基于统计噪声水平分析的图像拼接检测

图像拼接是最常用的图像篡改操作之一,针对篡改图像噪声水平不一致性的现象,本文提出了一种基于统计噪声水平分析的图像拼接检测方法。首先,将检测图像分割成大小相同的非重叠图像块,然后,利用一种非参数估计算法来估计每个图像块的噪声值,并且采取聚类法对图像块的噪声值进行聚类,聚类结果分为可疑部分和非可疑部分两大类。最后,通过一个由粗到细的两阶段策略对篡改区域进行定位。哥伦比亚未压缩图像拼接检测评估图像库的实验结果表明,本文方法能够准确地估计图像块的噪声和定位出拼接区域,性能优于现有方法。     

基于广义判决分析的图像拼接检测最优类色度通道设计方法

针对图像拼接检测问题,该文提出一种基于广义判决分析(GDA)的最优类色度通道设计方法。将最优类色度通道的设计建模为一个以GDA识别力为目标函数,以类色度通道参数范围为约束条件的最优化问题,通过网格搜索和梯度上升法求解最优类色度通道参数。在哥伦比亚图像拼接检测评估库中的实验结果显示,目前4种主流的图像拼接检测方法在最优类色度通道上的识别率均高于已有的颜色通道,验证了该方法的通用性和有效性。     

改进最佳缝合线的红外图像拼接方法

变电站场景的红外图像受噪声干扰大、纹理信息不明显,拼接过程中易出现拼接痕迹或重影现象。针对上述问题,本文提出一种改进最佳缝合线的红外图像拼接方法。该方法首先采用SIFT算法提取图像区域特征,实现图像配准;然后在两幅图像的重合区域上引入局部权重系数,并对图像颜色差异强度进行形态学操作,减少红外图像的噪声干扰,以此改善能量函数图的纹理信息。最后,利用动态规划改进缝合线搜索准则,在图像重叠区域搜索出最佳缝合线。实验结果表明,与渐入渐出法和最佳缝合线法比较,本文方法在拼接后图像的平均梯度、图像清晰度和图像边缘强度均有所提高,融合区域过渡更平滑自然,拼接痕迹明显减少。     

融入残差注意力机制的DeepLabV3+图像拼接篡改取证网络

针对现有图像拼接检测网络模型存在边缘信息关注度不够、像素级精准定位效果不够好等问题,提出一种融入残差注意力机制的DeepLabV3+图像拼接篡改取证方法,该方法利用编-解码结构实现像素级图像的拼接篡改定位。在编码阶段,将高效注意力模块融入ResNet101的残差模块中,通过残差模块的堆叠以减小不重要的特征比重,凸显拼接篡改痕迹;其次,利用带有空洞卷积的空间金字塔池化模块进行多尺度特征提取,将得到的特征图进行拼接后通过空间和通道注意力机制进行语义信息建模。在解码阶段,通过融合多尺度的浅层和深层图像特征提升图像的拼接伪造区域的定位精度。实验结果表明,在CASIA 1.0、COLUMBIA和CARVALHO数据集上的拼接篡改定位精度分别达到了0.761、0.742和0.745,所提方法的图像拼接伪造区域定位性能优于一些现有的方法,同时该方法对JPEG压缩也具有更好的鲁棒性。     

利用颜色滤波矩阵估计原图的拼接定位盲取证方法

图像拼接是伪造数字图像最基本的操作,对其的被动盲检测和定位也是数字图像取证亟待解决的关键问题之一。该文通过对图像进行颜色滤波矩阵插值,对图像进行了原图估计,重建其像素邻域一致性。利用待取证图像的边缘点在像素邻域一致性上偏离估计的原始图像的程度,对图像的拼接进行准确定位。实验表明,该方法能够有效地检测图像拼接伪造区域的位置、大小和形状。     

结合最佳缝合线和改进渐入渐出法的图像拼接算法

针对图像拼接时因曝光差异较大或运动物体存在导致融合图像产生拼接缝、重影等问题,提出了一种基于最佳缝合线和改进的渐入渐出融合法相结合的图像拼接算法。首先,在两幅待拼接图像的重叠区域,根据动态规划思想获得最佳缝合线,然后将图像沿其进行拼接,最后由改进的渐入渐出法的融合规则来确定融合图像重叠区域像素点的灰度值,即将重叠区域均分成左、中、右3部分,分别求左部分在待拼接左图像、右部分在待拼接右图像的像素点的灰度值与两幅图像中该像素点加权平均后的灰度值的差值,通过比较其差值的绝对值与设定阈值的大小来确定融合像素点的灰度值,中间部分融合像素点的灰度值则由其加权平均值确定,从而完成图像融合。实验结果表明,该方法能使图像重叠区域过渡更平滑自然,消除重影现象且没有明显拼接痕迹。     

