基于多特征集成的鲁棒图像拷贝检测算法

该文提出一种基于多特征集成的鲁棒图像拷贝检测算法。该算法结合局部与全局特征信息,综合时域与频域信号处理,采用级联式检测过滤框架。为了在大规模图像库下提升拷贝检测速度,利用K—D树建立特征索引,便于图像之间的局部点匹配。最后,利用RANSAC算法,剔除错误的匹配对。实验结果证明,该算法对拉伸、平移、旋转、加噪、水彩、滤波和JPEG压缩等攻击具有鲁棒性,并具有较高检测效率。     

基于图像力场理论的ORB特征优化方法

针对现有的移动机器人视觉图像ORB特征受图像尺度、光照和旋转影响比较大的问题,提出了一种基于图像力场理论转换的优化ORB算法.通过计算图像熵值确定图像金字塔尺度,构建稳定的ORB特征,以此解决ORB特征点的尺度不变性.采用ORB特征点的引力方向作为特征点描述子的主方向,优化ORB算法的旋转不变性.利用PROSAC算法剔除冗余ORB特征点.结果表明,本文方法在一定程度上提高了ORB特征点描述子的准确度和匹配正确率.     

基于SIFT联合描述子的航拍视频图像镶嵌

针对存在明显旋转、尺度或模糊等变化的图像,文章提出了一种基于SIFT联合描述子的航拍视频图像镶嵌算法。该算法首先计算经典的SIFT特征局部描述子,然后通过引入图像的形状信息得到每个特征点的全局描述子,进而获得联合描述子;对联合描述子中的局部描述子采用欧氏距离、全局描述子采用卡方距离进行双向匹配,通过加权平均法融合得到联合描述子的匹配距离;采用RANSAC算法精确估计仿射变换模型参数。实验结果表明:该算法具有较好的鲁棒性,可获得较好的镶嵌结果。     

基于角点增强的抗打印扫描零水印算法

利用角点检测算法提取与图像旋转、平移、缩放等操作无关的Harris角点,对角点响应值与象素值的关系进行分析,进而角点增强响应值,以保证打印扫描前后检测到的角点具有较高的一致性,对角点构造特征向量作为图像的零水印信息。另外,针对已有局部特征描述子在打印扫描前后特征点匹配率不稳定这一问题,提出新的匹配算法,首先根据局部特征描述子进行粗匹配,然后用聚类法进行精匹配保证特征点匹配率。在水印检测时,对匹配成功的特征点进行遍历,将图像的局部特征信息和位置信息生成一维向量,对该一维向量作相似性运算,即可判别待检测图像是否含有零水印信息。实验结果表明,该算法对打印扫描等攻击具有一定的鲁棒性。     

基于背景差分法的电网巡检运动目标检测技术

针对无人机对电网巡检过程中移动镜头下的目标检测问题，采用背景补偿与背景差分法实现了动态场景下的目标检测.建立了全局运动矢量模型，并利用SIFT特征点提取和匹配技术，完成了视频图像的特征点匹配，实现了移动镜头下的背景补偿.通过降维和局部匹配方式对SIFT特征点提取和匹配技术进行优化.结果表明，优化后的特征向量生成时间是原来的30%～40%,与经典SIFT算法相比，提取特征点的总时间是原来的30%～50%,该方法能准确检测运动目标并排除干扰.     

一种基于局部不变特征的SAR图像配准新算法

针对SAR图像配准中匹配效率低、误匹配对多和配准精度差的问题,提出一种基于局部不变特征的SAR图像配准新算法。首先,使用加速分割检测特征（ features from accelerated segment test, FAST）检测算法,检测 SAR图像的FAST角点;使用DAISY描述子对FAST特征进行描述,得到SAR图像不变特征。其次,采用基于KD树的欧氏距离匹配策略,实现特征点对的粗匹配;采用RANSAC算法去除误匹配,实现特征点对精匹配。然后,采用仿射变换模型,实现图像插值和图像变换,实现SAR图像粗配准。最后,建立配准精度评估反馈机制,实现配准优化。通过使用不同时相、不同工作模式HJ－1C星载SAR和不同极化、不同波段机载AIRSAR图像配准实验,提出算法与经典不变特征配准算法相比,具有适配性好、配准效率高的优点。     

基于SURF算法的服装视觉图像检索研究

提出了基于SURF算法的服装视觉图像检索系统,使用实时、丰富的移动视觉图像进行服装信息的检索.首先对移动端视觉图像进行预处理,然后利用SURF算法完成服装视觉图像特征检测、特征信息描述和特征匹配,从而完成检索.对SURF-36,SURF-64和SURF-100描述向量的匹配效率、匹配准确度等方面进行试验.结果表明,SURF-64能够在效率与准确度之间达到很好的平衡,较快、较好地完成服装视觉图像的检索.     

