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。     

基于特征点和密度聚类的图像复制-粘贴篡改盲鉴别算法

针对数字图像复制-粘贴篡改盲鉴别方法存在的时间复杂度高、篡改定位不够精确等问题,提出了一种基于二进制描述符和密度聚类的数字图像复制-粘贴篡改的盲鉴别算法。该方法使用二进制描述符AKAZE提取特征点并描述特征,以降低特征计算的时间复杂度;使用基于密度的聚类算法DBSCAN去除错误匹配;最后通过仿射变换整幅图像对篡改区域进行定位。通过不同数据集上的实验结果表明:本文算法准确率最高可达到95%以上,误检率基本在10%以下,有效降低了时间复杂度,在可靠性和篡改定位准确率方面具有更优越的性能。     

图像复制-粘贴篡改快速取证

提出了一种新的篡改检测算法,将图像分为大小相同的重叠块,然后提取每块的特征向量,并对所求出的特征向量通过基数排序来减少搜索空间,减少运算量。对排序后的特性向量求相邻的特征向量的差异(偏移向量),并对偏移向量进行统计,如果存在大量的相同偏移向量可认定为篡改区域。最后利用数学形态学操作获得最终的篡改定位结果。     

图像特征检测与匹配方法研究综述

几十年来,图像特征检测与匹配一直是图像处理的最核心领域之一,是计算机视觉的基石.没有特征检测与匹配就没有SLAM、Sfm、AR、通用图像检索、图像配准、全景图像等视觉任务.本文在回顾几十年来的经典检测算法的基础上,阐述了引用最新的以深度学习为首的机器学习算法后,在本领域取得的最新进展,包括特征点、局部特征子、全局特征子、匹配及优化、端到端框架等所有关键点,展示了算法各自的优缺点.总而言之,面对工业界的宽基线、实时、低算力检测的要求,图像特征检测和匹配仍然是一项未能完整攻克的任务,融合特征点、局部特征子、全局特征子、匹配及优化的多任务全局框架成为未来发展的趋势.     

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.     

基于数字签名方式的图像鉴别方法

提出了一种有效且稳健的基于数字签名方式的图像鉴别方法。该方法对图像预处理后,提取图像块均值的前五位作为被鉴别图像区别于其他图像的特征信息,并把图像进行分区处理,对区域内提取的图像块的特征信息扩展后进行RS差错控制编码,将编码后的RS校验位随机置乱后作为数字签名,然后与公开图像一起发送出去。实验结果表明:此图像鉴别方法可以有效地鉴别图像内容的真伪并对篡改区域进行定位。     

基于ASIFT改进算法的无人机图像特征匹配方法研究

无人机图像纹理丰富、特征显著,在机器视觉三维重建及机器人导航中应用广泛,但其视角变化大,且易倾斜。传统的尺度不变特征变换(SIFT)算法和Affine SIFT(ASIFT)算法等图像特征匹配算法误差较大,难以满足应用要求。针对该问题,提出了一种基于ASIFT的改进算法。首先用ASIFT算法模拟图形畸变,然后利用SIFT算法中的k d树算法对最邻近特征点进行快速搜索匹配,最后加入随机抽样一致算法,得到匹配对的参数模型,同时对不符合模型的误差匹配对进行剔除。实验结果表明,该算法可以优化匹配效果,提高匹配速度。     

融合多特征的异源视频复制-粘贴篡改检测

相比传统的视频帧插入或帧删除以及视频双压缩等篡改方式,复制-粘贴篡改更能直接的改变视频内容。因此,本研究提出一种融合多特征的异源视频复制-粘贴篡改检测方法。对于经过帧内复制-粘贴篡改的视频,其视频帧内会引入一些尖锐的变化,比如线条、边缘和角点等,而二维相位一致性可以很好的检测出这些变化。同时,来自异源视频帧复制的区域块会使得帧内引入不同的模式噪声,可以利用模式噪声和二维相位一致性提取视频帧的特征,然后将特征融合进行SVM分类实验来检测篡改视频。实验表明该算法可以有效地检测异源复制-粘贴篡改的视频。     

基于特征图像方法的运动物体检测

在传统特征图像方法基础上,提出一种基于分块边缘特征图像的运动物体检测算法.该算法对背景图和叠加图进行分块处理,分别提取出背景图与叠加图的最大特征向量,求得背景图与叠加图的各块投影系数,进行运动物体的匹配检测.在实际处理时,采用了canny算子获取边缘图的方法来进行检测,以消除光照等外界干扰对检测的影响.     

