CN105427350A - 基于局部四元数指数矩的彩色图像复制篡改检测方法 - Google Patents
基于局部四元数指数矩的彩色图像复制篡改检测方法 Download PDFInfo
- Publication number
- CN105427350A CN105427350A CN201510995786.XA CN201510995786A CN105427350A CN 105427350 A CN105427350 A CN 105427350A CN 201510995786 A CN201510995786 A CN 201510995786A CN 105427350 A CN105427350 A CN 105427350A
- Authority
- CN
- China
- Prior art keywords
- super
- local
- block
- pixel
- represent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开一种能够大幅度降低算法时间复杂度、准确检测出复制篡改区域的基于局部四元数指数矩的彩色图像篡改检测方法,利用基于熵率超像素分割算法结合非下采样Shearlet变换,对高斯平滑滤波预处理后的待检测图像进行自适应超像素分块;利用四元数指数矩表示Sifer特征点局部区域特征,并将每块超像素块中所有Sifer特征点的局部区域特征进行相似块匹配;利用步骤2得到的相似块中匹配的特征点确定出疑似篡改区域;利用形态学滤波操作标记出复制篡改区域。
Description
技术领域
本发明属于图像处理领域,尤其是一种能够大幅度降低算法时间复杂度、准确检测出篡改区域的基于局部四元数指数矩的彩色图像复制篡改检测方法。
背景技术
图像区域复制篡改是一种典型而有效的图像伪造方式,是将图像中某一区域进行复制,粘贴到同一图像的不相交区域,从而达到消除或隐藏图像的某一对象或某一片区域的目的。通常情况,针对图像实施区域复制篡改时,会人为地对篡改区域添加后处理操作,如高斯噪声、高斯模糊、双重JPEG压缩等操作,使人眼难以察觉,绝大多数篡改图像还混合对篡改区域实施诸如旋转、缩放的几何攻击操作,改变了复制区域的透视效果,从而使得粘贴的篡改区域更加逼真,增加了辨识与检测的难度。目前,已有一系列图像篡改检测方法,可以分为基于块匹配和基于特征点匹配两种篡改检测算法。基于分块匹配的篡改检测算法对篡改图像的检测精度较高,但整个算法的时间复杂度却非常大;基于特征点匹配的篡改检测算法,极大程度上降低了时间复杂度,但对于平滑的篡改区域检测效果却不很理想。
发明内容
本发明是为了解决现有技术所存在的上述技术问题,提供一种能够大幅度降低算法时间复杂度、准确检测出篡改区域的基于局部四元数指数矩的彩色图像复制篡改检测方法。
本发明的技术解决方案是:一种基于局部四元数指数矩的彩色图像复制篡改检测方法,其特征在于如下步骤:
步骤1:利用基于熵率超像素分割算法结合非下采样Shearlet变换,对高斯平滑滤波预处理后的待检测图像进行自适应超像素分块;
步骤2:利用四元数指数矩表示Sifer特征点局部区域特征,并利用每块超像素块中所有Sifer特征点的局部区域特征进行相似块匹配;
步骤3:利用步骤2得到的相似块中匹配的特征点确定出疑似篡改区域;
步骤4:利用形态学滤波操作标记出篡改区域。
所述步骤1如下:
步骤11:读取待检测图像,利用高斯平滑滤波进行预处理,去除噪声;
步骤12:对步骤11预处理后得到的图像进行非下采样Shearlet变换,自适应初始化超像素分块个数;
步骤13:利用基于熵率超像素分割算法结合步骤11初始化的分块个数,对预处理后图像进行自适应超像素分块。
所述步骤12如下:
步骤121:读取预处理后图像进行四级非下采样Shearlet变化,计算出低频能量占总能量比例,其中表示低频能量,表示高频能量,表示低频能量占总能量比例,可以表示为:
步骤122:通过步骤121计算出的低频能量所占比例,确定出初始化超像素分块个数,可以表示为:
。
所述步骤2如下:
步骤21:求取每个超像素块的Sifer特征点,构造出每个特征点对应的局部特征区域;
步骤22:利用四元数指数矩对步骤21得到的局部特征区域外接正方形子图像进行分解选择稳定矩幅值表示每个Sifer特征点局部区域特征;
步骤23:将每一个超像素块中所有Sifer特征点局部区域特征作为该块特征,通过自适应块匹配阈值进行相似块匹配。
所述步骤21如下:
步骤211:构造颜色不变量特征,利用CMG滤波器在X,Y方向上对图像进行n尺度滤波,可以表示为:
其中,参数b=1.0,K=6;
步骤212:计算CMG加和响应并在尺度间提取局部极值点并移除边缘响应,确定出稳定的特征点位置;
步骤213:利用二阶自相关矩阵R的特征值求取长短轴,利用二阶自相关矩阵R的特征向量求取角度,构造以此特征点为圆心的椭圆形局部特征区域,可以表示为:
