当前较多图像篡改检测算法主要是依靠测量图像间的距离来匹配像素特征, 以此来实现图像的篡改检测, 但其没有考虑图像特征间显著特征的关联性, 导致检测结果存在误检等弊端。为此, 设计了灰度差异耦合显著特征的图像复制-粘贴篡改检测算法。首先, 借助Harris算子, 从待检测图像中提取初始特征, 并利用像素点间的灰度差异信息, 删除伪特征, 以得到准确度较高的图像特征。然后, 将Haar小波作为求取图像特征方向信息的依据, 利用图像锐度信息, 获取特征向量。采用傅里叶变换来计算图像特征的显著信息, 利用其对图像特征实施匹配。最后, 对匹配图像特征进行聚类计算, 以辨别出图像中的篡改内容。实验数据表明, 较当前伪造检测算法而言, 所提算法不仅具有更少的错误检测内容, 而且拥有更强的健壮性, 能抵御多种仿射变换对篡改检测的干扰。

为了解决当前图像匹配算法主要是通过像素点间的距离信息来实现特征匹配, 忽略了图像间的方差信息, 导致匹配结果中存在较多的错误匹配等不足, 本文提出了一种基于拉普拉斯特征制约与方差度量的图像匹配方法。首先, 引入 Harris算子, 对图像特征进行粗提取, 并利用像素点的拉普拉斯特征, 删除伪特征点, 对粗提取的图像特征进行优化, 获取更为准确的图像特征。然后, 依据图像的梯度特征来计算图像特征的方向信息, 以此建立特征点的邻域, 通过求取该范围内的 Haar小波值, 从而得到特征向量。采用区域方差模型对图像的方差信息实施度量, 并联合特征点的欧氏距离, 对特征点进行更为准确的匹配。最后, 采用随机样本一致性 (RANSAC)机制对特征匹配结果实施优化, 剔除其中的错误匹配, 从而完成图像匹配。实验结果显示：较当前较为先进的匹配算法而言, 在旋转、缩放等几何变换干扰下, 所提算法具备更高的匹配准确率, 维持在 90%以上。

提出了一种新的基于多尺度角点和Harris变换相结合的角点检测的图像配准方法。其核心思想是采用Harris算子和Laplace图像金字塔相结合，对原始图像进行不同尺度的向下采样并对得到的图像进行角点检测，得到角点的角度和尺度响应的最值点比(尺度精定位)，对图像进行旋转和平移变换，完成图像配准。理论分析和仿真实验表明，该算法具有较高的配准精度且计算量较小。

当前较多图像篡改检测方法主要通过对图像特征间的距离进行测量来完成特征匹配，忽略了图像的色彩信息，导致检测结果中存在较多的误检测和漏检测现象。对此，本文将色彩信息引入到图像特征匹配过程中，设 计了一种采用色彩制约模型的篡改检测算法。利用 Laplacian算子与 Harris算子提取图像特征，并利用像素点的红 (R)、绿(G)、蓝(B)三原色信息，结合特征描述符建立色彩制约模型，对特征点间的色彩信息进行度量，再 借助该度量值与特征点间的距离测量值共同完成图像特征匹配，充分剔除误匹配现象，有效提高匹配准确度。该算法还根据特征点间距离方差构造距离惩罚模型，对匹配后的图像特征进行聚类，准确识别篡改内容。通过实 验结果发现，与其他篡改检测算法相比，本文算法不仅对伪造内容具备更高的检测准确度，而且对模糊及旋转等内容操作也具有更好的适应性。

针对遥感影像本身存在纹理差异, 特征点提取不均匀的自动配准问题, 提出了一种新的多源遥感影像高精度自动配准方法。首先, 对Harris算子进行了改进, 使其提取特征点覆盖范围更广; 然后, 对影像进行分块处理, 对每块用文章改进的Harris算子进行特征点提取, 并采用分块迭代剔除策略, 保证了特征点在整幅影像中的均匀分布和非冗余分布; 其次提出了金字塔-双向-最小二乘多匹配算法进行影像匹配, 完成了最终同名点选取; 最后利用小三角形面元TIN对影像进行了精确纠正。实验结果表明本文方法获取同名点均匀合理, 能够更好地实现多源遥感影像的高精度配准, 具有一定实际意义。

