基于角点增强的抗打印扫描零水印算法

利用角点检测算法提取与图像旋转、平移、缩放等操作无关的Harris角点,对角点响应值与象素值的关系进行分析,进而角点增强响应值,以保证打印扫描前后检测到的角点具有较高的一致性,对角点构造特征向量作为图像的零水印信息。另外,针对已有局部特征描述子在打印扫描前后特征点匹配率不稳定这一问题,提出新的匹配算法,首先根据局部特征描述子进行粗匹配,然后用聚类法进行精匹配保证特征点匹配率。在水印检测时,对匹配成功的特征点进行遍历,将图像的局部特征信息和位置信息生成一维向量,对该一维向量作相似性运算,即可判别待检测图像是否含有零水印信息。实验结果表明,该算法对打印扫描等攻击具有一定的鲁棒性。

基于曲率的尺度空间中的角点增强

角点检测在模式识别、计算机视觉和其它相关领域中占有重要地位．由于无法事先确定应在什么尺度下进行检测，我们很难从平面曲线中准确地提取出角点．本文阐述了通过曲线尺度空间（Curvescalespace）来增强角点的方法．该方法的主要思想是通过曲线的形变（或构造曲线尺度空间）使曲线上的角点随着尺度的增加变得更加突出，以便准确地提取出角点．从广义的几何热扩散方程（GGHF）出发，我们得到了该方法中曲线曲率的演化形式，它揭示了构造基于曲率的尺度空间与形成尺度空间所需符合的准则二者间的本质联系．本文研究GGHF符合尺度空间准则的条件并给出了寻找不同的符合尺度空间准则的曲线演化方法，与此同时，我们给出了角点可被增强的条件．在符合上述条件的前提下，本文给出了一种新的构造尺度空间的方法，该方法符合尺度空间的准则，并能够在去除噪声和不重要的小结构的同时，有效地增强曲线上的重要角点．

基于多尺度曲率乘积角点检测算法的优化与改进

红外图像的角点检测在模式识别、计算机视觉和目标跟踪等领域中占有重要地位,为了提取到更精准的红外图像的角点,提出在基于曲率多尺度积算法(MSCP)的基础上的改进算法,增强提取到的角点。实验表明:该方法检测效率高,提取到的角点更稳定,精度更高,可满足实际需求中的高精准度的需求。

一种面向聚焦爬虫的自然场景文本定位技术

各类视频设备采集的图像中包含了高质量的海量主题信息.尽可能全面地找到自然场景中的文本,对聚焦爬虫具有重要意义.提出一种具有较高召回率的文本定位技术,充分注意到角点强度极大、极小值对自然场景文本定位的重要作用,运用提出的角点强度增强技术和三值化方法,能够有效地分离出极大、极小值区域,从而,能够将图片中的大部分文字从复杂的背景和各种噪声中凸显出来.实验表明,该方法能够大幅提高基于角点特征的定位算法的召回率,为聚焦爬虫从大量的自然场景图片中获取重要的主题信息提供了可能.