运用ULBP的高分辨率遥感影像感知哈希完整性认证算法

针对现有高分辨率遥感影像感知哈希认证算法中特征提取精度和算法稳健性不能兼顾的问题,本文提出一种运用ULBP的高分辨率遥感影像感知哈希完整性的认证算法。首先对遥感影像进行格网划分,将影像划分为多个子块,运用ULBP算法提取子块的纹理特征;然后计算每个子块内纹理特征的直方图分布,将其结果与均值二值化后得到子块的感知哈希序列;最后串联所有子块的感知哈希序列生成整幅影像的感知哈希值。在影像认证时,首先计算原始影像与待检测影像的哈希序列,然后计算两者的感知哈希序列平均汉明距离,完成对高分辨率遥感影像内容的完整性认证与篡改定位。试验表明,该算法能够识别高分辨率遥感影像中地物较为平滑的区域,同时对JPEG压缩、高斯噪声添加、BMP格式转换等操作具有良好的稳健性,为高分辨遥感影像完整性认证提供支持。     

基于自适应格网划分的遥感影像感知哈希认证算法

针对遥感影像大数据量和信息分布不均匀的特点,提出了一种基于自适应格网划分的遥感影像感知哈希算法,并将其用于遥感影像的完整性认证。该算法基于自适应策略对信息丰富的影像区域进行粒度更细的完整性认证,首先对原始影像进行波段融合,然后根据信息熵对波段融合结果进行自适应的格网划分,最后提取格网单元的局部特征构造感知哈希序列。影像接收端通过收到的感知哈希序列实现影像的认证。实验表明,本文算法能够识别遥感影像局部细节篡改,并对保持内容不变的操作具有鲁棒性,实现了遥感影像基于内容的完整性认证。     

一种高分二号影像双重水印算法

传统水印算法无法实现同时对版权保护与内容认证的双重功能,针对GF-2影像版权保护与内容认证问题,提出一种基于DWT变换与SIFT算子的双重数字水印算法.该算法先后嵌入两重水印,第一重水印用于对影像的版权保护,第二重水印则用于影像内容认证;为了提高水印的不可感知性和鲁棒性,将版权信息经Arnold变换后作为第一重水印,并按照人类视觉的特点嵌入到DWT变换后的低频分量上;利用SIFT算子提取影像特征信息,经SVD压缩后作为第二重水印,将该水印嵌入到含第一重水印影像数据的SVD变换后数据中,得到最终含两重水印影像.影像内容的认证运用欧氏距离方法.实验表明,本方案在保持影像质量的前提下,对常见的几何攻击有较强的鲁棒性,并能够实现影像内容的认证,解决了 GF-2影像版权保护和内容认证的问题.     

基于SIFT匹配和RANSAC算法的超分辨率重建

图像超分辨率重建技术是根据序列图像间信息互补重建高分辨率图像的技术，其主要步骤在于精确运动估计算法和有效超分辨率重建算法。针对存在旋转、缩放变换的序列图像，本文提出一种基于SIFT匹配和随机采样一致性算法（RANSAC）的运动估计算法，该方法首先使用SIFT算法对图像序列的特征点进行提取并匹配，然后使用RANSAC算法消除误匹配点并获取投影变换矩阵，从而获得图像序列间的亚像素级的运动信息；采用一组低分辨率序列图像进行试验，基于上述运动估计算法，采用迭代反投影进行超分辨率重建。试验结果表明，运动估计精度较高，重建影像具有较好的视觉效果，尤其适用于影像序列间存在旋转缩放运动的图像序列的超分辨率重建。     

分片纠正的球面全景影响匹配方法研究

针对球面全景影像等矩形投影易带来非线性畸变,而直接将传统特征匹配方法应用于全景影像很难满足实际应用需求的问题,该文提出了一种基于分片纠正的球面全景影像匹配方法:先将等距形投影的全景影像按经纬度分成N个子影像块,对每个子块进行投影转换以得到畸变纠正后的影像,并对其做SIFT特征提取及描述,将N个子影像的SIFT特征进行坐标转换并合并即可获得整幅全景影像的特征集,进而完成多幅全景影像间的匹配.经过分片纠正后的影像在较大程度上保证了空间物体的几何属性,提高了特征匹配的质量.     

