毕业论文课题相关文献综述

文献综述

一．研究意义及背景

在上世纪七十年代提出了图像匹配这一概念，这一概念一经提出就得到了军方的肯定与大力资助。经过十余年的发展，图像匹配最终在战斧巡航导弹与潘兴二中程导弹上得到成功应用，极大提高了武器的目标命中率与威慑力。此后，图像匹配技术的应用迅速扩大，成为图像分析与处理的一项关键任务。

图像匹配是指产生一个空间校准的图像集合或者匹配某一景物的过程，及将取自同一目标区域的两幅或多幅图像在空间位置上取得最佳匹配。这些图像可以是由同一传感器在不同时间获取的，也可以是由同一传感器在不同时间获取的，也可以来源于不同传感器。该技术的应用领域非常广泛，涵盖自动化工业检测、地图匹配、飞行器导航、武器投射系统的制导、光学和雷达的图像模板跟踪、工业仪表的自动监控、资源分析、气象预报、医疗诊断、文字识别、图像数据库检索以及景物分析中的变化检测等各个领域。虽然这些领域内的配准技术大多以各自具体的应用背景结合实际情况量身订制，但不同领域的配准技术很容易被移植到其他相关领域。同时该技术涉及许多相关的知识领域，涵盖图像预处理、图像边缘提取、图像分割、图像重采样、特征提取等多个知识面。并于数值计算、多维信号处理和计算机视觉等领域密切相关。

随着当今科技与信息化的快速发展，先进的图像传感器在各个领域已经得到了广泛应用，能够动态、快速、自主地获取多重目标观测图像数据，但相关的数据处理能力发展较为缓慢，特别是自动化目标检测与识别能力等，而图像匹配正是其中所含关键技术之一。如今，在图像匹配中图像篡改也日益成熟，引发了很多现实的问题。因此，图像篡改的相关研究工作具有重要的应用价值与理论意义。

二.国内外研究现状

图像的复制粘贴伪造是图像伪造的基本操作，将一幅图像的部分区域通过复制粘贴操作覆盖至另一区域，很难用人眼直接识别出来。因此，其检测方法是当前国内外伪造图像盲检测研究的热点。复制伪造区域来自于原图像，其像素值、灰度直方图、噪声成分、图像的统计特征等与原图像具有很高的相似性，因而可通过寻找图像中相似区域来检测图像的复制粘贴伪造区域。

传统的复制粘贴伪造检测采用逐像素方式进行搜索相似区域，耗时冗长。Fridrich等人把对像素的比较转化为对图像块的比对，对图像块的DCT(离散余弦变换)量化系数按字典排序进行比较，检测图像的复制粘贴伪造区域，减少了伪造检测的时空复杂度。Popescu等人对图像块组成的矩阵进行主成分分析，用滑窗法对图像块进行比较操作。Li等人提取小波低频图像特征并进行SVD(sin-gularvaluedecomposition)分解，对图像奇异值特征矩阵进行字典排序，减少了搜索伪造块的运算量，但搜索疑似区域仍十分耗时。Wang等人提出利用圆形模板对图像分块的方法来检测带仿射变换的伪造区域，并利用高斯金字塔方法加速检测速率，可检测简单旋转变换后的复制粘贴伪造区域。复制粘贴伪造的盲检测包括特征描述和特征匹配。检测的精确度主要依赖于特征描述，检测的快慢决定于特征匹配所用时间。SIFT(尺度不变特征变换)算法提取图像的局部特征向量，其特征描述符具有平移、缩放和旋转不变性，对光照、仿射、投影变换及噪声具有高抗性。因此，使用SIFT特征为图像特征描述符。

在多数情况下，通过SIFT算法可以得到满意的检测结果。然而，SIFT还是有自身的不足：维数高，计算量大，实时性不高，对于相似结构的图像进行匹配，误匹配比较明显。YanKe在2004年提出了PCA－SIFT算法，该算法对SIFT特征描述符采用PCA（Principal　Component　Analysis）进行降维处理，大幅减少了运算时间，但其对实时情况的处理，不够理想。ElisabettaDelponte，Francesco　Is－gro等人用SVD（singularvalue　decomposition）匹配算法对SIFT计算出的特征描述符进行图像匹配，因其计算复杂，运算量较大。因此，需要寻求一种更有效的SIFT算法。

三、SIFT算法的简单介绍