最新刊期
2016 年 第 21 卷 第 12 期
- 摘要：数字图像的真实性问题备受人们关注，被动取证是解决该问题的有效途径。然而，如果伪造者在篡改图像的同时利用反取证技术对篡改的痕迹进行消除或伪造，那么已有的大量被动取证技术都将失效。回顾图像反取证技术的研究现状（包括兴起原因、实现原理、技术特点以及应用前景），并根据已有文献总结反取证技术面临的主要挑战和机遇。 由于现有的被动取证技术大都基于遗留痕迹和固有特征的异同来辨识图像真伪，因此本文以不同的取证特征为线索来评述和比较反取证技术的原理和策略。 根据取证特征的不同，将反取证技术归纳为遗留痕迹隐藏、固有特征伪造和反取证检测等三类，并展示了当前各类反取证技术面临的难点和挑战。 对数字图像反取证技术进行总结和展望，并指出其算法未来在通用性、安全性、可靠性等方面将有待进一步的深入研究。关键词：反取证;被动取证;图像取证;图像篡改;反取证检测5578|907|1更新时间：2024-05-07
综述
- 摘要：大坝水下裂缝图像存在非均匀亮度、低信噪比、低对比度等复杂情况，导致裂缝特征提取极为困难，本文提出一种改进暗通道先验的大坝水下裂缝图像自适应增强算法。 首先对非均匀光照图像进行全局匀光处理和噪声抑制处理，在保护纹理信息的同时消除亮度分布不均的问题；其次改进暗通道先验理论，结合导向滤波方法，精确估算去噪恢复图像；然后对去噪恢复图像进行基于概率分布理论3原则的自适应分段线性增强；最后对增强图像从均值、方差、峰值信噪比、对比度和信息熵等方面进行整体定量评价。 选取了2幅典型的水下光照不均匀大坝裂缝图像作为研究对象，采用本文提出的方法进行图像增强处理。将本文算法的增强效果与直方图均衡化、同态滤波、多尺度视网膜增强算法（MSR）以及带色彩恢复的多尺度视网膜增强算法（MSRCR）的增强效果进行对比分析。为了测试本文方法的鲁棒性，对原图像增加椒盐噪声信号和高斯噪声信号，评估本文算法对包含确定分布噪声的抗干扰能力。本文方法相比以上其它方法，具有最好的增强效果，对2幅原始图像对应增强图像的峰值信噪比（PSNR）分别为42.77和41.49。 仿真实验结果表明，本文方法能有效抑制水下图像噪声干扰，增强大坝水下裂缝图像的清晰度。本文方法对不同光照条件下大坝水下裂缝图像增强有很强的自适应性，对水下裂缝图像增强处理有效可行。关键词：图像处理;图像增强;暗通道先验;匀光处理;自适应4863|480|5更新时间：2024-05-07
- 摘要：沙尘环境中获取的图像存在颜色失真、对比度低等问题，不利于人眼辨识以及进一步的图像处理。为解决沙尘降质图像的这些问题，提出一种新的基于颜色调整和对比度增强的沙尘降质图像的增强算法。 沙尘降质图像增强要解决两个问题，即颜色偏移和对比度增强。基于沙尘降质图像的的颜色直方图存在的集中性、顺序性以及偏离性等特性，使用高斯模型分别对各通道颜色进行建模，进而进行颜色调整。针对颜色调整后的图像存在的整体灰暗，对比度低以及噪声等特点，利用改进的基于奇异值分解的增强算法，从而有效地增加图像对比度并抑制噪声。 为了验证本文算法的有效性，与带有色彩恢复的多尺度Retinex算法、GUM算法、Tarel算法、融合算法4种方法进行了对比。从增强结果可以看出，本文算法能够有效解决降质图像的颜色偏移和对比度低的问题，并增强图像的整体视觉效果。 本文算法充分利用沙尘降质图像三通道颜色直方图分布的特点，能够快速高效地实现颜色校正，并通过图像频域的奇异值信息进一步提升图像的对比度。经过多幅沙尘降质图像清晰化实验验证，表明本文方法能够实现对不同程度沙尘降质图像的增强，具有较强的适用性。关键词：沙尘图像;颜色调整;高斯模型;奇异值分解3675|514|6更新时间：2024-05-07
