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.

基于Harris-Laplace特征点的多时相SPOT图像配准方法

提出一种改进的多时相SPOT图像配准方法。首先通过分块提取H-L特征点,确保特征点分布均匀;然后对H-L特征点进行匹配,通过RANSAC一致性检验构建配准模型;最后利用图像重采样得到图像配准结果。实验结果表明,该方法能够有效地解决不同时相SPOT图像在几何变形、地物改变等情况下的配准,具有较高的自动化程度与实用性。

基于Laplace的LSSIM图像配准算法

提出一种基于Laplace变换的图像配准算法.首先利用经典的角点检测算法提取待匹配图像的特征点或角点;其次利用相位相关法估算出两幅图像的重叠区域,以缩小匹配范围;然后对角点邻域模板区域施行Laplace变换;最后利用基于改进的SSIM(结构相似性)作为相似性度量准则建立特征点之间的匹配关系.实验结果表明,该方法可以很好的完成特征点匹配,匹配点对充足且具有很高的准确率,而且对亮度差异具有一定的鲁棒性,从而保证图像配准精度.

基于特征信息提取的双目视觉障碍物检测研究

针对室内移动机器人的工作环境和特点,为了提高障碍物检测的准确性和实时性,文章设计了一种将视觉传感器固定于室内上方的双目视觉障碍物检测方案,提出一种改进的Harris—Laplace方法检测特征点再结合二阶矩SIFT进行特征点描述匹配的算法;实验表明,此方法检测特征点有更高的重复率,图像特征具有更好的尺度、旋转、光照和仿射不变性,提高了图像匹配精度,从而得到更精准的障碍物特征信息。

一种鲁棒的均值漂移与彩色特征点提取相结合的面部跟踪算法

针对复杂背景中的多人脸跟踪问题,提出一种均值漂移与彩色特征点提取相结合的面部跟踪算法.手动选取要跟踪的面部区域,并利用彩色Harris探测器进行特征点提取,然后根据肤色的色度信息,利用均值漂移算法粗略定位人脸的位置,之后对这个区域提取特征点,与其前提取的特征点进行匹配,满足约束条件的区域即为要跟踪的人脸区域.实验表明,该算法可以排除近肤色物体的干扰并可以在多人脸发生重叠的情况下保持稳定跟踪.

基于点特征的多源遥感影像高精度自动配准方法

提出了一种基于点特征的多源遥感影像高精度自动配准方法。该方法采用了由粗到精的配准策略。首先利用SIFT算子和一次多项式实现影像的粗配准,粗配准后的影像和参考影像将处于同一尺度(像素采样间隔)和参考坐标系下。其次在粗配准后的影像上提取分布均匀的特征点,根据前一步得到的影像间的坐标关系,在参考影像上确定一个较小的搜索范围,使用相关系数匹配出同名点,同时用Baarda数据探测法剔除粗差。最后根据同名点构建三角网对影像进行精配准。实验结果表明:该方法能够实现多源遥感影像的高精度配准。