平面镜子孔径加权拼接检测算法(特邀)

为了解决大口径平面反射镜高精度检测问题,建立了一种基于全局优化的子孔径拼接检测数学模型,同时提出了一种拼接因子用于重叠区域取值。基于上述方法,结合工程实例,对一口径为120 mm的平面反射镜完成拼接检测,检测中共规划了四个待测子孔径,为了对比文中所述算法与传统最小二乘拟合拼接算法的拼接性能,分别利用两种算法完成了待测平面镜的面形重构。实验结果表明,两种算法所得拼接结果光滑、连续、无“拼痕”,同时分别将两种算法所得拼接结果与全口径检测结果进行了对比分析,从传统拼接算法残差图中可以看到明显的“拼痕”,而加权拼接方法得到的拼接结果光滑、连续,同时其残差图的PV与RMS值分别为0.012λ与0.002λ,小于传统算法残差图的PV与RMS值,验证了算法的可靠性与精度。     

JPEG图像被动取证研究进展综述

数字图像被动取证是利用图像的固有属性对其真实性认证、拼接区域定位及篡改历史分析的技术。由于大多数图像都需要进行JPEG压缩以便存储和传输，基于JPEG格式的数字图像被动取证越来越受到关注。为了更加全面地对现有取证方法进行梳理与归纳，本文着重对JPEG图像相关的取证技术进行介绍，详细论述了双重JPEG压缩检测、量化矩阵估计和拼接检测与定位方法中的关键技术，分析现有方法存在的问题与面临的困难，并对未来发展方向进行展望。      

一种基于BRISK改进的SURF红外图像拼接方法

在红外图像拼接技术的实际应用中,除了追求较高的拼接精度外,还应尽可能地提高拼接速度以满足实时性的要求。本文结合红外图像拼接技术的实际应用需求,将BRISK二值描述子和Canny边缘检测应用于SURF红外图像拼接,提出一种改进的SURF红外图像拼接方法。改进的红外图像拼接方法在特征点提取阶段将SURF特征点检测、Canny边缘检测和BRISK二值描述子有效结合,生成边缘SURF-BRISK特征点;在特征点匹配阶段采用自适应阈值的层次聚类方法作为搜索策略,并采用RANSAC算法剔除误匹配的特征点;在图像融合阶段采用渐入渐出的融合方法消除图像拼接缝隙。实验证明,本文所用红外图像拼接方法在对复杂场景下的红外图像进行拼接时,有效地提高了配准精度和拼接速度。     

基于KL散度与K-means的Wi-Fi与蓝牙融合室内定位方法

针对当前对室内定位高精度的要求,本文提出了一种基于Wi-Fi和蓝牙融合的室内定位方案。该方案Wi-Fi部分利用核回归的KL散度算法得到观测点估计坐标,蓝牙部分利用K-means算法聚类出圆形估计区域。在融合阶段,用蓝牙聚类得到的圆形区域对Wi-Fi估计的观测点估计坐标进行修正,得到最终结果。实验结果表明,利用本文方案得到的定位结果,与单一利用基于KL散度的Wi-Fi定位结果相比,均方误差减少了21%,与现有的Wi-Fi和蓝牙融合的定位方法相比,定位精度也有了一定的提高。     

Joint image splicing detection in DCT and Contourlet transform domain

Splicing is a fundamental and popular image forgery method and image splicing detection is urgently called for digital image forensics recently. In this paper, a Markov based approach is proposed to detect image splicing. The paper applies the Markov model in the block discrete cosine transform (DCT) domain and the Contourlet transform domain. First, the original Markov features of the inter-block between block DCT coefficients are improved by considering the different frequency ranges of each block DCT coefficients. Then, additional features are extracted in Contourlet transform domain to characterize the dependency of positions among Contourlet subband coefficients. And these features are extracted from single color channel for gray image while extracted from three color channels for color image. Finally, Support Vector Machines (SVMs) are exploited to classify the authentic and spliced images for the gray image dataset while ensemble classifier to the color image dataset. The experiment results demonstrate that the proposed detection scheme outperforms some state-of-the-art methods when applied to Columbia Image Splicing Detection Evaluation Dataset (DVMM), and ranks fourth in phase 1 on the Live Ranking of the first Image Forensics Challenge.     

