面向图像角点特征取证的人工智能检测仿真

角点是展现局部图像特征的关键要素,但传统图像角点特征取证检测方法精度低,无法有效的解决角点特征图像中模糊、缺失等问题。为此,对面向图像角点特征取证的人工智能检测进行研究。通过在不同干扰情况下对图像做简化处理,完成特征取证。采用掩模平滑方法将提取出图像角点做增强处理,最后利用人工智能中链码和与差算法对图像做检测。结果表明,面向图像角点特征取证的人工智能检测精准度较高,可以有删除假图像角点,使用结果更贴近真实情况,具有较高鲁棒性。

基于图像角点的数字水印算法

设计了一种基于图像角点的数字水印算法,嵌入过程以图像角点为嵌入位置,水印加性自适应嵌入于图像高频分量中。检测时,无需原始图像,水印图像角点实现对图像的几何校正及准确定位并提取水印,最后统计有效角点数,定量给出性能分析结果。实验表明,该方法可行,具有强的抗压缩、几何攻击性,不可见性,鲁棒性。

基于空间纹理相似性的图像角点特征匹配算法

针对传统图像角点特征匹配算法的匹配速度慢且准确率低等问题,提出一种基于空间纹理相似性的图像角点特征匹配算法。首先,计算图像目标上角点对应的空间距离矩阵;然后,通过计算图像角点的空间距离矩阵在对应角点邻域LBP特征向量上的瑞利商,将角点在图像灰度特征空间内的度量问题转换为纹理特征空间内幅值的度量问题;最后,根据角点对应的瑞利商的大小实现不同图像间的角点特征匹配。对不同条件下采集的图像进行角点特征匹配,得到的匹配结果表明该算法不仅能够很好地适应图像光照、几何变化,得到的匹配正确率较高,同时与传统算法相比该算法在运行时间上也有大幅度的降低,当处理特征数量较小时平均降低48 ms,而匹配特征数量较多时能够降低2 408 ms。

基于图像角点匹配的机械加工零件表面缺陷检测

当前在对机械加工零件表面缺陷检测时,存在表面缺陷检测精度差的问题,导致检测结果不理想。提出一种基于图像角点匹配的机械加工零件表面缺陷检测方法,利用曲率空间检测零件图像的角点,采用泰勒级数删除伪角点。对特征点邻域梯度方向进行角度限度和就近投影,同时借助双向匹配方法进行机械加工零件图像角点匹配。在上述操作的基础上,利用一维直方图的阈值分割对零件图像进行分割处理,最终实现机械加工零件表面缺陷检测。实验结果表明,该方法能够获取高精度的零件表面缺陷检测结果,且对加工零件缺陷厚度、孔洞缺陷及缺陷最大边界距离的测量均较为准确。

大数据环境下异质模糊图像角点特征提取仿真

运用传统方法在大数据环境下进行异质模糊图像角点特征提取时,存在角点遗漏、提取不精确等问题。为解决上述问题,提出一种基于改进SUSAN的异质图像角点特征提取方法。在大数据环境下,采用高斯滤波对异质模糊图像进行去噪处理,通过改进SUSAN角点检测方法建立圆形模板,采用圆形模板邻域内像素灰度值中值代替模板中心像素灰度值作为模板"核"来检测区域目标角点。对检测出的图像角点所在边界进行细化;采用多角点结合的提取方法对经过处理的异质模糊图像角点特征进行精确提取。仿真结果证明,所提方法对图像角点特征提取的精度较高,大大缩短了提取用时,并且不会对图像的内容及细节造成破坏;面对噪声及其它环境的干扰,该方法的运算效率没有受到太大的影响,说明该方法的抗噪性比较好,为图像处理工作提供了更好的依据。

一种基于角点检测的鲁棒数字图像水印算法

几何攻击是数字图像水印领域中一个富有挑战性的问题。提出一种以图像角点为特征点,基于奇偶量化嵌入/检测的空间域局部化鲁棒数字图像水印算法。采取的主要方法有:(1)采用带有自适应阈值和动态支持区域的基于曲率尺度空间的角点检测算法进行鲁棒角点检测;(2)基于图像纹理复杂度进行角点筛选,并以筛选后的角点为圆心形成具有几何不变性的圆形特征区域,用于水印的重同步;(3)在特征区域设计一种圆环形的水印模式,并在空间域采用经典的奇偶量化方法嵌入并检测水印。实验表明,该算法在嵌入水印后仍能保持较高的图像视觉质量,对常规信号处理和包括旋转、缩放、平移、剪切及其组合在内的几何攻击均具有较强的鲁棒性。

