基于Harris-Laplace特征区域的遥感图像水印算法

针对现有遥感影像数字水印算法多为全局水印算法,抵抗旋转、行列剪切、水平镜像以及联合几何攻击能力较差,提出一种基于Harris-Laplace特征区域的局部化遥感影像水印算法。算法依据密钥生成一个随机序列,对其实施二值化,并选取一段作为待嵌入的数字水印;在宿主遥感影像中提取Harris-Laplace特征点,并依据其确定水印嵌入特征区域;最后,根据待嵌入的水印信息,将所选特征区域进行圆环划分,利用奇偶量化方法将水印嵌入其中。实验证明该算法对JEPG压缩、噪声及滤波等常规信号处理具有较好鲁棒性的同时,能够更好地抵抗旋转、缩放、平移及其联合等几何攻击。

基于增强MSER和Harris-Laplace互补不变特征的遥感图像配准

针对具有倾斜的遥感图像的自动配准问题,提出一种增强自动配准方法。该方法首先应用最大极值稳定区域(Maximally Stable Extremal Regions,MESR)特征的仿射不变性结合匹配能力较强的SIFT(Scale Invariant Feature Transformation,SIFT)描述子进行粗匹配,初步校正倾斜图像的空间变换;然后利用Harris-Laplace(H-L)在图像旋转、光照变化条件下能最稳定的提取2维平面特征点和在3维尺度空间中能最稳定高效地提取特征点的特性结合随机一致性检验(Random Sample Consensus,RANSAC)方法进行精匹配。通过实验分析证明,与SIFT配准方法相比该方法能够对倾斜的遥感图像实现更精确的自动配准。

基于改进Harris-Laplace算子的图像校正研究

文章提出了一种基于改进Harris-Laplace检测算子的图像校正方法。首先用Harris-Laplace检测算子提取特征点,并对尺度进行进一步优化筛选,然后用类SIFT的方法描述特征点,最后根据描述符选出两幅图像的匹配点对,进行图像校正。将本算法应用于数字水印中,先对遭受旋转、平移和缩放等几何攻击的水印图像进行配准校正,再提取水印。仿真结果表明,可以较好地提取出数字水印,说明该算法具有较好的配准效果。

结合Harris-Laplace与SIFT特征的无人机倾斜影像拼接

针对无人机影像存在仿射变形与阴影问题,本文提出应用Harris-Laplace与SIFT特征的倾斜无人机影像匹配方法。首先,提取具有光照、影像噪声、尺度不变性的Harris-Laplace关键点,并计算关键点的主方向,生成特征点;然后采用SIFT特征描述子对第一步提取的特征点进行表达;最后,采用BBF方法提取初始匹配点对和最小二乘法约束的均方根误差(RMSE)剔除。实验结果表明,该算法在存在仿射变形、高大建筑物阴影的影像匹配表现较好的结果。

利用Harris-Laplace和SIFT描述子进行低空遥感影像匹配

提出了基于Harris-Laplace和SIFT描述子的改进的特征匹配方法。在特征点检测阶段,采用Har-ris-Laplace算法检测出影像上的关键点,该关键点对光照变化、图像噪声和尺度变化具有不变性;然后,确定关键点的主方向,生成特征点。在特征点描述阶段,采用SIFT描述子对特征点进行描述;在特征点匹配阶段则利用BBF算法和RANSAC算法对特征点进行粗匹配和精匹配。实验结果表明,相对于基于SIFT的匹配方法,此算法在匹配速度相同的情况下,提高了匹配精度。

Harris-Laplace特征区域Contourlet域遥感图像水印算法

针对现有遥感图像水印算法抵抗旋转、剪切、水平镜像及联合几何攻击能力差的问题,提出一种局部化遥感图像数字水印新方法。算法首先对水印图像进行Arnold置乱预处理,并将其行扫描形成一维向量作为待嵌入的水印信息;在宿主遥感图像中提取Harris-Laplace特征点,依据特征点确定水印嵌入特征区域;规范所选特征区域,对其进行归一化后实施Contourlet变换,利用奇偶量化方法将数字水印嵌入选定的变换系数内。实验证明算法对滤波、噪声、JEPG压缩等常规信号处理具备较好鲁棒性,并且能够更好地抵抗旋转、缩放、平移及其联合等几何攻击。

融合Harris-Laplace算子的SURF算法与无人机影像匹配

针对传统的SURF算法在尺度、旋转和模糊变化方面具有一定的稳定性,运算相对较快,但匹配正确率不理想的问题,该文提出结合Harris-Laplace算子与Hessian矩阵的优点在多尺度下提取影像上的特征点,设定较严格阈值约束提取出显著的特征点。将这些特征点进行特征描述,并作为候选匹配点,取较严格的比率阈值,用欧式距离比值法进行特征点匹配。结果表明,使用本文的算法对无人机倾斜影像进行了成功匹配,不仅获取较多的匹配点,提高了匹配的正确率,而且运算时间与传统SURF算法相当,增强了不同类型影像的适应性和稳健性。

