基于SIFT-ACO的图像拼接算法

针对具有一定旋转角度的多幅图像拼接问题,提出了一种基于SIFT-ACO的图像拼接算法。对拼接图像进行预处理后,用SIFT算法提取图像特征,将经典的生物智能优化算法ACO加入到图像配准中,对图像特征点进行配准,最后将多幅图像融合,得到一幅宽视角、无缝、高精度的图像。对多组不同角度拍摄的图像进行拼接试验。试验结果表明：在不影响整体视觉效果的前提下,该算法能有效地提高图像拼接精度。     

基于视频流的图像拼接算法研究

本文提出了一种基于特征行的全自动无缝图像拼接算法。该算法首先利用相关系数法找出两幅图像的最佳匹配位置,然后利用图像融合技术消除两幅图像的差异。匹配算法简单,且具有一定的鲁棒性。该算法最大的特点是其快速性。对工程中需要提高拼接速度的环境,可以达到实时或准实时性的要求。     

基于相机标定的图像拼接算法

针对现有图像拼接算法在配准精度和速度方面的不足,提出了一种利用相机标定信息和相位相关技术相结合的图像配准方法,并给出了算法的详细推导过程.算法通过相机标定获得投影矩阵、相机坐标系间的旋转变换矩阵和平移向量.利用相机坐标系间的旋转矩阵推导对应图像间的旋转变换公式,通过z轴位移及场景的平均景深近似求解图像间的缩放系数,利用相位相关法求解图像间的平移转换参数.实验结果证明该算法理论推导正确,在有效景深范围较小情况下图像拼接准确,对于分辨率为640×480的输入数据,平均拼接速度能够达到26.8 ms.     

一种模糊篡改图像的盲鉴别算法

针对篡改造假图像中常用的模糊操作,提出了一种模糊篡改图像的盲鉴别算法。该方法首先根据图像的边缘特征对图像取对数运算,分离入射分量和反射分量;然后把同态滤波应用到小波域,对多尺度分解的高频信息和低频信息进行同态滤波处理;最后采用数学形态学运算对边缘进行定位,检测图像是否经过模糊篡改。实验表明,该算法能够有效地检测经过模糊篡改的图像,并能对模糊操作痕迹进行准确定位。     

基于改进Harris的图像拼接算法

针对传统Harris角点检测算法进行改进,提出了一种基于改进Harris的图像拼接算法.首先,通过修改角点响应函数,引进8邻域比较以及圆形非极大值抑制窗口,采用NCC算法对检测出的Harris角点进行粗匹配,采用RANSAC算法剔除误匹配,最后对匹配图像进行图像融合,完成图像拼接.仿真结果表明,该算法提高了图像拼接的准确性、稳定性和鲁棒性,能够达到无缝拼接,具有优良的实用性.     

基于ICA的图像盲分离算法

通过对独立分量分析算法的研究,介绍了该算法的基本模型及目前应用最广泛的快速定点ICA算法的数学原理.通过仿真试验结果表明,用该算法对随机混合的3幅图像进行盲分离,取得了理想的效果.     

基于视频图像的快速拼接算法研究

提出一种基于特征列的全自动无缝图像拼接算法.该算法以上一帧图像中特征最明显的一列像素为基础模板与下一帧图像匹配,并提出了自动检测误匹配以及对误匹配进行处理的方法.该算法最大的特点是其鲁棒性.对工程中需要提高拼接速度的环境,可以达到实时或准实时性的要求.     

基于局部结构的图像拼接算法研究

针对传统图像拼接仅考虑特征相似性的现状,提出了一种基于改进的SURF(Speeded Up Robust Features)特征匹配的图像拼接算法。首先提取尺度不变性特征点,并利用SURF算子的描述方法对特征点进行描述;然后用RANSAC(Random Sample Consensus)去除误匹配对,得到初始的转换参数;最后将描述子相似性与局部结构特征相结合,进而求得匹配矩阵,利用得到的最终转换参数进行图像融合。研究结果证明,本文算法提高了图像拼接的精准度,细节处理效果更好。     

基于无人机航拍图像拼接算法的优化

目的为了提高无人机航拍图像拼接的精度,深入研究了航拍图像拼接中提取特征点的算法,并对原算法加以优化.方法在图像特征点提取的SIFT算法中,设计了一种将Harris角点检测算子融入SIFT特征点提取的优化算法,优化后可以突显获取到的特征点的独特性.结果利用优化算法获取图像特征角点,可以降低实验过程中所消耗的检测时间,有效地改善了SIFT算法中匹配数据量大及过程繁琐的弱点,同时优化算法简化了图像特征点匹配的计算过程,降低了计算量,提高了实验效率.结论优化算法可以去除大量的类匹配点,使图像特征点的独特性更加明显;也提高了图像的配准精度,增强了关键点的稳定性,在关键点的匹配速度和准确率上有积极的影响.     