KAZE算法在图像检索中的应用

给出一种KAZE算法与视觉词典库模型相结合的图像检索算法。利用KAZE算法提取特征点,构造特征描述子,进行预匹配;采用随机抽样一致性算法剔除误匹配点和错误点;通过K均值聚类算法对特征描述子进行聚类,建立视觉词典库模型。将图像特征描述子映射到视觉词典库模型,得到检索结果。实验结果表明,该算法可以检索相同或相似图像,图像检索的平均查准率为55%。     

基于二维熵的快速SIFT图像匹配方法

尺度不变特征变换(SIFT)是一种局部特征描述子,是在空间尺度中寻找极值点.针对传统SIFT算法存在匹配速度慢的问题,提出了一种改进的匹配方法.该方法通过计算特征点位置的二维熵大小来剔除一部分无效的特征点,在特征点匹配阶段通过遍历参考图像某个特征点与待匹配图像某个特征点二维熵之差初步寻找可靠的匹配对,这样可以减少匹配过程中欧式距离的计算量.实验结果表明,改进的SIFT算法在保持准确性的前提下,提高了图像匹配的速度,达到原始匹配速度的1.6倍.     

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.     

基于特征约束的图像点匹配算法

立体匹配是计算机视觉领域的一个关键问题,同时也是立体视觉中的难点.为了得到更好的匹配结果,给出了基于特征约束的图像点匹配算法,首先利用基于边缘特征技术得到特征点,再利用两阶段匹配算法,第一阶段主要是以特征匹配和区域匹配相结合的方法得到候选匹配点对,第二阶段对候选匹配点对进行对称性测试,以去掉部分误匹配点.实验结果表明,匹配速度较快,效果良好,有一定的使用价值.     

结合亮度序局部特征描述的图匹配算法

在图匹配问题中基于松弛迭代的方法能否收敛到全局最优解在很大程度上依赖于初始值的估计,针对这个问题,提出了一种结合亮度序局部特征描述的图匹配算法。该算法首先利用Hessian-Affine方法提取图像的特征点及局部特征区域,以特征点作为图的节点并结合特征点的邻近关系构造结构图;其次,根据亮度序约束关系对局部特征区域进行子区域划分,利用改进的中心对称局部二值模式(CS-LBP)获取局部特征描述;最后,将局部特征描述之间的相似性作为图匹配关系矩阵的初始值,通过松弛迭代的方法获取特征点的准确匹配结果。实验结果表明该算法匹配准确率较高。     

基于SIFT和RANSAC的鞋印图像匹配算法

针对失真的鞋印图像的匹配问题,在研究中引入了基于尺度不变特征变换SIFT(scale-invariant feature transform)算法与RANSAC算法相结合的图像匹配方法.首先,对图像进行SIFT特征点的提取,在分析SIFT特征描述子生成的基础上,以最小欧式距离为标准来判断特征点是否匹配.然后,用最小欧式距离与次小欧氏距离之比进行初始匹配,用随机抽样一致性算法剔除SIFT算法匹配过程中存在的误匹配点对,从而实现精确匹配.实验结果表明,在局部鞋印图像中含有尺度缩放和旋转失真的情况下,该算法达到了良好的匹配精度且具有较强的鲁棒性和有效性.     

