低渗透率地层渗透率的确定方法

结合大庆油田外围低渗透率地层的地质特点,根椐渗流理论和岩心分析资料,分析了地层渗透率与孔隙度、组成地层的各种矿物含量以及泥质含量之间的关系,建立了不同矿物组合地层的渗透率计算方程。用本方法计算的和岩心分析的渗透率进行了对比,二者之间具有较好的一致性。     

双重JPEG压缩图像篡改区域检测与定位

对JPEG(joint photographic experts group)图像实施篡改往往会产生双重JPEG(double JPEG,DJPE) 压缩痕迹,分析该痕迹有助于揭示图像压缩历史并实现篡改区域定位。现有算法在图像尺寸较小和质量因子(quality factor,QF) 较低的时候性能不佳,对两个QF的组合情况存在限制。本文提出了一种端到端的混合QF双重JPEG压缩图像取证网络,命名为DJPEGNet。首先,使用预处理层从图像头文件中提取表征压缩历史信息的量化表 (quantization table,Qtable) 特征,将图像从空域转换至DCT(discrete cosine transform)域构造统计直方图特征。然后,将两个特征输入到由深度可分离卷积和残差结构堆叠而成的主体结构,输出二分类结果。最后,使用滑动窗口算法自动定位篡改区域并绘制概率分布图。实验结果表明,在使用不同Qtable集生成的小尺寸数据集上,DJPEGNet所有指标均优于现有最先进的算法,其中ACC提高了1.78%,TPR提升了2.00%,TNR提升了1.60%。     

融合注意力与FCN的图像修复取证

图像修复检测是数字图像取证领域中一个非常具有挑战性的问题,为了使图像在被修复后依然保持视觉上的光滑性,常用基于样本块的修复方法来填充被篡改部分。本文提出一种融合注意力机制与全卷积神经网络(Full Convolution Network, FCN)的图像修复取证方法,首先对修复图像进行深度特征提取,再对最终的特征图进行权值分配,以获取最有效的特征图,提高检测效果。为了验证本文方法的可行性,创建了一个修复图像数据库,并通过不同性能指标来评估所提出取证网络的性能。     

基于Block-SVD的小波域彩色图像数字水印算法

提出了一种基于Arnold变换和分块奇异值分解（Block-SVD）的小波域彩色图像数字水印算法。该算法采用彩色图像作为载体,灰度图像作为水印,增加了嵌入的信息量。仿真结果表明,该算法具有时间效率高、水印不可见性好、抗攻击能力强等特点,在版权保护方面具有一定的应用价值。     

大型抛射筛数学模型分析

通过抛射筛数学模型建立的因素分析,描述了在这建模过程中众多因素对透筛概率的影响,指出颗粒能否透筛是一个复杂的过程。颗粒透筛的几何概率仅反应颗粒与筛网接触一瞬间的透筛现象,在此之前还有其它因素对颗凿的运动产生影响。大型抛射筛数学模型的建立过程,考虑了颗粒在筛分过程中运动规律及透筛概率规律。     

光纤中布喇格光栅的研究进展

本文概述了国内外最新的在光纤中写入Ｂｒａｇｇ光栅的原理方法及其所应注意的问题，重点介绍了紫外光写入Ｂｒａｇｇ光栅的各种原理及要点，最后介绍了光栅的各种用途。     

面向低照度图像增强的双曝光融合处理算法

图像增强技术能够有效地提高低照度图像能见度.针对现有图像增强方法引入的对比度过度增强和欠增强的问题,文中提出了面向低照度图像增强的双曝光融合处理算法.利用照度估计技术得到图像融合的权值矩阵,通过摄像机响应模型合成双曝光图像,找到最佳曝光率使合成图像在曝光不足的区域曝光良好.根据权值矩阵将输入图像与合成图像融合,得到增强...     

基于多残差学习与注意力融合的中值滤波检测

针对小尺寸JPEG压缩图像携带有效信息较少、中值滤波痕迹不明显的问题,提出一种基于多残差学习与注意力融合的图像中值滤波检测算法。该算法将多个高通滤波器与注意力模块相结合,获取带权值的多残差特征图作为特征提取层的输入,特征提取层采用分组卷积形式,对输入的多残差特征图进行多尺度特征提取,融合不同尺度的特征信息,同时采用密集连接方式,每一层卷积的输入来自前面所有卷积层的输出和。实验结果表明,针对小尺寸JPEG压缩图像的中值滤波检测,本文算法比现有算法具有更高的检测精度,且能更有效地检测与定位局部篡改区域。     

基于卷积神经网络的随机因子重采样图像检测

图像重采样检测是图像取证领域的重要任务,其目的是检测图像是否经过重采样操作。现有的基于深度学习的重采样检测方法大多只针对特定的重采样因子进行研究,而较少考虑重采样因子完全随机的情况。本文根据重采样操作中所涉及的插值技术原理设计了一组高效互补的图像预处理结构以避免图像内容的干扰,并通过可变形卷积层和高效通道注意力机制(efficient channel attention, ECA)分别提取和筛选重采样特征,从而有效提高了卷积神经网络整合提取不同重采样因子的重采样特征的能力。实验结果表明,无论对于未压缩的重采样图像还是JPEG压缩后处理的重采样图像,本文方法都可以有效检测,且预测准确率相比现有方法均有较大提升。     

基于最优颜色通道的图像拼接检测

针对不同颜色通道影响噪声估计值的问题,文中提出了基于最优颜色通道的图像拼接检测方法。利用主成分分析法在最优颜色通道上进行噪声值估计,根据噪声值大小利用K-means聚类法进行聚类。聚类结果分为可疑部分和非可疑部分两大类,通过两阶段策略进一步定位出篡改区域。该方法在原始区域与拼接区域噪声值相差较大或较小时均有效,并且能够定位出拼接区域。实验证明,所提方法与现有方法相比取得了良好的检测效果,且性能优于现有方法。