用于拷贝检测的鲁棒图像特征提取方法

现有的图像拷贝检测方法中多数对类似噪声的图像失真具有较强的鲁棒性,而对几何类失真则比较脆弱.邹复好等人提出的基于圆环分区的顺序测度拷贝检测方法,在抵抗旋转和等比缩放失真方面性能良好,但是对于拉伸以及在旋转、缩放的同时进行保持图像中心不变的适当裁剪的混合攻击的性能不太好,这主要是由于用于划分圆环的圆形区域无法在这些攻击之后再现.因而本文提出了用于拷贝检测的鲁棒特征提取方法,通过自适应地选择几何不变的圆形区域,再将该圆形区域划分为多个圆环,并计算其特征的顺序测度作为图像特征向量,以增强Zou方法抗几何攻击的鲁棒性.实验结果表明,在抵抗旋拉伸以及在旋转、缩放的同时进行保持图像中心不变的适当裁剪的混合攻击等失真方面,该方法均好于邹复好的方法.     

基于快速神经网络架构搜索的鲁棒图像水印网络算法

为解决深度学习在图像水印算法中计算量大且模型冗余的问题,提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性,提出基于快速神经网络架构搜索（neural architecture search,NAS）的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法,在预设的搜索空间中搜索最优网络结构,进行图像水印的高效嵌入与鲁棒提取。首先,将子网络中线性连接的全卷积层设置为独立的神经单元结构,并参数化表示结构单元内节点的连接,预先设定结构单元内每个神经元操作的搜索空间;其次,在完成一个批次的数据集训练后,依据神经元操作中的被采样次数和平均损失函数值动态更新概率;最后,重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上,大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑,本文算法具有较高的时间性能和较好的实验效果,在隐藏图像时,对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验,对比发现,本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行（列）等攻击优势显著;在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著,特别是对随机移除行（列）和椒盐噪声有较强的鲁棒性。     

数字音频双重水印算法

提出了一种同时嵌入鲁棒水印和易损水印的算法．利用离散小波变换的多分辨率特性以及离散余弦变换的解相关和能量压缩能力，在中低频区嵌入鲁棒水印；在小波域的高频区嵌入易损水印．水印的嵌入采用量化的方法，提取水印信号时不需要原始音频信号．实验结果表明，文中算法的水印鲁棒性高，适于音频作品的版权保护；而文中的易损水印对音频攻击具有很强的敏感性，可同时认证音频作品的内容完整性、     

面向空气信道传播的音频信息隐写算法

基于傅立叶变换,提出了一种面向空气信道传播音频信息隐写算法.该算法选取原始音频信号傅立叶变换域中的低频系数,提取其相位角系数,并对其进行修改,将经BCH纠错编码的隐写信息嵌入,并且嵌入量较大,隐藏效果好.实验结果显示,该算法能够有效抵抗空气传播过程中的AD/DA变换攻击、空气噪声干扰攻击,以及录制后的常见信号处理攻击、约30%的重采样攻击等其他攻击,平均误码率可控制在3.5%以下,算法具有很好的鲁棒性.     

基于旋转灰度特征与位移约束的图像伪造检测算法

当前图像伪造检测方法主要依靠近邻比值法来实现图像内容的真伪决策,由于近邻比值法的判断条件单一,该类算法的检测精度不佳.因此,本文提出了旋转灰度特征耦合位移约束的图像伪造检测算法.首先,根据图像像素点,构造十字约束法则,对FAST算法予以改进,以提取待检测图像中的特征点;然后,利用像素点的梯度特征形成直方图,通过直方图峰值获取特征点的主方向;再用特征点的灰度值来构造旋转灰度特征模型,用于获取特征向量,生成特征描述子;用特征点的位置以及角度特征,构造了位移约束规则,并且在位移约束规则下,通过归一化互相关函数对特征点的相似性进行度量,完成特征点匹配.最后,引入均值漂移模型,对图像中的伪造内容完成区域定位,实现图像的伪造检测.实验结果表明:与当前图像伪造检测算法相比,本文算法不仅具有更高的检测精度以及检测效率,而且还具有更好地鲁棒性能.     

一种基于小波系数动态量化的鲁棒数字水印算法

提出了一种改进的基于动态量化小波系数的鲁棒水印算法.水印通过动态量化嵌入到载体图像小波变换的高频子带上,混沌优化用于搜索嵌入水印的最大可用块数,中国剩余定理用于安全地产生动态量化参数.该算法和Lin等人提出的数字水印方案相比,不仅具有良好的隐蔽性、安全性和不可感知性,同时,算法也具有良好的抗压缩攻击等鲁棒性能.仿真结果验证了算法的有效性.     

