基于改进传感器模式噪声提取模型的源相机识别

针对当前基于传感器模式噪声(sensor pattern noise,SPN)提取模型处理压缩 视频来源检测的识别效果较差问题,提出一种基 于多尺度变换域自适应维纳滤波和一种加权最大似然估计的改进SPN提取模型。 首先干预视 频的编解码过程,在编解码器的环路滤波模块前提取视频帧,然后将视频帧输入双密度双树 复小波变换 自适应维纳滤波模型中提取噪声残差,最后使用加权最大似然估计从噪声残差中估计得到SPN。在公共视频源取证数据库VISION上进行测试比较,实验结果表明所提出的改进SPN提取 模型在ROC曲线和Kappa统计系数两种评价指标上的识别效果优于 传统SPN提取算法。     

基于噪声检测的高密椒盐噪声自适应滤波算法

为了减少图像中的椒盐噪声对后续图像处理的影响,针对高密度噪声污染图像,提出了基于噪声检测的高密度椒盐噪声滤波算法。噪声检测方法理论可靠,保证了较高的噪声检测率,根据噪声点邻域信号点分布的不同采用不同的策略,能最大限度保护图像的细节信息,使得高密度噪声污染图像也能得到较好的恢复。实验结果表明,所提出的滤波算法具有较强的自适应性、较高的算法保真率及较好的滤波效果。     

基于噪声检测的高密度椒盐噪声自适应滤波算法

为了减少图像中的椒盐噪声对后续图像处理的影响,针对高密度噪声污染图像,提出了基于噪声检测的高密度椒盐噪声滤波算法。噪声检测方法理论可靠,保证了较高的噪声检测率,根据噪声点邻域信号点分布的不同采用不同的策略,能最大限度的保护图像的细节信息,使得高密度噪声污染图像也能得到较好地恢复。实验结果表明,所提出的滤波算法具有较强的自适应性、较高的算法保真率及较好的滤波效果。     

图像源辨识取证研究综述

图像源辨识取证是数字图像被动取证的一个重要研究方向,旨在从图像本身的特性出发对图像的相关来源进行识别和检测.图像源辨识取证主要包括:相机源识别、计算机图形学方法生成图像取证、AI合成图像的取证以及重获取图像的取证.其中相机源识别主要包括对采集图像所用相机的品牌、型号或个体进行识别.计算机图形学方法生成图像取证、AI合成...     

去除严重椒盐噪声的模糊加权改进算法

去除椒盐脉冲噪声是图像处理中的一个重要问题,提出了一种基于距离关系和模糊关系理论,去除严重椒盐噪声污染图像的恢复方法。该算法弥补了中值滤波在椒盐噪声概率高的情况下,滤噪能力下降快的缺点,经过仿真实验并与其它滤波算法进行比较表明,文中的算法具有更好的效果。     

面向图像平滑滤波器的盲检测算法

随着计算机的发展,各式各样的图像载体无处不在。数字图像被动取证技术在不需要其它辅助信息的条件下,仅根据接收到的数字图像,即可判断图像资源的真实性和完整性。其中针对数字图像滤波盲检测算法就是新兴的研究热点之一。通过在频域对滤波图像进行详细研究,发现不同滤波器在频域表现不一样的频率特性,尤其在方向上具有很大的差异。文中提出一种针对线性滤波器的盲检测算法,通过对待测图像的频域变换系数进行编码,用局部异或算子LXP(Local Xor Pattern)进行加权,提取编码图像局部特征,从而判断待测图像是否经过了滤波操作以及相应的滤波参数。     

基于噪声检测的自适应中值滤波算法

针对现有中值滤波算法对于高密度噪声图像以及纹理细腻图像的边缘处理能力欠佳的缺陷,提出一种基于噪声检测的自适应中值滤波算法.新算法根据噪声点与周围信息的关联程度将噪声点滤波值进行调整,从而更好的处理图像的细节部份.新算法中的自适应策略加强了滤波算法的去噪性能,使其对于含有任意噪声密度的图像也能很好的进行噪声滤除.通过仿真分析,新算法对于细节丰富的图像以及高密度噪声的图像滤波效果良好,有效的提高图像的峰值信噪比,其去噪效果相比其他方法更加优秀.     