其中,,,,,是特征对应尺度的波长;
步骤214:将局部特征区域映射成圆形区域,求取每个圆形区域四周补“0”以得到外接正方形子图像。
所述步骤22如下:
步骤221:假设、和分别表示彩色图像的、、三个分量,、和分别表示彩色图像、、三个分量的传统指数矩,表示取复数的实部,表示取复数的虚部,则四元数指数矩分解,可以表示为:
其中,
步骤222:选择步骤221中计算得到的四元数指数矩部分幅值表示该特征点Sifer的局部区域特征。
所述步骤23如下:
步骤231:将每个超像素块中所有Sifer特征点的局部区域特征共同表示该超像素块的特征,计算每一块与所有块中特征点特征匹配的个数,作为超像素块的相似系数CC,超像素块中的特征点和特征点匹配需要满足以下条件:
其中表示两个特征点和的特征向量的欧氏距离,表示特征点与另一块中其他特征点特征向量的欧氏距离,,表示另一块中特征点的个数;
步骤232:计算块匹配阈值确定出匹配的超像素块,将块间相关系数按升序存放进相关系数矩阵中,,其中;分别计算出相关系数矩阵的一阶导数,二阶导数,一阶导数的平均数。在二阶导数矩阵中选择满足以下条件且值最小的系数,即被选为块匹配阈值。
所述步骤3如下:
步骤31:标记出步骤2中匹配块中匹配的Sifer特征点;
步骤32:利用基于熵率超像素算法将疑似篡改区域分割成较小的超像素块,将步骤31中匹配的特征点用其位置所在的小超像素块代替,从而得到可疑区域;
步骤33:计算可疑区域的相邻区域颜色特征,如果小于给定的颜色特征阈值,则将相邻区域合并到可疑区域,形成合并区。
所述步骤4如下:
步骤41:构造圆形结构元素;
步骤42:利用步骤41构造的圆形结构元素对步骤33得到的合并区域进行形态学操作,标记出检测到的篡改区域。
本发明利用四元数指数矩表示Sifer特征点的特征,从而提高了特征点匹配的精度,同时将Sifer特征点匹配与超像素块匹配相结合进行复制篡改检测,实验结果表明,本发明能够在大幅度降低计算时间复杂度的同时准确检测出篡改区域。
具体实施方式
一种基于局部四元数指数矩的彩色图像复制篡改检测方法,按照如下步骤:
步骤1:利用基于熵率超像素分割算法结合非下采样Shearlet变换,对高斯平滑滤波预处理后的待检测图像进行自适应超像素分块,具体如下:
步骤11:读取待检测图像,利用高斯平滑滤波进行预处理,去除噪声;
步骤12:对步骤11预处理后得到的图像进行非下采样Shearlet变换,自适应初始化超像素分块个数;
步骤121:读取预处理后图像进行四级非下采样Shearlet变化,计算出低频能量占总能量比例,其中表示低频能量,表示高频能量,表示低频能量占总能量比例,可以表示为:
步骤122:通过步骤121计算出的低频能量所占比例,确定出初始化超像素分块个数,可以表示为:
;
步骤13:利用基于熵率超像素分割算法结合步骤11初始化的分块个数,对预处理后图像进行自适应超像素分块。
步骤2:利用四元数指数矩表示Sifer特征点局部区域特征,并将每块超像素块中所有Sifer特征点的局部区域特征进行相似块匹配,具体如下:
步骤21:求取每个超像素块的Sifer特征点,构造出每个特征点对应的局部特征区域;
步骤211:构造颜色不变量特征,利用CMG滤波器在X,Y方向上对图像进行n尺度滤波,可以表示为:
其中,参数b可控制CMG滤波器的带宽,由于b=0.4时旁瓣较多(因此会在定位特征位置时出现较多不确定或错误),在CMG滤波器中尺度检测与特征定位性能互相逆反,选取b=1.0,K=6;
步骤212:计算CMG加和响应并在尺度间提取局部极值点并移除边缘响应,确定出稳定的特征点位置;
步骤213:利用二阶自相关矩阵R的特征值求取长短轴,利用二阶自相关矩阵R的特征向量求取角度,构造以此特征点为圆心的椭圆形局部特征区域,可以表示为:
其中,,,,,是特征对应尺度的波长;
步骤214:将局部特征区域映射成圆形区域,求取每个圆形区域四周补“0”以得到外接正方形子图像。
步骤22:利用四元数指数矩对步骤21得到的局部特征区域外接正方形子图像进行分解选择稳定矩幅值表示每个Sifer特征点局部区域特征;
步骤221:假设、和分别表示彩色图像的、、三个分量,、和分别表示彩色图像、、三个分量的传统指数矩,表示取复数的实部,表示取复数的虚部,则四元数指数矩分解,可以表示为:
其中,
步骤222:选择步骤221中计算得到的四元数指数矩部分幅值表示该特征点Sifer的局部区域特征。
步骤23:将每一个超像素块中所有Sifer特征点局部区域特征作为该块特征,通过自适应块匹配阈值进行相似块匹配。
步骤231:将每个超像素块中所有Sifer特征点的局部区域特征共同表示该超像素块的特征,计算每一块与所有块中特征点特征匹配的个数,作为超像素块的相似系数CC,分别位于两块中的特征点和特征点匹配需要满足以下条件:
