融合彩色信息与SIFT特征的帧内复制粘贴篡改检测

近年来在同源复制粘贴篡改检测中,SIFT特征得到了广泛的应用.但由于该特征在提取过程中摒弃了颜色信息,会造成一部分特征点的误匹配和漏匹配.为此,提出一种基于彩色信息与SIFT融合的CSIFT特征的检测方法,在提取特征点时加入颜色不变量信息,提高了匹配的准确性和效率.算法首先利用结构相似度将视频帧序列分段,提取每段序列的关键帧;然后提取关键帧的CSIFT特征;最终定位复制粘贴区域,并利用目标跟踪算法计算篡改区域在后续帧上的位置.通过实验验证了算法的鲁棒性,与基于SIFT等特征的算法相比,时间效率和准确性更高.     

机器人视觉定位中的路口场景识别方法研究

针对室外巡逻机器人的视觉定位问题,提出了一种基于尺度不变特性变换(scale invariant feature transform,SIFT)和颜色特征的路口场景识别方法.该方法首先提取路口场景图像的SIFT和颜色特征,并计算其在HSI颜色空间中的颜色直方图;然后采用K-D树和Bhattacharyya距离进行特征匹配;最终用决策公式对路口场景进行识别.为了提高SIFT算法进行场景匹配时的速度,还对场景地图库采用基于阈值分割的聚类方法进行了预处理.实验结果表明,该方法对环境光照变化、动态干扰和自身旋转有较强的鲁棒性,并能很好地识别出路1:3,以实现定位.     

融合颜色与CSIFT的动画场景匹配技术研究

针对产量巨大的动画产业,提出一种综合颜色全局特征和CSIFT(Colored invariant feature transform)局部特征的图像匹配算法,解决了动画场景素材的匹配问题.计算图像H、S、I三个分量的分布情况,生成颜色全局特征;在颜色不变量的基础上,生成CSIFT局部不变特征,并提出两种特征相应的匹配方法,最后将两者从底层的特征提取层和高层的特征决策层按照一定的融合方式进行融合.实验表明颜色特征与CSIFT特征相互弥补,相互利用,极大的改善了动画场景素材的匹配效果,和传统的匹配算法相比,该算法鲁棒性好,在近1000幅的动画素材库中的平均匹配准确度高达80%以上.     

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.     

结合三维几何形状信息和二维纹理的3D目标匹配

为了实现场景中三维目标与模型之间的匹配,提出了一种结合三维几何形状信息和二维纹理的三维目标匹配方法。首先提取场景中深度图像的尺度不变特征变换(SIFT)特征,用SIFT算法与三维模型重建时所用到的一系列2.5维深度图像进行一一匹配,找到与场景中目标姿态最为相似的深度图像,提取此深度图像的三维几何形状特征与模型进行匹配,实现模型的初始化,即将模型重置到与场景目标相接近的姿态。最后用融合二维纹理信息的迭代就近点（ICP）算法实现场景中目标与模型之间的匹配,从而得到场景中三维目标的准确姿态。实验结果验证了方法的可行性与精确性。     

基于彩色信息的尺度不变特征变换图像特征点提取与匹配

针对将彩色图像转化为灰度图像后再进行特征点提取与匹配会丢失彩色信息,可能导致误匹配这一问题,采用一种基于彩色信息的SIFT特征点提取及匹配算法(CSIFT)以实现彩色图像的特征点提取及匹配,结合目标的颜色特征与几何特征,以颜色不变量作为输入图像,再提取特征点并描述特征点周围的信息,通过最近邻匹配法求出图像间的匹配对。实验将该算法应用于视觉里程计中,对相机所拍的相邻两帧图像进行了特征点提取及匹配,并比较了该算法与传统SIFT算法的差异。实验结果表明该算法是有效的。     

