一、用圆谐-傅立叶矩描述图像（论文文献综述）
常丽丽[1]（2021）在《基于连续正交矩的鲁棒图像水印算法研究》文中指出随着网络技术和数字媒体的蓬勃发展,当今社会已然迈入信息时代,大量数字化产物在网络空间中存储和传输,如何保障数字资源的存储和传播成为社会广泛关注的问题。数字水印技术在众多安全技术中脱颖而出,在数字资源版权保护问题中展现出独特优势。近年来,鲁棒图像水印技术已取得长足进步,现有的鲁棒图像水印算法已能很好地抵抗常规图像处理攻击,但如何抵抗几何攻击和提高计算精度,依然是数字图像水印研究领域共同面临的难题。本文针对上述鲁棒图像水印算法中存在的难点问题展开了深入研究,主要工作如下:（1）利用高斯数值积分（Gaussian numerical integration,GNI）提出了一种极谐-傅里叶矩（polar harmonic Fourier moments,PHFM）的精确计算方法。然后基于精确PHFM和混沌映射提出一种新的抗几何攻击的水印算法。本文提出的精确PHFM具有更好的几何不变性,对算法抗几何攻击的能力有很大提升;通过使用Tent混沌系统将水印图像置乱,进而使得算法安全性提升。经测试验证,该算法对各类攻击均能有效对抗,在与类似水印算法对比时,也显示出了本算法的优异性能。（2）为提升性能,对上述方案进行改进,将精确PHFM和Logistic混沌映射相结合,提出了用于遥感图像的零水印算法,零水印技术可对遥感图像的像素细节提供保护。在算法中,利用精确GNI对原始灰度图像PHFM进行计算,之后选取性能良好的PHFM幅值进行二值特征图像的构造。最终把加密的logo图像与特征图像作异或,将生成的零水印图像注册并存放在第三方机构,水印构造阶段即完成。在验证版权归属时,在第三方机构中取出零水印图像和待验证图像进行异或,比较提取出的logo图像与原始logo图像的差异,即可核对得到图像的真正所有者。经实验对比,本文所提算法对常规图像处理攻击和几何攻击均具有较好的鲁棒性。（3）提出了一种新颖的零水印方案,用于同时保护两幅相似医疗图像的版权。首先,利用GNI方法设计了一种精确极复指数变换（Accurate polar complex exponential transform,APCET）。然后,基于三元数理论和APCET构造了三元数精确极复指数变换（Ternary accurate polar complex exponential transform,TAPCET）。最后,基于TAPCET和混沌映射提出了一种针对两幅相似医疗图像的鲁棒零水印算法,可同时用于两幅相似医疗图像的版权保护。仿真实验表明,该方案能够抵抗各类攻击的干扰,与其他类似零水印算法相比也具有优异的性能。
苏立超[2]（2018）在《数字视频帧内篡改被动取证方法研究》文中研究说明随着数字多媒体技术的发展,各种视频处理工具日渐普及。借助于这些视频处理工具,人们可以很方便地对视频进行编辑或对视频内容进行篡改,如果这种被篡改的视频被非法使用,其后果甚至会影响社会稳定。因此,如何对数字视频进行真实性和完整性的鉴定,已经成为当前多媒体信息安全领域中极为重要的研究课题之一。与数字图像相比,数字视频数据的海量、高维、非线性等特点给视频篡改取证技术研究带来更大的挑战。尽管国内外已有不少学者开展了相关研究,并提出了多种不同的检测算法,但这些算法普遍存在着算法检测准确率低、复杂度高、局限性强等问题。基于上述研究现状,本文从视频帧内区域复制粘贴和视频前景删除这两种常见的视频篡改方式入手,研究并提出了新的视频篡改被动取证方法,并通过实验手段进行验证和比较,以求得到更好的研究成果。本文的研究内容和学术贡献主要体现在以下三个方面:1、提出一种基于 MI-SIFT（Mirror and Inversion Invariant Generalization for SIFT Descriptor）特征的视频区域复制粘贴篡改的被动取证算法。该算法通过引入MI-SIFT特征并对其进行改进,实现了对视频中经过镜像变换的篡改区域的检测;同时,该算法将目标跟踪技术应用于篡改区域的定位,避免了对特征进行逐帧提取和匹配的繁琐计算,有效提高了算法的检测效率。实验结果表明,该算法在检测准确率和时间效率上明显高于其它同类型算法,并可实现对视频中经过镜像变换的篡改区域的有效检测。2、提出一种基于指数矩（Exponential-Fourier Moments,简称EFMs）的视频区域复制粘贴篡改的被动取证算法。首先,该算法对指数矩特征的提取方法进行改进,并提出了一种快速块匹配算法,两者相结合进一步提高算法的效率;其次,在篡改位置的跟踪上,通过对已有的快速压缩跟踪算法（Fast Compressive Tracking Algorithm,简称FCT）进行改进,提出了基于自适应参数的快速压缩跟踪算法（Adaptive Parameter-based Fast Compressive Tracking Algorithm,简称AFCT）,进一步提高了跟踪的精确度和鲁棒性。实验结果表明,该算法不仅能有效地对篡改区域经过镜像变换的视频进行检测,还可实现对多处区域复制粘贴篡改和移动目标的复制粘贴篡改的有效检测,而且在检测时间、检测准确率以及鲁棒性上均明显优于其它同类型算法。3、提出一种基于能量因子（Energy Factor,简称EF）的视频前景删除篡改被动取证算法。该算法针对视频前景删除篡改的特点,首先提出能量因子（EF）的计算方法,通过构造待测视频的EF曲线,在视频时间域上准确检测被篡改视频序列的起止位置;其次,提出了基于自适应参数的视觉背景提取算法（Adaptive Parameter-based Visual Background Extractor,简称 AVIBE）,并将其与 EF 相结合,用以提取篡改序列中每帧的篡改痕迹;最后,将时域和空域检测结果相结合,得到最终检测结果。实验结果表明,该算法拥有较强的鲁棒性,能有效抵抗视频中树叶、草木、水波等扰动,并在检测时间效率和检测准确率上优于其它同类型算法。综上所述,本文针对视频区域复制粘贴篡改方式所提出的基于MI-SIFT特征的被动取证算法不仅检测率和时间效率高,而且可实现对经过镜像变换的篡改区域的有效检测;进一步提出的基于EFMs的被动取证算法不仅在检测时间、检测率以及鲁棒性方面得到进一步改进,而且进一步拓展了其在多处复制粘贴、移动目标复制粘贴等多种篡改方面的适用性;针对视频前景删除篡改方式所提出的基于EF的被动取证算法具有检测速度快、准确高、鲁棒性强的特点。因此,本文研究成果具有较大的理论意义和实际应用价值。