基于网格的统计优化特征匹配算法

基于图像特征点的匹配算法广泛应用于图像检索,目标检测、识别等图像处理领域。针对特征匹配算法召回率较低的问题,提出了一种基于归一化互相关函数网格的统计优化特征匹配算法,将匹配主方向差和匹配尺度比引入特征匹配过程中,综合利用SIFT(scale invariant feature transform)特征点的主方向、尺度和位置等约束在网格框架下加速匹配位置的求解,优化特征匹配结果,提高匹配召回率和综合匹配性能。首先在目标图中寻找原图每个特征点的最近邻匹配特征点,得到初匹配结果;其次利用匹配主方向差剔除初匹配中的大部分误匹配,然后基于匹配尺度比信息对匹配图像划分网格,统计匹配特征点的位置信息在网格间的分布情况,最后计算原图中每个网格的归一化互相关函数以判断该网格内的匹配是否正确,得到优化后的特征匹配结果。实验结果表明,新算法的匹配准确率在与经典特征匹配算法相当的基础上将匹配召回率平均提高了10%以上,获得了更好的综合匹配性能。     

基于全局与局部形状特征融合的形状识别算法

经典的全局形状识别算法虽然高效,但在处理形变方面存在不足。局部形状识别算法拥有良好的检索率,但在辨别力方面的效果却有待提高。为解决上述问题,本文提出一种基于特征点分类的融合框架,该框架不仅融合了全局与局部算法的优势,还弥补了二者的不足。一些经典的形状识别算法采用提取特征点的方式来构建形状特征直方图,本文在此基础上,将提取到的特征点进一步分类,针对不同类别的特征点集合采用不同的形状识别算法进行描述,并将匹配结果进行融合,充分发挥了全局与局部算法的优势。实验结果表明,本文提出的框架能够有效结合不同算法实现形状的识别并获得更好的效果。     

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.     

小波变换下的特征匹配图像编码

针对现有图像编码算法大多是利用图像自身像素之间的相关性,而很少利用来自不同图像信息之间的相关性来减少编码过程中的冗余这一问题,本文提出在小波变换域下,利用图像特征匹配实现的编码方法。在编码端,首先通过小波变换将输入图像分解为低频子带和高频子带,低频子带经过低失真的编码算法编码后传到解码端;高频子带进行尺度不变特征变换特征提取,并与图像库码书进行匹配,将匹配索引传到解码端。在解码端,根据码书和索引解码出SIFT特征,并利用解码后的特征在图像库中找到复原图像块,进行高频子带的复原。最后通过小波逆变换,得到重构图像。结果表明:对测试图像进行编码,平均压缩比为437;在同等压缩比下,本文算法的PSNR值平均比JPEG 2000和JPEG分别高0. 18、4. 55 dB; SSIM值平均比JPEG 2000和JPEG高0. 001、0. 08。     

基于粒子群优化的移动机器人全局定位算法

为了提高图像特征匹配过程中地图库的搜索速度,提出了一种局部子地图库搜索方法。并针对机器人自定位过程中会产生多个候选位姿,提出了利用粒子群优化算法来优化候选位姿以得到定位精度较高的优化解的全局定位新方法。最后通过Pioneer 3DX在室内环境的全局定位实验分析了粒子群优化前后定位精度和定位时间的变化。实验结果表明,新算法以牺牲较少的计算时间获得了较高的定位精度。     

单目视觉自然路标辅助的移动机器人定位方法

针对很多场合下GPS信号会受到遮挡而无法使用,导致机器人定位精度下降很快的问题,提出一种基于单目视觉自然路标辅助的机器人绝对定位方法.在导航环境中的若干位置预先建立视觉路标库.机器人在利用惯导（INS）定位过程中,同时对采集到的单目图像和库中的视觉路标进行匹配.建立基于全局特征信息（GIST）和快速鲁棒算子（SURF）局部特征相结合的在线图像快速匹配框架,同时结合基于单目视觉的运动估计算法修正车体航向.最后利用卡尔曼滤波将视觉路标匹配获得的定位信息和INS有效地融合起来.结果表明,该方法有效地提高在GPS受限情况下惯性导航定位的精度和鲁棒性.     

基于感兴趣区域灰度统计量的颅脑CT图像检索

针对目前只限于特定任务的医学图像检测方法,根据颅脑CT图像的特点,给出了将感兴趣区域灰度统计量作为参数检索图像的方法.首先利用区域生长法提取CT图像中的全局感兴趣区域颅脑,采用分块的方法将全局区域划分成多个子区域,以获得局部灰度空间信息,使整幅图像的检索转变为对各子区域的识别.进一步提取每个子区域的灰度统计量平均值、均方差和三阶矩作为特征,检索时将示例图像特征与特征库中的特征按照欧几里得距离进行相似性匹配.实验结果表明,该方法可查找出在相同位置具有相似病理特征的颅脑CT图像.