一种去除块效应的自适应后处理算法

在基于块DCT编码的图像压缩技术中,低比特率下重建图像的块边界会出现块效应,严重地损害图像的主观质量.文中提出一种自适应去块效应算法,目的是为了在不造成图像模糊的情况下去除图像的块效应.算法首先利用图像块的DCT特性将其分为平坦块和非平坦块,然后针对不同的图像块之问的块效应,采用以不同的自适应平滑函数替代阶梯函数的方法来消除块效应.仿真结果表明,该算法不仅有效地去除了图像的块效应,而且较好地保留了图像的纹理和边缘.     

基于Turbo码的信息隐藏技术

该文提出一种基于Turbo码的自适应水印算法。为了实现自适应嵌入水印,将原始图像分块并利用视觉掩蔽特性对图像块进行分类,根据分类的结果,将不同强度的水印分量嵌入到图像块的DCT低频系数中。实验结果表明,利用该算法实现的水印具有很好的视觉掩蔽效应和鲁棒性。     

基于DCT域的自适应二维数字水印系统

本文提出了一个以图像为水印的DCT域二维自适应数字水印算法。为实现水印图像的叠加 ,我们首先将其进行 8× 8分块并进行DCT变换 ,然后对每块的DCT系数进行调整 ,最后 ,取出每块的部分低频系数构成水印信号。为了实现自适应 ,首先将原始图像按 8× 8分块并利用视觉掩蔽特性对图像块进行分类 ,然后对每块进行DCT变换 ,根据块分类结果 ,水印信号以不同强度嵌入到图像块的DCT低频系数中。实验结果表明 ,该算法具有较好的鲁棒性。     

基于JPEG双量化效应的图像篡改盲检测

JPEG图像的双量化效应是检测和发现JPEG图像篡改的重要线索。针对现有检测算法大多数是基于DCT块效应而较少利用双量化效应的情况,提出了一种利用JPEG双量化效应的图像篡改盲检测新方案。该方案对比用DCT系数直方图计算的未篡改区域后验概率和用区间长度计算的未篡改区域后验概率之间的差异性,提取能有效区分篡改块和未篡改块的特征,计算每个DCT块的特征值,然后设置阈值,将特征值大于阈值的图像块判定为篡改块,最后通过选取连通区域,标定篡改区域。实验结果表明,与已有的类似方案相比,该方案能够较精确地检测和定位篡改区域,且对颜色、纹理丰富的图像具有明显优势。     

基于人眼视觉特性的DCT域的信息隐藏盲提取算法

经过对人眼视觉特性和DCT的特征分析,选用载体图像DCT系数的中频部分作为待隐藏图像的DCT系数.并根据HVS特征将载体图像的各个DCT子块分为三类,然后根据DCT子块的类型不同,自适应改变每对DCT系数的强度参数.实验结果表明此算法具有良好的隐秘性和较强的鲁棒性.此外,在秘密信息提取时,该文算法不需要原始图像,实现了盲提取.     

基于人眼视觉特性的DCT域的信息隐藏盲提取算法

经过对人眼视觉特性和DCT的特征分析,选用载体图像DCT系数的中频部分作为待隐藏图像的DCT系数.并根据HVS特征将载体图像的各个DCT子块分为三类,然后根据DCT子块的类型不同,自适应改变每对DCT系数的强度参数.实验结果表明此算法具有良好的隐秘性和较强的鲁棒性.此外,在秘密信息提取时,该算法不需要原始图像,实现了盲提取.     

基于JPEG双量化效应的图像盲取证

JPEG图像的双量化效应为JPEG图像的篡改检测提供了重要线索.根据JPEG图像被局部篡改后,又被保存为JPEG格式时,未被篡改的区域(背景区域)的离散余弦变换(DCT)系数会经历双重JPEG压缩,篡改区域的DCT系数则只经历了1次JPEG压缩.而JPEG图像在经过离散余弦变换后其DCT域的交流(AC)系数的分布符合一个用合适的参数来描述的拉普拉斯分布,在此基础上提出了一种JPEG图像重压缩概率模型来描述重压缩前后DCT系数统计特性的变化,并依据贝叶斯准则,利用后验概率表示出图像篡改中存在的双重压缩效应块和只经历单次压缩块的特征值.然后设定阈值,通过阈值进行分类判断就可以实现对篡改区域的自动检测和提取.实验结果表明,该方法能快速并准确地实现篡改区域的自动检测和提取,并且在第2次压缩因子小于第1次压缩因子时,检测结果相对于利用JPEG块效应不一致的图像篡改盲检测算法和利用JPEG图像量化表的图像篡改盲检测算法有了明显的提高.     