孙景峰[3]（2018）在《基于图像特征的示波屏识别关键技术研究及应用》文中研究说明无损检测设备超声波探伤仪在航空、航天、航海、轨道交通等现代工业制造中有着广泛的应用。超声波探伤仪作为一种重要的检测设备,其检测数据的精确性、可靠性和可信度,直接关乎产品、装备的结构强度、寿命以及整机质量、安全等,因此须对超声波探伤仪进行定期的严格计量校准。然而,目前国内针对超声波探伤仪的计量校准技术,仍停留在人工计量人眼读图的发展阶段。随着超声波探伤仪多功能化、数字化、智能化的进一步发展,以人眼读图为主的人工计量方式,将难以适应超声波探伤仪计量校准的发展需求,使用机器视觉替代传统人眼读图,实现超声波探伤仪的自动化计量校准已是现代化工业发展的大势所趋。本文从超声波探伤仪的定期计量工作出发,利用机器视觉完成计量中的读图过程,研究了示波屏窗口图像的分割、显着边缘检测以及基于图像矩不变量的字符、形状识别等几个关键问题,最后设计了一种基于图像特征的超声波探伤仪自动校准系统。主要研究成果及创新点如下:1.针对超声波探伤仪形状、配色以及结构布局等多样性易造成的示波屏窗口分割不完整的问题,提出了一种基于几何形状特征的图像分割方法。该方法利用目标对象的几何形状特征作描述符,将分割问题描述为形状识别问题。利用边缘检测算法提取目标图像的轮廓曲线,结合目标最小外接矩形完成示波屏窗口区域的筛选与判别,为降低目标形状识别过程的运行时间,论文结合投影法对最小外接矩形求取算法—寻找主轴法进行了优化,加速了最小外接矩形的收敛速度。实验证明,示波屏窗口的几何特征具有较强的辨别能力,分割方法具有较好的稳定性,对噪声、光照变化均具有较好的鲁棒性,且能够完整的分割出被校超声波探伤仪的示波屏窗口图像。2.针对示波屏窗口图像的波形提取通用性差、特征获取困难等问题,提出了一种基于剩余谱理论的示波屏窗口图像显着边缘检测方法。该方法利用沃尔什变换将空域图像转至列率域,通过寻找空域图像水平方向、垂直方向对应的列率谱区域,建立显着边缘对应的剩余列率谱,最后再利用沃尔什逆变换等操作获得目标图像的显着边缘。实验证明,基于沃尔什变换的显着边缘检测方法简单易实现、效率高、对目标显着边缘敏感;利用显着边缘检测方法能有效完成波形检测、提取任务,无需针对具体波形设置具体的图像特征参数,具有较好的通用性。3.针对示波屏窗口图像内字符、形状的特征描述符选取、快速识别等问题,提出并推导了一种新的图像矩—沃尔什图像矩做为目标字符、形状的特征描述符,并利用简单的相似性度量—加权欧氏距离完成识别工作。实验证明,基于沃尔什正交函数系构造的沃尔什图像矩,计算效率高且具有平移、旋转和缩放不变特性,对字符、形状具有较强的描述能力,利用简单易实现的加权欧氏距离,针对示波屏窗口图像常见字符、形状的识别,获得了98.09%的平均识别率。4.针对现有超声波探伤仪计量校准装置工作效率低,人为因素多,计量校准重复性差、稳定性差等问题,基于超声波探伤仪示波屏的图像特征设计了一种自动计量校准系统,同时成功应用了论文相关的研究成果。设计过程中,详细分析了超声波探伤仪计量校准主要计量参数的计量校准过程,给出了系统软硬件构成及设计,推导了示波屏窗口波形像素变化量与被校超声波探伤仪常规参数间的量传关系。实验数据说明该自动计量校准系统能达到较高的检测精度满足超声波探伤仪自动化计量校准的需求。
王昱心[4]（2017）在《基于指数矩的车牌识别研究》文中进行了进一步梳理计算机视觉,正在从根本上改变我们的世界,以及我们每个人的生活方式。让机器之眼代替人眼,看懂我们的世界,实现智能化控制,解放人类的双手,是无数科学家梦寐以求的理想。视觉智能的潜在应用是无限的,人工智能几乎触及人类生活的各个方面,本文主要针对计算机视觉在智慧交通领域的应用展开研究,将指数矩的多畸变不变性运用到车辆追踪、车牌定位、以及车牌字符识别中,形成一套基于指数矩的车辆识别算法。指数矩的相关理论,是计算机视觉领域一个新的研究方向,不仅可以用于车牌识别,还可应用于常规的物体识别、场景识别等,因为指数矩的平移、缩放、和旋转不变性,对于目标物体的倾斜,远近变化,光照不足,天气恶劣等情况有很强的抗干扰能力,在不佳环境下依然具有很高的识别效率和准确度。基于指数矩的相关研究,对于未来智慧交通、智慧城市的建设有一定的价值。本文将指数矩作为图像的特征参数,对车辆追踪、车牌定位、及车牌字符识别展开了一系列研究,主要的研究工作和创新点有下列几个方面:（1）提出了基于指数矩的车辆跟踪算法。在反复的实验中,作者发现,在收费站和交通关卡,车辆相对严格的直线行驶,从某一固定点观察,车辆向远向近行驶可以视为连续的缩放变化,利用这一特征,作者将指数矩的缩放不变性运用到车辆跟踪中,提出了一种新的车辆跟踪算法。首先利用帧间差分法确定目标车辆,然后提取目标车辆的指数矩作为跟踪参数,通过不断调整搜索窗口的位置,实现多车辆的自动跟踪。较传统车辆跟踪算法,本文算法利用了指数矩的缩放不变性,降低了光照和天气对识别的影响,提高了跟踪的鲁棒性。车辆自动跟踪算法在收费站、交通关卡等有着广泛的应用前景。（2）提出了基于指数矩的车牌定位算法。本文提出了一种全新的车牌定位方法:基于指数矩特征的车牌定位方法。车牌定位是后续车牌字符识别的前提和基础,在车牌识别过程中具有至关重要的作用。本文将指数矩运用到车牌定位中,利用指数矩的平移、缩放、和旋转不变性,在车牌倾斜、车辆远/近变化、天气变化、光照不足等环境信息变化的情况下,依然具有良好的识别效果。本方法在不必进行倾斜校正、不必进行中心点调整以及比例调整的情况下,即可定位车牌,缩短了定位时间,具有良好的实际应用价值。（3）提出了基于指数矩和网格计算的车牌字符识别算法。作者根据车牌的字符形态学特征,对将车牌的所有字符分为12组:第1组是汉字组;第2-11组为形近的数字和字符组;第12组为模值无关组。将12个分组对应12个神经网络分类器,进行指数矩和网格特征训练,待处理的字符依次进入相应分类器,用指数矩特征进行初级分类,再利用网格特征进行第二次判定,确定最终的识别结果。该方法有效利用了指数矩的识别优势,同时,利用网格特征,弥补了指数矩由于旋转不变性在形似字符的判定中产生的误差。