基于特征点匹配的图像拼接方法

在对现有图像拼接方法进行研究的基础上,提出一种基于特征点匹配的图像拼接方法。采用对图像质量与光照等因素具有较强鲁棒性以及丰富匹配信息的尺度不变特征变换匹配算法对特征点进行提取和匹配,使用随机抽样一致性去粗算法求得两幅图像间的H矩阵初值,并运用迭代精炼算法求出H矩阵的精确值,利用摄像头预先拍摄好的固定角度的图像来得到转换角度的H矩阵,从而将均具有角度差的两幅图像调整至垂直拍摄的平面,最后根据尺度不变特征变换匹配算法及投影算法将调整后的两幅图像拼接。实验表明,本方法简单易行,可降低具有角度差的两幅图像拼接后的边缘变形,从而改善拼接质量。     

基于形态学的掌纹图像定位方法

针对现有掌纹定位分割算法的局限性,提出了基于形态学的定位分割算法,对掌纹图像采用中值滤波器去噪后,采用阈值分割法分割背景区和目标区,将得到的二值图像进行形态学闭运算后与原始二值图像相减得到掌纹的角点,根据角点的位置定位并建立坐标系,得到了掌纹的感兴趣区域。实验结果表明,此方法能够快速准确的定位分割掌纹图像。     

基于数学形态学的遥感图像边缘检测方法研究

提出了一种基于双结构元形态学的遥感图像边缘检测方法,与经典边缘检测算法的仿真比较表明,其算法在边缘连续性、边缘定位精度和地物细节体珥方面都取得了良好效果。     

基于小尺度的数学形态学遥感图像边缘检测方法

根据遥感灰度图像的特点,提出了一种基于小尺度的数学形态学的图像边缘检测方法,利用数学形态学在描述灰度图像方面的特点,通过对不同尺度下边缘特征提取的分析,采用非极大值运算方法提取边缘点,并与其他边缘检测法进行了比较,最后给出了遥感图像边缘提取的实验结果。     

基于混合灰度序模式的图像复制-粘贴篡改盲鉴别算法

针对目前复制-粘贴篡改盲检测算法对光照变换操作鲁棒性较差的问题,提出了一种基于混合灰度序模式(Mixed Intensity Order Pattern,MIOP)的复制-粘贴篡改盲鉴别算法。首先,对待检测图像提取高斯差分区域(Difference of Gaussians,DOG)。其次,利用MIOP特征描述区域。最后,匹配特征并利用RANSAC(RANdom SAmple Consensus)去除误匹配,确定图像的复制-粘贴篡改区域。实验结果表明:本文算法不仅对几何变换和光照操作的检测率较高,且对高斯模糊、噪声和JPEG重压缩等后处理操作鲁棒性较好。     

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。     

利用极线约束方法实现图像特征点的匹配

点匹配一直是计算机视觉和模式识别领域中的一个重要问题。通过对双目立体视觉测量数学模型的研究，在2副图你中特征点数相等的情况下，基于极线约束等理论，给出了一种解决图像特征点匹配的新方法，对三维空间中的离散点在2个视平面上的投影点进行了正确的匹配。实验结果表明，该方法效果良好，具有实用价值。     

基于自定义特征检测模板的快速眼睛定位方法

眼睛准确定位是虹膜识别和人脸识别的重要步骤．介绍了一种适合实时处理的快速眼睛定位方法．利用数学形态学提取头部图像，提出一种新的特征检测模板，再结合投影算法和人脸结构特征定位眼睛．试验结果表明此算法具有很好的实时性、准确性和鲁棒性．     

基于嵌入式的图像特征匹配系统设计

在计算机视觉研究领域,一个非常重要的研究项目是希望让机器可以获得像人一样观察世界的能力。因此,提出了一种将嵌入式Blackfin微处理器与融合后的图像特征匹配算法(SIST)相结合的设计方法。首先利用最大熵方法将图像清晰化,然后采用SIST算法进行图像特征点匹配,进而提高准确度。实验发现,当ratio值为0.62时,图像具有最大匹配度。实验证明本设计不仅解决了图像数据量大、难处理的问题,也在一定程度上提升了图像的匹配度,为图像处理研究提供了新思路。