基于LBP的图像区域复制篡改检测

研究尺度不变特征变换(SIFT)和旋转不变局部二值模式(LBP)相结合的特征匹配方法,提出一种基于LBP的图像区域复制-粘贴篡改检测算法。利用SIFT关键点检测方法检测图像中的所有关键点,计算以关键点为中心的周围图像区域的LBP特征,并将其作为关键点的特征描述,采用特征向量的欧式距离进行关键点匹配。实验结果表明,该算法在抗旋转、亮度变化处理和效率方面均优于基于主成分分析的检测算法。?     

火灾视频图像定位中特征点提取和匹配

SIFT算法广泛用于三维目标识别,但其由于依赖过多的特征点,计算量大,在实际火灾图像定位中很难保证算法的实时性。在保留了SIFT算法良好的旋转、尺度、光照等不变特性的基础上,采用关键点的4×4窗口（16维向量）表示关键点的特征描述。同时,利用双向匹配在特征点的匹配上保证了准确率。实验数据表明,该算法在很大程度上提高了图像的匹配速度,准确率满足火灾空间定位的需要。     

SIFT和旋转不变LBP相结合的图像匹配算法

SIFT算法是性能最好、应用最广泛的基于局部特征的图像匹配算法,但其计算复杂度高.为此,提出一种SIFT和旋转不变LBP相结合的图像匹配算法,以提高SIFT算法的速度.首先利用SIFT关键点检测方法在2幅待匹配图像上分别检测关键点,得到2个关键点集;然后计算每个关键点周围图像区域的旋转不变LBP特征,并将其作为该关键点的描述;最后采用基于关键点最近邻距离比值的匹配策略,找出2个关键点集之间存在匹配关系的关键点对.实验结果表明,文中算法对结构内容图像的匹配性能与SIFT算法相当,运算速度比SIFT算法大为提高.     

面向近重复图像匹配的SIFT特征裁减算法

针对图像提取出的SIFT特征数目通常很大、无法精确控制,导致系统效率不高且不稳定的问题,提出一种SIFT特征裁减算法.通过对SIFT关键点的对比度和主曲率比加权来衡量其匹配能力;在定位关键点和计算关键点方向2个步骤增加对关键点的二次筛选,提取出设定阈值数目内对匹配最有效的关键点.实验结果表明,该算法能有效地控制SIFT特征数量,比已有裁减算法具有更高的匹配准确度;与原始未裁减算法相比,在保证匹配准确度的同时,大大提高了系统的效率和稳定性.     

基于SIFT的图像匹配算法

直接用SIFT算法对较模糊图像进行关键点提取时,提取的关键点个数较少且进行下一步匹配时错误匹配较多。提出一种基于SIFT特征的匹配算法,首先利用拉普拉斯算子对图像进行锐化处理,使其边缘得到突出,然后利用SIFT算法进行关键点提取,最后利用双向匹配算法进行图像匹配。实验结果表明,利用本文算法进行匹配比直接用SIFT算法进行匹配时的匹配点数更多,匹配效果更好。     

基于NMI不变特征的二值商标图像检索方法研究

商标图像的检索在图像库系统管理和应用中得到了越来越多的重视。文中针对二值商标图像，提出一种基于 NMI 特征的商标图像检索方法。其特点是计算简单，精确度高，具有抗几何畸变性，对滤波、平滑、压缩等图像操作有一定的鲁棒性．试 验结果表明，该方法具有一定实用价值，可用于二值商标图像检索。     

一种改进的基于SIFT特征的商标检索方法

利用商标图像的形状特征,提出了一种融合图像全局特征和局部特征的商标检索算法。其中全局特征反映了图像的整体信息,这些信息可用来较快地建立候选图像库,而局部特征则可以更准确地与候选图像进行匹配。提取图像的傅里叶描述子进行初步检索,按相似度排序,在此结果集的基础上对候选图像通过提取SIFT特征进行精确匹配。实验结果表明,该方法既保持了SIFT特征的良好描述能力,又减少了精确匹配需要的计算次数,降低了复杂度。     

对扭转鲁棒的SIFT图像匹配在商标识别中的应用

为识别任意角度扭转的货品商标图像,提出了对扭转鲁棒的SIFT图像局部匹配算法。通过模拟商标图像的垂直和水平多角度扭转,对数据库中所有商标图像提取多组SIFT特征。提取查询图像的SIFT特征,并与库中特征进行匹配从而识别商标。提出了一种仅采样少量角度来近似模拟任意角度图像扭转的方法。实验结果表明,该方法在1000幅商品图像集上正确匹配率高于传统的SIFT算法,可从各种角度的图像中有效地检测到商标图像。     

融合HU不变矩和SIFT特征的商标检索

利用商标图像的形状特征,提出了一种融合图像全局特征和局部特征的商标检索算法。其中全局特征反应了图像的整体信息,这些信息可用来较快地建立候选图像库,而局部特征则可以更准确地与候选图像进行匹配。提取图像的HU不变矩进行初步检索,按相似度排序,在此结果集的基础上对候选图像通过提取SIFT特征进行精确匹配。实验结果表明,该方法既保持了SIFT特征的良好描述能力,又减少了精确匹配需要的计算次数,降低了复杂度。     