良分布的多特征遥感图像自动配准算法

针对基于点特征的遥感图像自动配准算法中存在特征点分布不均匀的问题,提出了一种基于SIFT(尺度不变特征变换)、Harris-Laplace(多尺度角点)、MSER(最大稳定极值区域)特征提取算法的多特征遥感影像配准方法。通过多特征与二次匹配,极大的提高了匹配点数目;通过基于距离的筛选,保证匹配点分布均匀合理;通过局部互信息精校正,使匹配点精度更高,最终达到高质量(空间分布均衡,匹配精度高)自动配准目的。

基于图像特征点与伪Zernike矩的鲁棒水印算法研究

以Harris-Laplace检测算子及伪Zernike矩相关知识为基础,提出一种可有效抵抗几何攻击的数字水印新算法.该算法首先利用Harris-Laplace检测算子从载体图像中提取出稳定的特征点;然后根据特征尺度自适应确定局部特征区域,并使其尺度标准化;最后通过量化调制伪Zernike矩幅值将水印信息嵌入到局部特征区域中.仿真实验表明,新算法不仅具有较好的透明性,而且对常规信号处理(中值滤波、边缘锐化、叠加噪声和JPEG压缩等)和几何攻击(包括全局仿射变换、局部失真等)均具有较好的鲁棒性.

融合多种特征点信息的最小生成树医学图像配准

针对医学图像配准鲁棒性强、准确性高和速度快的要求,提出了一种基于融合多种特征点信息的最小生成树医学图像配准算法.该算法首先提取3种特征点,Harris-Laplace,Laplacian of Gaussian和网格点;然后使用遗传算法去除特征点集的冗余,并通过对位映射构建无向完全图顶点集合;进而使用改进的Kruskal算法来构造最小生成树;最后使用得到的最小生成树估计Rényi熵.该算法较好地解决了在噪声数据中使用最小生成树估计Rényi熵面临的特征点不稳定导致鲁棒性低和构造最小生成树遇到的速度瓶颈.实验结果表明:在图像含有噪声、灰度不均匀以及初始误配范围较大的情况下,该算法在达到良好配准精度的同时,具有较强的鲁棒性和较快的速度.

一种改进的多尺度Harris特征点检测方法

多尺度Harris方法检查到的特征点存在很多冗余点,虽然Harris-Laplace方法可以除去一些冗余点,但是还会出现一个局部结构内存在多个特征点的情况或一个特征点代表多个不同尺度的局部结构。为此,提出一种改进的方法,在检测多尺度Harris特征点时进行跟踪分组,使代表同一个局部结构的特征点被分为一组,用归一化的Laplace函数去除冗余点,再利用点的度量值选出最能代表该局部结构的特征点。实验结果证明,该方法能够有效去除冗余点,在模糊和旋转变换时性能优于Harris-Laplace方法,具有尺度不变的特性。

基于分块信息熵和特征尺度的图像配准算法

针对当前图像配准技术中特征点的检测和匹配存在的问题,提出了一种基于分块信息熵和特征尺度的图像配准算法.通过对图像进行分块,结合每块图像的信息熵,改善了Harris-Laplace算子提取的特征点分布过于集中的问题.通过比较角点响应函数的值,剔除了特征点中的冗余点.通过结合特征点的尺度信息、Hu矩和双向匹配策略,提高了初始匹配点对的准确率.仿真结果表明,改进的配准算法可以实现高精度的图像配准,对图像的几何变换具有很强的鲁棒性.

基于Rényi熵的互补尺度空间关键点医学图像配准

针对医学图像配准对鲁棒性强、准确性高和速度快的要求,本文提出一种基于Rényi熵的互补尺度空间关键点配准算法。该算法首先从图像上提取Harris-Laplace(HL)和Laplacian of Gaussian(LoG)两种互补的尺度空间关键点,然后将关键点对应的灰度信息融入到联合Rényi熵中,最后使用最小生成树来估计联合Rényi熵。新算法结合了互补关键点的鲁棒性,和最小生成树估计Rényi熵的高效性。实验结果表明在图像含有噪声、灰度不均匀和初始误配范围较大的情况下,该算法在达到良好配准精度的同时,具有较强的鲁棒性和较快的速度。

基于概率密度梯度值估计与圆谐傅里叶变换的鲁棒图像水印算法

为了解决当前基于图像特征点的水印技术存在的问题,设计了基于概率密度梯度值估计与圆谐傅里叶变换的鲁棒图像水印算法。首先,基于载体图像的强度概率密度,构建概率密度梯度估计函数;利用概率密度梯度值替代强度梯度,计算载体图像的二阶自相关矩阵,以改进Harris-Laplace检测算子,充分提取载体的鲁棒特征点;然后,基于LOG(Laplacian-of-Gaussians)算子,计算每个点的特征尺度,构建了圆形局部特征区域;引入圆谐傅里叶变换,对所有局部特征区域进行处理,输出相应的傅里叶系数;定义鲁棒系数选择规则,从所有的傅里叶系数中确定合适的系数作为水印隐藏位置;根据选择的鲁棒系数,设计水印嵌入方法,将加密后的二值水印隐藏到这些系数中,形成水印图像;最后,建立水印检测机制,从水印图像中复原二值水印。测试结果显示,与当前图像水印方案相比,面对几何变换攻击,所提算法具有更高的不可感知性,所输出的水印图像与载体的相似度为0.994;另外,所提技术也具备更强的鲁棒性,复原水印失真度最小,在中心裁剪攻击下,所提算法的复原水印对应的峰值信噪比(PSNR)、归一化系数(NC)值最大,分别达到了41.91dB、0.901。

