CN107133617B - 一种基于计算关联成像的无成像目标认证系统及认证方法 - Google Patents

一种基于计算关联成像的无成像目标认证系统及认证方法 Download PDF

Info

Publication number
CN107133617B
CN107133617B CN201710266571.3A CN201710266571A CN107133617B CN 107133617 B CN107133617 B CN 107133617B CN 201710266571 A CN201710266571 A CN 201710266571A CN 107133617 B CN107133617 B CN 107133617B
Authority
CN
China
Prior art keywords
imaging
target
authenticated
light
hash
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.)
Active
Application number
CN201710266571.3A
Other languages
English (en)
Other versions
CN107133617A (zh
Inventor
石剑虹
陈慧超
曾贵华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201710266571.3A priority Critical patent/CN107133617B/zh
Publication of CN107133617A publication Critical patent/CN107133617A/zh
Application granted granted Critical
Publication of CN107133617B publication Critical patent/CN107133617B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/147—Details of sensors, e.g. sensor lenses
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/262—Analysis of motion using transform domain methods, e.g. Fourier domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/431—Frequency domain transformation; Autocorrelation
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20052—Discrete cosine transform [DCT]
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Vascular Medicine (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供一种基于计算关联成像的无成像目标认证系统，包括光源、空间光调制装置、透镜、探测器与处理器模块，其中空间光调制装置用于调制光源发射的光并照射至待认证目标处，透镜用于汇聚待认证目标的反射光，探测器用于探测反射光的强度，处理器模块用于采集探测器的数据并采用感知哈希算法进行待认证目标的无成像认证。本发明还提供一种基于计算关联成像的无成像目标认证方法。本发明提供的基于计算关联成像的无成像目标认证系统及认证方法，使用傅里叶系数矩阵直接计算哈希值，不进行恢复图像，实现无成像目标认证，减少了成像过程的计算量及误差；通过差分测量获取待认证目标的傅里叶系数矩阵，克服现有技术中目标认证方式抗噪声能力低的缺点。

