基于模式噪声的手机图像篡改检测

模式噪声作为相机传感器的固有特征, 其高频分量与所拍摄的场景无关, 并在相机的生命期中相对稳定. 因此基于模式噪声的多媒体取证已经被广泛应用在追溯图像来源检测中. 然而, 由于模式噪声的脆弱性, 容易被篡改者从一个相机复制到另一相机上. 针对这一问题, 首先对基于模式噪声的两种篡改方式进行研究, 并通过设定判定阈值进行篡改取证, 同时为了解决模式噪声的相关性检测过程中计算量大, 算法复杂度高等问题, 采用了改进的模式噪声集鉴别方式, 大大提高了篡改检测效率.     

利用模式噪声主分量信息的源相机辨识技术

针对数码相机源辨识问题,提出一种利用成像传感器模式噪声主要分量（或称大分量）信息进行源设备辨识的新方法。首先围绕模式噪声的抽取和预处理,讨论去噪滤波器和去颜色滤波器阵列（CFA）插值对提高模式噪声质量的影响,然后重点讨论选取传感器模式噪声部分大分量对改善相关性检测器性能的作用。该方法不仅能很好地分离两台相机所拍摄的照片,而且还大幅度减小了检测的计算量。     

利用彩色图像信息的源相机辨识策略

目前基于模式噪声的源相机辨识方法大都只在单颜色通道图像上进行,或是对三个单色通道图像上的检测结果简单地求均值,这显然不能全面反映成像传感器的特征。通过分析相机图像生成过程中马赛克图像插值过程的特点,提出三种新的基于彩色图像信息的源相机辨识策略。实验结果表明,所提策略具有更好的辨识效果且需要的特征点少。     

基于神经网络的图像来源识别方法比较研究

随着手机等便携式智能电子设备的普及,图像已成为最重要的信息载体之一,在新闻、社交及司法等领域发挥着重要作用。在享用电子图像带来便捷性的同时,图像处理工具给不法分子通过篡改电子图像实施诈骗等犯罪活动提供了可能,识别图像来源、辨别图像真伪已成为遏制和惩罚此类犯罪活动的重要技术手段。该文讨论了神经网络在图像源识别中的应用方法,分别将原始图像和图像噪声作为模型输入数据,比较分析了神经网络的分类效果。从依赖数据属性、数据预处理方法以及应用模式等方面进行了实验。通过对实验结果进行分析,发现提取有代表性的图像块以及使用平滑的图像进行实验更有利于图像来源的识别。分别采用笔者建立的数据集(10个相机)和vision数据集(35个相机)作为分析数据集,图像来源分类的实验结果表明相对于简单估计相机传感器模式噪声的方法准确率提升了35%,图像来源判断的实验结果准确率达到了95%。     

新的噪声污染灰度图像边缘检测方法

传统的图像边缘检测方法由于引入了各种微分运算,因此用于噪声图像边缘检测时对噪声极度敏感。针对这一问题,提出了一种基于独立分量分析技术的噪声图像边缘检测方法,该算法通过计算数据之间的高阶统计信息,提取特征模板,然后将被高斯噪声污染的灰度图像与这些模板逐个匹配,提取出边缘成分。实验结果表明,基于独立分量分析技术的模板匹配方法自适应强,复杂度低,是一种有效的高斯噪声污染灰度图像边缘检测方法。     

鱼眼相机与PTZ相机相结合的主从目标监控系统

提出了一种将鱼眼相机和PTZ相机相结合的主从目标监控系统,充分利用鱼眼相机单镜头半球空间成像以及PTZ相机指向性高分辨率成像的优点,实现了单系统半球空间运动目标的高分辨率成像监控。首先采用运动点团模式实现鱼眼图像中运动目标的检测;然后在鱼眼图像空间计算目标的相对方位角P′、俯仰角T′和距离Z′;最后通过参数映射将其映射到PTZ图像空间,输出PTZ控制信号给相机进行指向性成像。PTZ图像空间中的P参数和T参数结合鱼眼镜头畸变系数进行校正计算,Z参数根据目标在鱼眼图像中的相对尺寸及PTZ图像中需要的尺寸进行计算。通过对PTZ参数的多次实验测量,其结果的误差均在系统要求范围之内。系统实际的户外测试结果表明,系统能准确检测出鱼眼图像中的运动目标,在PTZ参数的控制下,PTZ相机能准确指向目标进行二次高分辨率成像,目标在PTZ图像中的位置和大小合适,达到预期的设计目标。     