结合Harris-Laplace与SIFT特征的无人机倾斜影像拼接

针对无人机影像存在仿射变形与阴影问题,本文提出应用Harris-Laplace与SIFT特征的倾斜无人机影像匹配方法。首先,提取具有光照、影像噪声、尺度不变性的Harris-Laplace关键点,并计算关键点的主方向,生成特征点;然后采用SIFT特征描述子对第一步提取的特征点进行表达;最后,采用BBF方法提取初始匹配点对和最小二乘法约束的均方根误差(RMSE)剔除。实验结果表明,该算法在存在仿射变形、高大建筑物阴影的影像匹配表现较好的结果。     

分片纠正的球面全景影像匹配方法研究

针对球面全景影像等矩形投影易带来非线性畸变,而直接将传统特征匹配方法应用于全景影像很难满足实际应用需求的问题,该文提出了一种基于分片纠正的球面全景影像匹配方法:先将等距形投影的全景影像按经纬度分成N个子影像块,对每个子块进行投影转换以得到畸变纠正后的影像,并对其做SIFT特征提取及描述,将N个子影像的SIFT特征进行坐标转换并合并即可获得整幅全景影像的特征集,进而完成多幅全景影像间的匹配。经过分片纠正后的影像在较大程度上保证了空间物体的几何属性,提高了特征匹配的质量。     

利用Harris-Laplace和SIFT描述子进行低空遥感影像匹配

提出了基于Harris-Laplace和SIFT描述子的改进的特征匹配方法。在特征点检测阶段,采用Har-ris-Laplace算法检测出影像上的关键点,该关键点对光照变化、图像噪声和尺度变化具有不变性;然后,确定关键点的主方向,生成特征点。在特征点描述阶段,采用SIFT描述子对特征点进行描述;在特征点匹配阶段则利用BBF算法和RANSAC算法对特征点进行粗匹配和精匹配。实验结果表明,相对于基于SIFT的匹配方法,此算法在匹配速度相同的情况下,提高了匹配精度。     

基于视觉显著点特征的遥感影像检索方法

本文提出一种基于视觉显著点特征的遥感影像检索方法,首先采用SIFT算法提取遥感影像中的关键点及其特征,同时利用GBVS模型计算影像的显著图以分离影像显著区和背景,然后提取显著区内的关键点以构建视觉显著点特征,最后用其计算影像间的相似度并返回相似影像。实验表明,与传统检索算法相比,本文提出的算法能够有效提高影像查准率。     

基于点特征的低空遥感影像多级高效率匹配方法研究

研究基于点特征的匹配算法,结合现有影像匹配算子的优缺点,提出一种适用于低空遥感影像特征点的自动提取与匹配方法。首先在简化的高斯尺度空间中检测Harris角点,使该特征点具有尺度不变性;然后采用Forstner算子对关键点精确定位,精度达到子像素级;最后通过简化特征点描述符实现算法简化。在特征点匹配阶段,采用BBF-KD初匹配和二次精匹配提高匹配精度。以低空遥感影像为实验数据测评SIFT算法和文中方法在提取速度、匹配正确率、稳定性等方面的性能。实验结果表明,相对于传统的SIFT算法,处理影像清晰的低空遥感数据时本方法有更高精度和更快速度。     

一种改进的SIFT描述子及其性能分析

为了解决传统SIFT描述子在图像存在多个相似区域时易造成误匹配的问题,提出了一种改进的SIFT描述子及其生成方法。该方法通过构建尺度空间、检测极值点、确定关键点等步骤生成关键特征点,然后计算每个关键点周围图像区域的旋转不变纹理特征作为该关键点的描述,并将其融合到局部特性SIFT描述向量中,形成旋转不变纹理化SIFT描述子,并采用了两种不同的匹配策略应用于图像匹配,实验结果表明,本方法更加全面地描述了图像信息,有效提高了SIFT算法匹配准率,改善了匹配效果,实现了对SIFT算法的改良。     

利用改进的DCCD和SIFT描述符的影像匹配方法

提出一种基于改进的DCCD(double-cirele-based corner detector, )和SIFT(scale invariant feature transform)描述符的影像匹配方法。在特征点检测阶段,首先采用改进的DCCD快速检测影像上的关键点,然后确定关键点的主方向,生成特征点。在特征点描述阶段,采用SIFT描述符描述特征点。在特征点匹配阶段,分别采用BBF(best bin first)算法和RANSAC(随机采样一致性)算法进行特征点粗匹配和误匹配特征点剔除。实验结果表明,与基于Harris角点和SIFT描述符的影像匹配方法相比,该方法在匹配速度和准确率方面得到了提高。     

