基于剪切系数的视频指纹内容拷贝检测

拷贝检测技术广泛应用于版权控制中,用于保护未经授权使用数字视频,关键在于如何提取可靠的视频指纹。本文提出一种基于剪切系数的视频指纹内容拷贝检测算法,利用TREC VID2018和Inria Copy Days数据集的相关数据,进行视频图像攻击实验,并与其它经典算法进行比较。实验结果表明:本文算法对大多数攻击都具有鲁棒性。其F1平均得分约为0.99分,假阳性率低于0.01%,定位准确率97%。     

小波自适应数字图像水印算法

将空域算法和频域算法有机结合，利用小波变换理论，给出了一种新的小波自适应数字图像水印算法。数值实验结果表明。嵌入水印后的图像与原始图像在视觉上无区别，该方法具有很好的不可觉察性。采用Jpeg水印信息和检测的水印信息之间的相关系数验证算法的鲁棒性，随着图像品质数的下降，相关系数略有下降，但幅度不大．表明算法具有较强的鲁棒性。     

一种块匹配的图像修复算法

在研究Criminisi算法的基础上,提出了一种新的图像修复算法。根据图像待修复点梯度的大小,在源区域中确定其匹配区域的范围,减少搜索次数;以到待修复点距离从小到大的方式搜索匹配块,应用最近最优匹配块对图像进行修复;提出新的置信度更新方法,使更新后的置信度与累积误差成反比。实验表明,本文提出的图像修复算法具有较好的图象修复效果,并且计算复杂度低,效率高。     

基于双目视觉的农田障碍物检测

针对智能农业机械自动驾驶或辅助驾驶立体视觉障碍物检测技术中,传统阈值分割不能达到目标提取精度的问题,提出基于分析扫描线上区域分割与特征匹配相结合的障碍物检测算法。在双目视觉系统得到农田场景图像对中,通过分析扫描线上像素分布情况将图像分割,进行归类整理提取目标区域;对目标区域进行快速立体特征匹配,得到目标区域的空间信息,进行障碍物的检测。对800帧(400对)图像进行检测试验,结果表明:每对图像的平均处理时间<100 ms,本次试验检测出障碍物的正确率达到95%。该算法用于农田障碍物检测具有很好的检测效果。     

基于机器视觉的禽蛋图像分割方法研究

探讨了一种新的图像分割算法,可对禽蛋表面图像中脏斑、血斑等信息进行高效、准确的分割.文中将由CCD摄像机获取的禽蛋图像首先采用改进的中值滤波方法去除噪声,然后将去噪后的图像使用Sobel边缘检测算子检测边缘,运用分裂合并算法对去噪图像进行多区域分割,从而得到较为明显的多区域图像,最后利用图像融合技术将Sobel算子检测...     

基于小波分析的图像边缘检测

本文介绍了数字图像的小波算法的基本原理，论述了二维图像的小波分析的边缘检测的原理，以及小波函数的构造。利用小波分析的边缘检测算法，对原始图像进行检测，具有良好的检测效果。     

基于显著性检测的蔬菜鳞翅目害虫图像自动分割算法

提出一种基于显著性检测的害虫图像自动分割算法(S-segmentation算法),首先利用显著性检测方法,结合图像局部区域的颜色距离和空间距离特征,对样本图像作预处理;然后采用无交互式图像分割算法处理显著检测结果图,可实现目标区域的完美分割,避免多次重复设置背景区域.通过对5种鳞翅目幼虫图像进行分割试验,结果表明该算法的分割准确性明显提高,平均分割精确度可达93.14%,较传统图像分割算法提高了约20%,并且复杂度低,运行效率高,分割精确度不受样本数量影响.进一步将该算法应用到体型和颜色多样化的鳞翅目成虫图像分割上,得到的平均分割精确度达到88.22%.     

改进的小波变换模极大值检测图像边缘的方法

提出了一种改进的基于小波多尺度多分辨率特征的数字图像的边缘检测算法,分别利用不同尺度小波变换后的水平方向和垂直方向高频信息,根据李氏指数与小波变换关系,采用小波模极大值在不同尺度下传播的特性,检测出图像在2个方向的极大值,然后利用模糊算法构造相应的隶属函数,提取弱边缘信息,最后得到不同尺度下的边缘图像。本算法可以兼顾良好的边界定位、噪声抑制和弱边界检测等性能指标,可以有效解决传统边缘检测方法中存在的搞定为精确及强去噪能力之间的矛盾。     

基于计算机视觉的肺结节内空泡影像自动定位算法

目的针对传统的肺结节内空泡影像自动定位算法漏检数量多的问题,设计一种基于计算机视觉的肺结节内空泡影像自动定位算法。方法首先利用计算机视觉技术提取肺结节内空泡影像信息,将获取的影像结果进行数字化处理,把图像信号转变为数字图像信号。同时对其进行灰度变换和滤波处理,得到准确的肺结节内空泡影像信息。然后生成区域网络,对候选结节检测,寻找潜在的结节区域。最后去除其中的假阳性结节,以此完成肺结节内空泡影像自动定位。结果基于计算机视觉的肺结节内空泡影像自动定位算法与实际肺结节数量相差1个,代表漏检数量相差为1,比传统定位算法漏检数量少,且定位的边缘无多余空泡。结论基于计算机视觉的肺结节内空泡影像自动定位算法能够准确对肺结节内空泡影像定位,为肺结节检测提供帮助。     

麦田多列目标图像检测算法

针对麦田图像中多列目标检测问题,提出基于水平线扫描的归类算法。对麦田彩色图像进行绿色强调,利用阈值分割方法提取苗列区域;对二值图像水平扫描,检测目标区域和目标点,根据目标点横坐标值的差值实现归类;利用过已知点的霍夫变换检测多列目标直线。对800幅麦田图像进行多列目标检测结果表明:762幅图像中的多目标列的中心线能够完全正确提取出来;处理640像素×480像素的彩色图像需要0.12 s。该算法在多列目标识别中是一种有效、快速的检测算法。     