基于张量奇异值分解的鲁棒视频水印算法

针对视频的版权保护, 提出了一种基于张量奇异值分解(T-SVD)的鲁棒视频水印算法. 不同于图像, 视频具有多维度的特点, 能够被看作一个高阶张量, 并通过张量奇异值分解以保留帧内和时域的相关性, 从而提高水印鲁棒性. 首先, 对视频帧的亮度分量进行离散小波变换(DWT), 计算得到低频子带(LL), 并将每3帧的LL作为一个三阶张量; 其次, 将三阶张量分成不重叠块, 并进行张量奇异值分解, 计算得到对角张量; 最后, 利用包含强相关性的对角线张量的奇异值嵌入水印以增强鲁棒性. 此外, 还采用密钥随机提取视频帧, 以加强算法的安全性. 实验结果表明, 提出的算法能够抵抗多种视频攻击, 具有较强的鲁棒性.     

一种新的盲数字水印算法

本文提出了一个有效的静止图像的盲水印算法.原始图像经小波变换后,选择内嵌水印所需要的子带,水印根据奇偶判决法内嵌到频域中所选择的子带上.实验结论和攻击测试表明,本文所提议的算法具有较好的透明性,对各种图像处理的攻击有较强的鲁棒性.     

基于混沌加密的小波包盲水印算法

利用混沌系统的特点调制了两种不同的混沌序列,分别用于水印加密和子图像的抽取.对子图像进行小波包分解,通过修改小波包的系数来嵌入数字水印.水印的提取不需要原始图像,实现了盲提取.实验结果表明,该算法对于常见的JPEG压缩、高斯噪声,裁剪和缩放等攻击具有较好的鲁棒性.     

基于优化策略和深度学习的低光照图像增强

针对低光照条件下采集的图像存在视觉感官较差、细节信息丢失的问题,本文基于非线性相机响应函数模型,提出了一种融合传统优化策略和深度学习技术的低光照图像增强方法。该方法采用非线性相机响应函数模型生成更优的中间图像,并通过专门设计的神经网络实现对中间图像细节的进一步增强。利用自建数据库和公共数据库对该方法进行测试,并与现有的方法进行比较。结果表明,在传统优化方法的支持下,所提出的深度学习方法能够恢复低光照图像的清晰细节,更接近真实的参考图像,为智能导航和自动驾驶提供高质量图像。     

基于小波的光照补偿及其在人脸识别中的应用

提出了一种基于小波分析的人脸图像光照补偿技术,通过舍弃图像中的低频分量,仅用高频分量进行图像重构,便可较好地消除原始人脸图像中光照的影响.并将该技术应用于特征脸法人脸识别,在Yale库和自建库图像中,实验测得在较大尺度的情况下,图像识别率都有明显提高.     

基于系数相关性的自适应水印算法

根据人类视觉特征提出了一种基于小波系数相关性的自适应水印嵌入算法.该算法先对原始图像进行的小波分解,选取水印所要嵌入的子带并将所选取的子带划分成2×2大小的块,同时利用每一个小波块中相邻的4个系数之间具有一定的相关性与所要嵌入的水印图像来构造该小波块的水印系数,利用人类视觉模型调整水印的嵌入强度,从而在保证水印不可见性的基础上最大限度的保证水印的鲁棒性.选取不同特点的两幅图片进行实验,实验结果表明,该算法对高斯噪声、椒盐噪声、JPEG压缩、剪切、中值滤波等攻击都具有较好的鲁棒性,对旋转几何攻击具有一定的鲁棒性.     

基于视觉显著度的说话检测

现有基于视觉信息的说话检测方法中往往依赖预定参数或者阈值作为分类平面,鲁棒性差且泛化能力不强.针对这一问题,本文提出了一种基于显著度的视觉说话检测方法,利用像素的色彩信息和嘴唇的空间位置特性检测嘴唇,通过分析嘴唇运动和说话假设的关系,将图像能量作为特征,并结合经典的隐马尔科夫模型(hidden Markov models,HMM)和支持向量机(support vector machine,SVM)作为判决方法来进行检测.实验结果表明,本文提出的嘴唇检测方法正确率可达到92%.     

基于混沌细胞自动机的DWT域数字音频水印算法

主要提出了基于混沌细胞自动机的小波域数字音频水印算法.首先由Logistic混沌序列模型产生序列,其次产生的序列通过细胞自动机产生要嵌入的数字水印.同时将原始音频信号通过小波表变换,提取出其低频系数,并将水印信号嵌入其中.实验证明:由混沌细胞自动机产生的数字水印具有很好的掩蔽性和鲁棒性,在各种攻击下(包括白噪声、低通滤波、重量化、有色噪声等)仍然能够很好的检测出来.     