基于自适应空域滤波的图像去块效应算法

分块有损压缩图像忽略了块间相关性,重构时会产生块效应,该文提出一种空域自适应去块效应算法。对块边缘采用方向自适应有理滤波,以弱化块效应。根据块的内部活动性将图像块分成平坦块和纹理块2类,利用基于方差的空域检测方法检测出平坦块,并对平坦块进行邻块边缘自适应平滑。实验结果表明,该算法有效去除了块效应,一定程度上提高了信噪比,算法简单且鲁棒性较好。     

基于DCT域的高压缩图像去块效应算法

块离散余弦变换(B lock D iscrete Cosine Transform)的主要缺点是在低比特率时其恢复图像的块边界上会出现明显可见的方块效应,降低了图像的视觉质量.为了尽量消除块效应并保护图像的边缘信息提出了一种基于DCT域的块效应消除算法.该算法充分利用了人类视觉系统(Hum an V isual System)特性,建立了块效应模型并给出一个简便的检测边缘标准,对于平滑区,对影响块效应的参数进行修正,然后用线性函数块代替阶跃函数块去除块效应,最后再对更新块和纹理区在DCT域中进行后滤波.仿真结果验证了本文算法的有效性.     

基于邻域比较的JPEG 脆弱水印算法及性能分析

为提高篡改检测性能和协调安全性与不可见性之间的矛盾,提出一种利用邻域比较判定图像块真实性的JPEG脆弱水印算法.该算法将原始图像分成8×8的图像块,基于图像块保护DCT系数生成的4比特水印基于密钥随机嵌入到其他4个图像块量化步长较小的DCT系数最低位.通过比较该图像块与相应4个水印嵌入块8邻域中不一致图像块个数来判定该图像块的真实性,推导给出一般篡改和拼贴攻击下算法的虚/漏警率,并利用统计实验对理论分析结果进行验证.理论分析和实验统计结果表明,通过比较图像块与其相应水印嵌入块8邻域中不一致图像块个数能够提高篡改检测性能,在量化步长较小DCT系数的最低位嵌入水印,解决了保护DCT系数个数与不可见性之间的矛盾.     

Deep learning-based compressed image artifacts reduction based on multi-scale image fusion

One of the visually noticeable compression artifacts in block-based image/video compression platforms is called blocking artifact. Several post-processing methods were presented to reduce such kind of artifacts. However, most methods in the literature often induce visibly blurring artifacts. The paper presents a deep network to eliminate image compression artifacts (usually denoted by image deblocking) based on image fusion in multi-scale manner. Recent deep learning-based related methods usually learn deep models using a loss function in per-pixel manner based on explicit image priors in order to directly produce clean images. In place of existing deep learning-guided approaches, the problem is reformulated in this paper to the learning of the residuals (or artifacts) between the received images and their corresponding clean images (ground truths). In the presented deep framework, an input image is first down-sampled while naturally reducing the blocking artifacts. Then, our multi-scale image fusion model is used for fusing the different down-scaled versions (of less artifacts) with the input image (with severer artifacts) to estimate the blocking artifacts. Then, by deducting the estimated artifacts from the input image, the blocking artifacts can be significantly eliminated and most original image details are preserved simultaneously. The presented method is well applicable to any vision-based computer systems with digital visual codec embedded.     

利用块效应特征的JPEG图像盲取证研究进展

数字图像的盲取证技术由于不依赖任何预嵌入的信息来鉴别图像真实性和完整性的优势,正逐步成为数字媒体安全领域新的研究热点。由于JPEG图像是目前最流行的图像格式,并且块效应是JPEG图像与生俱来的本质特征,因此如何更加有效地利用块效应特征对JPEG图像的真伪进行盲取证研究具有非常重要的现实意义和应用价值。首先对目前国内外利用JPEG图像编码特性的盲取证方法进行归类分析;然后重点针对利用块效应特征的JPEG图像盲取证技术展开讨论,详细介绍并总结了基于块效应测度和基于块效应网格提取的两类盲取证算法的核心思想和局限性;最后提出了存在的问题及未来的研究方向。     

基于JPEG块效应频域特性的合成图像检测

JPEG图像在压缩过程中所产生的块效应在功率谱曲线上体现为周期性波峰,而篡改JPEG图像所造成块效应不一致将导致周期性波峰的衰弱或消除。利用上述原理,提出了一种基于JPEG块效应频域特性的合成图像检测算法。算法对待测图像进行去噪,提取包含块效应的噪声,对其进行重叠分块并求得每块的块效应度量值,依据该度量值检测并定位篡改区域。实验结果表明,相对于传统的基于块效应不一致的算法,能够更好地检测多种不同图像格式的合成和篡改区域较小等情况。     

