基于差分的图像感知哈希算法

现有图像感知算法侧重于减少相似图像感知哈希值间的差异性,较少关注增大不同图像感知哈希值间的差异性问题。针对这一局限性,提出并实现循环贯序差分和拉普拉斯算子两种基于差分的图像感知哈希算法,并分别在小规模相似图像集合和大规模不同图像集合上进行测试。与现有图像感知哈希算法相比,所提算法体现了图像像素点间的局部关联性,增加了不同图像哈希值间的差异,显著提升了不同图像的区分概率。

基于图像感知哈希的运动目标跟踪

运动目标跟踪目前已经成为计算机视觉领域的重要研究课题之一。目标跟踪的性能受到众多因素的影响,有研究表明,选取合适的目标表示模型作为特征进行跟踪可以大幅度提升跟踪效果。现有的很多特征或计算复杂,或者需要大量的数据进行训练,或缺乏对目标外观变化的鲁棒性,并不能取得很好的效果。针对这一问题,文章提出了一种使用图像感知哈希作为匹配特征的生成方法进行目标跟踪。图像感知哈希原本是用于寻找相似图片的图片匹配的方法,具有对尺度变化、光照变化不敏感,计算容易等优点。将感知哈希用于目标跟踪,可以减少计算量,并在检测到目标后,结合有效的运动模型更新策略,解决目标跟踪中出现的偏移、遮挡等问题,达到快速、准确的跟踪效果。

基于图像归一化和DCT的感知图像哈希算法

提出一种基于离散余弦变换的感知哈希算法,先对原始图像进行归一化处理,使图像具有几何不变性,然后利用离散余弦变换进行图像特征系数的提取并用混沌序列发生器加密图像,最后通过量化和编码生成感知哈希序列。该算法可以抵抗任意角度的旋转攻击和仿射变换。

基于图像正则化和DCT变换的感知哈希技术

图像感知哈希技术是一门较新型的技术,哈希提取过程的关键步骤是特征提取,传统的基于DCT变换的感知哈希技术抗几何攻击能力较差。试图在图像生成哈希之前,将几何形变对图像的影响去除,首先将图像进行正则化,使图像具有几何不变性,然后再进行DCT特征系数提取,最后通过量化、编码生成最终哈希。该算法可以抵抗任意的仿射变换。

基于卡尔曼滤波与感知哈希技术的模板匹配跟踪算法

为解决传统模板匹配跟踪算法计算复杂度高且在目标形变、光照变化、遮挡等情况下容易发生跟踪漂移的问题,本文提出一种融合卡尔曼滤波、图像感知哈希与模板匹配的跟踪算法。本算法采用感知哈希技术提取目标的哈希值作为模板进行匹配,采用卡尔曼滤波预测下一帧中候选目标的搜索区域,然后,结合模板的哈希序值和目标位置变化信息设计新的匹配准则进行模板匹配,最后根据匹配结果,采用自适应模板更新策略和跟踪策略对目标进行跟踪。试验结果表明,本算法在目标形变、光照变化以及遮挡情况下具有一定的鲁棒性,且能满足实时跟踪的要求。

面向感知哈希的图像数据集

目的 感知图像哈希又称图像摘要或是图像指纹,是一种有效的图像认证技术,近年来受到了广泛的关注。该技术通过将图像的感知鲁棒特征转化为固定长度的哈希序列,来实现图像版权认证。然而,该领域始终缺乏一个比较通用的数据集,已有数据集所使用的图像内容保留操作和真实场景差异较大,使得训练得到的神经网络架构在应对复杂的图像编辑操作时效果显著下降。方法 针对感知图像哈希任务,面向实际图像内容认证场景构建了一个新的数据集。首先,将现实中常见的图像内容保留操作进行总结和分类,设计了48种单一、复合的图像内容保留操作来生成感知相似图像;然后,根据感知图像哈希的定义,选择与待认证图像语义相似但是感知内容不同的图像作为感知不相似图像,增加了该数据集的辨别难度;最终建立了一个包含116 400幅图像的感知哈希图像数据集。结果 由于本文提出的数据集使用的图像内容保留操作更加复杂,不相似图像也更加难以辨别,使得在该数据集上训练得到的深度神经网络具有较好的泛化能力,即这些神经网络即使不进行重新训练或是微调,也可以在其他数据集上取得较好的认证性能。同时,在该数据集上训练得到的神经网络在不同数据集上性能差别较小,体现了本文数据集具有较好的稳定性。结论 设计了一个针对感知哈希的图像数据集,大量的对比实验表明了该数据集的有效性,该工作可对感知图像哈希领域的发展起到促进作用。

基于字符串编辑距离的图像检索算法

从大规模图像数据库中快速、有效地检索出相关图像是目前一个重要又富有挑战性的研究课题,为提高图像检索效果,提出了一种基于字符串编辑距离的图像检索算法。受图像感知哈希算法的启发,该算法首先将图像大小归一化并压缩色彩空间,并把图像特征动态映射成字符串形式,然后采用编辑距离进行字符串相似度计算从而实现图像检索。该算法不仅考虑到图像中的颜色特征,而且将字符串编辑距离引入到图像检索中,利用字符串相似度评价图像的相似性,在提高检索率的同时又加快了检索速度。采用不同类型的图像进行实验,实验结果表明,该算法具有较高的检索效率。

基于图像相似性的Android钓鱼恶意应用检测方法

在移动互联网日益兴盛的今天,攻击者已开始通过移动应用的形式来实施网络钓鱼,而现有的网络钓鱼检测方法主要针对网页钓鱼,无法应对这一新的安全威胁.钓鱼恶意应用的一个显著特点是通过构造与目标应用相似的界面来诱骗用户输入敏感信息.基于这种视觉相似性,提出了一种面向Android平台的钓鱼恶意应用检测方法.该方法通过动态技术截取被检测应用的人机交互界面,利用图像哈希感知算法计算其与目标应用界面的图像相似度.如果相似度超过阈值,则识别被检测应用程序为钓鱼恶意应用.实验表明,该方法可以有效检测Android平台上的恶意钓鱼应用程序.

陶瓷产品的哈希序列提取与检测

陶瓷产品的保护目前来说还很不规范,比如陶瓷产品在平台登记成本高、周期长和对侵权作品认定难度大等问题,使得陶瓷产品的原创性严重受到了侵权。目前市面上已有对陶瓷产品检测的成熟方案中,所采用的检测技术仅仅只是对于作品文件内容进行了摘要提取,如果盗用者对原产品做出细微的修改,就可以轻易骗过检测。针对这些问题,本文提出了一种改进的陶瓷产品检测方案,基于此方案,我们可以对不同陶瓷产品的原创性进行检测。通过实验结果表明,本文设计的方案不仅提高了检测侵权作品的成功率,并且具有较高的处理速度,能够满足现有陶瓷平台的需求。

多特征融合和尺度适应的相关滤波跟踪算法

针对核相关滤波的算法在复杂背景下的不足之处,提出一种多特征融合和尺度适应的相关滤波跟踪算法。分别使用HOG、CN2、HSV特征训练获得多个滤波器,在检测环节对多个响应图的结果自适应加权预测出目标位置,提高视觉跟踪算法在复杂背景下的适应能力;采用图像感知哈希算法快速匹配合适的目标尺度,针对模型更新环节,依据响应图的震荡程度优化模型更新策略,有效降低模型漂移发生的概率,减少模型更新的次数。通过OTB数据集与多种流行算法对比的实验结果表明了该算法的优越性。