一种采用刀切法的单通道信源数估计算法

针对现有信源数估计算法不能直接用于单通道接收模型且抑噪能力较差的问题,提出了一种采用刀切法的单通道信源数估计算法。该算法首先通过间隔抽样实现了单通道接收信号多维数的转换,得到矢量化空间;然后采用刀切法将此组空间重构多个协方差矩阵,经酉变换后结果取平均;最后通过循环迭代得到最优信源数。理论分析和仿真结果表明,该算法在白、色噪声环境下能有效抑制噪声,且在低信噪比及采样点较少时能更准确估计信源数,相较于传统的估计算法,显著提高了检测性能。     

天空区域分割的暗原色先验去雾视觉优化技术

暗原色先验规律在天空区域的不适用,将会导致去雾后图像中的天空区域产生明显的噪声放大和色彩失真,为此提出基于天空区域分割的改进暗原色先验去雾算法.首先,采用将K均值聚类与增强边缘提取相结合的方法来进行天空区域分割,之后对有雾图像中天空区域的透射率进行修正,以得到改进的去雾后图像.该方法在天空区域分割的准确性上较好,去雾后图像不仅天空区域失真与噪声等显著减弱,还保证了远景清晰度.实验表明,该方法明显改善了去雾后图像天空区域的视觉效果并保留了远景清晰度,使去雾后图像显得清晰的同时表现得更加自然.     

利用功率谱极值和几何平均的频谱感知算法

为了提高基于功率谱的频谱感知算法抗噪声不确定性、抗频偏及低信噪比下检测性能,本文利用功率谱的部分样本平均估计最大值,以降低信号频偏对频谱感知性能影响;利用功率谱的最大值与最小值之差与功率谱几何平均之比作为判决统计量,以尽可能消除噪声影响及保留主用户信号;推导得到了检测门限表达式,表明该算法对噪声不确定性不敏感。加性高斯白噪声信道和瑞利衰落信道下的仿真结果表明:该算法频谱感知性能优于已有的基于功率谱的频谱感知算法,降低了未知载波频偏和噪声不确定性对频谱感知算法性能的影响,该算法能够有效检测实际信号。      

图像纹理合成的研究应用

在此介绍了纹理和纹理合成的基本概念,给出了纹理合成常见的几种算法,通过分析块拼接纹理合成算法,对块拼接纹理合成算法进行改进,将块拼接的原理应用到图像拼接上,并对象素加入与人视觉有关的权值进行接缝处理。实验结果表明,该方法简单实用,对于基本的由不同方位拍摄的图像都可以通过该算法进行拼接,并通过对接缝处的处理,取得了较好的结果。     

Face Detection under Complex Background and Illumination

For face detection under complex background and illumination, a detection method that combines the skin color segmentation and cost-sensitive Adaboost algorithm is proposed in this paper. First, by using the characteristic of human skin color clustering in the color space, the skin color area in YCbCr color space is extracted and a large number of irrelevant backgrounds are excluded; then for remedying the deficiencies of Adaboost algorithm, the cost-sensitive function is introduced into the Adaboost algorithm; finally the skin color segmentation and cost-sensitive Adaboost algorithm are combined for the face detection. Experimental results show that the proposed detection method has a higher detection rate and detection speed, which can more adapt to the actual field environment.     

基于区域梯度信息的红外小目标检测

红外小目标检测一直是红外图像处理的难点之一,由于多种因素的影响,红外小目标容易被覆盖。分析红外图像特征,采用形态学对图像进行背景噪声抑制,在去除大部分噪声的情况下,首先利用灰度信息确定目标点的位置,然后利用区域梯度信息进而确定目标尺寸大小,对仿真图像进行处理并与K均值聚类法和形态学算法进行比较。实验结果表明:在低噪声情况下,三类算法均能有效地进行小目标检测,但在噪声复杂,信噪比较低的情况下,K均值聚类法未能检测出目标,形态学算法产生了多个虚警,而该算法依然能有效检测出小目标。