Description

一种基于计算关联成像的无成像目标认证系统及认证方法
技术领域
本发明涉及计算关联成像与图像处理领域，具体涉及基于计算关联成像的无成像目标认证系统及认证方法。
背景技术
目标认证是目标跟踪识别的重要过程。在诸如军事探测、智能监控、生物医学等各个方面都有着重要的应用。关联成像，又称鬼成像，作为一种新的光学成像方式，近年来引起广泛的关注，并取得了极大的发展。
相比于传统成像，它能够突破衍射极限实现高分辨率成像、弱光成像和单像素成像，具有抗干扰和散射介质能力强、受云、雾等气象因素影响小等优势，在实际应用中发挥越来越重要的功用近年来，鬼成像研究的重点已经从基础理论研究转向实际应用。
鬼成像与其他交叉学科相结合已经发挥出了一些优势，近年来提出的基于计算关联成像的目标认证方案，实现了低于5％奈奎斯特极限的目标认证。
现有技术中的目标认证方案，需要采集到光强信息后，运用成像算法恢复图像，再采集图像的特征与对比图像特征比较，实现目标认证，但成像本身增加了不必要的运算。
现有的认证目标系统和方法，获取待认证目标的傅里叶系数矩阵，计算哈希值时先进行图像恢复，成像过程需要较大的计算量，另外还增加了认证过程的造成的误差。
发明内容
如果在认证过程中不进行图像恢复，也就是无成像认证，就可以减少成像过程的计算量，还能减少成像对认证造成的误差。
感知哈希算法(PHA)是哈希算法的一类，主要用于相似图片的搜索工作，具有平移不变性、旋转不变性、缩放不变性等三大主要性质。通过计算得到图像的离散余弦变换(DCT)系数矩阵，进一步计算哈希值，比较不同图片之间的哈希值，得到他们之间的哈希距离，从而实现相似图片的搜索。
感知哈希算法本身是一个成熟的理论，将其结合到关联成像系统中，计算哈希值其实就是提取目标图像的特征，通过特征的比对进行目标认证，因此不需要成像过程。
为了能够采用感知哈希算法进行待认证目标的无成像认证，需要获得图像的傅里叶谱，因此需要采用四步正弦相移结构光分布的光场，通过差分测量可以直接获得图像的傅里叶谱，也就是通过调制预知的正弦结构光谱取代随机的散斑图，可以直接得到待认证目标图像的傅里叶系数矩阵，这种直接获取目标图像傅里叶系数矩阵的方式使得无成像目标认证在鬼成像中得以实现。
鉴于现有技术中存在的问题，根据上面的方法本发明提供一种基于计算关联成像的无成像目标认证系统，计算哈希值时不进行图像恢复，实现无成像目标认证，无成像不仅减少了成像过程的计算量，还能减少成像对认证造成的误差；无需使用空间阵列探测装置，通过桶探测器得到目标的傅里叶系数矩阵，最终实现了低于奈奎斯特极限1％的无成像的目标认证。
这种技术在军事侦查，探测，遥感等领域中都有着重要的意义。
本发明还提供一种基于计算关联成像的无成像目标认证方法。
本发明提供一种基于计算关联成像的无成像目标认证系统，包括光源、空间光调制装置、透镜、探测器与处理器模块，其中空间光调制装置用于调制光源发射的光并照射至待认证目标处，透镜用于汇聚待认证目标的反射光，探测器用于探测反射光的强度，处理器模块用于采集探测器的数据并采用感知哈希算法进行待认证目标的无成像认证。
进一步地，空间光调制装置使用预置调制信息进行光场调制，生成空间光场为四步正弦相移结构光分布的光场。
进一步地，探测器为阵列探测器或桶探测器。
进一步地，处理器用于同步控制，用于同步空间光调制装置与探测器。
进一步地，处理器分别与空间光调制装置、探测器连接。
进一步地，探测器与空间光调制装置以相同的频率进行光场强度值采集，处理器进行解同步操作。
进一步地，光源为单色LED或热光源。
进一步地，空间光调制装置为空间光调制器或数字投影仪。
进一步地，透镜为凹透镜或凸透镜。
进一步地，桶探测器为光电二极管或光电倍增管。
本发明还提供一种基于计算关联成像的无成像目标认证方法，基于计算关联成像的无成像目标认证系统包括光源、空间光调制装置、透镜、探测器与处理器模块，基于计算关联成像的无成像目标认证方法包括以下步骤：
-空间光调制装置调制光源发射的光并照射至待认证目标处；
-透镜汇聚所述待认证目标的反射光；
-处理器模块采集探测器探测的所述反射光的强度；
-通过差分测量方式获得待认证目标的傅里叶系数矩阵；
-取所述傅里叶系数矩阵的实数部分，计算待认证目标的哈希值；
-将待认证目标的哈希值与对比目标的哈希值比较，得到哈希距离；
-如果哈希距离大于或等于预先设定的阈值，待认证目标得到认证。
进一步地，空间光调制装置调制光源发射的光，包括以下步骤：
空间光调制装置使用预置调制信息进行光场调制，生成空间光场为四步正弦相移结构光分布的光场。
进一步地，取所述傅里叶系数矩阵的实数部分，计算待认证目标的哈希值时，只计算傅里叶系数矩阵的低频角的哈希值。
与现有技术相比，本发明提供的基于计算关联成像的无成像目标认证系统及认证方法，具有以下有益效果：
1、将获取的傅里叶系数矩阵直接计算哈希值，不进行恢复图像，实现无成像目标认证，无成像不仅减少了成像过程的计算量，还能减少成像对认证造成的误差；
2、通过差分测量的方式获取待认证目标的傅里叶系数矩阵，差分测量不仅能够直接获取待认证目标的傅里叶系数矩阵，还能消除直流项与环境光噪声，克服现有技术中目标认证方式抗噪声能力低的缺点；
3、对光源要求简单，普通的光源就可以实现；
4、无需阵列探测器，只需要一个桶探测器，采集数量小；
5、感知哈希算法的平移不变性、旋转不变性、缩放不变性等三大主要性质，即使目标有稍微的变化，只要设定合适的阈值，仍然能够实现精确的认证，灵活性高；
6、光路简单，易于操作，便于实现。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本实用新型的其它特征、目的和优点将会变得更明显：
图1是本发明的一个实施例的基于计算关联成像的无成像目标认证系统的示意图；
图2为图1所示的基于计算关联成像的无成像目标认证系统采用无成像感知哈希目标认证方法认证一个目标的结果图；
图3为图1所示的基于计算关联成像的无成像目标认证系统采用无成像感知哈希目标认证方法认证另一个目标的结果图。
具体实施方式
如图1所示，本发明的一个实施例的基于计算关联成像的无成像目标认证系统，包括光源1、空间光调制装置2、透镜3、探测器4与处理器模块5，其中空间光调制装置2用于调制所述光源1发射的光并照射至待认证目标6处，透镜3用于汇聚待认证目标6的反射光，探测器4用于探测反射光的强度，处理器模块5用于采集探测器4的数据并采用感知哈希算法进行待认证目标6的无成像认证。
处理器模块5用于同步控制，用于同步空间光调制装置2与探测器4。
本实施例中，处理器模块5分别与空间光调制装置2、探测器4连接，实现同步控制。
在其他的实施例中，探测器4可以与空间光调制装置2以相同的频率进行光场强度值采集，处理器模块5进行解同步操作，实现同步控制。
为了能够采用感知哈希算法进行待认证目标6的无成像认证，需要获得图像的傅里叶谱，因此需要采用四步正弦相移结构光分布的光场，通过差分测量可以直接获得图像的傅里叶谱。