李威仪[5]（2016）在《基于内容的图像检索理论与关键技术研究》文中认为随着科技的发展和人们生活水平的不断提高及计算机在全世界范围内的普及,同时,具有拍照功能的数码相机和手机也几乎是人手必备的产品。海量的数字图像在这样的背景下每天都在以爆炸式的速度增长。并且,随着生活节奏的加快及生活习惯的变化,相较于传统的文字信息,人们更愿意通过直接明了的图像去表达沟通。在生产工作中,数字图像也越来越成为必不可少的一部分更或是发挥着关键的作用。当面对这些变化时,对数字图像的存储管理就变得十分重要,面对大规模图像库时,如何能从中快速的找到所需图像,如何能在图像所表达的繁复冗杂的信息中找到关键信息,如何能通过一幅图像找到一系列相关的或不同角度的其它类似图像等,正是对图像管理提出的目标。基于内容的图像检索技术（Content-Based Image Retrieval,CBIR）就是为了解决这些问题而被提出的,并迅速成为人们关注的重点,本文围绕基于内容的图像检索技术,为使它具有更好的检索效果和性能,对其中的一些关键技术进行了深入的探讨和研究,主要内容包括以下三个部分:1、提出了一种基于统计模型的图像检索方法,针对含有大量纹理信息的图像,如何用更少的特征值更准确表征图像的问题。该方法首先对灰度图像进行非下采样Shearlet变换（NSST）;对分解得到的高频子带系数进行基于贝塞尔K分布（BKF）的统计建模,经大量实验验证和理论都表明,BKF分布符合非下采样Shearlet变换的高频子带系数的统计特性,因此,针对每一个高频子带我们可以用BKF分布的参数来代表其特性,作为纹理特征;最后通过相似度计算,比较待检索图像与图像库中的图像之间的相似性,返回检索结果。仿真实验表明,这种基于贝塞尔K分布统计模型的图像检索方法由于其特征维度低同时又很好的表征了图像的特性,所以具有快速且理想的检索结果。2、提出了一种基于多特征融合的彩色图像检索方法,以解决对于单一特征无法对图像进行全面刻画从而导致的检索效果不理想的问题。该方法以圆谐-傅里叶矩和金字塔双树方向滤波器组（PDTDFB）的相关理论为基础,首先将彩色图像从RGB空间转换到Lab空间,对色差分量ba,计算其圆谐-傅里叶矩作为颜色特征;使用金字塔双树方向滤波器组（PDTDFB）对亮度分量L进行分解,在PDTDFB域上,计算基于幅度和相位的方差和熵作为纹理特征;最后对两种特征进行归一化,并通过参数选择实验确定适用于检索的圆谐-傅里叶矩阶数,PDTDFB分解级数,颜色与纹理特征的最佳权值比例等参数,最终向用户返回检索结果。仿真实验证明,这种融合了颜色与纹理特征作为图像特征的检索方法能更加完整的表达图像内容,检索精度较为理想。3、提出了一种基于相关反馈的彩色图像检索算法,针对仅依靠基于底层特征的图像检索算法无法达到满意的检索结果时,为解决其中所存在的“语义鸿沟”问题所提出的应对方法。该方法首先在反馈过程中使用一种新的主动学习的方法,该算法能有效减少用户标注的工作量,缓解传统相关反馈方法中正反例不对称的问题;在选择未标注样本进行标注并入训练集的过程中,使用一种较传统算法具有更好分类效果的基于扩散距离下的Kernel K-means算法;最后使用一种更有效的SVM分类器,通过为离群值设置固定的松弛变量,有效降低了反馈训练过程中的时间复杂度。仿真实验证明,这种结合了优化反馈过程以及样本标注过程的算法在大大降低了反馈次数的同时取得了较为理想的检索结果。
孙晋[6]（2014）在《基于全局与兴趣点特征的图像检索技术》文中认为随着多媒体技术的发展，互联网的不断普及，数字图像作为一种内容丰富，表现力强的信息储存方式被广泛应用，海量的数字图像也因此产生。如何快速准确的从数据库中找到用户所需要的图像逐渐成为一个难题并被研究者重视。传统的基于文本的图像检索技术（Text-Based Image Retrieval）主要依靠人工标记，在大量消耗人力资源的同时，还存在着用户对图像内容的理解不同、标记的信息不全等问题。因此，上世纪90年代初，有人提出了基于内容的图像检索技术（Content-Based Image Retrieval），该技术通过对图像的颜色、形状、纹理以及空间分布等的视觉特征的刻画和提取，计算出不同图像内容的相似程度，来实现图像的检索。相对TBIR使用的人工标记描述图像特征的方法，CBIR方法所得到的图像特征具有更好的通用性，能够有效的弥补基于文本的图像检索技术中的不足。本文围绕基于内容的图像检索中的相关核心问题进行了深入研究，主要工作内容和创新点如下：（1）针对单一图像特征很难全面有效的提取图像内容信息的问题，本文提出了一种基于多种特征融合的彩色图像检索方法。该方法首先在对立颜色空间中利用圆谐-傅里叶矩提取图像的颜色特征；然后使用金字塔双树方向滤波器组（PDTDFB）对图像进行分解，通过计算分解所得到的每个子带的熵和标准差，构建出图像的纹理特征；最后融合颜色和纹理两种特征，通过计算不同图像间特征的相似度，实现图像检索。仿真实验结果表明，该方法能够有效的提取图像的内容信息，并得到比较理想的检索结果。（2）为了解决传统全局图像特征无法较好的描述图像关键内容的问题，提出了一种基于兴趣点的图像特征检索方法。首先，对HSV颜色模型中的H、S、V三个分量进行非等间隔量化，得到颜色量化矩阵；然后利用概率密度和ASIFT算法进行兴趣点提取；最后将提取后的兴趣点映射回原图像，结合空间直方图构建图像的底层特征，通过计算不同图像特征间的相似度，进行图像检索。仿真实验证明，该方法能够充分有效的提取图像中的兴趣点，较好的表达图像的内容信息，最终获得比较理想的检索结果。