抗旋转和尺度变化的导航系统图像匹配算法

在惯性导航系统中,定量分析了景象匹配过程中惯性导航系统漂移和无线电气压高度表测量误差对实测图的旋转和尺度所造成的影响,引入了对数极坐标变换.基于图像边缘特征提取,提出了一种结合中心点的4-邻域点共同参与计算的抗旋转和小尺度变化的图像匹配算法,并给出了相应的算法流程.仿真分析表明,在导航系统误差漂移所引起的图像旋转和气压高度表所引起的尺度变化范围内,该算法能满足匹配准确性的要求,并能有效给出系统的定位误差修正信息.     

基于特征匹配的羊体点云配准方法

针对点云配准算法易受噪声、体外孤点以及采样率影响的问题,采用形状指数关键点检测方法、最近邻距离比法和迭代最近点算法,基于三维点云对羊体点云配准方法进行研究。结果表明:1)使用协方差矩阵特征描述子能对形状指数方法检测的关键点进行描述;2)基于特征匹配的配准方法能对不同视角的羊体点云进行配准,最大均方根误差为0.024 1;3)对于含有噪声、体外孤点或较低采样率的不同类型的羊体点云模型,配准的最大均方根误差为0.023 8。试验证明基于特征匹配的配准方法能准确地对羊体点云进行配准,并且不受噪声、体外孤点以及采样率的影响。     

奶牛形体图像处理中尺度不变特征变换特征点检测与匹配策略的应用

针对奶牛形体图像,分析尺度不变特征变换特征点检测与匹配算法的应用特点,提出一种全自动图像格式转换,尺寸调整,特征点检测,特征点匹配,数据存储策略.结果表明,该策略定位特征点精确,数据有效性强,匹配结果准确.     

一种改进的Hausdorff距离的图像匹配算法仿真分析

在农作物病虫害的图像诊断中,应用基于Hausdorff距离的边缘图像匹配算法可简便计算。但Haus-dorff距离缺点是不能处理目标被遮掩和外部点存在的情形,鲁棒性不足。针对传统Hausdorff距离匹配算法的缺点,引入一种改进的Hausdorff距离算法。改进的Hausdorff距离匹配算法可以对有噪声、遮掩、分辨率降低和水平角度旋转的图像进行很好的匹配。通过仿真,证明了改进的Hausdorff算法具有更强的鲁棒性和适应性,能在有畸变的图像中估计出最佳的匹配位置。     

遮挡情况下目标三维点云的提取研究

针对三维信息提取过程中的遮挡问题,提出利用多基线数字近景摄影测量方法进行多光线的影像匹配,基于遮挡区域约束的三维点云滤波算法,即去除了遮挡目标,又可提取部分被遮挡区域的三维数据点。试验表明,该方法适应了空间分布的不连续性,在遮挡情况下较好地解决了目标的遮挡问题,同时多方向交会使前方交会具有冗余观测,增加了三维数据点的可靠性。     

对无损伤测量叶片面积方法的改进

在栽培现场无损伤测量叶片面积,可以利用两个平行摄像头对同一叶片采集两张二维(2-D)彩色图像,然后根据特定的算法和计算公式,复原三维叶片(3-D)图像,再由三维图像计算该叶片面积。但在现场条件下拍摄的二维(2-D)彩色图像存在强烈的噪声及干扰,从而在边界提取时出现大量的伪边缘,使得边缘像素点匹配难度加大,从而无法正确地复原出三维(3-D)图像,也就无法测量叶片面积。为消除伪边缘、剔除干扰,并使叶片边界光滑连续无冗余,笔者提出将点变换成线段,根据线段群之间的几何位置关系剔除噪声线段。然后将线段连结成线段群,并将周长最长的线段群认定为所需要的叶片边缘,从而在抗噪声和抗干扰上取得良好的效果。通过上述处理,可以在现场达到精确测量叶片面积的目的。     

背景互信息约束的SIFT特征匹配

在SIFT局部特征的基础上,扩大了SIFT局部特征描述子,构造了半全局信息的背景环,并将背景环的互信息引入到相似性计算.实验结果表明,该方法与SIFT影像匹配算法相比,有效地提高了匹配的正确率,且对旋转图像的特等匹配具有一定鲁棒性;与全局配准算法相比较,提高了一倍以上的计算效率.     

基于特征融合的林下环境点云分割

针对林下环境几何特征的复杂性,以及基于边检测、表面增长和聚类分割方法存在的效率低、分割不足及过度分割等问题,提出了一种基于特征融合的点云分割方法。采用地面激光扫描仪FARO在北京林业大学选择样本区域进行扫描,对扫描得到的数据进行采样点剔除及滤波,得到由1166302个点组成的林下环境点云数据,主要包括林木、地面、石块、人4类目标。综合利用点云法向量信息和激光反射强度信息可实现点云分割。其中,点云激光反射强度可直接从扫描得到的点云数据中获取;法向量可根据点云数据的三维坐标信息,通过对点云数据建立kd-tree数据结构,执行k-邻域搜索,并基于PlanePCA算法计算得到。将点云法向量和激光反射强度2方面的特征优势进行融合,计算中心点与邻域点的综合相异度,并判断其是否在阈值范围内,最终实现点云分割。比较基于特征融合、法向量和激光反射强度3种聚类分割方法得到的分割结果可知,基于特征融合的聚类分割方法能较好地保留数据特征,且分割完整度明显优于其他2种方法。