基于SIFT特征匹配的图像拼接算法

针对传统图像拼接算法效率低和鲁棒性差的问题,提出一种改进的基于SIFT特征匹配的图像拼接算法。在图像预处理阶段,首次运用离散余弦变换、量化、反离散余弦变换、反量化,来对图像增强。其次,在计算变换模型时,由于没有预检验策略,致使RANSAC算法迭代次数增加。为此,提出了预检验策略。实验结果表明,在不改变匹配精度的前提下,该改进算法得到了比较理想的效果。     

一种基于L-M算法的RANSAC图像拼接算法

针对现有的基于随机取样一致(random sample consensus,RANSAC)算法拼接技术中的准确性问题,提出一种基于莱文伯-马克特(levenberg-marquardt,L-M)算法的RANSAC算法。首先根据提取到的特征点运用RANSAC算法得到初始单应矩阵和最优匹配点集,然后运用L-M算法对初始单应矩阵加以改进,获得了准确性较高的单应矩阵,从而实现图像的准确配准。以近距离、大视场的典型图像进行了拼接验证,结果表明:该算法既克服了传统L-M算法所带来的误匹配问题,又克服了RANSAC算法因不确定度所带来的准确性较低的问题。该算法拼接准确度高,误匹配率低,同时可消除具有重复纹理图像的不正确拼接。     

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。     

基于双遍历和膨胀滤波的图像拼接定位算法

针对图像拼接操作会对边缘像素的连续性造成破坏等问题,本文提出了一种基于双遍历峰值和膨胀滤波的彩色图像拼接定位算法.该算法首先对待检测图像进行行列差分,确定双遍历峰值,同时再进行R,G,B三通道拼接点融合,从而全面获取拼接点信息,并利用数学形态学的膨胀滤波,强化拼接边缘,削弱噪点的影响.仿真结果表明,彩色图像拼接定位算法,时空复杂度小,能够有效地检测图像拼接伪造区域、大小及形状,可以对伪造区域进行准确定位.该研究可应用于图像取证等相关行业.     

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。     

图像序列拼接算法的研究

针对利用水平摇动数码相机镜头连续拍摄多幅图像拼接全景图像时需要大量的计算,以及相邻两幅图像亮度不一致,容易造成明显接痕的问题,依据相邻两幅图像之间可以用投影变换表示相对关系的原则,提出了利用Moravec算子提取特征点,对图像进行投影变换,进而拼接两幅图像的算法;同时,算法中还引进了直方图规定化方法,以消除亮度不一致造成的接痕．实验证明,算法避免了迭代计算造成的大量处理时间,有效地去除了重叠区域的接痕,可以无缝平滑地拼接全景图．     

基于中频的实时图像盲复原算法

图像盲复原是图像处理中的一个热点课题,但往往因速度过慢而难以应用。为了实现实时图像盲复原,提出了图像“中频域”的新概念,利用中频域可以迅捷准确地估计图像的降质点扩展函数（PSF）和复原图像。其中,提出了一种无任何参数的几何法和特殊的平滑法来有效地定位中频域,并导出了一种新的基于中频域的Wiener滤波来实现图像的快速盲复原。然后,针对适合大量成像系统的G类PSF,利用中频域法和单参数导数拟合法导出了一个新的实时图像盲复原算法,并使用了一种快速平滑法来提高速度。实验证明,该算法具有极速、稳定、参数少、功能多的特点,可用于实时图像的反模糊、细节增强和噪声抑制等处理。     

基于亮度校正的航拍图像拼接融合算法

针对无人飞行器航拍图像拼接可能产生拼接缝及拼接过程中占用内存过大的问题,提出一种基于亮度校正的航拍图像拼接融合算法。首先,对配准的航拍图像进行亮度校正预处理;然后,搜索图像获得最佳缝合线,并从图像重叠区域划分出过渡区域,减小拉普拉斯金字塔面积;最后,在不同区域分别采用加权融合算法和拉普拉斯金字塔融合算法对图像进行拼接。实验结果表明,提出的算法能够有效改善曝光差异,同时减小拼接时所占用的内存。     

基于卷积神经网络的图像拼接篡改检测算法

为了进一步提高篡改检测率,提出了一种基于卷积神经网络(CNN)的图像篡改检测算法(SCNN)。虽然CNN能够直接从数据中学习分类特征,但是在其标准形式中,它倾向于学习与图像内容相关的特征。为了克服图像取证任务中的这一问题,提出了一种新的图像预处理层来共同抑制图像内容并自适应地学习特征。使用CASIA V2.0中75%的图像对SCNN进行训练和验证,并使用CASIA V2.0中的其余图像和哥伦比亚未压缩数据集中的所有图像进行测试。实验结果表明,本文SCNN框架明具有一定有效性及鲁棒性。