融合抽象层级变换和卷积神经网络的手绘图像检索方法

针对人工设计的描述子（HOG、SIFT等）在基于手绘的图像检索（Sketch Based Image Retrieval,SBIR）领域的局限性,提出了一种融合抽象层级变换和卷积神经网络构建联合深度特征描述子的手绘图像检索方法.首先,提取常规图像的边缘概率图,在此基础上进行不同抽象层级的图像变换,将抽象层级变换图像输入到深度神经网络并提取不同隐层的输出向量,最后,联合不同隐层的输出向量作为手绘图像检索的特征描述子（即联合深度特征描述子）.在Flickr15k数据库上对本方法进行了实验验证,结果表明：融合抽象层级变换和联合深度特征描述子的检索效果相较HOG、SIFT等传统方法有显著提高.本方法从图像预处理和特征描述子构建2个方面,对SBIR问题进行了改进,具有更高的准确率.     

基于SVM的缓存污染资源代表性检测方案

攻击者通过中间人攻击等方式实施缓存污染,在受攻击对象浏览器中运行恶意代码窃取敏感数据。在缓存污染防御策略中,易受攻击的Web资源代表性对检测和防御的效果起到至关重要的作用。现有的资源代表性判断算法对小众资源或随机资源的识别率不高,本文基础上基于SVM技术,对已知的易受污染资源进行特征提取、数据预处理和模型训练,最后利用训练模型对未知资源进行预测判断,实验结果表明该方案在损耗小部分时间的情况下可以大幅提升污染样本的检测率。     

针对随机时间片对抗的PA分析方法研究

在抗功耗分析的实际应用中,随机时间片作为一种常见的对抗方法,具有安全性高和开发成本低的优点.本文针对现有随机时间片下的攻击方法普遍具有的复杂度较高,以及通用性较低的问题,提出两种新型的PA(power analysis)攻击方法,即当量法和相关性法.这两种方法分别通过对不同单位周期的功耗以及相关性的比较对功耗曲线进行分析,以较小的代价确定目标轮次所在位置,并对曲线进行对齐操作,实现有效的功耗分析.与已有攻击方法的比较,以及实验结果均表明这两种攻击方法能以较低分析复杂度和较少分析样本,对工业级密码芯片中普遍采用的以时钟周期为插入单位的随机时间片对抗方法进行有效攻击.     

基于BEMD、DCT和SVD的混合图像水印算法

水印的不可见性和算法的鲁棒性是图像版权保护领域关注的重要问题，然而大多数算法不能很好地平衡二者的关系。为此，提出了一种基于二维经验模态分解（BEMD）、离散余弦变换（DCT）和奇异值分解（SVD）的不可见性高、鲁棒性强的混合图像水印算法。首先，对水印图像采用Arnold置乱，增强算法的安全性，并对置乱后的水印图像进行二维DCT。然后，对宿主图像进行BEMD，得到有限个尺度不同的内蕴模态函数（IMF）及余量，选择与宿主图像相关性较低的IMF执行二维DCT，根据水印的大小对其进行不重叠分块，分别对每个分块图像以及经DCT的水印图像执行SVD。最后，根据自适应最优嵌入准则确定水印嵌入强度，并将水印嵌入每个分块，以增强算法的容错性。大量实验以及与现有算法的对比表明，所提算法不仅具有抵抗大尺度攻击的鲁棒性，而且具有较高的不可见性。     

自然图像认知阈值的度量

提出了图像认知阈限的概念及其度量方法．通过计算机实验和心理物理学实验，在一个自然图像数据库上研究了不同图像色彩模式和变换方式下的图像认知阈值问题．使用的图像变换方法有尺度变换、高斯噪声变换和运动模糊变换．得出的初步结论是：在自然图像认知的过程中存在一个认知闽限；可以用图像熵和图像分维数来度量图像认知阈值；图像认知过程中存在类似Weber定理所描述的规律；差别阈限图像及其原始图像度量值的比值和图像内容无关，而与图像的色彩模式和变换方法有关．     

基于内存对象访问序列动态胎记的程序同源性判别方法

针对现有二进制程序同源性判别方法受限于特定编程语言或环境、难以应对复杂的代码混淆攻击、易受依赖库影响等问题,提出了一种基于内存对象访问序列动态胎记(dynamic birthmarks based on memory object access sequences, DBMOAS)的程序同源性判别方法。该方法将程序对数据结构的访问顺序流作为程序语义的一种鲁棒性特征并加以分析,能较好地应对复杂的代码混淆攻击;基于动态污点分析,表征程序的数据结构,解决了二进制程序缺少数据结构与类型的语义表示问题。为验证DBMOAS方法的可信性和弹性,在窗口大小取值不同的情况下,测试具有相似功能的独立程序间的相似度;针对不同编译器、编译选项、混淆方法、版本迭代产生的同源样本,测试程序间的相似度。实验结果表明,本文方法能有效判别程序间的同源性,可信性评估中误判率仅为6. 7%,弹性评估中无漏判情况。