- 摘要：针对SIFT算法计算复杂度高、存储开销大和近几年提出的BRIEF（binary robust independent elementary features）、ORB（oriented BRIEF）、BRISK（binary robust invariant scalable keypoints）和FREAK（fast retina keypoint）等二进制描述子可区分性弱和鲁棒性差的问题，提出基于SIFT的二进制图像局部特征描述子。 首先，对传统SIFT的特征空间和特征向量分布在理论和实验上进行分析，在此基础上结合二进制特征描述子的优势对SIFT进行改进。不同于传统的二进制特征描述子，本文算法对传统SIFT特征向量在每一维上的分量进行排序后，以该特征向量的中值作为量化阈值，将高维浮点型SIFT特征向量转化成位向量得到二进制特征描述子。并使用易于计算的汉明距离代替欧氏距离度量特征点间的相似性以提高匹配效率。然后，在匹配阶段将二进制特征描述子分为两部分并分别对其进行匹配，目的是通过初匹配剔除无效匹配特征点来进一步缩短匹配时间。最后，对提出的量化算法的可区分性及鲁棒性进行验证。 该量化算法在保持SIFT的较强的鲁棒性和可区分性的同时，达到了低存储、高匹配效率的要求，解决了SIFT算法的计算复杂度高、二进制描述子鲁棒性和可区分性差的问题。此外，在匹配阶段平均剔除了77.5%的无效匹配特征点，减少了RANSAC（random sample consensus）的迭代次数。 本文提出的量化算法可用于快速匹配和快速图像拼接中，提高匹配和拼接效率。关键词：SIFT(scale invariant feature transform);二进制特征描述子;鲁棒性;可区分性;快速图像拼接4478|432|3更新时间：2024-05-07
- 摘要：全局的仿射变换配准需估计出仿射变换的参数，现有算法要么效果不佳，要么对二值图像无能为力。本文改造传统质心的定义，提出广义质心的概念。 传统的质心以二重积分定义，所提广义质心利用变形累次积分定义，传统质心只是这种广义质心的特例。本文给出了广义质心保持仿射变换前后对应关系的条件，并提出了一种利用这种广义质心进行仿射变换参数恢复的算法。 该算法对灰度和二值图像的仿射变换参数恢复都适用，实验结果也表明现有的交叉权重矩方法耗时是本文算法耗时的25倍，但它们的恢复效果相差不大，并且本文算法要比现有的图像矩构造非线性方程组方法恢复效果好。 本文提出了广义质心，利用这种广义质心进行仿射变换参数恢复算法，对二值图像和灰度图像均适用，恢复效果较好，并且计算量较小。关键词：图像配准;广义质心;仿射变换;仿射变换参数恢复;变形累次积分3186|390|0更新时间：2024-05-07
图像处理和编码
- 摘要：为解决户外视觉系统在恶劣环境下捕捉图像存在细节模糊、对比度较低等问题，提出一种基于变差函数和形态学滤波的图像去雾算法（简称IDA_VAM）。 该算法首先利用变差函数获取较准确的全局环境光值，然后对最小通道图采用多结构元形态学开闭滤波器获取粗略的大气散射图，进而估计大气透射率并进行修正，接着采用双边滤波对其进行平滑操作，最后通过物理模型得到复原图像并进行色调调整，获取明亮、清晰无雾的图像。 本文算法与多种图像去雾算法进行对比，在含有雾气的近景图像、远景图像以及有明亮区域的图像均能很好地去除雾气，图像的信息熵值相对提高了38.0%，对比度值相对提高了34.1%，清晰度值相对提高了134.5%，得到较好的复原效果，获取一幅自然明亮的无雾图像。 大量仿真实验结果证实，IDA_VAM能够很好地恢复非复杂场景下的近景图像、远景图像以及含有明亮区域图像的色彩和清晰度，获得清晰明亮的无雾图像，细节可见度较高，且算法的时间复杂度与图像像素点个数呈线性关系，具有较好的实时性。关键词：图像去雾;变差函数;多结构元形态学开闭滤波器;双边滤波;色调调整3270|471|6更新时间：2024-05-07
