山东大学 信息科学与工程学院, 山东 济南 250100
提出了一种针对图像的复制-粘贴篡改进行检测的方法。算法以图像子带编码为基础, 利用Hu不变矩和Zernike矩的不变量对篡改图像进行检测。对图像做子带编码处理, 得到近似子带(LL)图像, 对近似子带图像进行Hu不变矩和Zernike矩的特征提取, 用来表征图像的信息, 最后采用上述特征信息进行图像的相关匹配。实验中将所提算法与极余弦变换(PCT)算法以及图像Zernik矩算法进行比较, 结果表明所提算法对图像的旋转、平移攻击具有更优质的鲁棒性, 提高了检测准确率。
子带编码 Zernike矩 Hu不变矩 近似子带 Sub-band coding Zernike moments Hu invariant moments approximate sub-band
1 赤峰学院计算机与信息工程学院,内蒙古 赤峰 024000
2 白求恩医务士官学校,石家庄 050081
图像目标主要的两个特征是颜色特征和形状特征,为提高跟踪的准确性和鲁棒性,提出融合图像目标颜色和形状的多特征融合跟踪新方法。采用基于HSV空间的空间颜色概率直方图模型,以及灰度变换后的Hu不变矩模型,分别进行实时目标跟踪,然后采用自适应加权方法,完成图像目标最终跟踪位置的确定。经实验测试,该方法对图像目标受到复杂背景干扰,以及颜色变化、尺度变换以及亮度变化等情况都具有很强的鲁棒性,同时增强跟踪效果,提高了跟踪的有效率。
运动目标跟踪 图像跟踪 特征融合 颜色直方图模型 Hu不变矩 相似性度量 背景干扰 moving target tracking image tracking feature fusion color histogram model Hu invariant moment similarity measurement background interference
哈尔滨工业大学可调谐激光技术国家级重点实验室， 黑龙江 哈尔滨 150080
激光成像雷达距离像与目标表面物理结构特性密切相关，体现目标的本质特征，是目标识别的主要研究方向。采用组合矩的神经网络方法进行了相干激光雷达距离像目标识别仿真研究。用Hu不变矩和仿射不变矩两者的低阶矩组合表示距离像目标区域特征，利用反向传播(BP)神经网络识别不同方位角的车辆。当视场角不变时，训练10个目标，每个目标取3~19个样本，在不同载噪比(CNR)情况下，分析Hu不变矩、仿射不变矩和两者组合矩的识别率。理论分析和仿真实验表明利用组合不变矩进行距离像目标识别性能优于单独利用其中一种不变矩。
激光光学 激光雷达距离像 Hu不变矩 仿射不变矩 反向传播神经网络 目标识别
