利用JPEG压缩特性的合成图像检测

提出一种利用压缩特性进行JPEG合成图像检测的方案。由多幅JPEG图像内容拼接而成的合成图像中往往存在质量因子不一致性或分块位置不一致性,这两种不一致性可以作为检测JPEG合成图像的有力证据。该文所提方案先对待检测图像进行尝试性的再压缩并考察失真程度,以估计主要内容曾经历过的压缩情况,然后根据再压缩在不同区域引起的失真程度的起伏变化识别合成图像。该方法还可区分合成图像内容的不同来源,并分析质量因子不一致性或分块位置不一致性,为揭示图像伪造行为提供辅助信息。     

利用通道间相关性的CFA图像盲取证

数码相机大多采用单传感器通过颜色滤波阵列（color filter array, CFA）插值获取彩色图像. 为此, 利用通道间CFA 插值引入的频谱相关性鉴别图像真实性. 分析插值图像与自然图像的频谱差异,基于绿-红分量频谱差的高频区域提取取证特征;对待鉴定图像重新插值,根据重插值前后的取证特征变化检测图像篡改. 实验结果表明,该方法可以定位图像篡改且对JPEG 压缩有较强的鲁棒性.     

基于子带谱平滑度的音频篡改检测

针对音频篡改过程中重采样操作的检测,通过对插值音频信号频谱特性的分析,提出一种频谱测度即子带谱平滑度,用以度量音频信号在各子带频谱的波动程度,并提出用子带谱平滑度作音频信号篡改检测的方法及其具体实现步骤. 实验结果表明,该方法不仅能够准确地检测出音频信号是否经过插值和拼接处理,还能比较准确地估算出信号插值前的原始采样率,为音频取证提供更多有用信息.     

基于CFA插值特性不一致的图像真伪鉴别

单传感器数码相机一般通过颜色滤波阵列(color filter array, CFA)插值得到彩色图像.利用CFA插值特性检测图像篡改,根据插值图像与理想全色图像的频谱差异分块提取频谱变化和色度失真特征以反映CFA插值特性,计算重插值前后的插值特性变化作为取证特征;使用支持向量机(support vector machine, SVM)分类并根据相邻块间取证特征的不一致来鉴别图像真伪.实验结果表明:该方法可以有效辨别篡改图像,且对JPEG压缩有较好的鲁棒性.     

一种基于傅里叶变换的运动图像全盲认证方法

利用运动图像傅里叶变换幅度谱的带状调制特性,提出一种针对运动图像的全盲认证方法,实现了对运动图像经过修改、移动、区域填充以及非运动图像上填充运动图像块两种情况下的篡改区域检测与定位.实验验证了其有效性及对噪声的鲁棒性.     

高分辨率遥感影像阴影检测与补偿的主成分分析方法

根据高分辨率遥感影像中阴影区的性质,提出一种基于主成分分析的阴影检测和补偿方法. 首先对第1主分量与原始的蓝色分量进行比值运算,采用直方图阈值法分割阴影区和非阴影区,并进行形态学处理,得到较完整的阴影区. 采用膨胀方法确定各独立阴影区中的同质区域,根据阴影同质区特性对阴影区进行线性相关拉伸,并对补偿后的阴影区进行平滑处理和主成分逆变换. 实验结果表明该方法简单有效.     

基于QPCA的彩色图像复制粘贴检测

目前,大多数图像取证方法对彩色图像的处理是将其转换为灰度图像,从而导致了彩色图像的颜色信息不能被有效且充分地利用.针对此问题提出一种基于四元数主成分分析(quaternion principal component analysis, QPCA)的复制粘贴篡改检测方法.该方法充分利用了彩色图像的各个颜色通道及它们之间的相关性,能够有效提高篡改区域的识别度.运用基于图像块的检测方法,首先将图像分块后对所有块进行QPCA计算以提取特征,然后用字典排序获取相似块的移位向量,最后根据移位向量频数与阈值的比较确定篡改区域.实验结果表明,所提方法的误检漏检率低于现有方法,检测准确率有较大提高.     

利用彩色图像阴影属性分析的阴影检测方法

针对一般彩色阴影检测假设条件多、检测效率低的问题,在阴影分析的基础上,采用自下向上的方法,运用梯度及彩色信息进行阴影检测.首先,使用梯度模型检测潜在阴影区,运用前景掩码、阴影掩码和蓝色掩码去除不被遮挡的像素;然后,考虑蓝色效应与边界划分,对潜在阴影进行分区;最后,分析局部梯度的相似性以及色度角和亮度失真在空间上的相似性,确定阴影区域,识别本体和阴影.仿真实验表明:该方法的阴影检测率在大多数情况下均表现最优,平均阴影辨别率高达0.92,总平均为0.73,检测效果优于其他方法.     

基于ENF邻域相关系数的音频篡改盲检测

为了提高现有的基于电网频率(electric network frequency,ENF)信号的盲篡改检测方法在低信噪比时的检测准确率,提出一种利用ENF信号邻域相关系数的音频篡改盲检测方法.首先将待测音频中提取的ENF信号划分子块,并计算相邻区域子块的相关系数;然后对相关系数序列进行自适应快速横向滤波(fast transversal filter,FTF),根据误差能量的变化检测音频篡改.为了减小干扰的影响以提高篡改检测准确率和篡改定位精度,从正、反两个方向对音频进行上述处理,再结合两个方向的误差能量进行篡改检测.与现有的两种代表性方法相比,所提出的方法不但能精确定位篡改,而且能有效提高音频篡改的检测准确率,尤其是在ENF波动较大和信噪比较低的情况下更有优势.     