- 摘要：道路裂缝的等级评定是公路养护的基本任务之一，目前国内相关部门主要通过线阵列相机采集道路影像，由于道路影像裂缝的识别会受到多种因素干扰（树木及车辆的投影、光照变化、油渍、树枝与稻草等条状物、各类垃圾），降低了基于道路影像自动识别裂缝算法的准确率，导致对于路面等级评价依旧采用人工的方式进行，为此提出一种道路影像裂缝鲁棒识别方法。 由于采集的图像尺寸较大，同时为了避免光照不均匀带来的问题，首先对图像进行分块，采用改进的CV模型对分块影像进行预处理，获得初步的分割结果。其次，通过以下4个特点识别线阵列CCD道路影像的裂缝：1）裂缝在分块区域中占据较小的面积比；2）裂缝在影像中呈现的连续性较差；3）裂缝的宽度与长度比值较小；4）同一段裂缝的走向基本一致。为了利用裂缝的后两项特点，采用椭圆拟合的方法计算初步分割区域的方向，并以此为基础将这些区域分为4类。在每个分类中，分别计算各区域内的质心位置，建立质心间的矢量表，设计递归算法计算其共线性，获得裂缝检测结果，并以此为基础构造活动模型的初始距离矩阵，通过在原图中迭代求解更为精确的裂缝区域。 从2 000幅道路影像中挑选包含道路裂缝的影像100幅，并按序号等间隔分别取出5组未含有裂缝的影像100幅，每组200幅组成数据集进行测试，采用分类指标统计的方法评测本文算法性能，在正确率、灵敏度、特效度、精度上均达到95%以上，道路裂缝的检测与提取时间约为1 min。 该方法不仅可以有效地识别裂缝，同时可以克服了环境中多种因素的干扰，误识别率较低，具有较高的实际应用价值。关键词：道路裂缝识别;椭圆拟合;质心;干扰物;水平集3069|381|0更新时间：2024-05-07
- 摘要：显著物体检测的目标是提取给定图像中最能吸引人注意的物体或区域，在物体识别、图像显示、物体分割、目标检测等诸多计算机视觉领域中都有广泛应用。已有的基于局部或者全局对比度的显著物体检测方法在处理内容复杂的图像时，容易造成检测失败，其主要原因可以总结为对比度参考区域设置的不合理。为提高显著物体检测的完整性，提出背景驱动的显著物体检测算法，在显著值估计和优化中充分利用背景先验。 首先采用卷积神经网络学习图像的背景分布，然后从得到的背景图中分割出背景区域作为对比度计算参考区域来估计区域显著值。最后，为提高区域显著值的一致性，采用基于增强图模型的优化实现区域显著值的扩散，即在传统-正则图局部连接的基础上，添加与虚拟节点之间的先验连接和背景区域节点之间的非局部连接，实现背景先验信息的嵌入。 在公开的ASD、SED、SOD和THUS-10000数据库上进行实验验证，并与9种流行的算法进行对比。本文算法在4个数据库上的平均准确率、查全率、F-measure和MAE指标分别为0.873 6、0.795 2、0.844 1和0.112 2，均优于当前流行的算法。 以背景区域作为对比度计算参考区域可以明显提高前景区域的显著值。卷积神经网络可以有效学习图像的背景分布并分割出背景区域。基于增强图模型的优化可以进一步实现显著值在前景和背景区域的扩散，提高区域显著值的一致性，并抑制背景区域的显著性响应。实验结果表明，本文算法能够准确、完整地检测图像的显著区域，适用于复杂图像的显著物体检测或物体分割应用。关键词：显著物体检测;背景学习;背景先验;卷积神经网络;增强图模型优化3724|473|0更新时间：2024-05-07
- 摘要：纸张等薄片产品的批量计数在工业领域具有广泛应用，为此针对超薄叠层纸张机器视觉数量检测难题，提出一种全局周期约束与局部模式相关性度量相结合的鲁棒图像计数算法。 首先，沿层高方向提取1维图像剖面，利用频域梳状滤波器去噪，保留有用周期信号，借助波峰找寻算法确定候选纸张位置；然后，构造优化波峰模板，提出一种改进非零均值互相关（NCC）函数与原信号进行局部匹配。基于改进NCC函数的相关系数计算，能有效消除毛边、排列不齐、厚度和间隙变化等因素造成的虚检；最后，利用沿纸张方向的波形相似性和共线性，进一步消除干扰，根据不同剖面计数结果进行统计优化，输出最终测量数据。 针对多种类不同厚度的叠层纸张同时采用多种传统算法进行比较，本文算法对于影响纸张计数的常见干扰具有很强的抑制能力，其漏检率与误检率都显著低于其他传统算法。经统计，长期测量误差低于0.01%。 本文算法对单张厚度大于0.08 mm以上的纸张叠层有很高的检测精度且实时性强，适合自动化在线测量。关键词：纸张计数;梳状滤波器;模板匹配;机器视觉3092|298|3更新时间：2024-05-07