柴伦绍[7]（2014）在《具有形变鲁棒性的形状特征研究及其在检索中的应用》文中提出本文研究的主要内容是形状特征,及其在基于内容的商品图像检索中的应用。形状是图像的一种重要视觉特征,在很多计算机视觉任务尤其是目标识别中具有很重要的地位。由于在图像中物体形状存在各种各样的形变和图像噪声的影响,形状特征的鲁棒性是影响其性能的关键因素之一。另一方面,基于内容的图像检索是模式识别与计算机视觉中的经典研究课题。而随着电子商务的发展,淘宝、京东、Amazon和ebay等国内外的购物网站成为人们购物的重要途径,通过图像搜索这些网站上的商品图像即商品图像检索成为了基于内容的图像检索技术的一个很有潜力的实际应用方向。在经典的基于内容的图像检索技术中,研究的对象大多是互联网上的场景图像。这些研究大多基于SIFT, SURF等图像局部特征,运用词包模型构造描述子,利用空间金字塔匹配进行特征距离计算。然而在商品图像检索中,由于图像比较简单,往往难以检测到足够的有效特征点,加之背景区域的噪声影响,致使基于局部描述子的特征效果不佳。同时,由于商品图像的一些有利的特点,使其上的形状特征的提取和表示比一般图像更加准确和方便：1)商品图像的背景一般较为简单,简化了图像的分割；2)商品作为图片描绘的对象,一般位于图像的显着位置,这对物体（商品）的检测提供了有效的先验信息；3)商品往往具有外观稳定性,商品在图像中的形状往往具有固定的一个或多个模式。在应用形状特征时,无论是基于内容的商品图像检索还是其他应用场景,形状的抽取和表示都是最基本的两个问题。在形状的抽取方面,本文首先针对简单背景的商品图像提出了一个基于图像连通域的主物体区域提取方法,之后对一般的包含显着物体的图像（包括背景更为复杂的商品图像）提出了一种基于分割块的通用物体检测和分割算法。在形状的表示方面,本文主要针对常用的形状上下文特征（Shape Context, SC）进行了研究,首先研究了利用模糊化方法改进形状上下文的鲁棒性,之后引入了有序词包模型,在形状上下文描述子的基础上构建了一种适用于实际应用的新描述子有序形元直方图,该描述子可以实现高效和准确的匹配。在背景相对简单的商品图像中,本文提出的基于主物体区域的商品图像检索算法可以得到商品物体的区域。具体的,该算法根据商品图像中物体区域和大小确定一个主物体区域作为图像的感兴趣区域,在此区域上综合利用颜色纹理特征和形状特征进行基于内容的图像检索。在其应用的移动商品检索系统中,数据库图像需要预先经过一个简单的支持向量机分类器过滤,以保证算法可以得到正确的商品区域。而查询图像是利用移动设备上的客户端拍摄得到商品图像,通过让用户遵循一定的拍摄指示得到关于商品位置和大小的先验知识,之后利用这一先验知识对图像进行分割和并得到语义意义上的前景物体（商品）。相对于专用的物体检测（例如行人检测,车辆检测,人脸检测等）的模型和算法,通用的物体检测算法的发展相对滞后。对于专用物体检测模型和算法,需要解决的问题是建立物体模型和根据模型寻找物体；然而在通用物体检测算法中,需要的模型更为抽象,需要定义和分析“物体”以及“前景背景”这些更高层次的抽象概念。本文通过分析图像区域与周围区域的差异和图像区域本身的一些性质来构建检测特征,利用贝叶斯模型将这些特征进行融合,最后计算给定图像区域是一个物体的概率（本文称之为区域的物体性）。形状上下文是一种常用的形状特征,虽然很多研究者利用模糊化的思想的对形状上下文上做了改进,但是这些模糊化的方法都不够严格。本文实现了严格的模糊化形状上下文,并且进一步构建了多层模糊形状上下文和多尺度模糊形状上下文。多层模糊形状上下文与扩散距离（diffusion distance）具有类似的性能,尤其是对铰接式形变有很好的鲁棒性。多尺度模糊模型可以模拟多个尺度的失真,通过在匹配时确定模糊尺度的方式提高了特征的鲁棒性。在实际应用中应用形状上下文特征,一个重要的限制因素是特征的匹配速度。采用词包模型和采用动态规划是解决这个问题的两个主要思路,本文中提出了一种结合这两个思路的新的解决方案。在词包模型中,由于在构建描述子形元直方图时丢失了特征点的空间关系信息,导致特征描述能力的下降。通过引入有序词包模型,本文提出的算法保留特征点的部分空间位置信息,从而提高了形元直方图的效果,同时在匹配直方图中的子直方图时采用动态规划算法提高匹配速度。
秦娟[8]（2013）在《图像区域复制粘贴篡改检测研究》文中研究表明在如今的数字时代,数字图像已经成为了信息媒介被广泛的应用于各个行业。而日趋成熟的数字成像技术使得数字图像篡改变得轻而易举，且篡改效果难以用人眼分辨，篡改的图像可能被作为证据使用于学术领域、新闻报道和法庭等场合，这必然会对社会造成极大的负面影响。因此，检验数字图像的真实性和完整性具有深刻的现实意义。数字图像取证技术分为主动和被动取证两种。主动取证依赖于事先在图像中嵌入的数字签名或水印等信息，而被动取证仅根据待认证图像本身判断其是否经过篡改处理，更具有实用性，已成为目前数字取证研究的主要方向。在研究了大量的不变矩的基础上，本文针对数字图像区域复制粘贴篡改提出了两种检测算法。提出了基于小波矩和统计特征的抗几何攻击的图像区域复制粘贴篡改检测算法。算法先对图像进行预处理操作,将其分解为同样大小的图像重叠块，并将图像映射到极坐标中,然后提取每个子图像块的小波矩不变量和四个常用的统计特征作为特征向量并对其进行字典排序，最后，根据阈值确定相似块，利用位移矢量阈值去除错误相似块以定位篡改区域。实验结果表明，该方法有良好的抗噪性能，并能有效的抵抗多种图像复制粘贴篡改的后处理操作，包括模糊、旋转等操作。提出了基于圆谐-傅里叶矩的图像区域复制粘贴检测算法。基本思想依然是对图像进行分块，提取图像块的圆谐-傅里叶矩作为特征向量，最后检测并定位出篡改区域。为了更好的抵抗噪声等的干扰以及减少基于图像块检测算法的时间复杂度，在图像进行分块之前对图像进行小波变换，对小波变换的低频部分进行复制粘贴篡改区域的检测。实验结果表明，该算法不仅能有效抵抗噪声、高斯模糊、旋转、翻转等图像后处理操作，而且缩小了相似块匹配时的搜索空间，降低了时间复杂度，提高了算法的检测效率。
高润月[9]（2013）在《基于圆谐-傅立叶矩的抗几何攻击数字水印算法》文中提出提出一种基于圆谐-傅立叶矩的抗几何攻击数字水印算法.利用图像函数的圆谐-傅立叶矩幅度的旋转、缩放不变性,在水印检测时,计算待检图像局部区域的圆谐-傅立叶矩,用所得的矩幅度与载体图像在该区域的矩幅角构成新的矩,通过与待检图像的矩进行比较,可以近似地恢复水印图像.实验结果表明,圆谐-傅立叶矩算法具有很好的旋转和缩放不变性,水印对旋转和缩放等噪声攻击具有较好的检测性.
王杨[10]（2012）在《基于支持向量机的大鼠精原细胞的图像识别》文中进行了进一步梳理近几年来，随着信息技术的普及，计算机图像处理及识别技术也迅速发展，研究理论不断深入，并在许多行业领域内得以实践并运用，例如：在军事、公安领域、航空航天及卫星等的遥感图像识别、监控系统的识别、移动互联网及生物医学图像识别等方面均有广泛的应用。然而对于细胞图像的识别，目前还主要是人工依据细胞的生物学参数用医学的手段进行识别，识别时间长，效率低，且由该项工作的单调性及耗时长等特性工作人员难免由于主观因素会错误识别一些细胞。特别是，已有的研究成果主要集中于对完整细胞的识别研究，而对于细胞切片图像的识别则研究成果甚少。而切片的识别对于病理诊断和细胞的三维重建具有重要的意义。因此，本文综合图像处理技术、图像特征提取技术及机器学习技术对大鼠精原细胞切片图像的识别进行了研究和实验。对于大鼠精原细胞切片图像的识别有三个主要任务，分别为图像的预处理、图像特征的选取及图像的识别。本文首先介绍了图像预处理的常用方法并且运用数字图像处理技术与形态学方法对原始图像进行处理，以得到只包括目标细胞的二值图像。其次，本文阐述了图像特征的概念及常用的图像特征，并根据精原细胞图像的特殊性，选取了Zernike矩的幅值作为图像的特征，另外论文中还引入了一种对Zernike矩的相位进行修正的方法，使得Zernike矩的相位也具有旋转不变性并与其幅度共同构成一组图像特征。最后，本文在统计学习理论的基础上选用了支持向量机作为图像的分类器，在训练学习阶段，分别采用不同规模的训练样本集，并选用RBF核函数同时引入惩罚因子C。为了验证实验结果的可靠性与适用性，本文中选用了MNIST database图像库进行了相同的实验。另外，对于精原细胞图像还运用了传统的欧式距离的识别方法进行识别及对比实验结果。实验结果表明选用Zernike矩的幅值作为图像的特征用于支持向量机的学习与分类中，图像识别有较高的识别效率与识别准确率。
二、用圆谐-傅立叶矩描述图像（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、用圆谐-傅立叶矩描述图像（论文提纲范文）
（1）基于连续正交矩的鲁棒图像水印算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的研究背景和意义 |
| 1.2 数字图像版权保护的研究现状 |
| 1.2.1 基于几何不变量的水印算法 |
| 1.2.2 零水印算法 |
| 1.3 本文的研究内容和组织结构 |
| 第2章 数字水印技术相关概述 |
| 2.1 数字水印技术 |
| 2.1.1 数字水印技术的基本概念 |
| 2.1.2 数字水印的分类 |
| 2.1.3 数字水印的性能评价 |
| 2.1.4 数字水印的应用 |
| 2.1.5 数字水印的攻击类型 |
| 2.1.6 零水印技术 |
| 2.2 本章小结 |
| 第3章 基于精确PHFM和混沌映射的鲁棒图像水印算法 |
| 3.1 引言 |
| 3.2 极谐-傅里叶矩 |
| 3.2.1 极谐-傅里叶矩的定义 |
| 3.2.2 PHFM的传统计算方法 |
| 3.2.3 基于GNI的 PHFM计算方法 |
| 3.2.4 重构性能对比 |
| 3.2.5 PHFM的几何不变性 |
| 3.3 水印算法 |
| 3.3.1 水印嵌入 |
| 3.3.2 水印提取 |
| 3.4 实验与分析 |
| 3.4.1 鲁棒性测试 |
| 3.4.2 同类方法对比 |
| 3.5 本章小结 |
| 第4章 基于精确PHFM和 Logistic混沌映射的遥感图像零水印算法 |
| 4.1 引言 |
| 4.2 基于精确PHFM的零水印算法 |
| 4.2.1 零水印构造 |
| 4.2.2 零水印验证 |
| 4.3 实验分析 |
| 4.3.1 鲁棒性测试 |
| 4.3.2 同类方法对比 |
| 4.4 本章小结 |
| 第5章 基于混沌系统和三元数精确PCET的两幅相似医疗图像版权保护零水印算法 |
| 5.1 引言 |
| 5.2 三元数PCET |
| 5.2.1 PCET |
| 5.2.2 精确PCET |
| 5.2.3 TAPCET的定义 |
| 5.2.4 TAPCET的计算 |
| 5.3 零水印算法 |
| 5.3.1 零水印嵌入 |
| 5.3.2 零水印提取 |
| 5.4 仿真实验及分析 |
| 5.4.1 鲁棒性测试 |
| 5.4.2 零水印的均衡性和可分辨性 |
| 5.4.3 同类方法对比 |
| 5.5 本章小结 |
| 第6章 结论和展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要科研成果 |
| 一、发表学术论文 |
| 二、其它科研成果 |
（2）数字视频帧内篡改被动取证方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的背景和意义 |
| 1.2 数字视频篡改的主要方式及其检测方法 |
| 1.2.1 数字视频帧间篡改及其检测方法 |
| 1.2.2 数字视频帧内篡改及其检测方法 |
| 1.3 国内外研究现状 |
| 1.3.1 数字视频帧间篡改的被动取证研究现状 |
| 1.3.2 数字视频帧内篡改的被动取证研究现状 |
| 1.4 本文的研究工作与创新点 |
| 1.5 本文结构安排 |
| 第二章 数字视频篡改被动取证的相关算法 |
| 2.1 篡改区域跟踪与定位算法 |
| 2.1.1 基于时空上下文的目标跟踪算法 |
| 2.1.2 基于快速压缩的目标跟踪算法 |
| 2.2 篡改痕迹提取算法 |
| 2.2.1 VIBE算法 |
| 2.3 本章小结 |
| 第三章 基于MI-SIFT特征的视频帧内区域复制粘贴的被动取证算法 |
| 3.1 特征提取 |
| 3.2 当前帧篡改区域的确定 |
| 3.3 后续帧篡改区域的确定 |
| 3.4 本章检测流程总结 |
| 3.5 实验结果及分析 |
| 3.5.1 未经变换处理的视频区域复制粘贴篡改的检测实验 |
| 3.5.2 经过变换处理的视频区域复制粘贴篡改的检测实验 |
| 3.5.3 与同类型算法的运行时间对比 |
| 3.5.4 与同类型算法的检测率对比 |
| 3.6 本章小结 |
| 第四章 基于指数矩(EFMs)的视频区域复制粘贴的被动取证算法 |
| 4.1 特征提取 |
| 4.1.1 指数矩 |
| 4.1.2 改进的指数矩提取方法 |
| 4.2 块匹配 |
| 4.3 当前帧篡改区域的确定 |
| 4.4 后续帧篡改区域的确定 |
| 4.4.1 基于自适应参数的快速压缩跟踪算法(AFCT) |
| 4.4.2 使用AFCT算法确定后续帧篡改区域的方法 |
| 4.5 检测总流程 |
| 4.6 实验结果与分析 |
| 4.6.1 关键参数T_(dis)的实验确定 |
| 4.6.2 不同特征之间的性能对比 |
| 4.6.3 未经变换处理的视频区域复制粘贴篡改的检测实验 |
| 4.6.4 经过变换处理的视频区域复制粘贴篡改的检测实验 |
| 4.6.5 多处区域复制粘贴篡改的检测实验 |
| 4.6.6 运动目标复制粘贴篡改的检测实验 |
| 4.6.7 与同类算法的运行时间对比 |
| 4.6.8 与同类算法的检测率对比 |
| 4.7 本章小结 |
| 第五章 基于能量因子(EF)的视频前景删除被动取证算法 |
| 5.1 能量因子的计算 |
| 5.2 基于AVIBE算法的空域粗检测 |
| 5.2.1 AVIBE算法 |
| 5.2.2 基于AVIBE算法的空域粗检测 |
| 5.3 篡改区域的确定 |
| 5.4 检测流程总结 |
| 5.5 实验结果及其分析 |
| 5.5.1 静态背景下的前景删除篡改的检测实验 |
| 5.5.2 复杂背景下的前景删除篡改检测 |
| 5.5.3 与同类型算法的运行时间对比 |
| 5.5.4 与同类型算法的检测准确率对比 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读博士期间发表的论文 |
| 攻读博士学位期间参与的科研项目 |
| 致谢 |
（3）基于图像特征的示波屏识别关键技术研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 关键问题分析 |
| 1.2.1 自动计量校准系统 |
| 1.2.2 计量校准任务 |
| 1.2.3 示波屏窗口分割 |
| 1.2.4 示波屏窗口波形提取 |
| 1.2.5 示波屏窗口字符形状识别 |
| 1.3 研究现状 |
| 1.3.1 超声波探伤仪计量校准综述 |
| 1.3.2 图像分割研究现状 |
| 1.3.3 显着性检测研究概述 |
| 1.3.4 字符形状识别概述 |
| 1.4 本文主要研究工作 |
| 1.5 本文组织结构 |
| 2 超声波探伤仪自动计量校准基础研究 |
| 2.1 引言 |
| 2.2 超声波探伤仪计量校准简介 |
| 2.2.1 国内外超声波探伤仪计量校准现状 |
| 2.2.2 超声波探伤仪计量校准发展趋势 |
| 2.3 超声波探伤仪校准参数简介 |
| 2.4 自动计量校准设计及工作过程 |
| 2.4.1 自动计量校准系统软件架构设计 |
| 2.4.2 参数增量计算 |
| 2.4.3 主要计量校准参数逻辑设计 |
| 2.4.4 校准系统工作过程 |
| 2.5 本章小结 |
| 3 示波屏窗口特征分析与分割方法研究 |
| 3.1 引言 |
| 3.2 超声波探伤仪前面板形状分析 |
| 3.3 矩形检测主要方法介绍 |
| 3.4 最小外接矩形 |
| 3.4.1 基于投影法的最小外接矩形 |
| 3.4.2 基于投影思想的主轴法改进 |
| 3.5 基于最小外接矩形的矩形检测 |
| 3.5.1 矩形度 |
| 3.5.2 矩形检测 |
| 3.6 基于矩形检测的示波屏窗口区域分割 |
| 3.6.1 超声波探伤仪前面板图像提取 |
| 3.6.2 边缘曲线提取 |
| 3.7 实验结果与分析 |
| 3.8 本章小结 |
| 4 示波屏图像显着边缘检测方法研究 |
| 4.1 引言 |
| 4.2 光晕问题分析 |
| 4.3 图像预处理 |
| 4.3.1 基于小波系数的去噪 |
| 4.3.2 基于小波变换的图像去噪计算 |
| 4.4 显着性检测算法简介 |
| 4.5 基于谱分析显着性的研究现状与分析 |
| 4.5.1 谱分析显着性的研究现状 |
| 4.5.2 基于剩余谱的显着性检测方法 |
| 4.5.3 PQFT时空显着性检测方法 |
| 4.6 基于列率域剩余谱的显着边缘检测 |
| 4.6.1 沃尔什变换 |
| 4.6.2 数字图像的二维沃尔什变换 |
| 4.6.3 列率域剩余谱 |
| 4.6.4 列率域剩余谱显着性检测 |
| 4.6.5 显着边缘检测 |
| 4.7 实验与分析 |
| 4.7.1 谱分析显着性实验效果对比 |
| 4.7.2 显着性检测结果分析 |
| 4.7.3显着边缘提取实验 |
| 4.8 本章小结 |
| 5 基于沃尔什图像矩的字符描述与识别 |
| 5.1 引言 |
| 5.2 图像不变矩简介 |
| 5.2.1 指数矩定义 |
| 5.2.2 基于傅里叶变换的快速计算 |
| 5.3 基于沃尔什变换的沃尔什图像矩 |
| 5.3.1 极坐标图像转换 |
| 5.3.2 柱面图像转换 |
| 5.3.3 沃尔什图像矩 |
| 5.3.4 沃尔什图像矩置换矩阵 |
| 5.4 沃尔什图像矩实验 |
| 5.4.1 图像矩不变性评价 |
| 5.4.2 平移不变性 |
| 5.4.3 旋转不变性 |
| 5.4.4 缩放不变性 |
| 5.4.5 重构实验 |
| 5.4.6 图像矩矩阵及分析 |
| 5.5 基于沃尔什图像矩的图像识别 |
| 5.5.1 相似性度量 |
| 5.5.2 基于加权欧氏距离的度量 |
| 5.5.3 图像识别实验与分析 |
| 5.6 本章小结 |
| 6 示波屏识别技术在超声波探伤仪计量中的应用 |
| 6.1 引言 |
| 6.2 自动计量校准系统硬件组成 |
| 6.2.1 猝发音生成系统 |
| 6.2.2 图像采集模块 |
| 6.3 自动计量校准系统软件实现 |
| 6.3.1 多协议通讯模块设计 |
| 6.3.2 参数校准流程控制模块 |
| 6.4 自动计量校准系统实验 |
| 6.4.1 自动计量校准系统概述 |
| 6.4.2 实验设计 |
| 6.4.3 结果与分析 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 攻读博士学位期间发表的学术论文和参加科研情况 |
| 参考文献 |
| 致谢 |
（4）基于指数矩的车牌识别研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 车牌识别的发展历史 |
| 1.1.1 车牌识别是计算机视觉的一个重要研究方向 |
| 1.1.2 车牌识别的国内外研究历史和现状 |
| 1.1.3 车牌识别中的难点 |
| 1.2 图像矩的研究历史与现状 |
| 1.3 国家的政策扶持 |
| 1.4 本文的研究内容与结构安排 |
| 第二章 指数矩 |
| 2.1 图像矩 |
| 2.1.1 Hu矩 |
| 2.1.2 勒让德矩 |
| 2.1.3 泽尼克矩 |
| 2.1.4 Tchebichef矩 |
| 2.1.5 Krawtchouk矩 |
| 2.1.6 旋转矩 |
| 2.1.7 复数矩 |
| 2.1.8 正交傅里叶-梅林矩 |
| 2.1.9 切比雪夫-傅里叶矩 |
| 2.1.10 圆谐-傅里叶矩 |
| 2.1.11 雅可比-傅里叶矩 |
| 2.1.12 指数-傅里叶矩 |
| 2.2 指数矩 |
| 2.2.1 指数矩的定义 |
| 2.2.2 指数矩和圆谐-傅里叶矩的关系 |
| 2.3 指数矩的计算 |
| 2.3.1 极坐标系下,指数矩的计算公式 |
| 2.3.2 直角坐标系下,指数矩的计算公式 |
| 2.3.3 用内切圆的方法归一化图像 |
| 2.4 指数矩在含背景的车牌图像中的多畸变不变性实验 |
| 2.4.1 旋转不变性 |
| 2.4.2 平移不变性 |
| 2.4.3 缩放不变性 |
| 2.5 指数矩的快速算法 |
| 2.5.1 利用基函数的性质快速计算指数矩 |
| 2.5.1.1 指数矩的基函数 |
| 2.5.1.2 基函数的对称性 |
| 2.5.1.3 利用基函数的性质计算指数矩的快速算法 |
| 2.5.1.4 利用基函数的性质计算指数矩的优越性 |
| 2.5.2 利用二维快速傅里叶变换计算指数矩 |
| 2.5.2.1 傅里叶变换 |
| 2.5.2.2 利用二维快速傅里叶变换计算指数矩 |
| 2.5.2.3 利用二维快速傅里叶变换计算指数矩的优越性 |
| 2.6 本章小结 |
| 第三章 基于指数矩的车辆追踪 |
| 3.1 《基于指数矩的车牌识别研究》的结构安排 |
| 3.1.1 目前的车辆识别常用算法 |
| 3.1.2 基于指数矩的车辆识别算法 |
| 3.1.3 基于指数矩的车辆识别技术的优越性 |
| 3.2 基于指数矩的车辆追踪的理论基础及仿真实验 |
| 3.2.1 指数矩 |
| 3.2.2 指数矩的缩放不变性 |
| 3.2.3 指数矩缩放不变性的仿真实验 |
| 3.2.4 直行车辆的缩放不变性实验 |
| 3.3 基于指数矩的车辆追踪算法 |
| 3.3.1 目标检测 |
| 3.3.2 车辆追踪 |
| 3.3.3 多车辆追踪问题 |
| 3.4 比传统算法的优越性 |
| 3.5 本章算法适合的场景 |
| 3.6 本章小结 |
| 第四章 基于指数矩的车牌定位 |
| 4.1 目前中国车牌的特征 |
| 4.1.1 车牌的颜色特征 |
| 4.1.2 车牌的尺寸特征 |
| 4.1.3 车牌的频率学特征 |
| 4.2 指数矩在去除背景噪声的车牌图像中的多畸变不变性实验 |
| 4.2.1 车牌的背景的形态学处理 |
| 4.2.2 指数矩的旋转不变性 |
| 4.2.3 指数矩的缩放不变性 |
| 4.2.4 指数矩的平移不变性 |
| 4.3 基于指数矩的车牌定位算法 |
| 4.3.1 分割出车牌区域及形态学处理 |
| 4.3.2 指数矩判定 |
| 4.3.3 宽高比和颜色复查 |
| 4.3.4 比传统方法的优点 |
| 4.4 本章小结 |
| 第五章 基于指数矩的车牌字符识别 |
| 5.1 理论基础及仿真实验 |
| 5.1.1 指数矩的旋转不变性在字符识别中容易产生误判 |
| 5.1.2 旋转不变性在车牌识别中的优缺点 |
| 5.2 车牌字符分析 |
| 5.2.1 车牌中的字符 |
| 5.2.2 车牌中字母和数字的形近干扰 |
| 5.2.3 车牌字符形态学分组 |
| 5.2.4 车牌字符形态学处理 |
| 5.2.5 字符的网格特征 |
| 5.3 实验过程及分析 |
| 5.3.1 实验过程 |
| 5.3.2 实验分析 |
| 5.4 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 图索引 |
| 专业名词的中英文对照表 |
| 致谢 |
| 发表的文章及参与的课题 |
（5）基于内容的图像检索理论与关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于内容图像检索系统的发展 |
| 1.2.2 基于内容的图像检索的关键技术 |
| 1.3 本文的主要研究内容和工作 |
| 1.4 本文的组织结构 |
| 2 基于统计模型的图像检索算法 |
| 2.1 利用NSST得高频子带 |
| 2.1.1 非下采样Shearlet变换理论与分析 |
| 2.1.2 非下采样剪切波分解 |
| 2.2 基于NSST的 BKF统计建模 |
| 2.2.1 Bessel K form(BKF)分布理论与分析 |
| 2.2.2 BKF模型参数估计 |
| 2.3 相似度计算 |
| 2.4 仿真实验与分析 |
| 2.4.1 参数选择实验 |
| 2.4.2 检索性能实验 |
| 2.5 本章小结 |
| 3 基于多特征融合的彩色图像检索算法 |
| 3.1 基于圆谐-傅里叶矩的颜色特征提取 |
| 3.1.1 圆谐-傅里叶矩基本理论与分析 |
| 3.1.2 基于圆谐-傅里叶矩的颜色特征提取 |
| 3.2 基于PDTDFB的纹理特征提取 |
| 3.2.1 幅度和相位理论介绍与分析 |
| 3.2.2 PDTDFB变换基本原理 |
| 3.2.3 纹理特征提取 |
| 3.3 特征归一化与相似度计算 |
| 3.4 仿真实验与分析 |
| 3.4.1 参数选择实验 |
| 3.4.2 检索性能实验 |
| 3.5 本章小结 |
| 4 基于相关反馈的彩色图像检索算法 |
| 4.1 支持向量机的理论基础 |
| 4.2 基于triple criteria active learning(TCAL)方法选择样本 |
| 4.3 基于e SVM分类器的反馈过程 |
| 4.4 相关反馈图像检索系统 |
| 4.4.1 查询模块 |
| 4.4.2 检索模块 |
| 4.4.3 标注模块 |
| 4.4.4 学习模块 |
| 4.5 仿真实验与分析 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 已完成工作与创新点 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（6）基于全局与兴趣点特征的图像检索技术（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究发展现状 |
| 1.2.1 早期的图像检索系统 |
| 1.2.2 近些年图像检索系统的发展状况 |
| 1.2.3 CBIR 技术研究热点 |
| 1.3 本文的主要工作和研究内容 |
| 1.4 本文的组织结构 |
| 2 基于多种特征融合的图像检索方法 |
| 2.1 基于圆谐-傅里叶矩的颜色特征提取 |
| 2.1.1 对立颜色空间理论 |
| 2.1.2 圆谐-傅里叶矩基本理论 |
| 2.1.3 颜色特征提取 |
| 2.2 基于 PDTDFB 的纹理特征提取 |
| 2.2.1 PDTDFB 变换基本原理 |
| 2.2.2 纹理特征提取 |
| 2.3 相似度计算 |
| 2.4 仿真实验与结果 |
| 2.5 结束语 |
| 3 基于局部兴趣点的彩色图像检索算法 |
| 3.1 基于颜色量化矩阵和 ASIFT 的兴趣点提取方法 |
| 3.1.1 RGB 颜色模型 |
| 3.1.2 颜色量化 |
| 3.1.3 概率密度梯度估计 |
| 3.1.4 兴趣点的提取 |
| 3.1.5 ASIFT 算子基本原理 |
| 3.2 特征构造和相似度计算 |
| 3.2.1 空间直方图模型 |
| 3.2.2 相似度计算 |
| 3.3 仿真实验与结论 |
| 3.4 本章总结 |
| 4 总结与展望 |
| 4.1 总结 |
| 4.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及参与科研项目 |
| 致谢 |
（7）具有形变鲁棒性的形状特征研究及其在检索中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 符号对照表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 形状特征及其鲁棒性 |
| 1.1.2 基于内容的图像检索与商品图像检索 |
| 1.1.3 形状特征在商品图像检索中的应用 |
| 1.2 课题意义 |
| 1.3 论文主要工作和成果 |
| 1.3.1 基于主物体区域多特征融合的商品图像检索 |
| 1.3.2 基于压缩度量的检索结果重排 |
| 1.3.3 基于分割块的通用物体检测与分割 |
| 1.3.4 具有形变鲁棒性的模糊形状上下文 |
| 1.3.5 有序形元直方图 |
| 1.4 论文结构安排 |
| 第二章 基于主物体区域多特征融合的商品图像检索 |
| 2.1 背景与相关工作 |
| 2.2 主物体区域的提取 |
| 2.3 特征提取 |
| 2.3.1 形状特征：圆谐傅立叶矩 |
| 2.3.2 颜色特征：模糊颜色直方图 |
| 2.3.3 实现方法 |
| 2.3.4 特征融合 |