最优路径的无人机影像拼接

SIFT算法是基于尺度空间的特征匹配方法,该算法为每个关键点指定了方向参数,具备旋转不变性,对图像倾斜的适应性很强.本文采用SIFT算法对无人机图像提取特征点,利用欧氏距离粗匹配,通过距离中误差精匹配.在对拼接误差原因分析的基础上,提出了采用最优路径的拼接方法来降低误差.     

基于SIFT的无人机遥感影像匹配算法研究

无人机遥感影像存在像幅小、数量多、基线短、重叠度不规则且倾角过大等问题,传统的灰度匹配很难胜任无人机遥感影像的匹配。SIFT特征具有旋转、微小仿射的不变性。本文分析SIFT特征的优点,指出其存在的问题,结合灰度匹配、最小二乘匹配及影像金字塔策略,提出了一套适合无人机遥感影像的匹配算法流程。     

一种结合拓扑信息和SIFT特征的多源遥感影像自动匹配方法

基于单一特征的匹配办法在多源遥感影像匹配中往往不适用的问题,提出了一种结合拓扑信息和SIFT特征的自动多源遥感影像匹配方法。该方法首先在两幅影像中使用SIFT算法在尺度空间上提取特征向量,其次对这些特征点使用最近邻提取1：N的多个可能的匹配点对,然后结合位置信息和拓扑信息对这些可能的匹配点对进行剔除,并使用RANSAC方法剔除粗差,最终得到同名匹配点。试验结果表明,相比于计算机视觉领域常用的SIFT算法,本文方法可有效地提高匹配正确率,并获得更多正确的同名点。     

The Remote Sensing Image Matching Algorithm Based on the Normalized Cross-Correlation and SIFT

SIFT (scale invariant feature transform) is one of the most robust and widely used image matching algorithms based on local features. However, its computational complexity is high. In order to reduce the matching time, an improved feature matching algorithm is proposed in this paper under the premise of stable registration accuracy. This paper proposed a normalized cross-correlation with SIFT combination of remote sensing image matching algorithm. The basic idea of the algorithm is performing the space geometry transformation of the input image with reference to the base image. Then the normalized cross-correlation captures the relevant part of the remote sensing images. By this way, we can reduce the matching range. So some unnecessary calculations are properly omitted. By utilizing the SIFT algorithm, we match the preprocessed remote sensing images, and get the registration points. This can shorten the matching time and improve the matching accuracy. Its robustness is increased correspondingly. The experimental results show that the proposed Normalized cross-correlation plus SIFT algorithm is more rapid than the standard SIFT algorithm while the performance is favorably compared to the standard SIFT algorithm when matching among structured scene images. The experiment results confirm the feasibility of our methods.     

基于SIFT的多时相星载SAR图像特征点自动匹配

SAR图像配准是实现多时相图像监测的前提,但是由于SAR图像的斑点噪声、成像机理的特殊性,使得采用常规的特征匹配方法很难实现SAR图像的自动配准。本文在介绍旋转尺度不变特征(SIFT)提取特征点原理的基础上,利用SIFT方法对两个时相星载SAR图像存在不同的旋转角和分辨率存在差异进行了特征点提取和自动匹配试验,图像特征点自动匹配的有效率达到70%以上,结果表明提取SIFT特征点进行多时相SAR图像自动匹配是基本可行的。     

基于GA-SIFT算法的无人机航拍图像实时拼接

为实现无人机航拍图像的实时拼接,本文深入研究了无人机航拍图像拼接中的关键技术,提出了一种基于遗传算法优化的图像拼接算法。首先利用SIFT算法提取图像的特征点,在特征点粗匹配过程中,采用欧氏距离作为相似度测量,利用遗传算法的并行性优化特征点匹配性能;然后使用RANSAC算法去除误匹配点对并获得转换矩阵,从而完成图像拼接。试验结果表明,采用遗传算法进行特征匹配,可大大降低匹配时间,匹配时间与特征点数量成正比;同时提高了匹配精度,进而提高了图像拼接的实时性和稳健性。