- 摘要：视频摘要技术在多媒体数据处理和计算机视觉中都扮演着重要的角色。基于聚类的摘要方法多结合图像全局或局部特征，对视频帧进行集群分类操作，再从各类中获取具有代表性的关键帧。然而这些方法多需要提前确定集群的数目，自适应的方法也不能高效的获取聚类的中心。为此，提出一种基于映射和聚类的图像密度值分析的关键帧选取方法。 首先利用各图像间存在的差异，提出将其映射至2维空间对应点的度量方法，再依据点对间的相对位置和邻域密度值进行集群的聚类，提出根据聚类的结果从视频中获取具有代表性的关键帧的提取方法。 分别使用提出的度量方法对Olivetti人脸库内图像和使用关键帧提取方法对Open Video库进行测试，本文关键帧提取方法的平均查准率达到66%、查全率达到74%，且值较其他方法高出11%左右达到了69%。 本文提出的图像映射后聚类的方法可有效进行图像类别的识别，并可有效地获取视频中的关键帧，进而构成视频的摘要内容。关键词：映射;聚类;关键帧;视频摘要;图像密度3320|277|3更新时间：2024-05-07
- 摘要：基于深度学习的视觉跟踪算法具有跟踪精度高、适应性强的特点，但是，由于其模型参数多、调参复杂，使得算法的时间复杂度过高。为了提升算法的效率，通过构建新的网络结构、降低模型冗余，提出一种快速深度学习的算法。 鲁棒特征的提取是视觉跟踪成功的关键。基于深度学习理论，利用海量数据离线训练深度神经网络，分层提取描述图像的特征；针对网络训练时间复杂度高的问题，通过缩小网络规模得以大幅缓解，实现了在GPU驱动下的快速深度学习；在粒子滤波框架下，结合基于支持向量机的打分器的设计，完成对目标的在线跟踪。 该方法精简了特征提取网络的结构，降低了模型复杂度，与其他基于深度学习的算法相比，具有较高的时效性。系统的跟踪帧率总体保持在22帧/s左右。 实验结果表明，在目标发生平移、旋转和尺度变化，或存在光照、遮挡和复杂背景干扰时，本文算法能够实现比较稳定和相对快速的目标跟踪。但是，对目标的快速移动和运动模糊的鲁棒性不够高，容易受到相似物体的干扰。关键词：视觉跟踪;深度学习;支持向量机;粒子滤波;自编码3262|368|2更新时间：2024-05-07
图像分析和识别
- 摘要：人类的视觉能力可以轻易地判定两个几何图形形状的相似性，但是，这对于计算机来说仍是一个开问题。在计算机视觉应用中，不仅需要对图形形状进行分类和相似性判定，还需要对图形形状的相似性度量给出与人类的视觉判断一致的结果，这是目前图形形状表示和分类算法没有较好解决的问题。 通过GCT变换，将图形形状从实数空间的坐标表示变换到复数空间的复数特征向量表示，进而将判定两个几何形状的相似性问题转化为判定它们的复数空间特征向量的相似性问题。GCT变换不仅可以判定图形形状的相似性，它还是可逆的，它可以近似重建原图形形状。 GCT变换具有位移、尺度和旋转不变性，它不仅可以判定几何图形形状的相似性，给出与人类视觉判断一致的相似性结果，而且在两个几何图形形状相似的情况下，还能计算出它们的角度旋转和尺度缩放。 对于封闭的几何形状，如果几何形状的中心点位于几何形状的内部且过中心点的任一直线与该几何形状有且只有两个交点，理论证明和实验验证，GCT变换可以高效准确地判定这类几何图形形状的相似性，并给出与人类视觉判定一致的结果。关键词：GCT变换;几何形状;复数空间;特征向量;形状相似性判定5231|554|8更新时间：2024-05-07
