融合深度信息的BRISK改进算法

为了有效地利用RGB-D图像的深度信息,提高BRISK算法的尺度不变性和旋转不变性,提出一种融合深度信息的BRISK改进算法。首先,采用FAST算法提取特征点,并计算每个特征点的Harris角点响应值;然后,将整个图像划分为大小相同的网格,每个网格保留Harris角点响应值最大的特征点;其次,根据图像的深度信息直接计算特征点的尺度因子;最后,计算以特征点为中心的圆的灰度矩心,通过灰度矩心和特征点的位置偏差确定特征点主方向。从尺度不变性和旋转不变性两方面对几种算法进行了对比实验分析。实验结果表明,相比BRISK算法,改进后的算法在图像尺度变化时正确匹配特征点数提高了90%以上,在图像旋转时正确匹配特征点数提高了至少70%。     

用Zernike矩来确定字符的旋转不变性特征

该文介绍了一种确定字符图像的旋转不变性特征的方法。这种方法总体上来说分两步进行。第一步,利用标准矩将字符图像标准化,如将图像调整到原点是其重心的位置,将图像的尺寸转化为一定大小,图像的总象素值为一指定值;第二步,利用Zernike矩来确定数字图像的旋转不变性特征。文章还给出了利用该方法做的一个证明旋转不变性的实验。     

基于区域伪Zernike矩的商标图像检索

研究商标图像检索问题,针对在二值商标图像检索中要求准确、高效,因此确定出目标像素点的区域分布形式,解决商标形状特征,对平移、旋转、比例以及起始点等变化下特征不变性问题,提出了一种基于区域伪Zernike矩的提取图像形状特征的算法。算法根据图像目标区域的最小外接圆进行区域划分,提取区域的伪Zernike矩来描述图像形状特征进行商标检索。通过仿真实验证明,区域伪Zernike矩的提取图像形状特征的算法具有良好的平移,旋转及比例不变性,并用有较强的抗噪性。     

伪Zernike矩的不变性分析及其应用

本文从几何矩的概念出发,详细介绍了Zernike和伪Zernike矩。然后重点分析了伪Zernike矩的旋转、位移及尺度不变性。本文利用脱机手写签名图像对此进行了验证,实验结果证明了其不变性特征。故本文提出利用伪Zernike矩来进行脱机手写签名图像的特征提取。     

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。     

基于图像特征点与伪Zernike矩的鲁棒水印算法研究

以Harris-Laplace检测算子及伪Zernike矩相关知识为基础,提出一种可有效抵抗几何攻击的数字水印新算法.该算法首先利用Harris-Laplace检测算子从载体图像中提取出稳定的特征点;然后根据特征尺度自适应确定局部特征区域,并使其尺度标准化;最后通过量化调制伪Zernike矩幅值将水印     

利用特征点平均矩特征检索二值商标图像

提出一种新的利用多特征点特征匹配的商标检索方法.该方法首先对图像进行分块处理,将图像划分在若干个同心圆内,划分半径以图像参照圆为依据,然后根据图像的形状主方向在每一个子图像上确定一些特征点.由于图像参照圆的位置以及形状主方向具有旋转、尺度、平移不变性,因此特征点的位置在图像中的相对位置是稳定的,具有很好的不变性.对于特征点的特征,提出了基于特征点的平均矩特征,该特征不仅具有良好的鲁棒性,而且对于噪声以及图像边缘的细微变化并不敏感,非常适合用来描述商标这种特定的图像.实验证明,基于特征点的平均矩特征具有很好的不变性,而对图像的分块描述能更好的体现图像内容,因此利用该算法检索的结果能够较好的满足人的视觉感受.     

