一种基于Harris-Laplace特征点检测的抗几何攻击数字水印算法

基于图像特征点检测的第2代数字水印算法具有良好的抗几何攻击能力.Harris算子是2代水印中使用较多的一种特征点检测方法.然而传统Harris算子提取的特征点对于较大尺度缩放攻击的稳定性较差,结合自适应尺度特性的Harris-Laplace算子在一定程度上克服了这一缺点,并且对于旋转,噪声及压缩攻击均具有较好鲁棒性.据此给出了一种基于Harris-Laplace特征点检测的数字水印算法,实验结果表明,该算法对于常规信号处理和几何攻击具有较好的鲁棒性.

Harris尺度不变性关键点检测子的研究

在特定的参数设置下Harris尺度不变性检测子不能提供足够数目的稳定关键点,以往研究据此断定Harris尺度不变性检测子不稳定,不是有效的特征检测子.在构造Harris角点值的尺度空间过程中,存在一系列参数影响着Harris角点值在尺度空间中极值点的数目,从而决定了Harris尺度不变性检测子所能获取的稳定关键点的数目.对这个参数空间进行了系统研究,发现积分尺度与微分尺度的比值对Harris尺度不变性检测子能否检测到足够数目的稳定关键点具有决定性的影响.当这一比值减少时,Harris尺度不变性检测子所获取的稳定关键点的数目快速增长;当这一比值小于0.8时,Harris尺度不变性检测子所能获取的稳定关键点的数目开始超出DoG检测子所能获取的稳定关键点的数目.这个有效的参数区间大大增加了Harris-Laplace检测子所能获取的稳定关键点的数目.与Harris-Laplace检测子以及DoG检测子进行比较,具有有效参数的Harris尺度不变性检测子具有最佳的稳定性能,这个结果纠正了关于Harris尺度不变性检测子不稳定的错误结论.

基于CUDA加速的图像特征检测与匹配算法研究

针对使用OpenCV的ORB算法对高清图像特征检测与匹配算法实时性差的问题,提出了一种基于CUDA加速的ORB图像特征检测算法。首先,使用输入图像构建图像金字塔,将各层图像对齐,分为许多张小图像块并保存其图像信息,接着每个CUDA线程通过线程id去查询对应的图像块,使用FAST快速检测图像块的角点,初步保留质量较好的角点,计算Harris响应值和非极大值抑制再筛选得到一部分角点作为图像特征点,然后通过256组2维随机点描述符,计算图像特征点的描述子,最后通过计算两幅图像特征点描述子的汉明距离来匹配特征点,剔除汉明距离过大的匹配特征点对。对实际的CUDA代码测试结果分析表明,处理一组同样的1080p图像用时86ms左右,而OpenCV用时至少在210ms。

一种面向三维重建的改进SIFT图像匹配算法

近几年机器视觉发展迅猛,而三维重建也已经成为其重要研究领域之一。为了能更快更完美获得三维目标场景,复杂图像中的目标检测是视觉领域的研究热点,在工业领域、军事领域、智能识别等领域发挥着巨大的作用。由于当前需要处理的图像变得更为复杂,图像的处理也因为相机姿态物体位置的不同、图像场景的多样性、目标与场景相互遮挡之类的问题,已经成为机器视觉研究时等待解决的重点之一。本文用离散小波变换,提取两幅图像的低频部分,然后利用harris角点检测和尺度不变特征变换(SIFT)相结合的鲁棒匹配算法完成特征点提取,并简化描述子对其降维处理,选择更简洁的方法对检测的点进行匹配。