基于模式分类的图像区域作伪检测

为了鉴别一幅数字图像是否存在作伪的区域,提出一种利用改进的图像特征进行区域作伪检测的算法.基于模式分类的思想,该方法把图像分割成适当大小的块,从图像块中提取特征数据,用SVM分类器训练数据并得到支持向量机模型,利用该模型检测嫌疑图片是否存在作伪.该算法从噪声相关性、残差噪声、图像质量、小波域等方面分析相机图片的特点,获取每种的统计特征,形成特征集.实验结果表明,该方法能有效地检测出图像的具体作伪区域.     

一种基于成像传感器噪声的相机源辨识算法

通过支持向量机对数字图像的源相机问题进行研究.提出了一种基于成像传感器噪声特征的源辨识算法.利用去噪算法对数字图像的单个颜色通道图像进行去噪处理,用原始图像减去滤波图像得到传感器的噪声信息,再提取噪声信息的统计特征;将统计特征生成一个特征向量的形式来设计源辨识算法;借助支持向量机工具来确定相机的品牌或型号.实验结果表明...     

一种边缘保持的医学图像去噪方法

医学图像去噪在图像处理中占有重要地位,对获取的医学图像进行去噪是进一步分析和计算的基础.将一维经验模式分解方法扩展到二维,提出了基于二维经验模式分解的医学图像边缘保持去噪方法.该方法先将图像进行经验模式分解,得到内蕴模式分量IMF和剩余分量,图像的噪声及边缘信息主要集中在IMF中;然后再将IMF进行经验模式分解,得到IMF的高频分量和剩余分量;最后将两次分解的剩余分量叠加,得到边缘保持的去噪图像.实验结果表明,处理后的图像较传统的医学图像去噪方法有明显的改善,在有效去噪的同时增强了边缘保护的能力.     

数字图像模式噪声篡改反取证

针对基于模式噪声的图像来源性取证技术,提出一种全新的误导攻击方式,分析了特定相机的相机成像模型,推导出了模式噪声替换公式,该公式抑制了原有相机的模式噪声痕迹,并附加上了伪造相机的模式噪声,通过线性回归或基于图像内容特征的方式求出合理的嵌入参数。实验表明,该算法不但可以有效地混淆来源性取证,更可以让伪造者控制取证技术的结论,从而达到误导的效果。     

基于成像传感器特征的相机分类器设计

在对现有成像设备源辨识算法分析研究的基础上,提出一种利用成像传感器特征进行相机源辨识的鲁棒性方法.基于模式分类的原理,首先分析数码相机成像的特点,提取传感器噪声信息的统计特征,设计一种鲁棒的分类器来确定相机的品牌/型号.所提取的图像特征包括图像去噪差值和小波域分析.结果表明:所设计的分类器可以有效地正确辨识相机品牌/型...     