基于相机标定的非对称裁剪检测算法

该文提出一种针对图像非对称裁剪的取证方法,算法通过相机标定的方法来估计主点位置,并根据主点的位置对图像中存在的非对称裁剪进行指证。该文根据图像取证需求改进了相机标定模型,通过选取不共面的规则图形作为标定物,实现了在不用对标定物进行测量和建模的前提下通过单幅图像对主点坐标进行估计。实验表明,该文提出的算法对非对称裁剪篡改具有较好的检测效果。     

基于盲源分离的图像噪声滤除

图像是用各种观测系统以不同形式和手段观测客观世界而获得的,可以直接或间接作用于人眼并进而产生视知觉的实体。图像包含了它所表达的物体的描述信息。科学研究和统计表明,人类从外界获得的信息约有75%来自视觉系统,也就是从图像中获得。人的视觉系统(human visual system,HVS)就是一个观测系统,通过它得到的图像就是客观景物在人心目中形成的影像。图像是人类从外界环境中获取信息的一个重要来源,如何对获取的图像进行加工、编码、压缩、滤除噪声、传输等在图像处理及通信系统中显得尤为重要。盲源分离技术已成为信号处理学界和神经网络学界共同感兴趣的研究热点。     

基于PCNN噪声检测的两级脉冲噪声滤波算法

为有效滤除图像中严重脉冲噪声干扰,提出了一种基于改进型脉冲耦合神经网络(PCNN)噪声检测的两级脉冲噪声滤除算法。该算法首先利用PCNN同步脉冲发放特性区分定位噪声点和信号点位置,其次根据噪声点局部邻域信息对噪声进行第1级自适应滤波,然后再利用具有保护边缘细节特点的多方向信息中值滤波器(MF进行第2级辅助滤波。实验结果表明,该算法在噪声检测中无需设定检测阈值,噪声检测精度较高;在去噪过程中不但有效滤除噪声干扰,而且能很好地保护图像边缘细节等信息,具有较好的主观视觉效果和客观评价指标,比传统MF及其它相关算法有更优的滤波性能,去噪能力强、信噪比高和适应性好,特别是对受严重噪声污染的图像,显示了更大的优越性。     

基于估计方法的CMOS图像传感器列固定模式噪声校正方法

CMOS图像传感器的列固定模式噪声对图像质量的影响非常严重。在分析CMOS图像传感器固定模式噪声产生机理、噪声特性以及其在输出图像中的表现的基础上,提出了一种针对CMOS图像传感器中列固定模式噪声的校正方法。该方法利用CMOS图像采集系统对积分球发出的均匀平行光束进行多次采样并建模来对列固定模式噪声进行估计,然后将估计结果应用于CMOS图像硬件采集系统进行列固定模式噪声的校正,固定模式噪声的校正在FPGA中使用查找表方法实现。实验结果表明该方法可以有效消除列固定模式噪声,改善图像质量。     

综合纹理和亮度的夜间场景图像来源检测方法

针对目前基于模式噪声方法处理夜间场景下图像来 源检测准确效果较差问题,提出一种综合纹理和 亮度的夜间场景图像来源检测方法。首先基于夜间场景图片会存在同张图片不同区域会有不 同纹理和亮度 从而会影响提取模式噪声质量不同这一理论依据,将图片根据纹理和亮度分成若干大小相等 的块;然后对 不同块按纹理平缓亮度良好、纹理复杂亮度差、纹理平缓亮度差、温度复杂亮度良好四种情 况处理,其中 对于纹理复杂的区域提取的噪声要抑制纹理干扰、对于亮度条件差的区域提取的模式噪声需 要增强、对于 亮度差且纹理又复杂的区域提取的模式噪声、既要抑制纹理的干扰又要增强模式噪声。实验 结果表明,本 文方法在夜间场景情况对图像检测整 体识别率均在在80%以上,与传 统模式噪声提取算法相比,该算法正确率能够提高4到12个百 分点。     

基于噪声估计的改进能量熵语音端点检测算法

针对传统能量熵的短时能量与子带谱熵容易受噪声环境影响,低信噪比下端点检测性能下降的问题,提出一种基于噪声估计的改进能量熵语音端点检测算法.首先对语音进行噪声估计并以此计算语音存在概率;然后利用估计的噪声能量修正短时能量,用语音存在概率作为加权系数优化子带谱熵,并将两者结合生成改进的能量熵;最后给出基于噪声估计的动态门限...     