基于LBP的尺度不变特征的描述和匹配算法

针对尺度不变特征变换(SIFT)算法计算复杂度高和匹配速度慢的难题,提出一种新的基于局部二进制模式(LBP)的尺度不变特征变换算法.首先采用高斯差分尺度空间检测局部极大值,利用圆形邻域统计梯度方向直方图来确定特征点的主方向,再通过坐标轴旋转避免图像旋转的计算代价;然后运用改进后的LBP算子求取特征点邻域的纹理信息,得到132比特的特征点描述子,有效地降低了描述子的计算复杂度;最后运用逻辑与运算对描述子进行特征点匹配.图像匹配实验结果表明,该算法具有尺度不变性、旋转不变性、仿射不变性和光照不变性等优良特性,在保证匹配正确率与SIFT和CS-LBP算法基本一致的情况下,运算速度优于以上2种算法,其中光照不变性明显优于SIFT算法.     

基于ICA的特征不变性目标识别

在图像目标识别中，目标图像平移、尺度和旋转不变性是一个重要前提，而高阶矩特征存在稳定性差的缺点．提出采用主分量分析(PCA)方法确定目标在最大方差意义下主轴的旋转角度，并结合稳定性好的低阶矩特征实现目标的平移、尺度和旋转不变性变换；然后利用独立分量分析(ICA)良好的目标特征抽取能力，在各目标特征空间重建目标模型，并通过对重建模型的误差分析实现目标识别；最后通过PCA确定目标旋转角度测试和ICA目标识别测试两个实验，证实了本文算法的鲁棒性和准确性．     

尺度与颜色不变性图像特征描述

尺度不变特征变换是目前公认的鲁棒性最强的图像特征描述方法之一,在尺度不变性和几何不变性方面具有较好的特性,但该方法主要适用于灰度图像,对图像颜色的区分能力不强,因此,一些对象可能会因为颜色的不同而被错误的区分.另外,尺度不变特征变换对关键点局部范围内描述子主方向的依赖性非常强,直接决定了匹配的正确率,但是研究表明,主方向分配产生的误差仅有三分之二左右能控制在[-20。,+20。]范围内,因此部分特征会有三分之一的概率因为主方向分配的误差较大而不能正确匹配.针对以上两个问题,本文提出了一种具有颜色和尺度不变性的局部特征描述方法,颜色不变性通过将RGB图像转换到高斯颜色模型下实现,特征描述过程中不再分配主方向,而用局部相对方向,尺度不变性通过构建高斯金子塔实现.实验选取阿姆斯特丹数据集图像进行了测试,结果表明本文方法比传统尺度不变特征变换方法,在特征点的数目、分布均匀性以及匹配精度方面均有所提高.     

基于ORB-LATCH的特征检测与描述算法

针对基于学习安排的三元组（LATCH）二进制描述子不具备尺度不变性且其旋转不变性,需要特征检测子辅助的问题,提出了一种基于快速定向旋转二进制稳健基元独立特征（ORB）和LATCH相结合的特征检测与描述算法。首先,在图像金字塔尺度空间上进行加速段测试特征（FAST）检测;然后,采用ORB灰度质心方法来进行方向补偿;最后,对特征进行LATCH描述。实验结果表明,所提算法具备运算量小、实时性高以及旋转和尺度不变性的特点,在相同的准确率下,其召回率优于ORB和哈里斯-LATCH （HARRIS-LATCH）算法,其匹配内点率比ORB算法提高了4.2个百分点。该算法在保持实时性的同时进一步缩小了与基于直方图的尺度不变特征变换（SIFT）和加速健壮特征（SURF）算法之间的精度差距,可对图像序列进行快速且精确的实时处理。     

采用旋转匹配的二进制局部描述子

针对二进制描述子主方向计算误差影响图像匹配正确性的问题,提出了一种旋转不变的二进制描述子构造和匹配方法。在以特征点为中心的同心圆周上等间隔选取采样点,按照旋转不变的模式选取采样点对进行灰度值比较,将比较结果连接成二进制串,作为区域的描述子。匹配时比较描述子在所有旋转模式中的汉明距离,取最小值作为描述子的距离,实现不依赖于主方向的旋转不变性。配合多尺度特征检测方法,将采样模式进行缩放,并对图像进行亚像素插值,实现尺度不变性。描述子匹配的实验结果表明,本文方法在旋转,尺度和光照变换下的匹配效果比当前依赖主方向的二进制描述子方法具有更高的鲁棒性。     