球形全景核线约束的颜色不变量综合特征快速匹配方法EI北大核心CSCD

针对目前立体全景模型量测应用中特征匹配自动化程度偏低的问题,提出一种基于立体球形全景约束的颜色不变量综合特征快速匹配方法.首先,通过核线约束,使全景影像匹配的搜索范围从二维限制到一维带状缓冲区域;然后利用颜色不变量相关系数进一步确定精细搜索范围;最后,基于颜色不变量及旋转不变纹理特征构建综合匹配测度模型,以实现全景特征匹配.通过实地拍摄的全景图像,与灰度匹配法、SIFT,SURF以及CSIFT进行比较分析.实验结果表明,该方法匹配准确率提高了近10%,可消减球形全景特征的误匹配,有效地解决影像匹配时同名像点自动寻找与几何信息快速解算,为全景量测模型二次采样、量测及深度图的生成奠定基础.     

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.     

简化SIFT算法及其在商标图像检索中的应用

针对商标图像形状简单、颜色单一的特点,提出了一种基于简化SIFT特征的商标图像检索新方法。采用DoG算子在多尺度空间检测图像的关键点,并利用圆环域结构替代SIFT原来的方形结构,对SIFT特征描述符的生成方式进行改进,使其具有计算简单、抗几何畸变性、抗旋转性等优点;然后在关键点匹配过程中,采用RANSAC算法去除错误匹配,从而提高匹配的稳定性与精确性。实验结果表明,该方法比原SIFT方法具有更快的计算速度和更高的匹配精度,能很好地应用在商标图像检索系统中。     

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。?     

形状的全尺度可视化表示与识别

目的视觉目标的形状特征表示和识别是图像领域中的重要问题。在实际应用中,视角、形变、遮挡和噪声等干扰因素造成识别精度较低,且大数据场景需要算法具有较高的学习效率。针对这些问题,本文提出一种全尺度可视化形状表示方法。方法在尺度空间的所有尺度上对形状轮廓提取形状的不变量特征,获得形状的全尺度特征。将获得的全部特征紧凑地表示为单幅彩色图像,得到形状特征的可视化表示。将表示形状特征的彩色图像输入双路卷积网络模型,完成形状分类和检索任务。结果通过对原始形状加入旋转、遮挡和噪声等不同干扰的定性实验,验证了本文方法具有旋转和缩放不变性,以及对铰接变换、遮挡和噪声等干扰的鲁棒性。在通用数据集上进行形状分类和形状检索的定量实验,所得准确率在不同数据集上均超过对比算法。在MPEG-7数据集上精度达到99.57%,对比算法的最好结果为98.84%。在铰接和射影变换数据集上皆达到100%的识别精度,而对比算法的最好结果分别为89.75%和95%。结论本文提出的全尺度可视化形状表示方法,通过一幅彩色图像紧凑地表达了全部形状信息。通过卷积模型既学习了轮廓点间的形状特征关系,又学习了不同尺度间的形状特征关系。本文方法...     

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。     

Distinctive Image Features from Scale-Invariant Keypoints

This paper presents a method for extracting distinctive invariant features from images that can be used to perform reliable matching between different views of an object or scene. The features are invariant to image scale and rotation, and are shown to provide robust matching across a substantial range of affine distortion, change in 3D viewpoint, addition of noise, and change in illumination. The features are highly distinctive, in the sense that a single feature can be correctly matched with high probability against a large database of features from many images. This paper also describes an approach to using these features for object recognition. The recognition proceeds by matching individual features to a database of features from known objects using a fast nearest-neighbor algorithm, followed by a Hough transform to identify clusters belonging to a single object, and finally performing verification through least-squares solution for consistent pose parameters. This approach to recognition can robustly identify objects among clutter and occlusion while achieving near real-time performance.     