基于统计噪声水平分析的图像拼接检测

图像拼接是最常用的图像篡改操作之一,针对篡改图像噪声水平不一致性的现象,本文提出了一种基于统计噪声水平分析的图像拼接检测方法。首先,将检测图像分割成大小相同的非重叠图像块,然后,利用一种非参数估计算法来估计每个图像块的噪声值,并且采取聚类法对图像块的噪声值进行聚类,聚类结果分为可疑部分和非可疑部分两大类。最后,通过一个由粗到细的两阶段策略对篡改区域进行定位。哥伦比亚未压缩图像拼接检测评估图像库的实验结果表明,本文方法能够准确地估计图像块的噪声和定位出拼接区域,性能优于现有方法。     

一种适于空间CCD图像压缩的SPIHT改进算法

针对传统遥感图像压缩多级树集合分裂排序(SP IHT)算法由于采用取决于图像内容的动态处理顺序而导致处理速 度缓慢这一问题,提出一种适于空间时间延时积分(TDI)CCD相机图像压缩的SPIHT改进算法 。首先,将小波变换后的图像分解成4×4块,同时对一个4×4块的 一个比特平面所有比特进行编码。为了实现并行处理机制,SPIHT改进算法重组传统SPIHT算 法的3个通道,然后采用并行和流水线作业的方式编码3个重组通道。实验结果表明,本文提 出的压缩算法可以稳定正常的 工作,具有良好压缩性能,平均信噪比(PSNR)性能与传统 方法相当,而数据吞吐率远高于传统方法。在正常100MHz时,数据 吞吐 率达到120Mpixle,大大提高压缩算法的处理速度。SPIHT改进算法 非常适合空间CCD相机图像压缩应用。     

基于摄像头检测的防盗拍系统开发和算法研究

针对电影院中的非法盗拍现象,提出了对智能摄像头检测系统的改造和算法设计。硬件部分的人工光源模块提供定向光照,与之相配合的软件算法部分融合层级特征检测、直方图比较、主成分分析、K最近邻分析等多种方法,对摄像头镜头反射高光模式进行检测和识别。通过实验数据集的验证,系统对摄像头敏感度高,检测准确率高,具有理论研究价值和实际应用价值。系统硬件模块和算法模块可拓展且可移植于其他应用领域。     

基于数字摄像技术的能见度检测

为了更好地进行能见度的自动检测和全程检测,采用一种基于数字摄像技术的能见度检测方法：读入图像经过预处理设置＂兴趣域＂,提取出对比度大于亮度对比感阈的人眼可分辨像素点,然后通过建立摄像机参数模型,计算出这些点到摄像机的距离,取其最大值即为能见度值。在自行研制的高速公路视频监控系统上,采集某段高速公路上的视频监控图像,进行能见度检测实验,得到923组的观测实验结果。实验结果表明,该算法与人眼观察一致,并对噪声有较好的鲁棒性。     

基于改进的Mask R-CNN图像篡改取证方法

随着现代科学技术的进步,图像编辑工具的发展极大地降低了篡改所需成本。图像篡改手段有多种,现有的方法往往存在通用性差的问题。同时,这些方法只关注篡改定位而忽略对篡改手段的分类。本文提出一种基于改进的Mask R-CNN两阶段网络模型用于图像篡改取证。在特征提取部分,结合空域富模型(spatial rich model, SRM)和受约束卷积对输入图像进行预处理,再输入到ResNet101前4层中,以建立能够有效体现各种篡改痕迹的统一特征表示。一阶段网络通过注意力区域提议网络(attention region proposal network, A-RPN)检测篡改区域,预测模块实现篡改操作分类和粗略篡改区域定位。继而,一阶段网络得到的定位信息引导二阶段网络学习局部特征以定位出最终的篡改区域。本文所提出的模型能检测3种不同类型的图像篡改操作,包括复制-粘贴、拼接和移除。实验结果表明,本文所提出的方法在NIST16、COVERAGE、Columbia和CASIA数据集的F1值分别达到了0.924、0.761、0.791和0.473,优于传统方法和一些主流深度学习方法。     

稳健性图像复制-黏贴篡改被动认证

图像复制-黏贴(copy-move)是一类的常见的图像篡改手段,篡改通过将图像中一部分区域复制并黏贴到同一幅图像另一区域后起到掩盖被覆盖内容的目的。由于篡改者为了使篡改更加逼真或者试图增加检测难度,往往在黏贴图像块之前对图像块进行加噪、模糊或者旋转缩放等后续处理。目前检测这类篡改的认证方法主要归纳为三类：变换域鲁棒特征子块匹配方法、旋转不变特征子块匹配方法和特征点匹配方法。本文对采用这三类方法的国内外文献进行了系统的分析和归纳并对未来研究方向进行了展望。