Robust image watermarking technique using triangular regions and Zernike moments for quantization based embedding

Watermarking is a tool to embed information in the image to provide authentication, copyrights protection, copy control, etc. Some watermarking techniques are robust to intentional /unintentional attacks on the watermarked image. In this study, we propose a robust watermarking approach that can resist geometrical attacks. The proposed technique exploits both the robust image feature points and local Zernike moments for embedding the information. Delaunay tessellation is employed to divide image into distinct triangular segments based on robust features. These features are identified using Harris detector. Zernike moments are calculated for each selected triangular segment, and then the watermark is embedded in the magnitude of Zernike moments using dither modulation. It can be observed from the experimental results that by using proposed approach, the watermark can be detected even in the presence of geometrical distortion, i.e. rotation, cropping, and scaling, and JPEG compression attack.

     

面向彩色图像的尺度和旋转不变性特征提取方法及应用

提出一种面向彩色图像的尺度和旋转不变性特征提取方法,并在真实的场景识别中进行了应用。该方法是先对给定彩色图像的各组成平面分别进行Radon变换,然后对得到的Radon变换系数矩阵进行尺度不变性处理,接着对处理后的Radon变换系数矩阵用频率B样条小波进行1维小波变换,在所得到的脊波系数矩阵中计算均值和方差的同时,采用线性回归模型提取在不同的颜色组成平面下所有频率子波段之间的关系属性,最后将得到的特征进行旋转不变性处理,从而得到所提出的尺度和旋转不变性特征。在3个数据库上进行了实验,结果表明本文方法可靠有效。     

Feature extraction and local Zernike moments based geometric invariant watermarking

A robust and geometric invariant digital image watermarking scheme based on robust feature detector and local Zernike transform is proposed in this paper. The robust feature extraction method is proposed based on the Scale Invariant Feature Transform (SIFT) algorithm, to extract circular regions/patches for watermarking use. Then a local Zernike moments-based watermarking scheme is raised, where the watermarked regions/patches can be obtained directly by inverse Zernike Transform. Each extracted circular patch is decomposed into a collection of binary patches and Zernike transform is applied to the appointed binary patches. Magnitudes of the local Zernike moments are calculated and modified to embed the watermarks. Experimental results show that the proposed watermarking scheme is very robust against geometric distortion such as rotation, scaling, cropping, and affine transformation; and common signal processing such as JPEG compression, median filtering, and low-pass Gaussian filtering.     

基于兴趣点的图像检索方法研究

提出了基于兴趣点的多种图像特征相结合的图像检索新方法。该方法利用兴趣点周围局部区域的环形颜色直方图和Gabor小波变换提取纹理特征作为刻画图像的主要特征,并结合兴趣点的空间分布对图像进行检索。该方法不仅弥补了单一特征无法真正表征图像的缺陷,还保证了检索算法对图像旋转、平移的识别不变性。与同类方法相比,该方法有效提高了图像检索的准确率。     

基于分块和仿射不变性的SIFT图像匹配算法

针对传统SIFT算法在匹配时出现实时性差、匹配量低以及RANSANC算法在剔除SIFT误匹配对时误匹配率高的问题,提出一种基于距离相对性的分块匹配算法和基于仿射不变性的误匹配对剔除算法。首先利用传统SIFT算法提取图像中的特征点;然后采用基于距离相对性的分块匹配算法进行特征匹配得到初始匹配对;由于初始匹配对中存在误匹配,接下来运用基于仿射不变性的误匹配对剔除算法来剔除误匹配对;最后,在不同图像变换下进行仿真实验。实验结果表明,算法在保持SIFT算法鲁棒性的基础上,能够得到更多匹配对,正确匹配率提高了10%左右,并且实时性也得到很大改善。