改进的快速模糊C均值聚类的图像分割方法

传统的模糊C均值(FCM)聚类算法广泛用于图像的自动分割,但该算法没有考虑像素的灰度和空间特征,对噪声和伪斑点图像不可能取得好的分割效果.提出一种改进的算法,在快速的FCM聚类的基础上,运用邻域像素的灰度相似度和聚类分布统计构造新的隶属函数,对图像进行二次聚类分割.该算法具有以下优点:1)有效地抑制了噪声的干扰;2)减少了图像的伪斑点;3)把误分类的像素很容易地纠正过来.对两种类型图像的实验分割结果表明该方法对噪声和伪斑点具有很强的鲁棒性和对像素聚类的正确性.     

一种鲁棒的无监督聚类图像分割算法

针对目前基于模糊C-均值聚类图像分割算法的噪声敏感问题, 提出一种基于无监督可能性聚类的自动加权图像分割算法. 该算法先应用均值漂移迭代确定可能性C-均值聚类算法的初始化中心, 利用可能性聚类的模式搜索性质自动确定聚类划分; 然后根据像素间灰度值关系进行图像加权, 通过将加权系数与像素噪声的可能性相关联, 降低噪声对图像分割的影响. 实验结果表明, 相对于基于模糊C-均值聚类的图像分割算法, 该算法不仅取得了较好的分割效果, 而且无监督分割时计算效率更高, 对噪声的鲁棒性更强.     

一种鲁棒的无监督聚类图像分割算法

针对目前基于模糊C-均值聚类图像分割算法的噪声敏感问题, 提出一种基于无监督可能性聚类的自动加权图像分割算法. 该算法先应用均值漂移迭代确定可能性C-均值聚类算法的初始化中心, 利用可能性聚类的模式搜索性质自动确定聚类划分; 然后根据像素间灰度值关系进行图像加权, 通过将加权系数与像素噪声的可能性相关联, 降低噪声对图像分割的影响. 实验结果表明, 相对于基于模糊C-均值聚类的图像分割算法, 该算法不仅取得了较好的分割效果, 而且无监督分割时计算效率更高, 对噪声的鲁棒性更强.     

一种改进的多光谱遥感图像超像素分割算法

针对简单线性迭代聚类算法在多光谱遥感图像超像素分割中存在的未充分利用图像特征信息及超像素尺寸、 数量固定导致分割精度较低的问题, 提出将流形 简单线性迭代聚类算法引入到遥感图像超像素分割任务中, 并对其进行改进. 首先, 给出一种基于彩色局部二进制模式改进的多光谱遥感图像纹理特征提取方法; 其次, 扩展流形 简单线性迭代聚类算法的光谱空间, 使算法可以适应高维图像数据; 最后, 改进流形 简单线性迭代聚类算法的聚类距离度量, 融合图像的多段光谱特征、 空间特征及纹理特征对像素进行迭代聚类, 实现内容敏感超像素分割. 实验结果表明, 与现有方法相比, 该算法对多光谱遥感图像的超像素分割结果更准确, 在边缘召回率、 欠分割误差、 可达细分精度指标上均有提升, 能改善多光谱遥感图像分割预处理方法中精度较低的问题.     

融合边缘信息的合成孔径雷达图像超像素分割算法

针对简单线性迭代聚类(simple linear iterative cluste, SLIC)对含有乘性相干斑噪声的合成孔径雷达(synthetic aperture radar, SAR)图像边缘分割不理想的问题,本文在SLIC基础上提出了一种融合边缘信息的SAR图像超像素分割算法。首先,利用高斯方向平滑对SAR图像进行预处理,从而在抑制乘性相干斑噪声的同时有效保护边缘细节;其次,提出了一种基于指数加权平均比率(ratio of exponential weighted average, ROEWA)算子的改进相似度测量参量,以提高SAR图像的分割精度;最后,采用六边形初始化聚类中心与圆形区域的搜索方式进行局部区域聚类,从而保证了算法复杂度增加的同时,算法的运行时间不会明显变化。实验结果表明,与四种经典超像素算法相比,本文算法生成的超像素边缘更加贴合SAR图像的真实边缘且得到的超像素大小较为均匀。     

融合聚类与排序的图像显著区域检测

显著区域检测是计算机视觉领域中一个极具挑战性的问题。当前,多数显著区域检测算法通过直接计算图像中每个像素或图像块与其一定范围内邻域的差异来判断像素的显著性。当图像背景杂乱或者图像中的前景和背景有相似特征时,这些传统方法的检测性能明显下降。该文提出一个基于再聚类的显著区域检测算法框架:首先,利用聚类算法将图像过分割得到的超像素再聚类成多个超像素簇,其中提出了自动确定尺度参数和聚类个数的方法;其次,基于聚类得到的超像素簇,该文又提出一个自动选择可能的背景簇的方法,并将其作为排序算法中的查询项来估计全图的显著性。在两个差异较大的公开数据集上,该算法实现了相对稳定的显著区域检测结果,而且在部分性能指标上明显优于其他5种算法。     

空间加权模糊C均值聚类图像分割算法

为了提高模糊C均值聚类(FCM)算法用于图像分割时对噪声的鲁棒性,在FCM算法中引入了图像像素的邻域约束,提出一种空间加权模糊C均值聚类图像分割算法。首先根据邻域像素的模糊隶属度函数值,定义像素分类标记的局部先验概率,然后将该局部先验概率融入标准的FCM算法的目标函数中,从而提出一种空间加权模糊C均值聚类图像分割算法。仿真实验通过合成图像和真实图像验证了该算法的有效性和鲁棒性。     

基于块效应频域特性的JPEG图像合成篡改检测

图像在JPEG压缩过程中产生的块效应在频域内体现为功率谱密度产生周期性波峰,篡改会造成JPEG图像块效应的不一致,表现为功率谱密度的周期性波峰衰弱或消除。针对这种情况,提出一种基于块效应频谱特性的JPEG图像合成篡改检测算法,此外,为了减少图像内容本身对块效应的影响,算法先提取包含块效应的噪声,再对噪声分块,分析每一局部小块的块效应,由此定位篡改区域。实验表明,该算法对多种不同格式图像的合成篡改以及篡改区域较小等情况有效。     

局部特征聚类联合区域增长的桥梁裂缝检测

针对传统裂缝检测算法抗干扰能力弱,浅层裂缝易误判等问题,提出一种局部特征聚类联合区域增长的桥梁裂缝检测算法。首先,针对混凝土表皮脱落及渗水等干扰问题,采用Gauss-Frangi双重滤波对图像模糊化处理,退化噪声的特征信息,并增强图像中的线性结构。其次,针对常规算法无法识别弱特征的浅层裂缝问题,根据局部区域裂缝点间的空间相关性,提出基于网格聚类联合区域增长算法实现局部区域裂缝的动态分割。最后,针对分割图像中伪裂缝等顽固噪声,提出一种基于形状特征及结构相似性原理方法剔除噪声。实验表明,所提算法可检测出更多的裂缝细节信息,且保持较高的精确率,提高了裂缝图像分割质量。     

结合SLIC超像素和DBSCAN聚类的眼底图像硬性渗出检测方法

为自动检测出眼底图像中的硬性渗出,结合简单线性迭代聚类(SLIC)超像素分割算法和基于密度的聚类算法(DBSCAN),提出一种对眼底图像硬性渗出的检测方法.首先,采用SLIC超像素分割算法对彩色眼底图像进行过分割;然后,采用DBSCAN对上述分割得到的超像素进行聚类,形成簇;最后,分割出目标图像,并选用标准糖尿病视网膜病变数据库(DIARETDB0和DIARETDB1)的眼底图像验证上述组合算法的可行性.实验结果表明:算法能够快速、可靠地检测出眼底图像中的硬性渗出,具有可直接对彩色图像进行分割、特征提取的特点.     

基于SIFT的伪造图像盲检测算法

图像区域的复制粘贴操作能够隐藏重要目标或者造成某种假象,是最常用的篡改手段之一。针对"复制-变换-移动-粘贴"篡改模型,提出了一种基于SIFT的伪造图像盲检测算法。首先用SIFT算法提取图像特征;然后对提取的图像特征向量采用乘积量化的最近邻搜索进行匹配,粗略定位篡改区域;最后进行篡改区域的精确定位,通过计算可疑块对的欧式距离判断图像真伪。实验结果表明,该算法不仅能有效检测经过旋转、缩放变换的复制粘贴篡改区域,而且能抵抗模糊、加噪等后处理。     

采用高斯几何矩的图像复制粘贴篡改盲检测

针对图像盲检测中一种常见的简单的篡改方式复制粘贴,提出了采用高斯几何矩的图像篡改检测方法.首先将图像进行重叠分块,其中所分块的大小相同,然后提取每个图像块的高斯几何矩作为对应的特征向量,通过字典排序之后,计算图像块间的欧式距离,最后根据图像块的相似性确定篡改区域.实验结果表明,该方法能够有效地检测与定位图像的篡改区域,与不变矩相比有较强的抗噪性,能够成功地检测出带有噪音的篡改图像,同时具有很好的鲁棒性.     

