基于LPP和改进SIFT的copy-move篡改检测

图像的复制-粘贴篡改检测是图像篡改检测领域中的重要组成部分。本文基于SIFT算法以及LPP的降维思想,提出了一种新的篡改检测算法。本文在SIFT算法的基础上,使用LPP算法对SIFT算法生成的特征点以及特征向量进行降维。使得传统SIFT算法在实际应用中特征点数目过多、特征向量维数过高等缺陷得到了解决。并使用凝聚型层次聚类算法对相似的特征点进行聚类,完成了对图像复制-粘贴篡改区域的检测。在文章的最后,本文对哥伦比亚大学复制-粘贴图像库里的100张图片进行实验。实验结果表明,不管篡改区域后处理方式是拉伸还是旋转,本文算法都能比传统的SIFT、SURF、PCA-SIFT等算法生成更少的特征点数目和更低的特征向量维度,使得检测效率以及检测正确率得到有效提升。      

一种区域复制图像篡改检测的效率改进方法

提出一种在区域复制图像篡改检测中的块匹配检测的效率提高方法。将待匹配的图像分块进行简单分类,被划分为不同类的分块之间具有明显的区别,根据不同分类将所有的图像分块划分为多个分块队列。在分块相似度匹配的过程中,只有分类一致或接近的分块队列才进行匹配计算,避免了具有明显区别的图像分块匹配过程,从而大量降低分块匹配的次数,提高算法运行效率。实验结果表明,提出的改进方法与原算法的检测结果基本一致,而算法运行时间有较大幅度减少。     

精细化自动检测篡改区域的数字图像取证方法

现存的大部分篡改检测方法对篡改区域的几何变化检测比较敏感,针对该问题,提出一种利用特征图像块精细化自动检测篡改区域的数字图像取证方法,该方法适用于反射、旋转、缩放区域和JPEG压缩定位。首先将重复区域的像素映射到对数极坐标上。然后沿轴,利用反射和旋转产生一维不变描述符。此外,运用每个单独块中提取的特征向量来减少每个阶段的计算时间。最后利用一个精细化阶段复制几何变换后的重复区域。实验对尺寸为24×24和32×32的块进行检测,比较两种情况下获得的定位结果可知,导致较高的真阳性率的测试同时也会导致较低的假阳性。此外,对篡改和未篡改的图像分别进行检测实验,结果表明,与其他算法相比,该算法对几何变换后的图像具有较高的篡改定位准确率和较低的错误匹配率。     

一种基于SIFT和区域选择的图像拼接方法

提出了一种基于SIFT和区域选择相结合的图像拼接方法.该方法采用改进的尺度不变特征变换(SIFT)特征提取方法获得图像特征点,并充分利用圆形区域的旋转不变性和互信息量最大原则进行特征点匹配,避免了传统的图像配准算法计算量过大、特征点匹配不准确等问题,最后采用加权平均的方法对图像进行融合.实验表明,该方法对图像间存在的平移、旋转、明暗强度和噪声干扰等都具有良好的鲁棒性,可实现高质量的图像拼接.     

抗翻转的图像复制-粘贴篡改检测算法

图像的复制-粘贴篡改是常见的图像篡改方法之一。现有基于SIFT特征的算法能够有效地检测复制-粘贴篡改,但由于SIFT特征本身不能抵抗翻转,因此,这些方法不能检测出具有翻转操作的复制-粘贴篡改。基于SIFT特征,提出了一种抗翻转的图像复制-粘贴篡改检测算法。通过在检测框架中引入图像预处理操作,不仅能够有效地检测出存在翻转的复制-粘贴篡改块,而且能够抵抗旋转、缩放等图像处理行为。同时,在SIFT关键点匹配环节提出了ng2NN匹配方法,提高了算法的检测效果。实验结果证明了所提出算法在抵抗翻转、缩放、旋转以及检测多重复制-粘贴篡改等方面的有效性。     

一种基于改进RANSAC的红外图像拼接方法

在一般的红外图像拼接过程中,采用传统随机抽样一致(RANSAC)方法,耗时往往会稍长。为了缩短图像拼接所耗费的时间,提出了基于尺度不变特征转换(SIFT)和改进RANSAC的图像拼接方法。先通过SIFT得到特征点和特征描述,然后用改进的RANSAC对不匹配的特征点进行剔除,通过得到的变换矩阵完成图像的融合。在改进RANSAC中,设置0.95和0.85两个阈值,少量迭代后,选择跳出循环、重新选择或者计算出新的迭代次数,新的迭代次数必定比传统迭代次数小,因而达到减少时间的效果。红外图像拼接后,把实验结果与采用传统RANSAC算法的结果进行多方位比较,可以发现本文方法能够达到减少时间的目的。     