使用预置调制信息，空间光调制装置2通过空间光调制装置进行光场调制，生成空间光场为四步正弦相移结构光分布的光场。
光源1为单色LED或热光源，本实施例中采用单色LED。
空间光调制装置2可以采用数字投影仪，当然也可以采用空间光调制器。本实施例中采用数字投影仪。
基于计算关联成像的无成像目标认证方法包括以下步骤：
-空间光调制装置调制光源发射的光并照射至待认证目标处；
-透镜汇聚所述待认证目标的反射光；
-处理器模块采集探测器探测的所述反射光的强度；
-通过差分测量方式获得待认证目标的傅里叶系数矩阵；
-取所述傅里叶系数矩阵的实数部分，计算待认证目标的哈希值；
-将待认证目标的哈希值与对比目标的哈希值比较，得到哈希距离；
-如果哈希距离大于或等于预先设定的阈值，待认证目标得到认证。
空间光调制装置调制光源发射的光，包括以下步骤：
空间光调制装置使用预置调制信息进行光场调制，生成空间光场为四步正弦相移结构光分布的光场。
四步正弦相移结构光就是一种预先生成的具有特殊相移的正弦光，包括四组具有相位差的光源，因此称为四步正弦相移结构光。
获得四步相移正弦光的方法由下面公式给出：
Figure BDA0001276212070000041
Figure BDA0001276212070000042
Figure BDA0001276212070000043
Figure BDA0001276212070000044
其中，P0,Pπ/2,Pπ,P3π/2分别为具有相位差的正弦光，k，l，m，n，N，M为傅立叶变换中的变量，取值范围为0—32。
数字投影仪使用预置调制信息，生成空间光场为四步正弦相移结构光分布的光场。
处理器模块5控制数字投影仪将四步相移正弦结构光投影到待认证目标上，经过待认证目标6反射后的光由透镜3汇聚，探测器4接收经透镜3汇聚的反射光。
透镜3为凹透镜或凸透镜，本实施例中采用凸透镜。
探测器4可以是阵列探测器，例如CCD相机，也可以是桶探测器，例如光电二极管、光电倍增管。
采用桶探测器，采集数量小，能够提高认证过程的效率。本实施例中，探测器4采用光电倍增管。
处理器模块5用于采集探测器4的数据并采用感知哈希算法进行待认证目标的无成像认证。
本实施例中，每个傅里叶系数I采用差分测量获得：
I＝[D0-Dπ]+j*[Dπ/2-D3π/2] (5)
其中，j表示虚数单位，D0,Dπ/2,Dπ,D3π/2分别对应于P0,Pπ/2,Pπ,P3π/2正弦光的探测器的响应，也就是探测到总光强值。
多个傅里叶系数I构成傅里叶系数矩阵，取傅里叶系数矩阵的实数部分计算待认证目标的哈希值。
待认证目标的哈希距离表示待认证目标图像哈希值与图像库中对比图像哈希值之间的差值，哈希距离Dmn的计算公式为：
Dmn＝|mi-ni| (6)
其中mi、ni分别为待认证目标的哈希值和对比图像的哈希值，具体为0或1的二进制序列，i为哈希值的下标，取值范围为0到M*N之间，M、N为公式(1)-(4)中的M、N，本实施例中M、N均取32，i的取值范围为0-1024。
设定合适的阈值实现无成像目标认证，例如仿真中，目标图像与原图的哈希距离为0，而与其他对比图像的哈希距离最小值为300以上。因此本实施例中的阈值只要大于0且小于或等于300即可。
待认证目标为一张300*300像素的蝴蝶图片，现有技术中的目标认证需要恢复图像后认证，采样32*32*4次可以获得目标的傅里叶系数矩阵。
采用本实施例中基于计算关联成像的无成像目标认证系统，取傅里叶系数矩阵的实数部分计算待认证目标的哈希值，本实施例中是为了实现目标认证，不需要成像。因此只需要一半的采样次数，即32*32*2次，就可以计算目标的哈希值。
然后计算目标哈希值与对比图像哈希值之间的哈希距离，如图2，横坐标表示对比图像的编号，纵坐标表示目标图像与对比图像的哈希距离，从图中可以看出，第5张对比图像就是目标图像原图，它与目标图像的哈希距离为0。而与其他对比图像的哈希距离都大于300。此时，设定阈值为0到300之间，即可实现无成像感知哈希目标认证。
实施例二
目标为一张200*200像素的鲜花图片，传统的目标认证需要恢复图像后认证。
通常采样32*32*4次情况下可以直接获得目标的傅里叶系数矩阵。然而本实施例中只需要实数部分，因此只需要采样32*32*2次，就可以计算目标的哈希值，然后计算目标哈希值与对比图像哈希值之间的哈希距离。如图3，横坐标表示对比图像的编号，纵坐标表示目标图像与对比图像的哈希距离，从图中可以看出，第18张对比图像就是目标图像原图，它与目标图像的哈希距离为0。而与其他对比图像的哈希距离都大于400。此时，设定阈值为0到400之间，即可实现无成像感知哈希目标认证。
实施例三
实际上，采用离散傅立叶变换(discrete Fourier transform，DFT)变换得到图片的傅里叶系数，傅里叶变换将图片的信息集中在傅里叶系数矩阵的低频部分，因此可以只计算傅里叶系数矩阵的低频角的哈希值，也能识别出目标信息。
选取了200*200的目标图像作为测试图像，仍然取M、N均为32。
如果以上面的方法来认证待认证目标，最少需要32*32*2次采样。
自然界的图像都是稀疏的，傅立叶采样本身就是一个压缩采样的过程。根据傅立叶变换的特性，傅立叶系数矩阵的低频角分布集中在其矩阵的四个角，即左上角、右上角、左下角和右下角。
而如果只采样四个低频角的8*8个像素点求哈希值，如下表所示：
目标图像与对比图像之间的哈希距离
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
0 22 12 18 8 8 6 8 22 13 7 30 14 21 21 23 14 13 16 9 10 15 12
0 42 27 44 28 27 25 29 33 33 36 46 42 32 34 35 35 41 26 35 34 34 33
0 32 26 44 30 22 24 28 33 26 20 43 37 31 42 39 40 46 24 34 38 42 33
0 32 19 32 25 33 38 31 32 27 30 26 33 38 37 29 42 32 35 22 32 34 28
其中，第一行表示图像库中的23张对比图像，下面的四行分别代表待认证目标图像与图像库的对比图像的左上角、右上角、左下角、右下角8*8个像素的哈希距离。
可以看出，待认证目标图像与原图(第1张对比图像)四个低频角之间的哈希距离为0，待认证目标图像与其他对比图像之间的哈希距离都不为0，此时只需要8*8*2次采样，可以计算出它们之间的哈希距离。
一张超过40000像素的图片，只需要不超过200多次采样就能够认证目标图像，实现了低于奈奎斯特极限1％情况下的无成像目标认证。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (2)

