采用K-means的脑肿瘤磁共振图像分割与特征提取

大脑肿瘤分割对于医师判断肿瘤恶化程度非常重要。然而,由于肿瘤的不规则形状、与周围组织的低对比度以及出现位置的不固定,给脑肿瘤的精确分割带来很大的困难。传统的K-means分割方法仅仅利用图像的灰度特征,很难准确分割肿瘤边界。利用灰度共生矩阵提取出的纹理特征,并结合图像几何不变矩特征对分割出的脑肿瘤图像进行特征提取。灰度共生矩阵定义为像素对的联合概率分布,是一个对称矩阵,它不仅反映图像灰度在相邻的方向、相邻间隔、变化幅度的综合信息,也反映了相同的灰度级像素之间的位置分布特征,是计算纹理特征的基础;几何矩（不变矩）具有旋转、平移、尺度等特性,能将图像分解为有限特征值,并且通过对比所提取出的同一病人的肿瘤图像的不变矩参数,可以获得该肿瘤几何形状变化程度。实验结果表明,该方法可以同时从纹理和几何特征对图像特征进行描述,与分别采用灰度共生矩阵和不变矩方法进行特征提取相比较,降低了算法计算量,同时提升了算法的抗噪性。     

高斯几何矩及其在特征匹配与图像配准中的应用

针对几何矩存在特征表述能力较弱和对噪声敏感等缺点,提出一种高斯几何矩,并给出了它的平移和旋转不变矩,同时提出一种基于高斯几何矩的图像配准方法.在几何矩的基础上引入高斯核,定义了高斯几何矩;再由高斯复数矩推导高斯几何矩的位移不变矩及旋转不变矩的独立与完备集;讨论了尺度因子对高斯几何矩表征图像的影响,充分利用尺度因子的灵活性特点,重点捕获图像的有效信息,提高了图像的特征表述能力.对高斯几何矩和几何矩的特征匹配能力与图像配准能力进行详细比较的结果表明,文中提出的高斯几何矩矩比几何矩具有更强的特征表述能力和抗噪声干扰能力.     

抗几何攻击图像水印研究

研究图像数字水印安全问题.抵抗几何攻击一直是水印算法研究的难点和重点,在图像版权保护过程的研究,针对旋转、缩放和平移等几何攻击能够破坏水印检测的同步性,容易使常规水印算法检测不稳定的问题,利用图像伪Zernike矩的幅度具有旋转不变的性质,提出了一种可有效抵抗几何攻击的数字图像水印新方法.利用图像归一化技术将原始载体映射到几何不变空间内,以消除缩放、平移之影响,然后结合伪Zernike矩的旋转不变特性,计算出归一化图像的伪Zernike矩.最后选取部分低阶伪Zernike矩,并采纳量化调制策略将水印信息嵌入到伪Zernike矩幅值中.仿真结果表明,数字图像水印算法不仅具有良好的透明性,而且具有较强的抗攻击能力,为设计提供了可靠依据.     

一种改进的基于不变矩的图像匹配算法

通过对不变矩理论的分析,提出以局部图像的边缘不变矩特征及其灰度信息的统计特征相结合的两阶段匹配算法.首先利用不变矩的平移、旋转及伸缩的不变性,计算图像边缘不变矩,将其作为匹配特征,在匹配结果中取前N个较好的匹配结果作为侯选目标;再根据契比雪夫不等式确定候选目标的置信度;最后计算各个候选目标的直方图包含的统计特性进行最终目标的定位.实验结果表明该算法克服了传统图像匹配方法搜索目标时存在的置信度问题,通过与基于不变矩特征直接匹配方法和基于灰度相关的匹配方法比较可见,在性能上明显优于这两个方法,并得到较理想的匹配结果.     

一种结合灰度和边缘信息的局部特征描述算法

针对单一特征引导图像匹配的准确度有限,提出了一种同时使用灰度和边缘信息的特征描述子。该描述子将图像的几何特征与灰度信息结合起来,首先计算每个特征点的灰度对比直方图,然后引入边缘属性以增强边缘的匹配。实验结果表明,该算法由于同时采用灰度信息与边缘信息引导图像匹配,其匹配效果好于单独使用灰度或边缘的图像匹配算法,在一定程度上降低了误匹配率,同时满足旋转和光照不变性,对图像灰度变化和噪声不敏感,具有良好的匹配性能。     

基于图像NMI特征的目标识别新方法

利用物理学相关概念定义了一种新的图像不变特征即归一化转动惯量（NMI）特征,对其不变性进行了分析,提出了基于图像NMI特征的目标识别新方法。实验结果表明：NMI特征具有抗灰度及TRS不变性,且提取方法简,易于实现;与传统的归一化积相关算法、图像不变矩算法相比,该文提出的目标识别方法具有正确率高、速度快等特点。     