其中表示两个特征点和的特征向量的欧氏距离,表示特征点与另一块中其他特征点特征向量的欧氏距离,,表示另一块中特征点的个数;
步骤232:计算块匹配阈值确定出匹配的超像素块,将块间相关系数按升序存放进相关系数矩阵中,,其中;分别计算出相关系数矩阵的一阶导数,二阶导数,一阶导数的平均数。在二阶导数矩阵中选择满足以下条件且值最小的系数,即被选为块匹配阈值。
步骤3:利用步骤2得到的相似块中匹配的特征点确定出疑似篡改区域,具体如下:
步骤31:标记出步骤2中匹配块中匹配的Sifer特征点;
步骤32:利用基于熵率超像素算法将疑似篡改区域分割成较小的超像素块,将步骤31中匹配的特征点用其位置所在的小超像素块代替,从而得到可疑区域;
步骤33:计算可疑区域的相邻区域颜色特征,如果小于给定的颜色特征阈值,则将相邻区域合并到可疑区域,形成合并区。
步骤4:利用形态学滤波操作标记出篡改区域,具体如下:
步骤41:构造圆形结构元素;
步骤42:利用步骤41构造的圆形结构元素对步骤33得到的合并区域进行形态学操作,标记出检测到的篡改区域。
Claims (9)
1.一种基于局部四元数指数矩的彩色图像复制篡改检测方法,其特征在于如下步骤:
步骤1:利用基于熵率超像素分割算法结合非下采样Shearlet变换,对高斯平滑滤波预处理后的待检测图像进行自适应超像素分块;
步骤2:利用四元数指数矩表示Sifer特征点局部区域特征,并利用每块超像素块中所有Sifer特征点的局部区域特征进行相似块匹配;
步骤3:利用步骤2得到的相似块中匹配的特征点确定出疑似篡改区域;
步骤4:利用形态学滤波操作标记出篡改区域。
2.根据权利要求1所述的基于局部四元数指数矩的彩色图像复制篡改检测方法,其特征在于所述步骤1如下:
步骤11:读取待检测图像,利用高斯平滑滤波进行预处理,去除噪声;
步骤12:对步骤11预处理后得到的图像进行非下采样Shearlet变换,自适应初始化超像素分块个数;
步骤13:利用基于熵率超像素分割算法结合步骤11初始化的分块个数,对预处理后图像进行自适应超像素分块。
3.根据权利要求2所述的基于局部四元数指数矩的彩色图像复制篡改检测方法,其特征在于所述步骤12如下:
步骤121:读取预处理后图像进行四级非下采样Shearlet变化,计算出低频能量占总能量比例,其中表示低频能量,表示高频能量,表示低频能量占总能量比例,可以表示为:
步骤122:通过步骤121计算出的低频能量所占比例,确定出初始化超像素分块个数,可以表示为:
。
4.根据权利要求3所述的基于局部四元数指数矩的彩色图像复制篡改检测方法,其特征在于所述步骤2如下:
步骤21:求取每个超像素块的Sifer特征点,构造出每个特征点对应的局部特征区域;
步骤22:利用四元数指数矩对步骤21得到的局部特征区域外接正方形子图像进行分解选择稳定矩幅值表示每个Sifer特征点局部区域特征;
步骤23:将每一个超像素块中所有Sifer特征点局部区域特征作为该块特征,通过自适应块匹配阈值进行相似块匹配。
5.根据权利要求4所述的基于局部四元数指数矩的彩色图像复制篡改检测方法,其特征在于所述步骤21如下:
步骤211:构造颜色不变量特征,利用CMG滤波器在X,Y方向上对图像进行n尺度滤波,可以表示为:
其中,参数b=1.0,K=6;
步骤212:计算CMG加和响应并在尺度间提取局部极值点并移除边缘响应,确定出稳定的特征点位置;
步骤213:利用二阶自相关矩阵R的特征值求取长短轴,利用二阶自相关矩阵R的特征向量求取角度,构造以此特征点为圆心的椭圆形局部特征区域,可以表示为:
其中,,,,,是特征对应尺度的波长;
步骤214:将局部特征区域映射成圆形区域,求取每个圆形区域四周补“0”以得到外接正方形子图像。
6.根据权利要求5所述的基于局部四元数指数矩的彩色图像复制篡改检测方法,其特征在于所述步骤22如下:
步骤221:假设、和分别表示彩色图像的、、三个分量,、和分别表示彩色图像、、三个分量的传统指数矩,表示取复数的实部,表示取复数的虚部,则四元数指数矩分解,可以表示为:
其中,
步骤222:选择步骤221中计算得到的四元数指数矩部分幅值表示该特征点Sifer的局部区域特征。
7.根据权利要求6所述的基于局部四元数指数矩的彩色图像复制篡改检测方法,其特征在于所述步骤23如下:
步骤231:将每个超像素块中所有Sifer特征点的局部区域特征共同表示该超像素块的特征,计算每一块与所有块中特征点特征匹配的个数,作为超像素块的相似系数CC,超像素块中的特征点和特征点匹配需要满足以下条件:
其中表示两个特征点和的特征向量的欧氏距离,表示特征点与另一块中其他特征点特征向量的欧氏距离,,表示另一块中特征点的个数;
步骤232:计算块匹配阈值确定出匹配的超像素块,将块间相关系数按升序存放进相关系数矩阵中,,其中;分别计算出相关系数矩阵的一阶导数,二阶导数,一阶导数的平均数;在二阶导数矩阵中选择满足以下条件且值最小的系数,即被选为块匹配阈值。