1.一种基于计算关联成像的无成像目标认证方法，其特征在于，基于计算关联成像的无成像目标认证系统包括光源、空间光调制装置、透镜、探测器与处理器模块，所述基于计算关联成像的无成像目标认证方法包括以下步骤：
-空间光调制装置调制光源发射的光并照射至待认证目标处；
-透镜汇聚所述待认证目标的反射光；
-处理器模块采集探测器探测的所述反射光的强度；
-通过差分测量获得待认证目标的傅里叶系数矩阵；
-取所述傅里叶系数矩阵的实数部分，计算待认证目标的哈希值；
-将待认证目标的哈希值与对比目标的哈希值比较，得到哈希距离；
-如果哈希距离大于或等于预先设定的阈值，待认证目标得到认证；
-所述空间光调制装置使用预置调制信息进行光场调制，生成空间光场为四步正弦相移结构光分布的光场，通过差分测量直接获得图像的傅里叶谱，获得所述四步相移正弦光的方法由下面公式给出：
Figure FDA0002698530720000011
Figure FDA0002698530720000012
Figure FDA0002698530720000013
Figure FDA0002698530720000014
所述哈希距离Dmn的计算公式为：
Dmn＝|mi-ni| (6)；
其中M、N均取32，i的取值范围为0-1024；
所述阈值大于0且小于或等于300。
2.如权利要求1所述的基于计算关联成像的无成像目标认证方法，其特征在于，取所述傅里叶系数矩阵的实数部分，计算待认证目标的哈希值时，只计算傅里叶系数矩阵的低频角的哈希值。
CN201710266571.3A 2017-04-21 2017-04-21 一种基于计算关联成像的无成像目标认证系统及认证方法 Active CN107133617B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710266571.3A CN107133617B (zh) 2017-04-21 2017-04-21 一种基于计算关联成像的无成像目标认证系统及认证方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710266571.3A CN107133617B (zh) 2017-04-21 2017-04-21 一种基于计算关联成像的无成像目标认证系统及认证方法