特征点和不变矩结合的遥感图像飞机目标识别

传统的飞机目标识别算法一般是通过目标分割,然后提取不变特征进行训练来完成目标的识别。但是,对于实际情况比较复杂的遥感图像飞机目标,至今没有一种适合多种机型的分割和识别算法。针对现有识别算法的不足,本研究提出一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的遥感图像飞机目标识别算法。方法：首先,对预处理后的遥感图像和模板图像进行小波变换,在低分辨率图像下采用圆投影特征进行粗匹配,确定候选目标;粗匹配结束后,提取高分辨率图像的多尺度Harris-laplace角点,并画出Delaunay三角网,同时提取出颜色不变矩和Zernike不变矩;然后使用欧氏距离作为这三种特征的相似性度量,并和样本图像进行加权匹配;最后选取欧式距离最小的图像作为最终的识别目标。结果：实验表明,本文算法飞机检测精度比现有算法高2.2%,飞机识别精度比现有算法高1.4%-10.4%。该算法能从遥感图像中精确识别出十大飞机目标,并对背景、噪声、视角变化等多种干扰具有良好的鲁棒性。结论：提出了一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的飞机识别算法,该算法使用了图像的多种信息,包括特征点和不变矩,有效地克服了使用单一特征无法描述多种信息的不足。实验结果表明,本文采用基于特征点和不变矩的飞机识别算法比其他算法具有更强的抗干扰能力和识别精度。     

基于特征向量的SAR图像目标识别方法研究

用于描述区域特征的Hu矩不变量在模式识别中得到广泛使用。然而在噪声影响下,尤其是SAR图像中严重的相干斑噪声,Hu 矩不变量不再保持其完美的性能。以Hu七个矩不变量为基础,结合SAR图像的特点,引入四个仿射矩不变量和SAR图像中目标区域的峰值、均值和方差系数,构成SAR图像中目标识别的特征向量。该特征向量体现了SAR图像区域目标的形状特征和区域的灰度信息。通过对两种不同分辨率下的T72坦克SAR图像的目标识别仿真实验,均获得了较好的目标识别效果,说明所选取的SAR图像目标识别的特征向量是有效的,具有较强的目标识别性能。     

基于Zernike矩和NSCT-SVD的数字水印算法研究

以非下采样Contourlet变换、奇异值分解以及Zernike 矩知识为基础,结合图像不变质心在几何攻击前后相对位置不变的特性和Zernike 矩对旋转、缩放攻击的不变性以及对噪声不敏感的特性,提出了一种利用 Zernike 矩对图像几何校正的 NSCT-SVD几何鲁棒盲水印算法。该方案中宿主图像通过非下采样 Contourlet变换分解提取出低频区域,通过量化每块奇异值矩阵的欧氏范数来嵌入水印。水印检测时,先利用Zernike 矩和不变质心等几何参数对被检测图像进行几何攻击校正,恢复水印的同步信息后再提取水印。实验结果表明,该算法对噪声、滤波、压缩以及各类几何攻击具有较好的鲁棒性。     

基于尺度不变特征变换的图像快速拼接算法

针对基于灰度级相似的图像拼接算法的缺点,提出一种基于尺度不变特征变换(Scale Invariant Feature Transform)的快速图像拼接算法.该算法利用图像特征在尺度空间具有平移、旋转和仿射不变性,快速提取图像的关键特征点,建立图像的匹配关系.实验证明,该算法在地物特征较少或较复杂的区域,都能实现自动拼接,且具有较强的适应能力、防抖能力和抗噪声能力.     

Radon变换修正不变矩在零水印中的应用

提出一种使用修正后的Radon变换不变矩零水印算法.该算法的思想是先计算原始图像的Radon变换不变矩,利用其构建零水印系统;然后用参考图像和测试图像之间的相关系数来修正Radon变换不变矩,最后利用修正后的Ra-don变换不变矩来检测水印.文章的算法在满足Radon变换不变矩具有的所有性能外,能够有效抵抗常规的信号处...     

基于图像几何特征点的仿射参数估计算法研究

平移、旋转和缩放等仿射变换参数的计算是计算机视觉、目标检测和模式识别领域的关键问题.对3类典型的基于图像特征点的仿射参数计算方案进行了研究与探讨,它们分别是利用SUSAN角检测器、Harris角点检测器和尺度不变特征变换(SIFT)提取图像特征点.针对传统算法对SUSAN和Harris角点进行匹配精度过低的问题,提出了一种新的基于Zernike矩的特征点匹配算法,对匹配的特征点对利用四参数仿射模型进行参数估计和求取.在此基础上对3种方案进行了深入分析和比较,得出SIFT特征点适用范固广、精度高,是较好的仿射参数求取工具.并通过具体的配准实验结果及在图像拼接中的应用证明了算法的有效性.     

