基于SVD和直方图的JPEG同幅图像篡改盲检测算法

首先分析了基于小波变换和奇异值分解方法对同幅图像拼接篡改检测的缺点,结合相关重要的思想,构建了一种改进算法,该算法运用SVD提取图像块特征,并采用偏移频率的直方图来确定阈值。在仿真实验中,通过运用三种算法对图像篡改进行检测,对比结果表明,文章所提算法对同幅图像单次篡改和多次篡改均有更好的检测效果,而且通过修改图像的质量因子的实验进一步证实了该算法具有一定的鲁棒性。     

基于多尺度特征先验的图像拼接篡改检测

针对现有图像拼接篡改算法存在识别准确度不高的问题,提出了一种基于多尺度特征先验的图像拼接篡改检测框架。首先,训练一个环状残差网络对数据集的深度特征进行学习,将训练得到的模型作为后续网络学习的先验知识。然后,开发一个由多个外部注意力块和环状残差块组合的分支网络,该分支网络有效地利用环状残差网络训练模型中的多尺度特征先验知识,进一步学习到精确的拼接篡改图像区域信息。为了进一步解决数据不均衡问题,结合二值交叉熵损失和Dice损失来设计模型训练目标函数,最终较为精确地检测出篡改区域图。大量实验对比数据表明,所提方法可以有效检测出不同场景下的拼接篡改图像,与对比方法相比有更高的检测准确率。为了进一步检验模型的鲁棒性,对压缩和噪声图像进行了实验测试,结果表明所提方法在鲁棒性方面也能取得较好的结果。     

数字图像复制—粘贴篡改检测与定位算法

为了提高图像区域的复制篡改检测效率,提出了一种基于相位相关的数字图像检测与定位算法。该算法首先对图像进行滑窗分块,根据各个图像块的灰度均值大小选出可能匹配的图像块对,然后利用相位相关技术对图像块对进行匹配度计算,最后根据候选图像块对之间的距离消除误匹配块对,并标记篡改区域。实验结果表明,该算法检测效率高且实用性强。     

基于JPEG块效应的图像合成篡改检测

该文介绍了利用JEPG块效应,针对JPEG图像合成篡改的盲检测原理,并给出了检测算法的流程。首先计算待测图像水平和垂直方向差分图像的功率谱密度,功率谱密度的计算中用来依次评价图像各区域块效应的滑块,其大小由手动随机设置改进为根据被测图像尺寸自动调整。然后根据定义的块效应评价,确定篡改区域。最后通过实验验证,这种改进不仅有效,而且对篡改对象的尺度缩放、旋转和噪声有一定鲁棒性。     

基于双重水印的图像篡改检测算法研究

双重水印嵌入算法是在当前数字水印技术和信息隐藏技术研究成果的基础上,结合变换域和空间域方面的技术理论,对需要保护的图像进行双重水印嵌入。该算法充分发挥变换域算法水印鲁棒性好、抗攻击能力强和空间域算法水印嵌入量大的优势。采用图像分块检测算法,可降低篡改检测的虚警率,提升检测的精确度和水印的抗攻击性能。基于双重水印的图像篡改检测算法可以很好地对数字图像的真实性和完整性进行验证。     

一种Seam-insertion篡改的检测与定位方法

针对能够用于图像篡改的Seam-insertion技术,提出了一种Seam-insertion篡改识别定位算法。算法充分考虑了Seam-insertion篡改所引起的图像特征变化,提取像素点的线性特征和能量特征用于篡改的检测,并利用Seam的特性对篡改区域进行定位。实验结果表明,提出的方案能有效识别基于Seam-insertion的图像篡改,并能对篡改区域进行较为准确的定位。     

一种基于线条特征的图像拼接算法

全景图像是通过将普通照相机拍摄到的、边界部分有重叠的图像进行拼接而创建形成的．利用图像重叠部分对应像素的相似性，提出了一种行之有效的拼接算法，即通过特征线条的数据分布来配准图像，使得到的图像无缝平滑．     

数字图像拼接技术的研究

论文详细叙述了数字图像拼接的全部过程,包括图像拼接的理论基础、图像的获取、图像配准以及图像平滑连接等步骤.在全景图的实现过程中,关键技术是实现重叠图像正确、平滑的无缝拼接,论文主要研究了基于模板匹配的图像配准的方法,采用比值法对图像进行图像配准,找到拼接最佳位置SSD.对于图像合并过程,则采用渐入渐出的方法完成图像的平滑连接和显示,并将整个拼接工作用Matlab编写成应用程序.最后对试验结果做了详细分析和总结,并与穷举法进行对比,实验结果表明该算法不仅达到了较高的精度,而且提高了运算速度.     

一种新颖的数字图像篡改检测方法

检测数字图像复制—粘贴型篡改是目前研究热点之一。多数复制—粘贴篡改检测方案只对刚性平移篡改具有较好的检测精度,无法有效应对更复杂的几何变换和常规信号攻击。为优化数字图像复制—粘贴篡改检测效率和精度,首次提出一种使用极坐标复指数变换（PCET）与一致性敏感哈希（CSH）的高效检测算法。首先,计算滑动窗口 PCET 系数,将其作为不变的图像局部特征|然后,根据这些特征,利用 CSH 算法快速、精确地匹配大量密集分块|最后,使用基于密集线性滤波的后处理算法消除匹配结果中的错误匹配并定位重复区域,得到最终检测结果。根据实验结果可知,该算法不仅检测精度平均提高 12.06%,而且处理时间平均缩短315.64s。因此利用对几何变换和常规信号攻击鲁棒的 PCET 系数刻画图像局部特征,并采用基于图像一致性的快速高精度匹配算法 CSH,可有效优化复制—粘贴篡改检测精度和效率。     

遥感图像拼接算法的研究

针对高分辨率遥感图像的特点,在充分考虑图像的空间几何特征和图像像元间相关性的基础上,提出了一种融合的图像拼接处理算法.经该算法处理后的拼接图像很好地保留了地物的几何特征和波谱信息,且重叠区域过渡自然,更有利于遥感图像的后期处理、分析和应用.     