Publications (2)

Publication Number Publication Date
CN107133617A CN107133617A (zh) 2017-09-05
CN107133617B true CN107133617B (zh) 2021-09-03

Family

ID=59715036

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710266571.3A Active CN107133617B (zh) 2017-04-21 2017-04-21 一种基于计算关联成像的无成像目标认证系统及认证方法

Country Status (1)

Country Link
CN (1) CN107133617B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107807444A (zh) * 2017-09-06 2018-03-16 南京邮电大学 一种基于差分的投影仪“街角成像”方法
CN110108307A (zh) * 2019-05-17 2019-08-09 北京邮电大学 一种可调正交化深度的鬼成像方法
CN113567436A (zh) * 2021-07-22 2021-10-29 上海交通大学 一种基于深度卷积神经网络的显著性目标检测装置及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103472456A (zh) * 2013-09-13 2013-12-25 中国科学院空间科学与应用研究中心 一种基于稀疏孔径压缩计算关联的主动成像系统及方法
CN103777206A (zh) * 2014-01-26 2014-05-07 上海交通大学 一种基于偏振关联成像的单像素成像系统
CN106251365A (zh) * 2016-07-22 2016-12-21 北京邮电大学 多曝光视频融合方法及装置
WO2016175908A8 (en) * 2015-04-30 2017-02-02 TigerIT Americas, LLC Systems, methods and devices for tamper proofing documents and embedding data in a biometric identifier

