基于色像差特性的图像篡改检测

针对存在色像差的合成图像,提出一种基于纵向色差特性的篡改检测方法.对于图像中深度相似的目标,分别基于局部相位相干性提取3个通道的锐度特征,根据通道间的锐度差异估计纵向色差强度和方向.比较多个目标的纵向色差特性,根据纵向色差分布的不一致检测图像篡改.实验结果表明,该方法能够有效鉴别合成图像的真伪.     

基于子带谱平滑度的音频篡改检测

针对音频篡改过程中重采样操作的检测,通过对插值音频信号频谱特性的分析,提出一种频谱测度即子带谱平滑度,用以度量音频信号在各子带频谱的波动程度,并提出用子带谱平滑度作音频信号篡改检测的方法及其具体实现步骤. 实验结果表明,该方法不仅能够准确地检测出音频信号是否经过插值和拼接处理,还能比较准确地估算出信号插值前的原始采样率,为音频取证提供更多有用信息.     

基于色度直方图的颜色聚类算法

提取目标背景的主色是迷彩设计中的重要步骤,通常采用的颜色聚类算法具有监督性的缺陷. 为此,提出一种基于色度直方图的、无监督的颜色聚类算法. 该算法采用CIE 1931色度系统建立色度直方图,根据像素点在该坐标系的分布规律自动生成聚类中心. 逐一计算像素点与各聚类中心的色度的欧氏距离,将像素点与最近的聚类中心归于一类. 实验结果表明,采用该聚类算法能够准确提取主色,自动分割彩色图像,且比普通聚类算法的时间效率更优.     

基于HSV颜色模型和形状特征的交通标志检测算法研究

交通标志检测是无人驾驶的重要组成部分,如何快速准确检测出交通标志对无人驾驶有重要的作用。本文提出一种基于HSV颜色模型和形状特征提取共同检测交通标志的算法,通过HSV颜色模型的特定颜色阈值,从实景图中找出感兴趣区域,然后对其进行形状特征判断以确定目标区域。最后进行实际道路环境测试,该算法能在复杂背景中准确地检测出交通标志区域。     

基于视频的交通标志检测与识别

基于计算机视觉的交通标志检测与识别是智能交通中重要的一部分,准确检测将有利于安全驾驶。当前复杂的道路状况使得交通标志的检测和识别很困难,而且车辆在行驶过程中不稳定以及光照的变化等,给交通标志检测带来了很大的问题,给交通标志识别的准确性和快速性也带来了极大的挑战。本文通过结合颜色和形状特征来检测交通标志,针对识别问题,构建了一个VGG-8卷积模型,而且在交通信号数据集上进行了测试,该模型有很高的准确性,对于解决实际问题有一定的可行性。     

基于数学形态学和综合颜色特征的车牌定位方法

车牌定位是车牌自动识别系统的关键步骤.算法首先对图像进行预处理,然后进行数学形态学操作,得到若干个候选区域,最后根据车牌颜色特征选取真正的车牌区域.实验表明该方法定位速度快,定位效果好.     

基于多码本矢量量化的图像篡改恢复

提出一种用于数字图像篡改检测与内容恢复的自嵌入脆弱图像水印算法.对原始图像每个不重叠分块进行基于边缘复杂度的内容分析,选择不同大小的矢量量化码本进行分块压缩,可获得相应的标识符和表示图像分块主要内容的索引值以构成压缩码.将其复制多份后作为参考比特,通过密钥嵌入至其他多个分块中.用于篡改定位的认证比特则被嵌入每个分块本身.由于在多码本矢量量化协同下生成的参考比特具有较高的内容表示效率,该算法在篡改率相同的条件下可取得更理想的内容恢复性能,这一结论得到了实验结果的验证.     

一种基于视频的人脸检测及识别方法

基于视频的人脸检测及识别是一个比较热门的研究方向。本文使用了一种方法对视频中的人脸进行检测。在收集检测后的人脸模型后,本研究训练了一个轻型的深度神经网络模型,并使用该模型来进行人脸识别。试验结果表明,该模型可以较为高效地检测出人脸。     