Rotation invariant features for color texture classification and retrieval under varying illumination

This article proposes a new quaternion-based method for rotation invariant color texture classification under illumination variance with respect to direction and spectral band. The color of an object varies according to the spectral power distribution, object-illumination, and viewing geometry of the light source. The quaternion representation of color is shown to be effective, which treats color channels as single unit rather than separate components. New texture signatures are extracted by calculating the norm of the Quaternion fourier spectrum. These signatures are proved to be invariant under image rotation and illumination rotation. Moreover, these features are also invariant to the color spaces. The robustness of different color spaces against varying illumination in color Texture classification with 45 samples of 15 outex texture classes are examined. Comparative results show that the proposed method is efficient in rotation invariant texture classification.     

Color invariance

This paper presents the measurement of colored object reflectance, under different, general assumptions regarding the imaging conditions. We exploit the Gaussian scale-space paradigm for color images to define a framework for the robust measurement of object reflectance from color images. Object reflectance is derived from a physical reflectance model based on the Kubelka-Munk theory for colorant layers. Illumination and geometrical invariant properties are derived from the reflectance model. Invariance and discriminative power of the color invariants is experimentally investigated, showing the invariants to be successful in discounting shadow, illumination, highlights, and noise. Extensive experiments show the different invariants to be highly discriminative, while maintaining invariance properties. The presented framework for color measurement is well-founded in the physics of color as well as in measurement science. Hence, the proposed invariants are considered more adequate for the measurement of invariant color features than existing methods     

融合色彩比和梯度不变性的运动阴影检测

为解决运动前景的准确分割受运动阴影影响的问题,提出了一种融合色彩比和梯度不变性的运动阴影检测算法。该算法分析了阴影像素的色彩比和区域纹理梯度的光照不变性,利用亮度变化特性和色彩比不变性初步确定候选运动前景中的阴影像素,然后在候选阴影区域利用纹理梯度不变性进行去错处理,两者的结合弥补了单一特征或单一类型特征的阴影检测性能差的缺陷,提高了阴影检测率和阴影分辨率,能够准确地将阴影和前景区别开来。     

Unified detection of skewed rotation,reflection and translation symmetries from affine invariant contour features

Symmetry detection is significant for object detection and recognition since symmetries are salient cues for distinguishing geometrical structures from cluttered backgrounds. This paper proposes a unified framework to detect rotation, reflection and translation symmetries simultaneously on unsegmented real-world images. The detection is performed based on affine invariant contour features, and is applicable under skewed imaging with distortions. Contours on a natural image are first matched to each other to find affine invariant matching pairs, which are then classified into three groups using a sign change criterion corresponding to the three types of symmetries. The three groups are used to vote for the corresponding symmetries: the voting for rotation utilizes a scheme of short line segments; the voting for reflection is based on a parameterization of axis equation, and the voting for translation uses a cascade-like approach. Experimental results of real-world images are provided with quantitative evaluations, validating that the proposed framework achieves desired performance.     

Using eigencolor normalization for illumination-invariant color object recognition

Color is one of salient features for color object recognition, however, the colors of object images sensitively depend on scene illumination. To overcome the lighting dependency problem, a color constancy or color normalization method has to be used. This paper presents a color image normalization method, called eigencolor normalization, which consists of two phases as follows. First, the compacting method, which was originally used for compensating the adverse effect due to shape distortion for 2-D planar objects, is exploited for 3-D color space to make the color distribution less correlated and more compact. Second, the compact color image is further normalized by rotating the histogram to align with the reference axis computed. Consequently, the object colors are transformed into a new color space, called eigencolor space, which reflects the inherent colors of the object and is more invariant to illumination changes. Experimental results show that our eigencolor normalization method is superior to other existing color constancy or color normalization schemes on achieving more accurate color object recognition.     

基于区域CSIFT特征的目标识别算法

无重叠多摄像机监控系统在使用局部形状特征进行目标识别时,会忽略颜色信息,且对光学变换具有不稳定性.为此,提出一种基于区域彩色尺度不变特征变换的目标识别算法.通过修正的双色反射模型,提取对光照特性和物体几何特性具有不变性的颜色特征,得到尺度不变特征变换描述予,利用颜色特征和形状特征建立目标模型.实验结果表明,该算法对刚体和非刚体目标的识别都能取得较好的效果.