非抽样Contourlet变换去噪滤波器设计的源相机识别

针对源相机识别和小波滤波器在获取残留噪声图像时会引入明显的场景噪声的问题,提出一种利用非抽样Contourlet变换(NSCT)进行模式噪声提取的新方案。首先根据源相机识别的过程,讨论小波滤波器在提取模式噪声上的不足,接着重点讨论设计基于NSCT滤波器进行模式噪声的提取。实验表明NSCT滤波器不仅使场景噪声得到明显的抑制,而且与小波滤波器相比,对来自三种不同相机的照片的平均识别率提高了近3.667%。     

点云下地平面检测的RGB-D相机外参自动标定

目的 RGB-D相机的外参数可以被用来将相机坐标系下的点云转换到世界坐标系的点云,可以应用在3维场景重建、3维测量、机器人、目标检测等领域。 一般的标定方法利用标定物（比如棋盘）对RGB-D彩色相机的外参标定,但并未利用深度信息,故很难简化标定过程,因此,若充分利用深度信息,则极大地简化外参标定的流程。基于彩色图的标定方法,其标定的对象是深度传感器,然而,RGB-D相机大部分则应用基于深度传感器,而基于深度信息的标定方法则可以直接标定深度传感器的姿势。方法 首先将深度图转化为相机坐标系下的3维点云,利用MELSAC方法自动检测3维点云中的平面,根据地平面与世界坐标系的约束关系,遍历并筛选平面,直至得到地平面,利用地平面与相机坐标系的空间关系,最终计算出相机的外参数,即相机坐标系内的点与世界坐标系内的点的转换矩阵。结果 实验以棋盘的外参标定方法为基准,处理从PrimeSense相机所采集的RGB-D视频流,结果表明,外参标定平均侧倾角误差为-1.14°,平均俯仰角误差为4.57°,平均相机高度误差为3.96 cm。结论 该方法通过自动检测地平面,准确估计出相机的外参数,具有很强的自动化,此外,算法具有较高地并行性,进行并行优化后,具有实时性,可应用于自动估计机器人姿势。     

应用于低性能单片机的拼音输入法设计与实现

Aiming at the research on the detection system of the camera hole of mobile phone’s glass panel, this paper introduces a design method of the helium-neon(He-Ne) laser driving circuit. The He-Ne laser is selected as the detecting light source, and interfer- ence is generated after the laser being projected to the camera hole of the glass panel. According to the quality of the interference fringes, the detection purpose can be achieved. The importance of He-Ne laser as the light source of this system is proposed. And combining with the actual application, the reasons for the instability of interference fringes produced by He-Ne laser are analyzed. Next, a technical method for the temperature control of the He-Ne laser driving circuit is proposed. Finally, the principle and design method of the He-Ne laser driving circuit are given. Experimental result shows that the driving circuit module can stably control the He-Ne laser light source, and the light source can fully satisfy the system’s requirements.     

基于成像传感器特征的相机源识别

基于模式分类的方法,提出一种利用成像传感器特征进行相机源辨识的鲁棒性方法。分析数码相机成像的特点,提取传感器噪声信息的统计特征,设计一个鲁棒的分类器来确定相机的品牌/型号。所提取的图像特征包括图像去噪差值、小波域子带统计矩以及通道颜色特征。实验结果表明所设计的算法不仅可以有效地正确辨识相机品牌/型号,还具有良好的鲁棒性。     

一种基于模式噪声熵的图像来源取证算法

针对数字图像的来源取证,提出了一种基于模式噪声熵的检测算法。传感器作为数码相机的重要部件,由于在制造过程中的缺陷,成像时会给图像带来一种模式噪声。该算法利用传感器产生的模式噪声具有唯一性这一特点,对图像进行小波降噪并提取图像的模式噪声,利用模式噪声的熵值对不同来源的图像进行区分。实验结果表明,该方法对原始图像有较高的检测率,对有损压缩图像也有较好的鲁棒性。     

噪声方差和纹理复杂度分析的源相机识别

针对源相机识别问题,提出了一种利用噪声方差和纹理复杂度分析的源相机识别新方法。首先围绕CFA插值和小波去噪,讨论了传统的模式噪声提取方法的不足,接着重点讨论利用噪声方差以及根据模糊聚类去除高纹理复杂区域进行模式噪声提取的新方法。实验表明所提取的模式噪声不仅能更好地反映数码相机的模式噪声特性,而且对来自三种不同相机的照片的平均识别率提高了近6.3%。