基于颜色通道特征融合的环境声音分类方法

针对传统神经网络提取的复杂环境声音特征微弱，导致分类准确率低的问题，提出了一种基于颜色通道特征融合的环境声音分类方法。首先，从原始音频数据中提取出三种声音特征，即对数梅尔频谱图（log-Mel spectrogram, LMS）、梅尔倒谱系数（Mel-scale frequency cepstral coefficients, MFCC）以及能量谱图（energy spectrum, ES）；其次，分别将以上三者作为RGB颜色通道分量进行特征融合，形成包含更多特征信息的声谱图，更全面表征环境声音；再次，为了避免由于数据集较少导致所训练的模型泛化能力较差，对预训练模型VGG-16采用微调方法进行训练；最后，在两个广泛使用的环境声音分类数据集以及实际场景采集的音频上验证本文所提方法的有效性，并与其他模型的准确率进行对比。结果表明，本文所提方法在ESC-10以及ESC-50数据集上的准确率分别能够达到88.2%和65.2%，并且能提高实际场景采集的音频分类效果。     

篮球视频中基于AdaBoost分类器的运动员检测方法

针对篮球视频中运动员的检测识别问题,提出一种基于AdaBoost分类器的检测方法 .首先,从视频中获取有用帧,并通过SampleCreator软件来标记运动员,提取出全身和上半身矩形图像.然后,基于积分图技术从对象图像中提取Haar特征.接着,利用AdaBoost算法选择出具有较强分类性能的特征,训练一系列的弱分类器,并将其进行级联来构建最终的强分类器.最后,通过强分类器对Haar特征进行判别,从而检测图像中的运动员.实验结果表明,该方法能够准确检测并识别视频中的运动员.     

精简颜色描述子研究

在基于内容的检索多媒体技术中颜色是多种图像特征中最常用，也是最容易计算的一个特征．但是我们更需要一个更加精简的能够表达定性特征的描述子．这里，提出了基于颜色直方图的精简描述子．它通过获取颜色直方图，然后对直方图进行Haar小波变换并进行二值量化后得到的．实验表明，精简颜色描述子在相同的尺度下能够比其它的描述子提供更好的性能．     

基于稳健哈希签名的视频流特定人物实时检测方法

摘要： 为在视频流上实现特定人物实时检测,提出基于稳健哈希签名的人物检测方法. 首先设计稳健哈希函数并计算目标图像的签名,然后在实时视频流上计算关键帧图像的签名,再衡量两者相似程度并判断该视频是否含有设定的目标. 该方法能实时发现与设定人物相似的视频关键帧,从而定位到该关键帧所在的镜头,实现视频流特定人物检测功能. 实验表明该方法可达到较高的准确率,这对于及时获取特定信息有重要作用. 该方法也可以用于图像复制检测、重复视频检测等.     

结合对比特性与局部清晰特性的图像显著区域检测

为了有效地确定图像中的重要区域,文中根据人眼视觉关注中自上而下和自下而上的两种特点,提出了一种结合图像对比特性与清晰区域的显著检测方法. 图像中颜色的全局和局部对比引起低级视觉关注,而图像的清晰部分通常对应于拍摄时所关注的对象,反映高级视觉特性. 采用颜色分类和检测图像细节区域的方法分别提取了两类显著图,并将它们组合起来. 实验结果表明,通过综合考虑两种视觉特性得到的显著图,对多类图像都能较好地检测出与人眼视觉关注相吻合的区域.     

IP组播通信方式下的数字视频传输系统

对目前数字视频监控传输的特点和网络技术的特点进行了分析，提出了IP组播通信方式下的监控视频网络传输方案，方案充分利用Visual C 中的多线程设计思想和WinSock套接字，构建并实现了一个基于IP组播通信方式的视频传输系统。     

一种基于轮廓和混合高斯模型的运动车辆视频检测方法

针对光线突变对视频中运动目标检测的干扰问题,根据光线变化对事物轮廓没有直接影响的特点,提出了利用轮廓边缘元素建立自适应混合高斯背景模型的检测方法,有效地解决了由于光线突变造成的背景建模失真和前景目标难以准确提取的问题．实验表明该方法能够准确、实时地检测出复杂天气条件下的运动车辆目标,具有很强的鲁棒性．     

视频显示器四基色有序平滑显示算法研究

利用图论方法研究了视频显示器四基色有序平滑显示算法,得到了四基色存在有序平滑显示算法的充分必要条件.     

多粒度颜色特征在图像检索中的应用

将商空间粒度计算理论引入到了图像检索领域,提出了一种新的图像检索方法.首先针对彩色图像在不同粒度下的表现得到不同粒度下的颜色特征,获得不同的商空间,然后根据商空间粒度合成原理对已得到的商空间进行合成,进而以合成后的属性函数来完成图像检索.与采用单一颜色特征的图像检索方法相比,采用多粒度颜色特征的图像检索方法能够在更大程度上利用图像自身所提供的信息,实验结果验证了该方法的可行性和有效性.