基于序列图像的车型识别研究

研究提出了一种应用于车型识别系统中的基于序列图像的图像处理方法.该方法对采集的彩色序列图像进行灰度化、平滑去噪、序列图像差分、Sobel边缘检测、横/纵向填充、图像修正、边缘提取等一系列的图像处理,并最终识别车型.其中,与传统的车型背景分离法相比,序列图像差分对汽车从实际背景中分离出来起着重要的作用,达到了很好的分离效果.通过利用Matlab进行了实际检验,结果表明,该一系列的车型识别方法是可行的,并对低质量和背景复杂图像有着良好的处理效果.     

提取数字图像边缘的算法比较

本文简要地介绍了几种经典算子的原理,设计了相关实验来提取图像边缘,并使用Marlab对图像进行边缘检测,分析这几种经典算子的优劣,找出适合进行图像边缘检测的最佳算子.     

BP神经网络在入侵检测中的改进设计

在收集到原始数据后,如何对这些数据进行有效分析及报告结果一直是入侵检测领域中研究的重点,并因此形成了多种ID方法。本文提出了一个ID模型,提出了一种改进训练算法,对模型的核心组成部分进行了分析、设计和实现,并进行了相关实验。     

基于MATLAB的数字图像边缘检测算子的实验对比研究

数字图像处理中几种常见的边缘检测算子,通过MATLAB进行实现;各个算子的边缘检测效果及抗噪能力分析,得出了各自的优缺点和适用范围。     

一种基于模糊聚类方法的入侵检测研究

聚类分析是一种有效的入侵检测方法.可以从网络数据中区分正常流量和异常流量.本文提出一种模糊聚类分析方法,利用数据之间的相似度进行聚类,试验证明,该方法可以有效地检测网络入侵.     

基于小波域图像融合的边缘检测算法研究

针对多聚焦度分析和部分有损图像分析中难以提前完整边缘信息的问题,提出了一种基于小波域图像融合的边缘检测算法。它是在小波变换多分辨率分析的基础上,运用图像融合及图像增强理论,使得小波子带边缘信息量最大化,再运用经典的Canny算子边缘检测算法最终实现图像边缘的检测。     

基于面包师算法的数字图像置乱处理研究

数字信息革命给我们的社会和生活带来了巨大的变化,同时,也带来了新的挑战和革新的机会。提出了一种基于面包师变换的数字图像置乱新算法。给出了K进制面包师变换的定义,并讨论了其在数字图像置乱中的应用。对基于面包师变换的数字图像置乱算法的鲁棒性进行了分析(如密钥空间、相邻像素的相关性、抗图像处理等)。实验结果表明,这种置乱方法能够在一定程度上抵抗一些通常的图像攻击,如裁剪、压缩和高斯噪音等。     

Extraction of color-intensity feature towards image authentication

A color-intensity feature extraction method is proposed aimed at supplementing conventional image hashing algorithms that only consider intensity of the image. An image is mapped to a set of blocks represented by their dominant colors and average intensities. The dominant color is defined by hue and saturation with the hue value adjusted to make the principal colors more uniformly distributed. The average intensity is extracted from the Y component in the YCbCr space. By quantizing the color and intensity components, a feature vector is formed in a cylindrical coordinate system for each image block, which may be used to generate an intermediate hash. Euclidean distance is modified and a similarity metric introduced to measure the degree of similarity between images in terms of the color-intensity features. This is used to validate effectiveness of the proposed feature vector. Experiments show that the color-intensity feature is robust to normal image processing while sensitive to malicious alteration, in particular, color modification.     

基于差异演化的多聚焦图像融合算法

多聚焦图像融合就是综合和处理多个源图像的信息,来获取对同一场景或物体的更为准确、更为全面、更为可靠的图像描述．对于可见光成像系统而言,特别是含有长焦距的光学镜头,对景深有一定的限制．因此,将场景中的所有物体都成像清晰是很难的,这个问题采用多聚焦图像融合技术可以很好解决．通过提出一种基于差异演化的多聚焦图像融合算法,首先将源图像进行分块,然后用清晰度评价函数比较对应图像块的清晰度,选择清晰度高的作为清晰图像块,最终重构融合图像．该方法的积极意义在于,优化后的图像块比没被优化的使用效果更佳．实验结果表明,从定量和视觉两方面评价,都明显优于遗传算法和其他传统的图像融合方法．     

基于视频的运动目标检测跟踪模型的应用研究

本文采用了一种运动目标存在情况下的背景重建算法,能较好地抑制外界环境变化带来的影响。该运动目标检测算法通过一定数量帧的学习、统计,找到各坐标点像素灰度等级的分割阈值。在对当前帧图像进行背景差分后,分割出运动目标区域。若存在运动目标,则根据串行边界跟踪算法获得运动目标轮廓。获得边界后,模型将绘制方框显示运动物体,并发出警报。该运动目标检测模型用VisualC＋＋给予实现。