- 摘要：因大多数插值基函数中的参数都是全局参数，从而导致插值曲线曲面的形状无法进行局部调整。另外，当插值曲线曲面形状可调时，也存在如何选择参数才能获得形状较为理想的曲线曲面的问题，为此给出一种无需反求控制顶点、包含局部形状调整参数、具有显式表达式、能重构部分二次曲线曲面的插值曲线曲面构造方法，同时给出易于使用的形状参数确定方案。 基于经典3次Hermite插值曲线的Bernstein基函数表达形式，将其中的Bernstein基换成已证明具有全正性的一组三角基函数，根据三角基的端点性质调整曲线表达式以保证其插值性，然后设定插值数据点处的导向量，在其中引入参数，并保证相邻曲线段之间的连续性，得到了一种新的三角基插值曲线。 新曲线可以整理成以待插值数据点为控制顶点与一组插值基函数的线性组合形式，插值基表达式简单，插值曲线含一组局部形状调整参数，一个参数的改变只影响一条曲线段的形状，相邻曲线段之间G连续，曲线可以重构椭圆。根据不同目标给出了3种用于确定曲线中形状参数的准则，每种准则都提供了可以直接使用的公式。相应的插值曲面具有与插值曲线类似的性质。 形状参数选取准则的给出使含参数插值曲线曲面的设计由随意变为确定，这使得采用本文方法更易于得到满意的结果。本文所给插值基函数的构造方法具有一般性，可以采用相同的思路构造其他函数空间上性质类似的插值基。关键词：分段曲线曲面;插值;三角基;形状参数;参数选择2679|247|2更新时间：2024-05-07
计算机图形学
- 摘要：由于传统的分数阶微分算法本质是提高相邻像素点的灰度差，达到增强对比度的作用，但是同时会放大和产生噪声，这容易使婴幼儿脑MR图像的增强效果有限或过增强。为了解决上述问题，提出一种融合非局部均值信息的自适应分数阶微分的婴幼儿脑MR图像增强算法。 用平均梯度和大津算法自适应确定分数阶阶数，融合纹理粗糙度确定初始的分数阶阶数。为了进一步抵制噪声等干扰，利用更大邻域的纹理信息，融入非局部思想确定分数阶微分的阶数。最后用最终的分数阶阶数对图像进行滤波，得到最终的增强图像。 实验通过信息熵、平均梯度和空间频率指标统计结果证明本文算法具有优越的图像增强性能。信息熵指标能够高出对比算法0.2%~12%，平均梯度指标能够高出对比算法5%~59%，空间频率指标能够高出对比算法6%~59%。 本文算法可以在增强纹理细节及抑制分数阶微分引入噪声方面都取得较好的效果。本文算法也适用于普通的模糊图像，具有良好的应用背景。关键词：图像增强;自适应;分数阶微分;非局部均值;婴幼儿脑MR图像3378|282|1更新时间：2024-05-07
医学图像处理
- 摘要：为了有效提高高光谱图像分类的精度，提出了双重L2稀疏编码的高光谱图像分类方法。 首先对高光谱图像进行预处理，充分结合图像的空间信息和光谱信息，利用像元的空间连续性，用L2稀疏编码重建图像中每个像元。针对重建的图像数据，依据L2稀疏编码的最小误差和编码系数实现分类。 在公开的数据库AVIRIS高光谱图像上进行验证，分类精度为99.44%，与支持向量机（SVM）、K最近邻（KNN）和L1稀疏编码方法比较，有效地提高了分类的准确性。 实验结果表明，提出的方法应用于高光谱图像分类具有较好的分类效果。关键词：稀疏编码;L2稀疏规则;高光谱图像;图像重建;图像分类3733|302|1更新时间：2024-05-07
遥感图像处理
- 地址：北京市海淀区北四环西路19号中科院电子所主楼223室 邮编：100190
- 联系电话：010-58887035/58887030/58887418 Email：jig@aircas.ac.cn
- 技术支持由北京北大方正电子有限公司提供 京ICP备05080539号-4
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0