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7812303B2 (en) * 2007-12-06 2010-10-12 The United States Of America As Represented By The Secretary Of The Army Method and system for creating an image using quantum properties of light based upon spatial information from a second light beam which does not illuminate the subject
US8811763B2 (en) * 2007-12-06 2014-08-19 The United States Of America As Represented By The Secretary Of The Army Method and system for producing image frames using quantum properties

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103472456A (zh) * 2013-09-13 2013-12-25 中国科学院空间科学与应用研究中心 一种基于稀疏孔径压缩计算关联的主动成像系统及方法
CN103472456B (zh) * 2013-09-13 2015-05-06 中国科学院空间科学与应用研究中心 一种基于稀疏孔径压缩计算关联的主动成像系统及方法
CN103777206A (zh) * 2014-01-26 2014-05-07 上海交通大学 一种基于偏振关联成像的单像素成像系统
WO2016175908A8 (en) * 2015-04-30 2017-02-02 TigerIT Americas, LLC Systems, methods and devices for tamper proofing documents and embedding data in a biometric identifier
CN106251365A (zh) * 2016-07-22 2016-12-21 北京邮电大学 多曝光视频融合方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Secure Perceptual Hash Algorithm for Image Content Authentication;Li Weng and Bart Preneel;《International Federation for Information Processing》;20111230;正文112、114-115页 *
Single-pixel imaging by means of Fourier spectrum acquisition;Zibang Zhang etc;《NATURE COMMUNICATIONS》;20150204;正文2-3、6页 *

Also Published As

Publication number Publication date
CN107133617A (zh) 2017-09-05

Similar Documents

Publication Publication Date Title
US10944961B2 (en) Systems and methods for dynamic calibration of array cameras
US10462362B2 (en) Feature based high resolution motion estimation from low resolution images captured using an array source
Gupta et al. Micro phase shifting
Kobayashi et al. Detecting forgery from static-scene video based on inconsistency in noise level functions
CN104620519B (zh) 光检测系统和方法
Cevher et al. Compressive sensing for background subtraction
Sarvaiya et al. Image registration using log polar transform and phase correlation to recover higher scale
CN107133617B (zh) 一种基于计算关联成像的无成像目标认证系统及认证方法
Stent et al. Detecting change for multi-view, long-term surface inspection.
CN105716725B (zh) 一种基于叠层扫描的相位差波前探测和图像复原方法
CN101326549B (zh) 检测数字图像中的条纹的方法
CN105931196A (zh) 基于傅里叶光学建模的编码光圈相机图像恢复方法
CN110120013B (zh) 一种点云拼接方法及装置
Meola et al. Application of model-based change detection to airborne VNIR/SWIR hyperspectral imagery
Li et al. Shadow-free single-pixel imaging
Jacobs et al. Toward fully automatic geo-location and geo-orientation of static outdoor cameras
CN107421439B (zh) 一种无成像目标显著性检测与坐标跟踪系统及方法
KR20200016507A (ko) 영상 합성 방법 및 장치
Han et al. Feature conjugation for intensity-coded LIDAR point clouds
Privman-Horesh et al. Forgery detection in 3D-sensor images
JP2001116690A (ja) 路面水分検知方法および路面水分検知装置
Chen et al. Depth estimation of light field data from pinhole-masked DSLR cameras
JP2009217496A (ja) 画素間の類似尺度をリアルタイムで計算するための装置及びプログラム
Sudhakar et al. Compressive schlieren deflectometry
Filippov et al. Long-Range Thermal 3D Perception in Low Contrast Environments

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant