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.     

改进的SIFT耦合特征点集群的图像伪造检测算法

针对当前图像伪造检测算法进行图像伪造检测时主要通过设定比例阀值来实现特征匹配,存在检测误差大、鲁棒性不强等不足,提出了改进的SIFT耦合特征点集群的图像伪造检测算法.首先,采用二进小波变换提取伪造图像的低频子带以用于特征点检测;然后,基于特征点邻域旋转不变纹理特性,改进了SIFT机制,生成新的特征描述子对其进行描述,减少误匹配,并提出了自适应匹配策略,通过搜索最优比例阀值,以提高算法检测精度及鲁棒性;最后,通过构建特征点的均值漂移向量,对特征点均值和特征点的偏差进行度量,实现特征点的集群,从而完成图像的伪造检测.仿真结果显示:跟当前的伪造检测方法相比,本文方法具有更高的检测精度与鲁棒性,呈现出较好的ROC特性.     

基于尺度制约规则耦合距离约束的图像匹配算法

为了提高图像的匹配精度及其鲁棒性,本文提出了基于尺度制约规则耦合距离约束的图像匹配算法.首先,采用箱式滤波器对高斯函数二阶偏导进行逼近,对特征点进行检测;同时,利用特征点对应的空间尺度来建立尺度制约规则,剔除伪特征点.然后,以特征点为中心,形成圆形区域,计算其Haar小波响应,获取特征点的主方向以及特征向量,形成特征描述子.随后,利用特征点的尺度相似性以及角度相似性来建立空间相似法则,完成特征点的匹配.最后,利用特征点欧氏度量的结果,建立距离约束模型,对匹配特征点之间的距离进行约束,剔除错误的匹配特征点.实验结果显示,与当前图像匹配算法相比,本文算法匹配的图像具有更好的匹配准确度及匹配精度.     

圆型图像特征点检测算法

为了提高圆型图像特征点检测算法的准确性和稳定性等,提出了一种基于圆型特征图像中心灰度对称的检测算法.先利用Sobel算子进行圆型特征图像边缘检测,然后采用灰度质心法求出圆型特征图像的中心,最后引入灰度对称因子获得圆型图像特征点的亚像素位置坐标.用仿真投影实验和实际实验来评估算法精度,结果表明新算法精度可控制在0.2个像素左右.     

基于双目立体视觉的海浪波面三维重建技术

为了提高海面特征点检测的准确度和三维重建的精度,在基于传统的Harris算法的基础上,提出1种基于高斯金字塔图像的改进Harris特征点检测算法.利用搭建的双目相机平台,对海浪图像进行采集并完成相机的标定过程,然后根据改进的角点提取算法对图像的角点进行检测,利用尺度不变特征变换(scale-invariant feature transform,SIFT)算法对海浪图像特征点进行立体匹配得出视差图,最后根据三角测量原理获取图像的深度信息,实现海浪波面的三维信息重建.实验结果证明,在针对海浪图像时,该方法具有更高的精度和准确度.     

基于改进型随机抽样一致法的图像配准算法

为了提高相似变换图像配准的速度和精度,提出了1种基于改进型随机抽样一致法的图像配准算法.在利用Harris角点检测提取待配准图像的特征点以及利用归一化互相关粗匹配后,采用改进的随机抽样一致法进行快速精准的变换模型估计.算法采用图像相似变换的简化配准模型,利用相似特征3角形进行快速模型预检验,并使用最大欧氏距离法提高计算数据的可靠性.实验结果表明,该算法在具有较高计算精度和鲁棒性的情况下,大幅减少了运算量,提高了变换模型的计算速度.     

基于改进角点特征的多传感器图像配准

对模糊和有噪声干扰图像设计的高对比度角点提取算法进行了改进,将角点检测范围限定在高对比度“边缘带”,减少了角点检测范围,在保持角点检测精度的同时,算法效率提高了大约1倍.在点特征匹配阶段,采用归一化互相关初步建立点特征的对应关系,利用马氏距离仿射不变性筛选出正确点对,从而得到图像之间的仿射变换关系,实现图像的自动配准.实验结果证明了此算法的有效性和高效性.     

基于圆形特征点的非线性相机标定方法

针对高精度标定板制作困难费用高的问题,提出了一种快速简易的相机标定方法。用数码相机对一张具有不同大小圆形特征点的标定表绕着光轴旋转拍摄几幅图像,利用亚像素边缘轮廓检测算法检测图像中的轮廓;采用最小二乘椭圆拟合方法得到亚像素椭圆中心坐标,用稳定的图像点与空间点的对应算法确定图像点与空间点的对应,计算过程中对所求参数进行了非线性优化。实验表明,重投影平均误差在0．2个像素以下,证明了该方法的可行性和较高的标定精度。     

一种新的基于图像矩的特征匹配算法

基于图像矩理论,提出一种新的图像特征匹配算法.该算法在原有经典的Scale-Invariant Feature Transform(SIFT)图像匹配算法的基础上,利用图像一阶矩确定特征点指定大小的圆形邻域的质心,并通过利用质心来确定特征点主方向的方式提高匹配算法的效率.通过对图像矩特征的有效利用,与SIFT算法相比,此算法在保持较好的图像特征点匹配性能的同时,显著降低了算法的时间复杂度,具有更好的实时性能.计算机实验证明了此算法的有效性.     

基于相似度模型耦合角度制约规则的图像匹配算法

为了克服当前图像匹配方法主要通过测量距离的方法来实现图像匹配,忽略了图像间的相似度,导致算法存在错误匹配较多以及鲁棒性较差的问题。本文提出了基于相似度模型耦合角度制约规则的图像匹配算法。采用FAST检测方法对图像特征进行检测,快速获取鲁棒特征点,以改善算法的匹配正确率。随后,利用SURF特征描述机制,通过计算特征圆域内的Haar小波响应值,对特征点进行描述。引入结构相似度SSIM(structural similarity index measurement)模型,将其与欧氏距离模型相结合,构造相似度模型,从结构相似度与测量距离两方面出发,将特征点进行粗匹配。最后,利用特征点的余弦关系,求取特征点间角度,建立角度制约规则,对粗匹配结果完成优化。实验结果显示:与典型的匹配方法相比,该算法具有更好的匹配性能较好,在多种几何变换下仍具有理想的匹配精度。     

基于圆形阵列标定板的张氏相机标定法

提出了一种基于圆形阵列标定板的张氏相机标定法.利用大恒水星系列相机对不同方向和不同姿态的圆形特征标定板进行20次拍摄,并利用亚像素边缘检测算法对图像视野中的特征进行边缘检测;接着对得到的边缘封闭的特征分别进行圆度、偏心率和凸度的条件限制,提取出图像中符合要求的圆形特征;最后通过标定板上圆形特征的圆心像素坐标与世界坐标的对应关系来进行相机标定.实验结果显示,圆形特征的圆心坐标平均重投影误差在0.007个像素以内,表明了该算法的可行性.      

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.     

基于角点检测的快速匹配算法

针对复杂图像的快速匹配,提出基于Shi -Tomasi角点检测的特征匹配算法.依据图像的角点特征、图像灰度和位置信息,采用最大互相关函数进行相似度计算和粗匹配,用随机样本一致性算法对匹配点对进行校正并消除错误匹配.将该算法应用于实景照片拼接,实验结果表明,对存在较大色差和形变的图像,其匹配精度为97％左右,匹配精度和速度均优于传统匹配算法.     

特征点稀少的炮管内膛图像拼接技术研究

针对火炮身管内膛图像特点,提出一种特征点稀少的火炮身管内膛图像拼接算法。通过Harris角点提取,进行特征点匹配,消除不良匹配点和误匹配点,利用Levenberg-Marquardt算法进行参数优化设计和双线性插值完成图像的重注册,最后采用函数加权法来处理重叠区域的图像,确保内膛图像的无缝过渡。利用Matlab和Visual C 6.0混合编程技术,开发了火炮身管内膛图像拼接软件系统,对内膛检测硬件系统采集到的跨视场内膛图像进行拼接与展开,结果表明,该算法速度较快、稳健性较好、图像配准精度较高。     

基于改进SIFT的无人机航拍图像快速匹配

针对无人机航拍图像快速匹配问题,传统的SIFT算法复杂度高,处理时间长,为了满足实时性的要求,提出一种改进的SIFT算法.首先将特征点的矩形区域改为圆形区域,对描述子进行降维,然后借助绝对距离和余弦相似度进行双重匹配,最后再通过RANSAC算法剔除误匹配点.实验证明,改进的SIFT算法在尺度缩放、旋转、光照等情况下均有良好的匹配效果,与原算法相比,在保证匹配精度的同时很好的提高了匹配速率,验证了算法的实时性、有效性.     

不规则类圆形团块目标图像识别的新方法

针对类圆形目标图像识别方法的不足,以轧钢厂成捆棒材图像为实例,提出了不规则类圆形团块目标模式识别新方法,设计了边缘检测、中心增强和重心聚合等一系列算法,以实现计算机对类圆形目标图像的自动识别与检测.研究结果表明:以新算法为核心技术的软件能够对直径为12～40 cm的棒材进行计数,点支准确的捆精度达到99%,且每捆计数时问少于3 s.     

基于Harris角点与SIFT的快速图像匹配算法

针对基于局部特征的图像匹配算法,当图像发生较大的旋转变化时此算法会发生匹配率下降的问题,并且随着时间、场景、遮挡、光线的变化,图像的特征会发生模糊变化,这将严重影响匹配率,因此提出了一种基于Harris角点与SIFT的快速图像匹配算法,该算法用Harris检测图像的角点,在角点邻域内筛选SIFT特征点,并且利用高斯圆形窗口对筛选过的特征点建立低维描述子.该算法不仅具备了Harris算法的高稳定性而且兼顾了SIFT算法对于旋转变化较大的图像也有着高匹配率的特性.仿真结果表明,与SIFT算法相比,本文提出的算法不仅匹配速度快,而且在图像发生模糊变化、旋转变化的情况下可得到高匹配率.     

基于级联卷积神经网络的人脸特征点识别算法实现

针对在有冗余图像信息干扰下进行人脸有效特征点提取时精度不高的问题,提出了基于级联卷积神经网络的人脸特征点检测算法.在该算法中:输入层读入规则化的原始图像,神经元提取图像的局部特征;池化层进行局部平均和降采样操作,对卷积结果降低维度;卷积层和池化层分布连接,迭代训练,输出特征点检测结果.该算法采用Python语言编程实现,在人脸数据集进行仿真实验,结果表明该算法对人脸特征点有较高的识别率.     

基于改进ORB算法的无人机遥感图像拼接技术

针对ORB算法尺度不变性较差,运行速度较慢,不适合应用于无人机遥感图像上的特点,提出了一种改进的ORB无人机遥感图像拼接算法。首先利用ORB特征中FAST特征检测算法对Shi-Tomasi算法进行加速,获取快速且准确的图像特征点,然后用ORB描述算法对特征点进行特征描述,在对特征点进行粗匹配和精匹配后,最后使用改进过的SPHP算法融合图像。实验结果表明,这种改进的ORB算法有着更高的匹配精度和匹配速率,能够生成更好的拼接结果。     

基于SURF特征点的金属罐图案检测算法

为快速、准确地检测出金属罐生产过程中出现的图案倒置问题,提出一种基于SURF特征点的金属罐图案检测算法.该算法通过比较金属罐图像与模板图像间匹配特征点的位置关系,实现金属罐图案方向的判别.首先利用SURF算法分别提取分区域处理后的待检测图像和模板图像的特征点;再利用双向KNN算法和RANSAC算法进行特征点匹配;最后计算匹配特征点的位置关系,并判别金属罐方向.实验表明,该算法能够有效地实现金属罐图案倒置的检测,可以达到每分钟800罐的检测速度.