区分来源和目标区域的图像copy-move伪造检测方法

Copy-move是一种常用的图像伪造手段,它通过复制图像的某一区域,移动并粘贴到同一图像的其他位置,达到掩盖重要信息或伪造虚假场景的目的。近年来,为了防止copy-move被用于违法犯罪,copy-move伪造检测技术迅猛发展,在维护社会运行秩序和信息安全方面发挥着积极作用。本文提出一种基于条件生成对抗网络(conditional Generative Adversarial Networks, cGANs)的copy-move伪造检测方法。针对图像copy-move伪造检测,该方法优化设计了cGANs的损失函数,并使用适量的弱监督样本来提升网络性能。不同于目前大部分检测算法,该方法不仅可以定位出图像中的相似区域,还可以有效区分伪造来源区域和伪造目标区域。实验结果表明,本文所提出的方法在检测准确率上显著优于现有方法。      

一种通用的仿射不变特征区域提取方法

本文利用尺度-空间理论和自相关矩阵的局部形状提出了一种通用的提取仿射不变特征区域的方法.首先,在尺度-空间中对图像的归一化高斯微分求三维局部极大值获得特征点和特征尺度位置,然后在特征点的特征尺度上用自相关矩阵刻画局部的灰度变化,提取的椭圆区域即为仿射不变特征区域.在此通用方法框架下构造了Harris3D、Laplace3D、Hessian3D和Localjet43D四种仿射不变特征区域算法.实验结果表明这四种算法都具有照度、旋转和尺度不变性.用本文设计的一种仿射不变性仿真实验方法验证了算法的仿射不变性.比较四种算法发现除了Harris3D性能稍差外其他三种算法性能接近.     

一种SVM集成的图像分类方法研究*

针对单分类器没有充分考虑数据集的特征而不能很好地完成分类识别,提出了一种基于集成学习技术的SVM集成的图像分类方法。该方法是在基于较为流行的词袋(Bag-of-Words,BOW)模型的图像分类方法的基础上,利用训练生成的不同SVM分类器分类测试图像,并将分类结果采用集成学习算法进行集成。分别采用传统的BOW模型的图像分类方法和本文提出的方法进行分类实验,实验结果表明采用SVM集成的图像分类方法明显提高了分类精度,具有一定的稳健性。     

基于分组SIFT的图像复制粘贴篡改快速检测算法

针对现有图像复制粘贴篡改检测算法计算复杂度过高的问题,提出了一种基于分组尺度不变特征变换的图像复制粘贴篡改快速检测算法。首先,利用简单线性迭代聚类将输入图像分割成非重叠且不规则的块;然后,根据图像块内结构张量属性将其分为平坦块、边缘块和角点块,提取图像块内的SIFT特征点作为块特征;最后,通过块特征的类间匹配定位篡改区域。所提算法通过图像块分类和类间匹配,在保证检测效果的同时,有效地降低了特征匹配定位篡改区域阶段的时间复杂度。实验结果表明,所提算法检测准确率为97.79%,召回率为90.34%,F值为93.59%;图像尺寸为1 024像素×768像素时算法时间复杂度为12.72 s,图像尺寸为3 000像素×2 000像素时算法时间复杂度为639.93s。与已有的复制粘贴算法相比,所提算法能够快速精准地定位篡改区域,且具有较好的稳健性。     

基于Kalman与SIFT的车辆跟踪算法

车辆跟踪是智能交通系统中的一项关键技术。文章在研究现有的车辆跟踪算法基础上,提出了一种基于卡尔曼（Kalman）与尺度不变特征变换（Scale invariant feature transform,SIFT）的车辆跟踪算法。通过将车辆的外接矩形信息转化为Kalman滤波参数,对车辆运动进行建模,结合SIFT特征匹配能够有效地解决车辆遮挡问题。实验结果表明,该方法能够对运动车辆实现稳定的跟踪,并且能够有效地解决车辆遮挡问题。     

基于SUKF与SIFT特征的红外目标跟踪算法研究

针对复杂红外背景下单一跟踪算法难以准确定位运动目标的问题,提出了基于尺度无迹卡尔曼滤波(SUKF,scale unscented Kalman filter)与尺度不变特征变换(SIFT,scale invariant featuretransform)相结合的红外运动目标跟踪方法。首先,通过SUKF算法对状态空间进行滤波估计,确定运动目标的初步位置,并以此建立局部SIFT特征检测域。其次,SIFT算法在该局部检测域内对运动目标进行特征提取与匹配,最终实现对目标的准确定位;同时,利用定位结果更新并校正SUKF的状态模型。实验结果表明,本文提出的基于SUKF-SIFT的跟踪策略与相关算法相比,体现出较好的跟踪效果与实时性能。     