| 2.4 实验 |
| 2.4.1 评估标准 |
| 2.4.2 PI100数据库 |
| 2.4.3 应用实例：移动商品图像检索 |
| 2.5 本章小结 |
| 第三章 基于压缩度量的检索结果重排 |
| 3.1 背景和相关工作 |
| 3.2 对CK方法的扩充 |
| 3.2.1 CK方法 |
| 3.2.2 为什么选择CK方法 |
| 3.2.3 图像的预处理 |
| 3.2.4 CK-4距离度量方法 |
| 3.3 Top-K检索排序 |
| 3.4 实验 |
| 3.4.1 重排结果示例 |
| 3.4.2 统计结果 |
| 3.4.3 用户体验分析 |
| 3.4.4 Top-K检索排序与用户体验 |
| 3.5 本章小结 |
| 第四章 基于分割块的通用物体检测与分割 |
| 4.1 研究背景 |
| 4.1.1 专用物体检测和通用物体检测 |
| 4.1.2 通用物体检测和图像显着性检测 |
| 4.2 相关工作 |
| 4.3 检测框架 |
| 4.3.1 框架描述 |
| 4.3.2 算法复杂度分析 |
| 4.3.3 自顶向下的搜索策略 |
| 4.3.4 分割算法 |
| 4.4 物体性检测的特征 |
| 4.4.1 图像显着性 |
| 4.4.2 颜色对比 |
| 4.4.3 边缘强度 |
| 4.4.4 区域特性 |
| 4.4.5 贝叶斯框架下的特征融合 |
| 4.5 实验 |
| 4.5.1 MSRA Salient Object Database |
| 4.5.2 PASCAL VOC 2012 |
| 4.6 本章小结 |
| 第五章 具有形变鲁棒性的模糊形状上下文 |
| 5.1 基于直方图的描述子及其模糊化方法 |
| 5.1.1 特征域模糊模型 |
| 5.1.2 度量域模糊模型 |
| 5.2 直方图模糊化的数学模型 |
| 5.3 形状上下文及其模糊模型 |
| 5.4 模糊形状上下文 |
| 5.5 多层模糊形状上下文 |
| 5.5.1 多层模糊形状上下文描述子 |
| 5.5.2 多层模糊模型与扩散距离的关系 |
| 5.6 多尺度模糊形状上下文 |
| 5.6.1 多尺度模糊形状是上下文 |
| 5.6.2 距离度量 |
| 5.7 实验 |
| 5.7.1 模糊形状上下文和多层模糊形状上下文 |
| 5.7.2 铰接式形状数据库 |
| 5.7.3 商品图像检索 |
| 5.7.4 模糊形状上下文和多尺度模糊形状上下文 |
| 5.8 本章小结 |
| 第六章 有序形元直方图 |
| 6.1 背景和相关工作 |
| 6.1.1 内部距离下形状上下文和形元描述子 |
| 6.1.2 有序词包模型 |
| 6.2 有序形元直方图 |
| 6.2.1 模糊形元 |
| 6.2.2 有序形元直方图 |
| 6.2.3 有序形元直方图的匹配 |
| 6.2.4 形元距离矩阵和n子集的有序形元直方图 |
| 6.3 实验 |
| 6.3.1 MPEG7 CE-Shape-1测试集 |
| 6.3.2 商品图像检索 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文总结 |
| 7.2 研究展望 |
| 附录A 积分图模型 |
| 附录B 层次分割算法 |
| B.1 利用层次分割算法生成图像块 |
| B.2 层次边缘作为检测特征 |
| 附录C 扩散距离的概念 |
| 附录D 缩略语表 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（8）图像区域复制粘贴篡改检测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 数字图像盲取证技术 |
| 1.3 论文的主要工作 |
| 1.4 论文的组织结构 |
| 第二章 区域复制粘贴篡改检测方法概述 |
| 2.1 图像区域复制篡改模型简介 |
| 2.2 图像区域复制粘贴篡改方法介绍 |
| 2.2.1 基于图像块的图像区域复制粘贴篡改检测 |
| 2.2.2 基于像素点的图像区域复制粘贴篡改检测 |
| 2.3 相关算法研究的评述 |
| 2.4 本章小结 |
| 第三章 基于小波矩的图像区域复制粘贴篡改检测 |
| 3.1 图像预处理 |
| 3.2 图像的特征提取 |
| 3.2.1 构造小波矩 |
| 3.2.2 选择小波基 |
| 3.2.3 数字图像小波矩及四个统计特征 |
| 3.3 相似块的确定 |
| 3.4 篡改检测算法 |
| 3.5 实验结果与分析 |
| 3.6 本章小结 |
| 第四章 基于圆谐-傅里叶矩的区域复制粘贴篡改检测 |
| 4.1 离散小波变换 |
| 4.2 图像的圆谐-傅里叶矩特征提取 |
| 4.3 检测算法流程 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表学术论文情况 |
| 中文详细摘要 |
| 英文详细摘要 |
（10）基于支持向量机的大鼠精原细胞的图像识别（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 图像识别的国内外研究现状 |
| 1.3 本文的工作 |
| 1.4 论文的组织结构 |
| 2 图像的预处理技术 |
| 2.1 图像处理简述 |
| 2.2 图像处理的的常用方法 |
| 2.3 图像的形态学处理 |
| 2.4 切片细胞的预处理 |
| 2.5 本章小结 |
| 3 图像特征的选取 |
| 3.1 图像特征的概念及特点 |
| 3.2 常用的图像特征 |
| 3.3 基于 ZERNIKE 矩的特征提取 |
| 3.4 相位修正的 ZERNIKE 矩 |
| 3.5 ZERNIKE 矩的相似性度量 |
| 3.6 本章小结 |
| 4 基于支持向量机的图像识别 |
| 4.1 支持向量机 |
| 4.2 实验图像介绍 |
| 4.3 图像识别算法实验的设计 |
| 4.4 切片图像识别算法实验结果及分析 |
| 4.5 MNIST DATABASE 图像识别实验结果 |
| 4.6 本章小结 |
| 5 全文总结 |
| 5.1 总结 |
| 5.2 进一步的工作 |
| 致谢 |
| 参考文献 |
| 附录 攻读学位期间参与的科研项目及成果 |
四、用圆谐-傅立叶矩描述图像（论文参考文献）
- [1]基于连续正交矩的鲁棒图像水印算法研究[D]. 常丽丽. 齐鲁工业大学, 2021(10)
- [2]数字视频帧内篡改被动取证方法研究[D]. 苏立超. 厦门大学, 2018(07)
- [3]基于图像特征的示波屏识别关键技术研究及应用[D]. 孙景峰. 西北工业大学, 2018(02)
- [4]基于指数矩的车牌识别研究[D]. 王昱心. 北京邮电大学, 2017(02)
- [5]基于内容的图像检索理论与关键技术研究[D]. 李威仪. 辽宁师范大学, 2016(05)
- [6]基于全局与兴趣点特征的图像检索技术[D]. 孙晋. 辽宁师范大学, 2014(01)
- [7]具有形变鲁棒性的形状特征研究及其在检索中的应用[D]. 柴伦绍. 北京邮电大学, 2014(04)
- [8]图像区域复制粘贴篡改检测研究[D]. 秦娟. 长沙理工大学, 2013(01)
- [9]基于圆谐-傅立叶矩的抗几何攻击数字水印算法[J]. 高润月. 内蒙古师范大学学报(自然科学汉文版), 2013(01)
- [10]基于支持向量机的大鼠精原细胞的图像识别[D]. 王杨. 华中科技大学, 2012(07)