一种基于SIFT和SUSAN特征的图像匹配方法

针对SIFT方法在角点检测上的不足,提出了一种基于SIFT和SUSAN混合特征匹配的自动匹配算法。算法应用SIFT和SUSAN两种具有互补特性的局部不变特征,利用SIFT方法检测空间极值特征点,利用SUSAN方法检测角点,结合两种特征点位置,利用SIFT方法生成匹配特征向量,最后根据最近邻特征点距离与次近邻特征点距离之比确定初始匹配点对,实现图像的配准。实验表明该算法有效,能够提高图像的自动匹配准确性。     

基于方向性SUSAN算子的图像角点特征提取

在不同传感器图像的匹配中角点是重要匹配特征,为满足实际一些具有方向性的成像传感器图像匹配的需要,进行稳定可靠、具有方向性角点特征的检测是必需的.本文采用方向性的SUSAN角点检测算法,将SUSAN算子计算区域限定在具有一定指向的扇区,使之具有方向性检测角点特征.实验证明,该算法简单、实用和有效.     

融合SUSAN算法和Robert算法的图像边缘检测滤波处理技术

研究了图像边缘检测算法并进行了滤波处理。由于传统的SUSAN算法对阂值的选择比较难,难以得到更多的图像信息,因此提出了一种基于Robert图像边缘检测技术的改进型算法,其融合了SUSAN特征点匹配技术,同时采用均值滤波算法去除图像检测过程中的噪声,最后采用图像细化方法对图像进行细化处理。经仿真实验表明,提出的改进算法能够有效地对图像进行检测,降低了算法的复杂度。     

一种改进的角点探测方法

提出了一种改进的角点提取算法。该算法是基于角点的性质,即在角点的某个邻域内,图像灰度变化在任意一条通过该点的直线上都很大。本文利用此性质对象素点直线方向上灰度变化值求取极值,建立角点候选点。再通过SUSAN特征检测原则进一步剔除虚假角点。测试表明改进后的算法具有运算量小,定位精度高,抗噪能力强的特点,易于实时实现。     

基于稳定极值区域的宽基线双目立体匹配算法

基于区域的立体匹配是宽基线立体匹配的主要方法，其难点在于不变区域的提取。该文提出了稳定极值区域的概念，建立了提取该区域的算法。该算法应用了灰度指数变换，由I空间变换到 空间，以突显灰度值的变化，易于鉴定区域的边界。在此基础上计算了区域的仿射不变矩及衡量对应区域的欧氏距离。实验表明，该方法所提取的极值点定位准确，区域稳定性好，对应区域精度提高到70.9%。     

基于圆投影及直方图不变特征的图像匹配方法

本文在不变矩进行深入探讨的基础上提出了一种基于圆投影及直方图不变特征的图像匹配方法.通过圆投影方法进行预处理,采用圆形模板对待匹配图像进行快速搜索,然后选择三种直方图不变矩作为图像特征量进行匹配.实验表明,该方法有效解决了目标图像和匹配图像之间存在的较大旋转问题,大大减少了匹配时间.     

基于多支持区域局部亮度序的图像伪造检测

图像伪造检测是目前数字图像处理领域中的一个研究热点,其中复制-粘贴是最常用的伪造手段。由于伪造区域在粘贴前会被进行一定的尺度、旋转、JPEG压缩、添加噪声等操作,这使得检测伪造区域具有一定的挑战性。针对图像复制-粘贴伪造技术,提出一种基于多支持区域局部亮度序模式（LIOP）的图像伪造检测算法。首先,利用最大稳定极值区域（MSER）算法提取具有仿射不变性的区域作为支持区域;其次,利用非抽样Contourlet变换得到不同尺度、不同分辨率和不同方向的多个支持区域;然后,在每个支持区域上提取同时具有旋转不变性和单调亮度不变性的LIOP描述子,并利用双向距离比值法实现特征初匹配;接着,采用空间聚类将匹配的特征进行归类,进而用随机抽样一致性（RANSAC）算法对每个归类进行几何变换参数估计;最后,使用必要的后处理等操作来检测出伪造区域。实验表明,提出的算法具有较高的伪造检测精度与可信度。     

基于DWT的抗RST攻击鲁棒性数字水印

针对现有数字图像水印方法对几何变换攻击鲁棒性不足的问题,提出一种基于离散小波域的抗几何攻击数字水印方法,对图像进行离散小波变换,在其低频逼近子图嵌入水印,通过检测其不变矩实现数字水印检测。由于所选不变矩具有旋转、平移、尺度变换不变特征,因此该方法对几何变换攻击具有鲁棒性。仿真实验结果表明,该方法对普通加噪、滤波、JPEG压缩攻击以及旋转、缩放、平移等几何攻击均具有较好的鲁棒性。