一种基于三角形区域生长的图像篡改检测方法

针对现有的多数图像篡改检测算法中存在着的对旋转、缩放等篡改失效和计算量大等问题,利用三角形具有抗平移、旋转、尺度缩放的优越特性,提出了一种新的图像篡改检测算法.首先,利用Delaunay三角剖分算法对提取的Harris特征角点进行三角剖分,进行相似三角形的初始匹配.然后,以匹配的相似三角形顶点为种子点,建立三角形组,再进行一次相似三角形的匹配,实现对篡改区域的三角形生长.最后,利用区域面积阈值和数学形态学准确定位出篡改区域.实验结果表明,该算法与同类算法相比不仅能有效地对抗旋转、缩放,噪声等后期处理操作,而且对篡改区域有很好的检测和定位效果并具有计算复杂度低的特点.     

超声图像的LBP纹理特征提取

采用改进的均匀化LBP（局部二值模式）算子,将散点及小斑点的均匀化LBP码设置为其邻域均值,并通过各向异性扩散滤波抑制超声图像噪声,消除超声图像中斑点噪声和散点对纹理提取的影响,以实现对超声图像的LBP纹理特征的有效提取.实验结果表明,本文算法与传统均匀化LBP的算法相比,获得的纹理特征图像LBP码的占有比例有所提高,消除了LBP纹理图像中散点的影响,能较好地描述超声图像的纹理信息.     

基于二次加噪相关性的拼接图像盲取证

每幅数字图像的背景噪声可看作具有"弹道"特性,多幅图像内容拼接后不同区域噪声会存在差异.利用这一特点,本文提出了一种基于二次加噪相关性的拼接图像盲检测方法.首先对拼接图像进行二次加噪,其次估计二次加噪前后对应子块的相关系数,然后依据所选阈值的大小对相关系数进行分类,最后根据不同分类定位出拼接区域.本文算法不需要预先知道噪声数据库和原始图像的信息,具有较强的实用性.实验结果表明,本文算法能有效鉴别具有不同背景噪声的拼接图像.与文献算法相比,本文算法不仅提高了检测正确率,而且降低了计算复杂度.     

一种基于信息熵的灰度失真图像的快速拼接方法

针对拼接图像的灰度失真、噪声等问题,引入信息熵概念,并根据图像局部熵建立塔形数据结构。在VC6.0环境下编程实现了相应的拼接算法。实验表明,该算法很好地体现了由低分辨率到高分辨率逐级精确匹配的搜索策略,速度快、拼接效果好,具有较强的抗噪及抗灰度失真能力。     

基于矩形波谱分析的图像显著性检测

在计算机图形学与多媒体技术领域,显著性检测具有广泛的应用,已成为许多工作重要的一步.大量计算机图形学与多媒体技术工作(如图像分割、图像标记、视频跟踪)依赖于精确的显著性图.然而,现有的大多数显著性检测算法所得到的结果存在较大缺陷:如边界不明晰、召回率过低等.提出了一种基于矩形波谱分析的显著性检测算法,将图像分块,分别与预先设定好的矩形波构成的模板进行卷积运算,依据所得到的响应,评价某一区域与周围区域的差异性以及在全局中的独特性,赋予其相应的显著性值.通过在不同数据集上的大量实验证明,与现有的大部分显著性检测算法相比,本方法不仅有较高的准确率-召回率,且在得到的显著性图中,具有更明晰的边界.     

基于协同注意力的RGB-D图像显著性检测

在RGB-D显著性检测视觉任务中,RGB彩色模态和深度模态的信息均被视为十分重要的特征线索。但现有的RGB-D显著性检测模型无法高效执行多尺度特征的交互和多模态特征的融合,因此在真实的开放场景下表现欠佳。针对上述问题,提出了一种基于协同注意力（synergistic attention）机制的RGB-D显著性检测算法模型（SANet）,并引入多模态学习中通用的引导与教导策略（guidance and teaching strategy）。在编码器进行多尺度特征提取的阶段中进行隐式引导（implicit guidance）,在解码器进行特征融合时进行显式的教导（explicit teaching）,实现了编码、解码的分阶段学习。在4个显著性检测评测数据集上进行的综合实验表明,该算法在4个评测指标上均优于已有的18个前沿RGB-D显著性检测模型。     

一种自适应四叉树分块的图像拼接算法

图像拼接技术是计算机图形学的研究热点,具有代表性的As-Projective-As-Possible(APAP)算法采用均匀分块法来实现图像拼接的局部映射,没有充分考虑图像不同区域之间的差异性.为了兼顾图像拼接的精度和效率,提出了一种基于特征点分布的图像映射算法,利用四叉树对图像分块来实现图像拼接的局部映射.首先,设定四叉树的最大深度,并根据图像匹配点的总数估计出每个图像块的匹配点阈值;然后,利用最大深度和匹配点阈值对图像做自适应四叉树分块;最后,对不同的图像块使用移动线性变换估计出单应性矩阵,依据估计的结果完成图像拼接.实验结果表明,提出的算法提高了图像拼接的精度,其速度远大于APAP算法,并且提升了拼接图像的质量.     

