基于统计量的计算机图形检测模型

自然图像和计算机图形的鉴别可采用模式识别的方法。采用统计矩特征量和基于颜色滤波阵列的统计量来建立模型,以捕获自然图像和计算机图形在图像内容上的不同相关性。选用哥伦比亚大学自然图像和计算机图形数据库来测试该模型,采用人工神经网络作为分类器进行训练和测试。实验结果表明,该模型的识别率高,稳定性好,具有较好的应用前景。     

一种新的拼接图像检测方法*

图像的拼接检测在数字图像取证中占有重要的地位,因此引起了广泛的关注。为此,提出了一个有效的被动盲取证方法来检测拼接图像,通过提取多尺寸块离散余弦变换二维数组（MBDCT）的统计特征量和图像质量评价量（IQMs）来建立模型。选用哥伦比亚大学的图像拼接检验数据库来测试该模型,采用支持向量机（SVM）作为分类器进行训练和测试,实验结果表明新的拼接检测模型具有精确度高、应用面广的优点,在拼接检测中有很好的发展前景。     

不同分类器在图像盲取证中的表现

为了对数字拼接图像进行盲检测,提出了一种新的拼接图像的检测模型。使用图像质量评价量和统计特征量来建立模型,以得到原始图像和拼接图像之间的统计差异。选用支持向量机和人工神经网络作为分类器分别对该模型进行训练和测试,对拼接图像的盲检测进行了研究。实验结果表明,两种分类器都表现出较高的识别率,该模型在图像拼接检测中有着广阔的前景。