融合傅里叶描述子和尺度不变特征转换特征的商标检索

针对传统商标检索算法中全局特征容易造成误检,而局部特征SIFT对轮廓描述能力不强及算法复杂度高的问题,提出了一种融合图像全局特征和局部特征的商标检索算法。其中全局特征反应了图像的整体信息,这些信息可用来较快地建立候选图像库,而局部特征则可以更准确地与候选图像进行匹配。首先提取图像的傅里叶描述子进行初步检索,并按相似度排序,然后在此结果集的基础上对候选图像通过提取SIFT特征进行精确匹配。实验结果表明,该方法既保持了SIFT特征较高的查全率和查准率,优于傅里叶描述子单一特征,而且检索速度比SIFT单一特征显著提高,能很好地应用于商标图像检索系统中。     

距离分布直方图及其在商标图案检索中的应用

形状是描述图象的重要视觉特征,它可以通过像素点分布在空间不同的区域而表现出来,针对二值图象提出了一种基于区域的形状特征,即距离分布直方图,它的基本思想就是通过统计图象中像素点的距离区域的分布情况来获得形状特征。其中,基准点的选择和距离区域的划分是两具重要的部分,实验结果表明,距离分布直方图能够有效地刻画出二值图象的形状特征,并且具有非常好的平移。尺度和旋转不变性,将其应用于商标图案检索,其检索结果符合人眼的视觉感受。     

基于距离分布信息熵的商标图像检索

提出了一种基于距离分布信息熵的图像检索方法,该方法首先对图像的目标区域进行区域划分,然后提取区域的信息熵作为特征来描述图像形状,最后使用欧式距离度量熵矢量之间的相似性。实验结果表明,距离分布信息熵能有效地刻画出二值图象的形状特征,并且具有良好的平移、旋转及尺度不变性,检索结果符合人眼的视觉感受。     

基于轮廓与SIFT特征组合的商标图像检索

针对单一特征对商标图像描述的局限性,提出了一种基于轮廓和SIFT特征组合的商标图像检索方法。该方法对二值化的商标图像进行轮廓提取,采用规则算法对其进行轮廓分解,对分解的参考点集进行Fourier变换,将得到的Fourier系数作为参考点的轮廓特征。针对商标图像的尺度空间进行极值点检测,并对检测到的极值点进行特征描述,该特征描述即为商标图像的SIFT特征描述。最后,SIFT特征与轮廓特征进行特征融合,并将融合后的组合特征作为对商标图像的特征描述。     

一种基于极坐标下分块的商标图像检索新方法

商标图像的分块检索是将图像分块后利用全局和局部图像特征来检索商标图像.针对现有的四叉树分块方法的不足,提出了一种极坐标下的分块检索方法.首先对商标图像进行归一化处理,以目标对象的最小外接圆作为目标区域;在极坐标下将图像分块,计算形状直方图;最后采用新的相似性度量方法计算图像间距离,实现商标图像的准确检索.实验证明,该方法具有良好的平移、缩放、旋转和镜像不变性,得到的检索结果能很好地符合人的视觉感受.     

基于粒子群优化的多特征融合的商标图像检索

提出一种基于粒子群优化的多特征融合的商标图像检索方法,该方法可自动优化多特征融合的权重,提高图像检索系统的自适应性,解决了多特征商标图像检索中的权重分配问题。在1 000幅图像构成的商标图像库进行检索实验,实验结果表明,与基于单一特征的检索方法和一些多特征融合的检索方法相比,提出方法的检索性能最优。     

基于纹理分割的形状特征相似的商标检索技术

提出了一种新的商标图像检索方法,它基于图像的纹理分析进行自动分割,得到分块图像的形状大致信息,然后把纹理、形状这些相关特征进行组合,从而产生一个用于商标图像检索的特征向量.实验证明从纹理分割区域生成的图像特征对于商标图像检索非常有效,具有较强的识别能力.     

基于Hessian矩阵和Gabor函数的局部兴趣点检测

局部特征方法是基于内容的图像与视频检索的重要方法。提出一种新的基于Hessian矩阵和Gabor函数的尺度不变局部特征点检测方法(Hessian-Gabor Detector)。该方法首先利用基于Hessian矩阵的检测子定位图像在空间域上的候选特征点位置,然后用基于Gabor函数的算子检测候选兴趣点在尺度空间的特征尺度,从而获得具有尺度不变特性的局部特征点。实验证明,与DOG、Harris-Laplace等方法相比,计算简单。应用于图像匹配中,能够显著地提高匹配效率。     

基于小波和相对矩的形状特征提取与检索方法

提出了一种基于小波和相对矩的形状特征提取与检索方法。首先，对亮度图像进行小波多尺度边缘检测，得到多尺度边界图像；然后，计算每一尺度的7个不变矩，再转化为10个相对矩，所有尺度上的相对矩组成图像的特征向量；最后，对特征向量进行高斯归一化，用欧氏距离度量图像间的相似度，构建了一个基于形状特征的网像检索系统。实验结果表明，该方法具有明显的优越性和通用性。