基于Legendre正交矩的模糊形变图像的配准方法

针对同时含有模糊和几何形变的图像,本文提出一种新的基于Legendre正交矩模糊和几何混合不变量的图像配准方法.该方法首先利用Harri-sLaplace算子检测出图像的特征点,然后构造Legendre矩混合不变量,并将其作为特征点的描述子获取特征点的对应关系,接着通过该对应关系估计图像间的形变参数,最后利用插值方法实现图像的配准.实验结果表明:本文方法能有效地解决含有混合形变的图像配准问题,并且和其他配准方法相比能获得更加准确的结果.

一种基于聚类分析的红外图像配准算法

为了提高红外图像匹配的精度和效率,提出了一种将Harris-Laplace关键点提取和旋转不变LBP特征描述算子相结合的局部特征检测新算法,该算法不仅在图像的尺度、光照和角度发生变化时,仍然能够得到很好的检测效果,而且能很好地描述图像的局部纹理特征。特征向量描述完成后,为了进一步提高红外图像特征点匹配的正确率,提出了一种基于K-means聚类分析的图像匹配策略。先利用Cosine余弦相关匹配策略实现特征点的初步粗匹配,接着采用K-means聚类分析匹配策略剔除图像中大部分的错误匹配。实验表明:提出的算法表现出良好的鲁棒性,关键点提取的重复率(Repeatability)提高了9.2%。与传统的匹配算法相比,采用基于K-means聚类分析的匹配策略匹配精度可以提高5.05%,匹配时间可以缩短0.068s。该特征描述算法和基于K-means聚类分析的匹配算法满足了红外图像配准的高精度性和高实时性的要求。

多特征互补的红外与光学图像匹配方法

针对光学与红外图像灰度差异大,经典的SIFT算法容易造成误匹配的问题,提出了一种采用互补特征进行匹配的方法。在特征检测阶段,结合两种互补的尺度不变特征检测子DoG和Harris-Laplace来检测团块类和角点类结构,同时为了消除DoG检测子对匹配率的影响,在不影响特征表征性的同时,在更大邻域范围内搜索特征,有效减少了误匹配点数。实验结果表明,文中方法对于多源图像的匹配,能有效增加匹配点数,提高正确率。

商品图像局部兴趣点检索系统的研究与实现

随着互联网的普及和电子商务日益发展,商品图像检索技术已经越来越受瞩目,为了能够在众多的商品图像中高效、快捷的搜索出购买者感兴趣的商品,利用MATLAB语言开发了基于商品局部兴趣点的图像检索系统,并对该系统进行了测试,测试结果表明该系统不但运行速度快、稳定性好,而且通过对不同情况下各商品兴趣点的测试结果进行比较、分析,发现该商品图像局部兴趣点检测系统具有很好的鲁棒性。因此该系统具有一定推广价值和实用价值。

基于局部特征区域的抗RST图像水印算法

本文提出了一种新的基于特征点的抵抗RST攻击的图像水印算法.该算法利用Harris-Laplace检测器从原始图像中提取不变特征点,并结合特征尺度自适应确定用于水印嵌入的局部特征区域.为了达到旋转不变性,通过极坐标变换形成与特征区域相适应的圆环水印,并将水印重复嵌入到多个互不重叠的特征区域中.利用特征点来标识水印的嵌入位置,检测时不需要原始图像.仿真结果表明,该算法不仅具有较好的透明性,而且对常规信号处理和旋转、尺度等几何攻击均具有较好的鲁棒性.

改进多尺度特征提取的图像配准算法研究

利用Harris-Laplace算法对一幅图像进行多尺度特征点检测时,图像的局部结构在一定的尺度范围内被多次检测到,从而产生冗余点。冗余点不但增加了后续配准的计算量,同时由于这些表示同一局部结构的冗余点在位置和尺度上的差异降低特征匹配精度导致误匹配。通过对表示局部结构的特征点进行选择,提出了Harris-Laplace的改进算法。利用改进Harris-Laplace算法结合SIFT描述子,通过设定最小距离与次最小距离的阈值实现了图像的自动匹配,与原来算法作了大量的对比实验。实验结果表明,该算法不仅具有更好的旋转、光照和尺度不变性还具有获得稳定数量的匹配点的特性。同时,由于该算法相对于原算法在特征检测阶段减少了大量的冗余点,所以提高了图像配准的速度并降低了误匹配。