基于非线性SIFT框架SAR图像匹配

针对基于尺度不变特征变换（SIFT）的图像匹配算法性能受到SAR图像中严重斑点噪声而性能降低的问题，提出了一种改进的非线性尺度构建的SIFT算法，主要改进在于：在尺度空间构建阶段，该算法通过将滚动引导滤波器嵌入到尺度空间构造的过程中来生成多尺度图像金字塔，在去除斑噪的同时并保持边缘的方面表现出了较其他尺度空间构建算法更好的效果；在特征检测阶段，提出了一种使用ROEWA算子和Harris-Laplace检测算子相结合的特征点检测算法，有效地抑制SAR图像中的虚假特征点，并准确地提取具有高位置精度和低误差率的不变特征点。3种不同类型的仿真和真实SAR图像对该算法进行了检验，并与其他2种基于SIFT的方法相比较，实验结果表明，该算法在匹配精度和内联点比率方面可以实现更好的性能。     

基于SIFT特征点的抗几何攻击水印算法

提出了一种基于尺度不变特征变换(SIFT)和伪Zernike矩的抗几何攻击的鲁棒水印算法。首先,利用SIFT算法从载体图像中提取稳定的特征点;然后,根据特征尺度和方向自适应地确定每个局部特征区域大小和方向;最后,从中选择具有较大特征尺度互不重叠的特征区域,并利用量化调制伪Zernike矩幅值方法将水印嵌入到每个局部特征区域内。仿真实验结果表明,该算法不仅具有良好的透明性,而且具有较强的抵抗常规信号处理和几何攻击的能力。     

采用频闪成像技术的柔性气动外形运动物体SIFT特征跟踪(英文)

近年来,有关微型飞行器的结构动力学、材料气动弹性以及飞行控制方面的研究受到了高度的重视。为了提高飞行器的空气动力学检测能力,提出了一种基于频闪成像技术的柔性气动外形物体跟踪方法。利用尺度不变特征转换(SIFT)算法提取出的特征对于图像的尺度变换、旋转以及光照变化和局部图像变形等具有的不变特性,提出了一种利用感兴趣区域中SIFT特征对柔性气动外形运动物体进行探测与跟踪的方法。该方法在获取物体的状态、位置以及空间转换关系等方面表现出良好的性能,并且为同一场景中同一物体在不同位置之间的相互匹配提供了可靠保证。实验表明:在该实验系统中,基于频闪成像技术、利用SIFT特征作为柔性气动外形物体探测的方法具有一定的可行性。     

基于SIFT算法的圆心快速精确定位技术研究

针对SIFT算法在圆心检测应用中的特点,分析了SIFT算法中存在的冗余步骤,提出对其进行简化改进:估计圆心所在的金字塔层,删减金字塔中多余的层数建立,并且通过提高滤除低对比度特征点阈值的办法减少背景特征点的生成,去掉了特征点辅方向分配和建立辅方向特征点这一步骤.分别对计算机模拟牛成的标准圆和实际的PCB定位标志图像做了圆心检测实验,实验表明,SIFT算法改进后在没有降低其定位精度及对图像的模糊、光照、仿射等变换适应性的情况下,大大缩短了检测时间,提高了检测效率.     

基于初始尺度变换的SIFT匹配算法

直接使用检测到的SIFT(Scale-Invariant Feature Transformation)特征点进行特征点匹配,匹配性能仍然有待提升.提出了改进的SIFT匹配算法,利用匹配特征点的尺度比直方图,估计出近似的图像尺度比k,然后将空间分辨率较高的图像初始尺度增大到k倍,再次提取特征点进行匹配.实验结果表明,相比于其它用尺度约束条件提升性能的匹配算法,基于初始尺度变化的SIFT匹配算法在处理结构型图像时性能得到了很大的提升.     

基于SIFT特征点的图像匹配算法

SIFT特征点是图像的一种尺度不变局部特征点。首先给出了尺度空间的生成方法;接下来给出了SIFT特征点的提取步骤和精确定位方法,基于特征点邻域像素的梯度和方向生成了关键点的描述向量;最后根据特征向量给出了匹配方法,提取了SIFT特征点,并将其应用于图像匹配。实验结果说明,使用SIFT特征点可以有效实现图像匹配。     

基于兴趣目标的图像检索

当前图像检索算法通常针对整体图像提取特征以完成检索任务.然而,在很多情况下用户只会关注图像的一部分,即他们的兴趣目标.此时,从整体图像提取的特征一部分是有效的,另一部分则是无效的且会对检索过程带来消极影响.为此,本文提出基于兴趣目标的图像检索方案,并借助于现有的显著性检测、图像分割、特征提取等技术实现一款有效的图像检索算法.首先采用HS （Hierarchical Saliency,分层显著性）检测算法分析用户的兴趣目标并应用SC （Saliency-based Image Cut,基于显著性的图像分割）算法将其分割,然后针对兴趣目标提取HSV （Hue、Saturation、Value,色调、饱和度、明度）颜色特征、SIFT （Scale Invariant Feature Transform,尺度不变特征变换）局部特征和CNN （Convolutional Neural Network,卷积神经网络）语义特征,最后计算其与数据库图像的相似度并根据相似度排序返回检索结果.仿真实验结果表明,本文算法在解决"这是什么东西"这类图像检索任务时明显优于现有的图像检索算法.