基于Java Web的图像拼接系统：WebPano

针对图像拼接系统从桌面移植到网上存在的用户体验和服务效率等瓶颈问题,提出一种基于模型-视图-摔制器框架的网卜图像拼接系统一WebPano,并采用JSP/Servlet和Java技术分别实现了系统的网络平台和核心的图像拼接算法.以用户目视为准则,在上传多幅高分辨率图像的条件下,对网上系统拼接服务质量进行了测试,并利用LoadRunner对多用户同时在线访问系统的负载性能进行了测试.结果表明,在网上图像拼接系统上可以实现与桌面系统相同的用户体验和服务效率.     

面向地理国情监测的CRF遥感影像分类

针对地理国情监测中地表覆盖信息的提取,提出了一种基于条件随机场的高分辨率遥感影像自动分类方法.与面向对象的传统分类方法不同,该方法基于概率图模型分别计算像素级和对象级的势函数,以及像素与它所属对象之间的层间势函数,将所得势函数统一到一个CRF模型中进行图割求解.该方法较充分地表达了像素与对象之间的关系,从而降低了对象分割误差传递对影像分类结果的影响.以“高分1号”遥感影像为实验数据,借鉴地理国情普查中地表覆盖分类体系进行实验验证.分类总体精度和平均精度分别达到91.08%和86.95%,远高于基于面向对象的分类结果.     

基于OpenCV复杂环境抠像技术的老年娱乐系统模型

利用开源计算机视觉库OpenCV作为图像处理工具,研究复杂环境下差分抠像技术的改进。通过RGB值补偿解决家用摄像头自动白平衡产生的颜色变化问题;消除差分抠像中对象产生的阴影;对通道优化并提取目标通道,经阈值化得到的二值图像作为遮罩以提取目标对象。实验表明,此方法可有效提取复杂环境下的前景目标,基于此种技术探讨对老年用户娱乐系统模型开发的技术支持和拓展。     

多尺度自卷积方差显著性SAR图像目标检测

针对SAR图像中显著性目标检测问题,提出一种基于多尺度自卷积方差显著性的自适应检测算法. 该算法在对SAR图像多尺度自卷积运算基础上,通过计算MSAV得到方差显著图. 设计了一种自适应阈值检测器,完成SAR图像中显著性目标的检测. 实验结果表明,在复杂背景环境下,所提算法能有效检测出与人类视觉较为一致的显著性目标.     

基于简化Mumford-Shah模型的活动轮廓边缘检测模型

在Chan-Vese活动轮廓模型(C-V法)的基础上,提出了一种新的边缘检测模型.在该模型中,图像被定义为两个同质区域的组合,图像边缘检测问题转化为基于Mumford-Shah泛函的能量函数最小化问题.本文在分片常数优化逼近中,添加了图像梯度信息,通过调节该项的权重因子,可以得到基于不同灰度强度的图像边缘图.该方法采用了水平集数值技术,因此活动轮廓具备了拓扑变化的能力,并能克服C-V模型检测不出离灰度均值较远的边缘的问题,实验表明了其有效性.     

面向对象的机载LiDAR数据建筑物提取

基于LiDAR数据,提出一种由粗到细的面向对象的建筑物自动提取方法.首先通过机载LiDAR数据构建出归一化数字表面模型(normalized digital surface model, nDSM),利用首尾两次回波高程计算出归一化差值(normalized difference, ND),并采用形态学运算消除边缘特殊回波点.基于nDSM和ND数据,依据建筑物的高程及穿透性信息,用阈值分割法进行建筑物粗提取.结合nDSM和ND数据以及强度信息,对粗提取得到的备选建筑物采取多尺度分割,合并亮度值相差较小的邻近分割结果对象,达到对分割结果的优化处理.最后利用目标对象的亮度、形状、面积和空间关系等特征,完成建筑物的精提取.实验结果表明,该方法可得到较高精度的建筑物信息,是基于机载LiDAR数据提取建筑物的新思路.     

复杂自然背景下的人造目标检测

为了解决图像处理中目标检测的问题,提出了一种新的检测方法.该方法根据自然物体和人造物体在纹理上表现出的不同特性,首先将图像划分为若干个子块,然后按各个子块梯度的幅度和方向进行像素编码,最后利用设定的标准检测人造目标.仿真结果表明,新方法可用于不同分辨率的图像,且具有较好的鲁棒性,能够节省存储空间和运算时间,适合于实时处理的场合。     

基于显微图像的动物纤维鉴别技术

羊绒与细羊毛的主要辨识依据是两者的表皮鳞片模式.该领域内常用的一项技术是分析纤维的SEM图像,通过鳞片边缘高度来区分两类纤维,但其成本高昂,且有8%的误差.该文提出区分两类纤维的新方法,首先将显微摄像系统获取的纤维图像处理成单像素宽度的二值骨架图,通过该二值骨架图提取纤维鳞片的4个相对形状参数,构建贝叶斯 分类模型.数值实验表明,尽管该模型是基于光学显微镜的,但其分类性能却相似于基于扣描电镜的模型,对羊绒与细羊毛(70S)的正确识别率达到90%.     

根据小波系数分布参数进行图像质量无参考评价

针对无参考评价算法的普遍适用性问题,提出了一种适用于各种失真类型图像的无参考评价方法. 利用自然场景的统计信息进行图像评价,用广义高斯分布拟合小波系数分布,结合拟合参数来度量失真程度,获得对失真图像的客观评价. 实验结果表明,该算法广泛适用于各类失真图像,质量评价结果与主观评价有较好的一致性.