,剔除误匹配点对,提高匹配的正确率和算法后续几何评估中RANSAC算法的执行效率。最后,分别对缩放、旋转,以及在篡改图像中添加噪声等情况进行实验。实验证明改进算法对上述情况的性能提升明显。     

一种改进的SURF古籍图像复制粘贴篡改检测算法

针对古籍图像复制粘贴篡改检测需求设计了一种算法.该算法以SURF算法为基础,引入小波变换并改进,清除图像中的噪声斑点,提高了Hessian矩阵构建的准确性;引入SLIC(Simple Linear Iterative Clustering)算法并改进,对图像进行分块,减少了图像匹配检索用时;改进欧氏距离匹配阈值选取方式,降低了特征点检测误匹配率;引入图像局部色彩方差,提升图像特征点匹配准确性.结合多种类型的古籍图像篡改实例,并与当前其他主流算法就检测结果进行比较分析.结果表明,该算法在匹配检测准确度和检测用时方面更具优势,更能有效地鉴定出篡改的图像信息.     

基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征（FAST）算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。     

基于特征匹配的图像真伪检测方法的研究

针对基于SIFT特征匹配的图像篡改检测算法存在篡改区域定位不清晰,以及SIFT误匹配现象会对篡改区域分辨造成干扰的问题,提出一种基于数学形态学和特征匹配的图像篡改区域定位方法.首先在尺度空间上对图像进行极值检测,对图像特征关键点进行定位,确定图像梯度方向,形成特征点描述子;然后基于欧式距离对特征描述子进行两两匹配形成块...     

一种新的图像拷贝篡改检测方法

针对图像的区域拷贝篡改提出了一种新的检测方法,即基于LPP-SIFT(Locality Preserving Projection-Scale Invariant Feature Transform)的检测算法.该算法利用SIFT提取图像的特征点,结合LPP特征映射,生成低维特征点描述子,然后依据向量角度比率得到匹配点对,匹配点对聚集的区域即为拷贝篡改区域.实验表明该算法能够有效地检测定位区域拷贝篡改图像,且对于拷贝区域的旋转、缩放以及图像的JPEG压缩、噪声添加等操作具有较强的鲁棒性.     

基于改进SIFT算法的图像复制粘贴盲检测方法

对高斯二阶差分(D~2OG)算子的产生过程和理论依据进行了分析,介绍了一种称为广义特征点匹配的新方法。通过仿真,先获得被检测图像的基于D~2OG算子的SIFT特征点,然后利用广义特征点匹配方法检测图像是否被篡改。对100幅篡改图像进行篡改检测,采用D~2OG算子得到的特征点与DOG算子得到的特征点用于检测图像复制粘贴的正确率接近;但用D~2OG算子检测效率更高,对图像检测量大、实时性要求高的检测任务有实用价值。     

基于主色调的图像布局特征提取及相似性匹配算法

在基于内容的图像检索中,图像特征的提取和特征匹配是图像检索的核心.为了克服普通颜色特征不考虑颜色空间分布的缺点,提出了一种基于主色调的空间布局特征提取方法,并在此基础上提出了基于布局特征和颜色特征的图像相似性匹配算法-双特征匹配算法.仿真实验表明,该算法对一些布局特征明显的图像类型有很好的检索效果.     

结合结构与梯度的图像哈希算法

为了提高分类性能和运算效率,提出结合结构特征与梯度特征的图像哈希算法. 该算法对输入图像进行预处理提高算法的鲁棒性,将预处理后的图像转换到YCbCr颜色空间,提取亮度Y分量. 利用Y分量的峰顶曲线和峰谷曲线来获取外部结构特征,同时提取峰顶和峰谷的位置信息来构建内部结构特征. 结合外部结构特征和内部结构特征得到图像的结构特征;提取Y分量的横向梯度与纵向梯度来构建图像的梯度特征;将结构特征与梯度特征联合起来并扰乱得到最终的哈希序列. 实验结果表明,所提算法对亮度调整、对比度调整和高斯低通滤波等保持内容的图像处理较稳健. 与已有算法对比,该算法具有更好的受试者工作特性（ROC）曲线和较好的图像分类性能,在篡改检测实验中,该算法可以有效地检测篡改图像.     

基于高斯肤色模型和图像分割的人脸检测

提出了一种基于HSV、YCgCr颜色空间和图像区域分割的人脸检测方法.首先,将规范化的rgb肤色转化到HSV、YCgCr颜色空间,对向量（H,Cg,Cr）T进行统计,得到肤色的三维高斯概率模型.然后,根据该模型计算待检图像的肤色相似概率,采用最大类间方差的方法计算二值化阈值,根据阈值将相似度图像二值化.为了抵消人脸区域亮度变化和阴影的影响,以二值图像为模板,在原待检图像的饱和图中根据3像素×3像素区域的平均R、G值进行图像区域分割.在分割得到的区域中,根据人脸特征检测出图像中的人脸.实验表明,提出的方法能在复杂背景的情况下检测出人脸图像.     

雾霾天气下交通标志的检测与识别

针对我国当前交通环境的多变性,尤其是雾霾天气的出现,提出了一种在雾霾天气下快速实现交通标志分类识别的算法.首先,将图像从RGB颜色空间转换到HSV空间,对S通道图像边缘检测,计算标志牌的圆形度、矩形度等,判定标志牌的形状,定位提取标志牌所在的区域,根据标志牌的颜色和形状的匹配唯一性,对标志牌进行初步分类,然后提取标志牌所在的区域进行模板匹配,读取标志牌的具体含义.实验结果表明:该算法能有效地提高雾霾等恶劣天气下交通标志的检测率,并能满足实时性需求.     