。
8.根据权利要求7所述的基于局部四元数指数矩的彩色图像复制篡改检测方法,其特征在于所述步骤3如下:
步骤31:标记出步骤2中匹配块中匹配的Sifer特征点;
步骤32:利用基于熵率超像素算法将疑似篡改区域分割成较小的超像素块,将步骤31中匹配的特征点用其位置所在的小超像素块代替,从而得到可疑区域;
步骤33:计算可疑区域的相邻区域颜色特征,如果小于给定的颜色特征阈值,则将相邻区域合并到可疑区域,形成合并区。
9.根据权利要求8所述的基于局部四元数指数矩的彩色图像复制篡改检测方法,其特征在于所述步骤4如下:
步骤41:构造圆形结构元素;
步骤42:利用步骤41构造的圆形结构元素对步骤33得到的合并区域进行形态学操作,标记出检测到的篡改区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510995786.XA CN105427350B (zh) | 2015-12-28 | 2015-12-28 | 基于局部四元数指数矩的彩色图像复制篡改检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510995786.XA CN105427350B (zh) | 2015-12-28 | 2015-12-28 | 基于局部四元数指数矩的彩色图像复制篡改检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105427350A true CN105427350A (zh) | 2016-03-23 |
CN105427350B CN105427350B (zh) | 2018-12-07 |
Family
ID=55505530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510995786.XA Expired - Fee Related CN105427350B (zh) | 2015-12-28 | 2015-12-28 | 基于局部四元数指数矩的彩色图像复制篡改检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105427350B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600598A (zh) * | 2016-12-22 | 2017-04-26 | 辽宁师范大学 | 基于局部网格匹配的彩色图像篡改检测方法 |
CN106815836A (zh) * | 2017-01-11 | 2017-06-09 | 中国刑事警察学院 | 一种数字图像拼接篡改盲检测方法 |
CN107085835A (zh) * | 2017-05-10 | 2017-08-22 | 五邑大学 | 基于四元数加权核范数最小的彩色图像去噪方法 |
CN107993230A (zh) * | 2017-12-18 | 2018-05-04 | 辽宁师范大学 | 基于三角网格综合特征的图像篡改检测方法 |
CN108335290A (zh) * | 2018-01-23 | 2018-07-27 | 中山大学 | 一种基于liop特征与块匹配的图像区域复制篡改检测方法 |
WO2019061661A1 (zh) * | 2017-09-30 | 2019-04-04 | 平安科技(深圳)有限公司 | 图像篡改检测方法、电子装置及可读存储介质 |
CN109919927A (zh) * | 2019-03-06 | 2019-06-21 | 辽宁师范大学 | 基于快速四元数极谐变换的多对象篡改检测方法 |
CN109949348A (zh) * | 2019-01-22 | 2019-06-28 | 天津大学 | 一种基于超像素运动统计的误匹配去除方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008244699A (ja) * | 2007-03-27 | 2008-10-09 | Hitachi Koukiyou Syst Eng Kk | 画像処理装置、画像処理プログラム |
US20090260079A1 (en) * | 2005-10-18 | 2009-10-15 | Masakado Anbo | Information processing device, and method therefor |
CN104036485A (zh) * | 2013-08-21 | 2014-09-10 | 江南大学 | 一种关于图像重采样篡改检测的方法 |