基于特征矩阵的Python克隆代码漏洞检测方法

随着人工智能和机器学习的快速发展,拥有强大第三方库的Python越来越受程序员的青睐。为了缩短开发周期,代码复用成为程序员的首选。代码复用的最直接方式是进行代码克隆,如果被克隆的代码存在漏洞,所造成的损失将是无法预料的。本文提出了一种基于特征矩阵的Python克隆代码漏洞检测方法。首先,针对不同的漏洞类型,提取相应的关键特征,依照不同关键特征对Python脚本进行前向或后向的程序切片。然后,利用基于代码块的抽象语法树,将代码转换为向量,构建特征矩阵。最后,利用机器学习的方法,对特征矩阵进行降维并计算相似度。实验结果显示,该方案可以有效检测出Python脚本的漏洞。     

基于深度信息的单幅图像自动阴影检测

为解决复杂场景阴影的自动检测问题,提出一种基于深度信息的单幅图像自动阴影检测算法。该算法首先利用深度信息估计图像的法线、点云信息,并对图像进行多尺度纹理滤波;然后利用法线、点云和色度信息估计不同尺度下滤波图像的阴影置信度和亮度置信度,并对两种置信度图分别进行阴影边界相关的多尺度融合,消除纹理影响的同时保留了复杂的阴影边界信息和结构信息;最后利用拉普拉斯算子对阴影置信度进行插值优化,得到更精确的阴影检测结果。实验结果表明,对于简单场景和复杂场景图像,该算法都能完整检测出其中的硬阴影和软阴影,具有较好的阴影检测效果。通过与其他算法的阴影检测结果进行对比,验证了本文算法的准确性和鲁棒性。     

基于差分图像的人脸检测与跟踪研究

人脸检测与跟踪是人脸信息处理领域中的一项关键技术,提出了一种可通过自适应阈值分割运动区域,根据人脸几何特征验证得到人脸模板,再运用GA跟踪人脸,并且用M6215摄像头进行实时采集、定位与跟踪的新的快速有效的人脸跟踪方法.实验表明:本系统不仅跟踪速度快,还可以在人的手势变化干扰或背景有干扰的情况下,进行令人满意的人脸检测与跟踪.     

基于K-SVD字典学习的合成图像盲检测

一幅真实的图像中噪声特性是一致的,而由多幅图像内容拼接而成的合成图像噪声特性是不一致的.本文利用这一特点,提出了一种基于K均值奇异值分解(K-SVD)字典学习的合成图像盲检测方法.该方法首先通过K-SVD算法对合成图像进行训练得到其稀疏表示字典,然后利用学习得到的字典对背景噪声进行去除,最后根据去噪前后图像对应子块的相关系数异同实现篡改区域的检测与定位.实验结果表明,该方法对于鉴别含有不同背景噪声的合成图像具有显著效果,同时,算法对JPEG压缩、重采样和模糊等后处理操作都具有较好的鲁棒性.     

基于图像特征检测和匹配的无人船航行姿态角提取方法

计算机视觉的飞速发展, 使得采用视觉技术辅助无人船航行成为可能. 在无人船巡航过程中, 获取船体航向是航行控制的必备基础. 特征匹配是无人船相关视觉技术中的重要部分, 是目标识别和定位等功能的关键步骤. 获取无人船运动姿态的基本步骤是对图像前后帧进行有效的特征提取和匹配. 针对水域环境中的图像静态特征提取速度慢、精度低的问题, 本文提出一种图像匹配方法以求取无人船的航行姿态角. 首先对图像预处理, 并对有效区域进行特征提取. 其次, 设计一种基于描述子相似度的初始特征匹配策略. 再其次, 筛选特征匹配对, 优化模型参数. 最后, 通过前后帧旋转矩阵计算航行姿态角. 实验表明, 该方法能有效提取无人船的航行姿态角.     

