基于颜色名和OpponentSIFT特征的鳞翅目昆虫图像识别

【目的】本研究旨在探索使用先进的计算机视觉技术实现对昆虫图像的自动分类方法。【方法】通过预处理对采集的昆虫标本图像去除背景,获得昆虫图像的前景蒙板,并由蒙板确定的轮廓计算出前景图像的最小包围盒,剪切出由最小包围盒确定的前景有效区域,然后对剪切得到的图像进行特征提取。首先提取颜色名特征,把原来的RGB（Red-Green-Blue）图像的像素值映射到11种颜色名空间,其值表示RGB值属于该颜色名的概率,每个颜色名平面划分成3×3像素大小的网格,用每格的概率均值作为网格中心点的描述子,最后用空阈金字塔直方图统计的方式形成颜色名视觉词袋特征;其次提取Opponent SIFT（Opponent Scale Invariant Feature Transform）特征,首先把RGB图像变换到对立色空间,对该空间每通道提取SIFT特征,最后用空域池化和直方图统计方法形成Opponent SIFT视觉词袋。将两种词袋特征串接后得到该昆虫图像的特征向量。使用昆虫图像样本训练集提取到的特征向量训练SVM（Support Vector Machine）分类器,使用这些训练得到的分类器即可实现对鳞翅目昆虫的分类识别。【结果】该方法在包含10种576个样本的昆虫图像数据库中进行了测试,取得了100%的识别正确率。【结论】试验结果证明基于颜色名和Opponent SIFT特征可以有效实现对鳞翅目昆虫图像的识别。

基于OpponentSIFT的图像复制粘贴篡改取证算法

图像颜色作为一个强有力的描述子,可以提升对物体的辨识度,然而当前存在的复制粘贴篡改检测算法大多数只使用了图像的纹理信息。当纹理信息较少并伴随有多种后处理时,现有算法很难识别篡改区域。由此,提出了一种新的利用颜色不变特征的篡改检测算法,该算法在对立颜色空间中利用尺度不变特征变换提取关键点并生成关键点描述子,通过计算描述子夹角反余弦的比值进行初步匹配,并通过仿射变换估计和随机抽样一致进一步优化匹配结果。使用该算法对新建图像库进行测试得知,提出的算法能够鲁棒地应对多种后处理操作,且能够识别平滑的篡改区域。