CN104424641A (zh) * | 2013-09-07 | 2015-03-18 | 无锡华御信息技术有限公司 | 一种关于图像模糊篡改检测的方法 |
CN104616297A (zh) * | 2015-01-26 | 2015-05-13 | 山东省计算中心(国家超级计算济南中心) | 一种用于图像篡改取证的改进型sift算法 |
CN104616276A (zh) * | 2013-11-04 | 2015-05-13 | 沈阳工大普日软件技术有限公司 | 数字图像篡改盲检测系统 |
-
2015
- 2015-12-28 CN CN201510995786.XA patent/CN105427350B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090260079A1 (en) * | 2005-10-18 | 2009-10-15 | Masakado Anbo | Information processing device, and method therefor |
JP2008244699A (ja) * | 2007-03-27 | 2008-10-09 | Hitachi Koukiyou Syst Eng Kk | 画像処理装置、画像処理プログラム |
CN104036485A (zh) * | 2013-08-21 | 2014-09-10 | 江南大学 | 一种关于图像重采样篡改检测的方法 |
CN104424641A (zh) * | 2013-09-07 | 2015-03-18 | 无锡华御信息技术有限公司 | 一种关于图像模糊篡改检测的方法 |
CN104616276A (zh) * | 2013-11-04 | 2015-05-13 | 沈阳工大普日软件技术有限公司 | 数字图像篡改盲检测系统 |
CN104616297A (zh) * | 2015-01-26 | 2015-05-13 | 山东省计算中心(国家超级计算济南中心) | 一种用于图像篡改取证的改进型sift算法 |
Non-Patent Citations (2)
Title |
---|
MAINALI P等: "Sifer: Scale-invariant feature detector with error resilience", 《INTERNATIONAL JOURNAL OF COMPUTER VISION》 * |
王向阳等: "局部彩色图像的篡改检测与内容修复方法研究", 《辽宁师范大学学报》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600598A (zh) * | 2016-12-22 | 2017-04-26 | 辽宁师范大学 | 基于局部网格匹配的彩色图像篡改检测方法 |
CN106600598B (zh) * | 2016-12-22 | 2020-03-17 | 辽宁师范大学 | 基于局部网格匹配的彩色图像篡改检测方法 |
CN106815836A (zh) * | 2017-01-11 | 2017-06-09 | 中国刑事警察学院 | 一种数字图像拼接篡改盲检测方法 |
CN107085835B (zh) * | 2017-05-10 | 2019-09-24 | 五邑大学 | 基于四元数加权核范数最小的彩色图像去噪方法 |
CN107085835A (zh) * | 2017-05-10 | 2017-08-22 | 五邑大学 | 基于四元数加权核范数最小的彩色图像去噪方法 |
WO2019061661A1 (zh) * | 2017-09-30 | 2019-04-04 | 平安科技(深圳)有限公司 | 图像篡改检测方法、电子装置及可读存储介质 |
CN107993230A (zh) * | 2017-12-18 | 2018-05-04 | 辽宁师范大学 | 基于三角网格综合特征的图像篡改检测方法 |
CN107993230B (zh) * | 2017-12-18 | 2021-11-19 | 辽宁师范大学 | 基于三角网格综合特征的图像篡改检测方法 |
CN108335290A (zh) * | 2018-01-23 | 2018-07-27 | 中山大学 | 一种基于liop特征与块匹配的图像区域复制篡改检测方法 |
CN108335290B (zh) * | 2018-01-23 | 2021-11-12 | 中山大学 | 一种基于liop特征与块匹配的图像区域复制篡改检测方法 |
CN109949348A (zh) * | 2019-01-22 | 2019-06-28 | 天津大学 | 一种基于超像素运动统计的误匹配去除方法 |
CN109949348B (zh) * | 2019-01-22 | 2023-04-18 | 天津大学 | 一种基于超像素运动统计的误匹配去除方法 |