一种有效的块DCT编码图像去块效应算法

块离散余弦变换在低比特率时其恢复图像的块边界上会出现明显可见的方块效应，从而降低了图像的视觉质量。提出一种基于小波域特征分析的去块效应算法，目的是尽量消除块效应的同时充分保护图像的边缘信息。图像空域中的块效应，在小波域高频子带表现为平行线效应、竖直线效应或者网格效应。通过为各个子带设置自适应操作算子去抑制块边界系数能量聚集现象，使得空域中的块效应得到消除。仿真结果表明在不同比特率下，对不同类型的图像，新算法都能得到较好的去块效应效果，并且具有较高的运算速度。     

适应视觉感知的块效应消除算法

针对编码图像出现块效应的现象,提出一种以人类视觉感知驱动的块效应消除算法。传统块效应消除算法经常会导致图像边缘丢失,为了解决这个问题,本文对块效应影响像素应用自适应滤波器和模糊推理技术。仿真结果表明算法可以获得比传统算法更好的效果。     

一种空间域自适应去块效应算法

基于块离散余弦变换的图像压缩编码,在低比特率时其重构图像的块边界上会产生严重的方块效应。提出了一种空间域的自适应去块效应算法。首先把块效应建模成阶梯函数,然后根据判断准则把图像块分成平滑块,纹理块和边缘块。对平滑块,首次导出了块效应强度的表达式,然后根据块效应强度和平滑度进行自适应平滑滤波;对边缘块和纹理块,采用简单的Sigma滤波器对块边界周围的像素滤波。大量的仿真实验结果表明提出的算法有优越的去块效应性能。     

Efficient robust filtering technique for blocking artifacts reduction

This paper presents a new post-processing algorithm based on a robust statistical model to remove the blocking artifacts observed in block discrete cosine transform (BDCT)-based image compression standards. The novelty is the implementation of a new robust weight function for the block artifact reduction. The blocking artifacts in an image are treated as an outlier random variable. The robust formulation aims at eliminating the artifacts outliers, while preserving the edge structures in the restored image. Extensive simulation results and comparative studies demonstrate that the presented method provides superior results in terms of pixel-wise (PSNR) and perceptual (SSIM) measures.     

基于小波变换的方块效应去除法

低比特率JPEG压缩图像会产生严重方块效应，即马赛克现象，后处理技术可以有效地减少该效应。针对压缩图像在小波域中有结构信息和块不连续性的不同表现，提出了一种基于小波变换的分析方法，对图像在小波域中的不同响应分别加以处理。该算法根据小波系数在不同范围内的不同特性对图像进行区域分类，进而对不同区域做出不同的处理。试验结果表明，该方法能有效地减少方块效应，提高解码端图像的视觉质量。     

Improved anti-forensics of JPEG compression

The comblike histogram of DCT coefficients on each subband and the blocking artifacts among adjacent blocks are the two main fingerprints of the image that was once compressed by JPEG. Stamm and Liu proposed an anti-forensics method for removing these fingerprints by dithering the DCT coefficients and adding noise into the pixels. However, some defects emerge inside the anti-forensically processed images. First, the noise distributions are abnormal in the resulting images; and second, the quality of the processed image is poor compared with the original image. To fill these gaps, this paper proposes an improved anti-forensics method for JPEG compression. After analyzing the noise distribution, we propose a denoising algorithm to remove the grainy noise caused by image dithering, and a deblocking algorithm to combat Fan and Queiroz's forensics method against blocking artifacts. With the proposed anti-forensics method, fingerprints of the comblike histograms and the blocking artifacts are removed, noise distribution abnormality is avoided, and the quality of the processed image is improved.     

Reducing blocking artifacts in JPEG-compressed images using an adaptive neural network-based algorithm

It is well known that at low bit rates, a block-based discrete cosine transform compressed image or video can exhibit visually annoying blocking and ringing artifacts. Low-pass filters are very effective in reducing the blocking artifacts in smooth areas. However, it is difficult to achieve a satisfactory result for ringing artifact removal using only an adaptive filtering scheme. This paper presents a neural network-based deblocking method that is effective on various types of images. The first step of this scheme is block classification that identifies each 8 × 8 block as one of the three types: PLAIN, EDGE or TEXTURE, based on its statistical characteristics. The next step is the reduction in the blocking and ringing artifacts by applying three trained layered neural networks to three different types of image areas. Comparing this method with other algorithms, the simulation results clearly show that the proposed algorithm is very powerful in effectively reducing both blocking and ringing artifacts while preserving the true edge and textural information and thus significantly improving the visual quality of the blocking images or videos.