基于JPEG图像压缩的痕迹盲取证算法

相机的普及以及图像处理软件的广泛应用,数字图像正面临着被随意篡改和伪造的威胁。针对模糊润饰、拼接篡改操作后的数字图像,提出一种利用块效应和相关性相结合进行定位检测数字图像盲取证方法。数字图像经过模糊润饰、拼接篡改等操作后的区域的块效应和相关性与未篡改区域的块效应和相关性不一致。通过提取块效应特征以及相关性特征来定位篡改区域。实验结果表明,该算法能够有效地对模糊润饰、拼接篡改操作的图像进行检测和定位并且具有很好的鲁棒性。     

基于非线性局部滤波的红外小目标检测方法

为提高复杂环境下红外小目标的检测效率,将图像分为平坦区域、边缘区域和小目标区域三种区域,并针对三种成分的特点,提出基于拉普拉斯金字塔的非线性局部滤波检测方法。首先将图像进行高斯金字塔分解,将高斯低通金字塔与原图像尺寸匹配后,相减并进行阈值操作,抑制平坦区域;其次将标记像素灰度值与其周围环域均值的最小差作为指标,滤除边界区域;最后将非线性局部滤波结果生成相应的拉普拉斯金字塔各层系数,重构得到高对比度的检测图像,利用邻域特点剔除孤立噪声点并通过简单阈值标记红外小目标。实验结果表明：与现有其他算法相比,该检测算法能够对复杂背景有效抑制,检测速度快。     

基于FAST算子与多特征匹配的图像伪造检测算法

当前图像伪造检测算法大多采用最近邻与次近邻比值法进行特征匹配来完成图像伪造检测,存在较多的错误检测以及漏检测现象,基于此提出了一种基于FAST算子与多特征匹配的图像伪造检测算法.首先,基于FAST算法与Bresenham方法,构造以像素点为中心的圆形区域,提取图像特征;然后,通过梯度直方图统计法判定特征点的主方向,以特征点为中心建立两级同心圆,并通过求取同心圆在指定方向上的梯度特征,生成特征向量和特征描述子;最后,提取特征点的HSI颜色分量,将HSI颜色分量以及特征点的特征向量作为双重特征,设计了双重特征匹配法则,实现特征匹配.引入Hough变换,对匹配特征点进行聚类,定位伪造内容.实验结果显示,与当前图像匹配算法相比,所提算法具有更高的检测正确度与鲁棒性能.     

基于小波变换的弱小目标检测

研究了天空、海面或野外地面背景下运动弱小目标的检测,对图像进行了小波分析,使用小波反变换将背景中低频分量和杂散噪声去除,并采用自适应阈值处理,用最大非零像素数分割方法进行分割,最后经过插值、填充得出检测结果.实验结果表明,该方法能有效地检测和定位弱小目标,并具有较强的抗噪声性.     

一种图像内容可恢复的脆弱水印算法

提出一种图像内容可恢复的脆弱水印算法,采用数字签名的MD5算法提取分块图像的特征值生成水印.在恢复系统中,恢复比特来源于原图压缩后的数据并将此数据嵌入到图像的最低有效位以实现自恢复.实验结果表明：该算法简单,安全性高,不但具有检测篡改的能力,而且能够对被篡改区域进行修复;对局部发生的篡改可以有效地检测和精确定位,能够有效地抵抗拼贴攻击.     

基于zernike矩图像区域复制篡改认证

分析了区域复制篡改图像的特征,提出了运用zernike 矩的不变性对自然图像区域复制篡改进行认证.对于尺寸较大的篡改图像运用小波变换得到低频子图像,把低频子图像分割为一系列图像子块,对子块序列图像分别进行zernike矩分析并判断图像区域是否复制篡改.将各个相邻复制篡改的子块进行区域合并.实验结果表明,本文的篡改认证方法既克服了噪声对认证的影响又解决了几何变换对认证的影响.     

基于OpenCV的改进RANSAC车道线检测方法

车道线的检测技术是自动驾驶汽车中的重要技术。为了提高车道线的检测能力,提出了一种改进RANSAC的车道线识别方法。通过设置感兴趣区域提取路面图像并进行缩放;把彩色图像的RGB通道按5∶5∶0的权重转化成灰度图像;再用速度更快的积分图法对图像进行自适应二值化;接下来进行一系列的形态学处理来减小噪声;提取Harris角点作为拟合数据点;最后,运用改进了选择初始点和删除外点的RANSAC(random sample consensus)的方法,根据数据点估计车道线参数。实验结果表明,该算法适合多种道路环境下的车道线检测,具有较好的鲁棒性和实时性。     

一种基于特征提取与追踪的视频复制粘贴篡改检测方法

提出一种基于特征提取与追踪的视频篡改检测方法.首先对视频序列按照一定帧间隔进行特征提取,寻找出首个篡改帧及其篡改区域;其次采用追踪算法对该篡改区域进行学习,并定位该帧之后的每个视频帧的可疑区域;最后对可疑区域再使用特征提取算法进行相似点匹配,确定出视频篡改帧的位置及其篡改区域.结果证明了方法的有效性和鲁棒性,以及在执行时间上相对于已有算法的优越性.