基于图像特征角点的无人机停机坪识别算法

为了实现无人机自主导航控制,设计了一种面向四旋翼飞行器对停机坪地标多角度观测的识别算法。首先,将停机坪地标图像分为特征圆及特征字符H两部分,用Hough算法识别特征圆。接着,在特征字符H识别过程中,发现归一化后的H字符角点间存在确定的几何关系,且在一定范围内,该几何关系对飞行器位姿及周围环境敏感度较低。因此,将特征角点识别算法应用于停机坪地标图像的特征字符识别,整个算法在不增加额外运算开销的情况下提高了识别效率。实验结果表明,基于图像特征角点的无人飞行器停机坪地标识别算法,在识别准确性和实时性方面都要优于基于线性特征的识别算法。同时满足了飞行器自主导航系统稳定可靠、精度高、抗干扰能力强等要求。

基于角点特征的图像检索新方法

多数基于角点的图像检索方法都是基于角点颜色特征提出的,并没有考虑特征显著性。针对此,对角点的多种特征进行实验分析,利用其中较为显著的两种特征,提出一种基于角点的特征进行图像检索的新方法。算法构建角点的广义灰度共生矩阵作为局部纹理特征;同时提取角点周围区域的Hu不变矩作为局部形状特征。最后对纹理特征和形状特征进行加权运算,将其加权结果作为检索特征实现检索。实验结果表明,选择合适的权值,结合角点的两种特征能实现更好的检索效果。

基于数字形态学的角点检测算法研究

给出了一种利用数学形态学来提取数字图像中的角点且能够区分凸角中角点和凹角中角点的方法.此方法与Harris角点方法通过实验比较,形态学角点算法不会依赖于要找角点数量的给定值,并且可以分别找出凹角上的点、凸角上的点这两类不同的角点,深化了对图像的描述和理解.

像素自相关矩阵的阈值自适应角点检测算法

针对Harris角点检测算法中角点响应函数(corner response function,CRF)系数阈值与非极大值抑制系数阈值需要人为设定所造成的可变性和随机性等问题,该文提出一种通过计算图像每个像素的自相关矩阵行列式值,构造特征角点图像进行自适应阈值分割的改进Harris角点检测算法。该算法首先通过计算原图像经过方向滤波和低通滤波后各像素的自相关矩阵行列式值,以此构造特征角点图像;然后采用OTSU算法计算特征角点图像分割阈值,从而筛选出预选区域;最后结合改进的非极大值抑制方法提取有效角点。通过5组角点检测对比试验结果数据分析,不同类型图像的角点检测准确率均有提高,高分二号遥感影像的角点检测准确率提高27.06个百分点,可以初步得出,该算法相比传统Harris角点检测算法不但能够自动计算角点检测的最佳阈值,而且能够更准确地定位角点和去除边缘伪角点,从而提高了角点检测的精确度,该研究可为农业遥感影像数据检测提供参考。

一种基于特征点匹配的红外图像拼接算法

为提高红外图像拼接速度和精度,对基于特征点匹配的图像拼接算法进行改进。根据图像空间特性减小角点搜索范围,通过设定梯度阈值,对梯度超过阈值的像素点进行Harris角点检测;改进Harris角点响应函数和角点筛选阈值的设定方式,摆脱了角点检测对筛选经验值的依赖。在相似测度Normalized Cross Correlation(NCC)粗匹配的基础上,采用有约束条件的随机选取方式,增强子集选取的合理性;并根据先局部后整体的匹配策略,基于匹配点的特性进行预检验,降低匹配错误率。算法最后利用最优变换矩阵确定待拼接图像的位置关系,实现自动拼接。实验结果表明,改进后算法在拼接过程中无需人工干预,在保证红外图像拼接质量的基础上,拼接速度提高了65.92%。

一种改进的图像配准算法

针对常规图像配准算法在图像存在仿射变换情况下匹配效果不明显的问题,本文提出一种基于SIFT(scale invariant feature transform)特征点的图像配准方法。首先,利用harris角点检测算法提取出图像的特征点,然后采用SIFT算法对特征点进行描述,用最近邻与次近邻之比进行匹配,最后用RANSAC(random sample consensus)算法消除错误匹配对。实验结果表明:该方法能够很好的进行仿射图像配准,并且大幅提高了配准的准确率。