CN109919927A (zh) * | 2019-03-06 | 2019-06-21 | 辽宁师范大学 | 基于快速四元数极谐变换的多对象篡改检测方法 |
CN109919927B (zh) * | 2019-03-06 | 2022-12-16 | 辽宁师范大学 | 基于快速四元数极谐变换的多对象篡改检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105427350B (zh) | 2018-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105427350A (zh) | 基于局部四元数指数矩的彩色图像复制篡改检测方法 | |
CN106683046B (zh) | 用于警用无人机侦察取证的图像实时拼接方法 | |
CN111612820B (zh) | 多目标跟踪方法、特征提取模型的训练方法和装置 | |
CN103217438B (zh) | 一种基于图像特征的电路板元件精确定位与检测的方法 | |
CN104200461B (zh) | 基于互信息图像选块和sift特征的遥感图像配准方法 | |
Yang et al. | Infrared small maritime target detection based on integrated target saliency measure | |
CN110992263B (zh) | 一种图像拼接方法及系统 | |
CN104778701A (zh) | 一种基于rgb-d传感器的局部图像描述方法 | |
CN104616297A (zh) | 一种用于图像篡改取证的改进型sift算法 | |
CN110245600B (zh) | 自适应起始快速笔画宽度无人机道路检测方法 | |
CN102915540A (zh) | 基于改进的Harris-Laplace和SIFT描述符的影像匹配方法 | |
Tang et al. | Sonar image mosaic based on a new feature matching method | |
CN110009670A (zh) | 基于fast特征提取和piifd特征描述的异源图像配准方法 | |
Shiting et al. | Clustering-based shadow edge detection in a single color image | |
CN106815852B (zh) | 基于四元数极谐变换的彩色图像取证方法 | |
Liu et al. | A Multi-scale Feature Pyramid SAR Ship Detection Network with Robust Background Interference | |
CN107330436B (zh) | 一种基于尺度判据的全景图像sift优化方法 | |
Li et al. | Automatic matching of multispectral images based on nonlinear diffusion of image structures | |
Wang et al. | Unified detection of skewed rotation, reflection and translation symmetries from affine invariant contour features | |
CN113793372A (zh) | 异源图像的优化配准方法及系统 | |
CN109447957B (zh) | 一种基于关键点传递匹配的图像复制粘贴检测方法 | |
Yu et al. | Coarse-to-fine accurate registration for airborne Sar images using SAR-FAST and DSP-LATCH | |
CN104700401A (zh) | 一种基于K-Means聚类法的图像仿射变换控制点选取方法 | |
Pan et al. | Remote Sensing Image Ship Detection Based on Dynamic Adjusting Labels Strategy | |
CN110781977A (zh) | 基于空间相关性和极限学习机的运动阴影检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181207 Termination date: 20191228 |
|
CF01 | Termination of patent right due to non-payment of annual fee |