基于模糊不变矩和区域生长的图像盲检测算法

提出了基于模糊不变矩和区域生长的篡改盲检测算法。该算法根据图像模糊原理,分析复制-粘贴篡改区域的特点,采用24个模糊不变矩表示图像子块特征;通过子块特征的相似度确定篡改区域的侯选种子,再根据侯选种子的邻域块对的相似度找出篡改区域的真种子,并通过中心连接区域生长法从真种子中生长出经过模糊的篡改区域。本算法对粘贴区域被模糊使之融入到背景之中的篡改图有较好的检测性能。

基于模糊不变矩的复制粘贴伪造检测方法

随着各种高级图像处理算法以及相应图像处理软硬件的出现,即使非专业人士也很容易篡改图像,并使人肉眼很难甚至无法识别。针对一种常见的图像篡改——复制粘贴伪造,提出了一个能自动检测并标识数字图像中复制区域的方法。将图像分成多个重叠块,每块的特征用由模糊不变矩计算得到的模糊不变量表示,按照预定的相似标准来确定图像篡改区域。实验结果表明:相对于基于PCA的方法,该方法在抗模糊处理方面具有明显的优势。

模糊边界矩特性研究

研究了图像边界矩的模糊不变性,推导出模糊边缘带区域不变矩中准(2Fe)～准(7Fe)与该图像所对应的清晰图像的边界不变矩准2～准7一致的结论。利用该结论,对模糊图像提取边界不变矩特征时,可不必首先精确提取其精确边缘,方便了边界不变矩特征的提取,提高了边界不变矩特征提取的鲁棒性。仿真实验结果也验证了结论的正确性。

基于立体视觉的新组合不变矩腹部体型重建

针对采用立体视觉技术进行三维人体重建时,在实际拍摄采集图像过程中受光照变化和模糊因素干扰的现象,提出光照鲁棒的组合模糊仿射不变矩,克服以上两种因素的影响;同时为了改进单一依靠灰度相似性度量的匹配效果,引入了斜率和距离双重几何约束,由三者结合共同引导完成匹配,自动重建人体腹部体型。实验所获得的虚拟三维人体腹部尺寸值可以达到与三维扫描仪相同的精度,与实际测量值的误差小于0.5 cm。实验结果表明:该系统硬件设备简单,成本低,能快速可靠地采集腹部信息,符合服装设计等领域的精度要求。

一种抗图像模糊的快速景象匹配算法

针对各种原因引起的实测图退化情形,将模糊不变矩引入景象匹配中。为了解决匹配过程中计算量大的问题,从简化匹配特征的计算及优化搜索策略两方面采取措施。在模糊不变矩计算方面,通过预先建立21个和表矩阵,提出了一种适用于匹配过程的矩特征高效求解算法;在搜索策略方面,考虑到模糊不变矩特征对图像分辨率的敏感性,提出在原分辨率基准图上采用遗传算法进行搜索匹配。实验结果表明,在实测图出现模糊及受噪声干扰情况下,所提匹配算法在保证匹配精度的同时,其匹配耗时比传统方法少好几个数量级,能够满足导航系统对实时性的要求。

基于PNN的退化交通标志图像的识别算法研究

为了识别退化的交通标志图像,该文采用一种新的特征提取算法。该算法在处理图像退化问题时,采用模糊-仿射联合不变矩直接提取图像的特征,从而避免了需要较大计算量的图像复原处理过程。针对各阶模糊-仿射联合不变矩数量级差异较大问题,提出一种数量级标准化算法。在深入分析PNN与K-means聚类算法的基础上,提出采用全局K-均值算法优化设计概率神经网络分类器,并将其用于交通标志图像的分类识别。仿真结果表明:模糊-仿射联合不变矩是一种有效的处理退化交通标志图像的方法,所设计的概率神经网络分类器不仅具有精简的结构而且具有较好的推广性能。

基于RBPNN的退化交通标志图像的识别算法

为了识别退化的交通标志图像,提出了一种新的特征提取算法。该算法在处理图像退化问题时,采用模糊-仿射联合不变矩直接提取图像的特征,从而避免了需要较大计算量的图像复原处理过程。在利用模糊-仿射联合不变矩作为图像特征的基础上,采用递归正交最小二乘算法优化设计径向基概率神经网络分类器。仿真结果表明:模糊-仿射联合不变矩是一种有效的退化交通标志图像的特征提取算法,所设计的径向基概率神经网络分类器不仅具有精简的结构而且具有较好的推广性能。

退化交通标志图像的RBPNN分类算法研究

为了识别退化的交通标志图像,采用模糊-仿射联合不变矩直接提取图像的特征,并针对各阶模糊-仿射联合不变矩数量级差异较大问题,提出一种数量级标准化算法,避免了需要较大计算量的图像复原处理过程。同时在深入研究径向基概率神经网络的基础上,采用全局K-均值算法优化其网络结构,并将其用于交通标志图像的分类识别。仿真结果表明,模糊-仿射联合不变矩是一种有效的处理退化交通标志图像的方法,所设计的径向基概率神经网络分类器不仅具有精简的结构而且有较好分类精度和推广性能。