基于模糊局部二值模式算子的图像伪造检测

为解决当前图像复制移动伪造检测算法的识别精度受阈值参数影响较大、无法消除图像特征误配、以及鲁棒性不佳等不足,提出随机样本一致策略耦合模糊局部二值模式算子的图像伪造检测算法。引入逐像素自适应Wiener滤波,过滤图像分块;基于局部二值模式LBP(local binary patterns),引入模糊集理论,设计模糊二值模式算子,提取图像特征;基于字典排序,对特征矢量进行排序;嵌入K-d树,定义识别多数规则,设计高效块匹配算法,精确检测真实的伪造分块;利用随机样本一致算法,消除图像分块误配。仿真结果表明,与当前伪造检测技术相比,该算法的检测精度更高,具有更强的鲁棒性。

相似度距离耦合角度径向变换的图像配准算法

目的为了解决当前图像配准算法因利用l1距离或l2距离相似度测量手段来完成图像特征点匹配,使其忽略了相位信息,难以有效消除高斯噪声的影响,使其配准精度与效率不佳不足的问题。方法提出最优相似度距离耦合角度径向变换的抗噪图像配准算法。首先引入角度径向变换,以降低算法复杂度,快速提取图像的特征点。然后联合图像的幅度和相位信息,基于欧式距离测度,定义最优相似度距离测量模型,通过求解其全局最小值,对特征点完成匹配,提高算法的抗噪性能。最后将图像分割为内点与外点,择取6个内点,通过计算其变换矩的几何配准误差,改进随机样本一致策略,对匹配进行提纯,消除误配。结果仿真实验结果显示,与当前基于l1距离或l2距离相似度测量的图像配准技术相比,该算法具有更强的抗高斯噪声性能和更高的匹配精度,且算法时耗最短。结论所提算法能够精确完成图像特征配准。