本文基于三坐标测量机(CMM)设计了一套视觉检测系统, 该系统能够对零件实际空间特征信息进行比较全面地提取。针对位于CMM平台上带有角点的零件, 利用Harris算子提取从CMM三个不同方位获取的零件图像的角点。对于Harris算子提取到的角点, 本文提出一种八链码搜索法和SUSAN区域法相结合的伪角点剔除方法, 最后基于立体视觉的原理, 提出“距离空间图”匹配算法, 将以上3幅图像一一建立匹配关系。实验中多次改变零件在CMM中姿态时, 多次实验数据表明本文的角点提取精度与真实角点间仅存在1~2像素的偏差, 零件的定位误差为1~3 mm。通过实验验证, 角点匹配和定位的稳定性和精度满足要求, 具有一定的抗干扰性和实用性。

本文提出了一种结合Harris与SIFT算子的快速图像配准方法。首先, 对Harris算法进行两方面的改进: 一是构建高斯尺度空间, 提取具有尺度不变性的角点特征; 二是采用Forsnter算子对提取的角点精定位, 提高配准精度。然后, 利用SIFT算子的特征描述方法描述提取到的特征点, 通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯, 并通过最小二乘法估计两幅影像间的空间变换单应矩阵, 完成图像配准。实验结果表明: 本文方法在基本保持配准精度的同时, 在配准过程的时间消耗上比标准SIFT算法减少了64%。

针对场景中存在前景目标运动的抖动视频,提出一种抗前景干扰的自适应电子稳像算法.算法以视觉对运动的感知为指导,采用基于块的三帧间差分,利用时空一致性快速剔除运动前景区域;改进传统Harris算子,用网格筛选和显著度排序,对背景区域进行全局显著特征点的提取和配准,保证全局配准准确度;用统计分布的距离准则去除误匹配点,无需特征点迭代运算,提高了全局运动估计的速度和准确度.在Sage-Husa自适应运动滤波方法的基础上,改进了修正过程噪音和观测噪音的统计特性,模拟摄像机低频匀速运动的视觉平滑效果,有效解决摄像机抖动中存在的扫描运动.在Intel 酷睿2四核2.33 GHz的微机上用VC++进行实验,结果表明,该算法对320×240像素的视频序列能够达到22 fps的处理能力,可以实时稳定含较大或多运动前景目标的复杂抖动视频,输出视觉完整流畅的真实扫描场景.

针对传统图像拼接方法的不足, 提出一种基于改进SIFT算法的图像拼接方法, 并将其应用于无人机遥感图像拼接算法中。首先, 采用Harris算子角点检测遥感图像的特征点, 然后用改进的SIFT算法进行特征点的描述, 通过对高维数据进行降维处理, 减小运算量; 匹配完成后, 采用随机抽样一致性(RANSAC)算法消除误匹配; 最后采用渐入渐出加权平均融合法进行图像融合。实验结果表明: 采用所提出算法能有效剔除遥感图像之间的误匹配, 减小时间复杂度, 更好地消除拼接缝隙。

在靶场测量中, 为了得到大视场高分辨率的图像, 设计了一套基于DSP的经纬仪实时图像拼接系统, 该系统实时采集两个视场传感器的数字图像, 在DSP内部实现图像的自动拼接, 将拼接后的图像以标准数字格式输出, 供后续系统使用。文章给出了图像拼接系统的硬件组成原理, 该系统的两个图像传感器的帧频为100 Hz, 传统图像拼接算法无法满足实时性的要求, 为此提出了一种基于相位相关法确定相似区域的图像拼接算法, 并进行了实时图像拼接实验, 结果表明, 优化方法的图像拼接速度平均为7 ms, 满足实时性的要求, 实现了图像的无缝拼接, 同时系统稳定可靠, 满足靶场测量的实际要求。