基于平面颜色分布的增强现实自然特征注册算法

针对增强现实中自然特征注册算法其自然特征的复杂和无规律而难以兼顾算法速度和精度的问题,提出一种基于平面颜色分布的自然特征注册算法.算法提取彩色连通域作为局部不变特征,计算简单的色调、几何信息作为特征描述,结合颜色分布在视角变换下的几何限制进行全局的匹配优化.该算法无须追踪连续帧间的运动特性,可以在独立帧上完成.算法采用Mikolajczyk标准库验证其注册效果,在800×600的图像尺寸下实现15帧/s的实时注册.与加速鲁棒特征（SURF）算法的对比表明：本算法能满足更苛刻的注册条件,并能保持较好的注册精度.动态视频的注册结果也表明算法面对动态模糊也十分鲁棒.     

基于色彩特征的CAMSHIFT视频图像汽车流量检测

针对视频图像中目标车辆尾灯及背景色彩在HSV空间分布上的特点,提出了把车辆尾灯作为跟踪目标,恰当选取色彩特征参数,采用CAMSHIFT目标跟踪算法对汽车流量进行检测的技术方案.研究了基于HSV色彩空间的CAMSHIFT目标跟踪算法在视频图像汽车流量检测中的实现,并用实际拍摄的交通视频图像对该检测算法进行了验证.实验结果表明,本文算法具有较高的准确度,能够有效跟踪以各种速度行驶的车辆,可以较好地应用在汽车流量检测领域中.     

基于mRIVIR和SVM的弹性图像特征选择与分类

为客观的评价弹性图像,利用图像处理与模式识别技术进行分析．首先通过彩色变换获取弹性信 息,然后提取弹性图像用户感兴趣区域的一阶统计特征和纹理特征,采用“最小冗余最大相关”( mRMR)算 法选择优化的特征,最后使用带有核函数的SVM分类器对弹性图像进行分类．实验结果表明：该方法具有较 高的准确率(92%)．采用计算机辅助诊断技术对弹性图像进行定量分析可有助于提高诊断准确率     

基于局部特征图像匹配算法改进

本文针对SIFT算法存在着特征提取及匹配速度慢,在灰度变化相似的区域产生误匹配的缺陷,讨论了SIFT 的改进算法-SURF算法的原理及应用方法,对算法进行检验,指出SURF算法在提取特征点时更偏重于提取鲁棒性较强的点,同时,摒弃一些鲁棒性较弱的点,对鲁棒性强的特征进行匹配以减少计算时间,使SURF在实时性处理和大量图片...     

一种基于HSV空间和纹理特征的快速车牌定位方法

提出了一种基于HSV空间和纹理特征的快速车牌定位方法。该算法利用车牌区域固定的颜色特征,可快速、准确地定位到与车牌颜色有关的区域。针对不同的背景和不同的车辆,抽取了150幅图片进行测试,定位成功率为97.6％,平均定时耗时为28ms。实验表明,该方法是一种在HSV空间利用颜色和纹理特征进行定位的算法,通用性强,灵活有效。     

高速公路路侧景观量化方法

将路侧景观量化分成图像分割与特征提取两个阶段。第一阶段为路侧景观图像分割。对比分析了标记分水岭算法、Canny算子边缘检测算法及纹理分析算法的分割效果,选定了鲁棒性较强的纹理分析算法进行高速公路路侧景观分割。第二阶段为景观色彩特征与连续性特征的提取。在景观色彩特征提取方面,利用k均值聚类分析法提取了景观的RGB向量值,借鉴蒙赛尔色系划分法建立了色彩划分体系,对景观的宏观色彩进行了判别。结果表明:该方法可客观准确地表征景观的宏观色彩。在景观连续性特征表征方面,选取昆元高速公路部分路段景观提取了基于时间序列的HSV值。HSV值与路侧景观构成及连续性的量化分析表明两者相关性很强,方法快速有效。     

Adaptive key SURF feature extraction and application in unmanned vehicle dynamic object recognition

A new method based on adaptive Hessian matrix threshold of finding key SRUF( speeded up robust features) features is proposed and is applied to an unmanned vehicle for its dynamic object recognition and guided navigation. First,the object recognition algorithm based on SURF feature matching for unmanned vehicle guided navigation is introduced. Then,the standard local invariant feature extraction algorithm SRUF is analyzed,the Hessian Metrix is especially discussed,and a method of adaptive Hessian threshold is proposed which is based on correct matching point pairs threshold feedback under a close loop frame. At last,different dynamic object recognition experiments under different weather light conditions are discussed. The experimental result shows that the key SURF feature abstract algorithm and the dynamic object recognition method can be used for unmanned vehicle systems.     

基于YUV颜色空间的脸部区域特征点定位方法

为了实现面部主要特征点的精确定位,提出了一种融合YUV颜色空间与差分投影技术的人脸区域主要特征点定位方法。利用直方图拟合技术,实现了人脸区域的定位;在YUV颜色空间内,利用红色调像素点集的相位分布完成了嘴部区域的定位;利用差分投影技术求取脸部区域的横、纵向灰度差之和,并结合嘴唇区域的定位结果完成眼部区域的垂直定位与水平定位,为进行面部姿态识别奠定基础。试验结果表明,该方法可以有效地实现面部主要特征点地定位,具有准确率高,鲁棒性好,简单易行的特点。     

基于SURF算法的细胞显微图像拼接方法的改进

为提高细胞显微图像的拼接速度,对基于SURF特征提取的显微图像拼接方法进行了改进.首先利用SURF算法提取待拼接图像的特征点,接着提取待拼接图像的边缘,将图像边缘上的特征点保留下来,进行下一步匹配与图像融合.实验结果表明:改进的方法能够获得理想的拼接效果,并且大大地提高了运算速度.