基于分层嵌入的二值图像隐写方法

提出了一种非加性失真的二值图像隐写方法,该方法对载体图像进行分割,生成两张子图,通过传递影响因子更新失真,并使用最小化失真隐写编码实现消息嵌入。相较于固定失真不变的加性失真隐写方法,所提方法结合了二值图像只有黑色和白色两种像素的特性,使其能够捕捉像素点间修改的相关性,实现动态修改失真,从而提高了二值图像隐写的视觉质量和隐写安全性。     

基于张量分解的数字图像取证

提出一种基于张量分解的数字图像盲检测方法,从全局处理角度对JPEG压缩数字图像进行真伪盲检测。对于来自某一相机拍摄的一批参考图像组成的张量,利用张量分解的方法,从分解残差中分析提取图像特征,通过支持向量机分类器鉴别待检测图像是否直接来自该数码相机。实验结果表明,该方法对数字图像的来源鉴定具有较高准确性和较强的鲁棒性。     

一种多光谱遥感图象的自适应最小距离分类方法

该文提出了一种适用于多光谱遥感图象分类的自适应最小距离算法,这一算法通过对样本集合的自适应精细划分来调整最小距离分类器的参数,对ＴＭ遥感图象分类的实验结果表明,该方法对１６类数据进行有监督分类,精度可达９２．９％,适用于多类别遥感图象分类。     

对半偶图像作LDA变换的人脸识别方法

对于人脸图像而言，偶图像相当于原始图像与它的镜像的和。为了增大训练样本，许多人脸识别算法把镜像图像加入到训练集中。与这些方法不同，本文把原始训练集中的每一幅图像都变换为它的半偶图像得到新的训练集。对于新的训练集，采用LDA(Linear discriminant analysis)方法提取特征后作分类。在ORL和IIS人脸库上的实验结果表明，对半偶图像作LDA的人脸识别方法有较高的识别率。     

AIGC视觉内容生成与溯源研究进展

随着数字媒体与创意产业的快速发展,人工智能生成内容（artificial intelligence generated content,AIGC）技术以其在视觉内容生成中的创新应用而逐渐受到关注。本文旨在围绕 AIGC 视觉内容生成与溯源研究进展深入研讨。首先,针对图像生成技术进行探讨,从基于生成式对抗网络的传统方法出发,系统地分析了基于生成式对抗网络、自回归模型和扩散概率模型的最新进展。接着,深入探讨可控图像生成技术,突出了通过布局、线稿等附加信息以及基于视觉参考的方法来为创作者提供精确控制的技术现状。随着图像生成技术的革新和应用,生成图像的安全性问题逐渐浮现。而预先审核和过滤的技术手段已难以满足实际需求,故亟需实现生成内容的溯源来进行监管。因此,本文进而对生成图像溯源技术进行研讨,并聚焦水印技术在确保生成内容可靠性和安全性方面的应用。依据水印嵌入的流程节点,首先将现有的水印相关的生成图像溯源方法归为无水印嵌入的生成图像溯源、水印前置嵌入的生成图像溯源、水印后置嵌入的生成图像溯源以及联合生成的生成图像溯源并进行详细分析,然后介绍针对生成图像的水印攻击研究现状,最后对生成图像溯源技术进行总结和展望。鉴于视觉内容生成在质量和安全上的挑战,旨在为研究者提供一个视觉内容生成与溯源的系统研究视角,以促进数字媒体创作环境的安全与可信,并引导未来相关技术的发展方向。     

用于遥感图像分类的简化并行神经网络

本文通过分析遥感图像各类样本的分布特征，提出了一种适用于遥感图像分类的简化并行神经网络（PRNN）。该网络包括了多个彼此相似的原子网络，每一类样本通过一个或多个专门的原子网络作预处理，从而大大提高了整个网络的动态性。实验结果表明，简化并行神经网络（RPNN）能够并行复杂的遥感地物样本。并能够取得较高的分类精度。     

基于多方式预测的多波段遥感图象无损压缩

针对多波段遥感图象的空间和谱间结构特点,提出了多方式预测的概念,一幅图内的任一象素按照给定的准则在侯选预测函数集中选取其实际采用的预测函数,从而更大程度去除相关;同时利用谱间结构相关,令谱间邻点选用相同的预测方式,使多方式预测导致的附加存储代价大大缩小。提出以极小熵原则作为选取预测函数的理论判据,并将其等效为最小误差的最高频次准则。对ＴＭ图象的实验证明此方法能更有效去除相关、压缩比有较大提高。     

基于加权词频的信息检索相似度评价模型

在信息检索领域,相似度评价模型是一个重要的研究课题.基本的评价模型有布尔模型,向量空间模型和概率模型.后两种模型在许多的信息检索系统中被采用,但是它们都没有考虑查询词在文档中的位置信息对相似性度量起到的作用.一些研究考虑了诸如HTML标签之类的信息,但是确定加权系数的方案不是太理想.针对这些问题,文中提出了一种基于加权词频的相似度评价模型(Weighted Term Frequency Model,WTFM),而引入的权重系数可以通过模拟退火算法学习得到.实验结果表明,权重系数的引入提高了系统的相关度评价质量.     

面向可逆图像处理网络的可证安全自然隐写

目的 自然隐写是一种基于载体源转换的图像隐写方法,基本思想是使隐写后的图像具有另一种载体的特征,从而增强隐写安全性。但现有的自然隐写方法局限于对图像ISO(International Standardization Organization)感光度进行载体源转换,不仅复杂度高,而且无法达到可证安全性。为了提高安全性,本文结合基于标准化流的可逆图像处理模型,在隐空间完成载体源转换,同时通过消息映射的设计做到了可证安全的自然隐写。方法 利用目前发展迅速的基于可逆网络的图像处理方法将图像可逆地映射到隐空间,通过替换使用的隐变量完成载体源的转换,从而避免对原始图像复杂的建模。同时,改进了基于拒绝采样的消息映射方法,简单地从均匀分布中采样以获得需要的条件分布,高效地将消息嵌入到隐变量中,并且保证了嵌入消息后的分布与原本使用的分布一致,从而实现了可证安全的自然隐写。结果 针对图像质量、隐写容量、消息提取准确率、隐写安全性和运行时间进行了实验验证,结果表明在使用可逆缩放网络和可逆去噪网络时能够在每个像素值上平均嵌入5.625 bit消息,且具有接近99%的提取准确率,同时隐写分析网络SRNet(st...     

针对特定测试样本的隐写分析方法

现今主流的图像隐写分析方法主要聚焦于设计检测特征,用以提高通用盲检测（UBD,Universal Blind Detection）模型的检测准确率,这类检测方法与待测图像无关,难以做到精准检测。本文在拥有大数据训练资源的前提下,研究了隐写对图像特征的影响,找出了隐写分析与图像特征之间的重要关系,基于此提出了一种为测试样本选择专用训练集的隐写分析方法。以经典的JPEG隐写算法nsF5和主流的JPEG隐写分析特征（CC-PEV、CC-Chen、CF^*、DCTR和GFR）为例组织实验,结果表明本文方法的检测准确率高于其他同类方法。