基于L2,1范数正则化矩阵分解的图像结构化噪声平滑算法

图像去噪是数字图像处理的必要环节,对后续图像处理、分析和应用的效果有重要影响。现有基于稀疏低秩矩阵分解的图像去噪算法虽然在处理高斯、椒盐等均匀随机噪声时效果良好,但无法有效处理实际应用中可能遇到的结构化噪声问题。针对该缺陷,本文引入L_2,1范数将结构化噪声情形下的图像去噪问题建模为一类L_2,1范数正则化矩阵分解问题,并由此提出一种基于L_2,1范数正则化矩阵分解的图像结构化噪声平滑算法（L21NRMD）。仿真实验结果表明,在基本保持椒盐噪声去除效果的前提下,该算法可有效去除不同比例的结构化噪声,PSNR性能指标值介于69-80dB之间,差错率为0.06-0.14,较现有算法具有更好的适应性和更广的应用范围。 更多还原     

基于深度学习的可见光图像中行人检测方法

相对传统的行人检测技术,基于深度学习的行人检测技术具有压倒性的优势,然而由于深度卷积网络规模庞大,需要专用的处理器,限制了行人检测系统的推广.针对上述问题,提出一种网络规模适中的深度卷积网络模型,在保证检测精度的前提下提高检测模型的普适性.以低维度的浅层卷积神经网络为基础,分别从网络层数、感受野大小和特征图3个角度出发...     

和正定矩阵相关的一类矩阵的特征值

为了探究和实对称正定矩阵相关的一类矩阵的特征值的结构和取值范围,研究了此类矩阵的特征矩阵和特征多项式,得到了这类矩阵特征值的结构和取值范围的一些性质.这类矩阵的特征值的取值范围在求解线性矩阵方程的最小二乘迭代算法中有重要的应用.     

基于区域分类的智能恒虚警SAR图像目标检测

提出了一种用于SAR图像目标检测的基于区域分类的智能恒虚警算法．该算法组合常规的单元平均恒虚警、选小恒虚警和选大恒虚警的有利特性，在多窗口划分和区域类型分类的基础上，实现目标的智能检测．实验表明，该方法在同质性区域保持较好检测性能的同时，在多目标和杂波边缘的异质性区域也有较强的鲁棒性．这必将极大的降低后续辨别和识别阶段的复杂度，从而提高了整个ATR系统的性能．     

基于模式矩阵的P_Matrix算法

Apriori算法是关联规则挖掘中最经典的算法,该算法需多次扫描数据库并产生海量的候选项目集.利用模式矩阵对Apriori算法进行改进,提出一种P_Matrix算法,它使扫描数据库的次数降为一次,同时不产生候选项目集而直接产生频繁项目集,从而使算法的时间复杂度和空间复杂度大大降低.     

一种用于在线检测的嵌入式图像检测系统

介绍了一种基于嵌入式技术的用于产品在线检测的图像检测系统.该系统通过CMOS图像传感器采集产品的图像信息,并将其转化成数字信号传输到存储器中,再由ARM处理器进行图像处理和分析,判断产品是否合格,然后自动剔除不合格的产品.同时,系统通过对图像RGB 3个分量图的分析,挑选合适的分量图进行二值化处理,定位出中心圆孔,屏蔽掉无需处理的区域,保留感兴趣的区域,最终实现了对产品的实时在线检测.     

机载SAR图像中机场跑道的检测

提出了一种基于A／G系数边缘捡测的机场跑道检测方法，利用A/G系数作为参数来抑制SAR图像中speckle噪声的影响，采用非线性边缘检测技术和数学形态学来检测边缘，使用Hough变换检测平行直线确定跑道，结合灰度特征和边缘特征，通过区域生长成机场跑道的结构，实验结果表明在机载SAR图像中采用A/G参数检测边缘能够有效地抑制噪声的干扰，获得较好的图像边缘，同时通过Hough变换和区域生长能够较准确的检测出机场跑道的结构。     

基于互信息和特征融合的图像隐写分析

为了提高隐写分析的检测率和效率,本文提出了一种加权融合的联合图像专家小组JPEG(joint photographic experts group)图像通用隐写分析方法.该方法分别计算离散余弦变换DCT(discrete cosine transform)系数块内和块间的水平、垂直和zigzag三向差分数组,采用联合概率密度矩阵来挖掘信息嵌入对DCT系数间相关性的影响,生成块内和块间三向特征.利用特征与分类类别间的互信息对特征权值进行量化,加权融合得到最终的特征向量,并使用支持向量机进行分类.对3种安全性较高的JPEG隐写算法F5、Outguess和MB2,在不同嵌入率下进行隐写分析.实验结果表明,在不同嵌入率的情况下其检测率均高于88.4%,同时特征融合算法使该方案具有更高的检测效率.