为去除彩色图像中的雾霾,提出了一种基于主分量分析(PCA)和大气散射模型的快速去除彩色图像雾霾的算法。首先,提取彩色图像三个颜色通道的主分量,并用最大主分量重构三个颜色通道,并在重构后的三个颜色通道中取最小灰度值构成最小重构映射(MRM);然后,用中值滤波器对MRM滤波,以提高估计全局大气光的准确性,接着在MRM中估计全局大气光;最后,根据大气散射模型求解介质透过率和场景辐射度(去除雾霾后的图像)。实验结果表明,所提算法在视觉效果上取得了较好的复原结果,与暗原色去雾算法和对比度受限自适应直方图均衡算法相比,所提算法运算效率更高,同时该算法简单、易于实现,能较快去除彩色图像中的雾霾。

重采样是图像篡改中的一种典型操作，针对现有重采样伪作检测算法对于JPEG压缩格式的图像检测效果不理想，也无法准确估计其中的缩放因子的问题，提出了基于再采样的图像重采样检测算法。该算法先将待检验的JPEG图像以缩放因子小于1进行再次重采样，以削弱JPEG压缩对算法的影响，再利用重采样信号二阶导数具有的周期性来进行重采样操作检测。实验结果表明，该算法具有很强的抗JPEG压缩能力，同时能够准确估计真实的缩放因子。另外，该算法对于经过不同缩放因子而得到的图像进行合成时的重采样操作，也有明显的检测效果。

特征点匹配是基于特征点的图像配准技术中的一个重要环节。针对现有基于尺度不变特征变换(SIFT）图像配准技术特征点匹配不理想,也无法较客观、快速地筛选正确匹配点对的问题,提出结合图像深度信息进行特征点误匹配筛选剔除的方法。该算法首先根据模糊聚焦线索和机器学习算法估计出待配准图像的深度信息图,再提取SIFT特征点,并在特征点匹配环节利用随机抽样一致性(RANSAC)算法迭代循环,结合深度局部连续性的原理来进一步提高匹配精度。实验结果表明,该算法具有很好的误匹配点对剔除功能。