基于差分進(jìn)化算法的置換混疊圖像盲分離.pdf

1、盲源分離即在觀測(cè)信號(hào)的源信號(hào)和混合模型均無法獲知的情況下，從眾多混合信號(hào)中將不同的源信號(hào)分離，是近年信號(hào)處理領(lǐng)域研究的熱點(diǎn)之一，在圖像篡改檢測(cè)方面廣泛應(yīng)用。篡改圖像中有一種特殊的單信道混合方式圖像即置換混疊圖像，由于其圖像疊加方式與普通單信道信號(hào)混合方式有本質(zhì)區(qū)別，用針對(duì)單信道信號(hào)的盲分離理論不能準(zhǔn)確的將該圖像分離開，而現(xiàn)存的置換混疊圖像盲分離方案大多針對(duì)取證的具體特征和方法進(jìn)行研究，缺乏完整性和可行性，本文針對(duì)現(xiàn)存置換混疊圖像盲分離理

2、論所含的不完整性開展研究。根據(jù)置換區(qū)域和被置換區(qū)域完整分離的關(guān)鍵是找出特征差異和合適的分離界限，通過對(duì)置換區(qū)域類型不同的置換混疊圖像分析，利用差分進(jìn)化算法獲取分離界限，提出一種完整的置換混疊圖像盲分離方案。
　　本研究的主要工作概括如下:
　　(1)通過對(duì)現(xiàn)存置換混疊圖像盲分離方案的研究，在此基礎(chǔ)上進(jìn)行改進(jìn)，提出一種新的基于動(dòng)態(tài)閾值的盲分離方案。
　　(2)在置換圖像是經(jīng)過插值處理的前提下，針對(duì)插值置換混疊圖像提出了一

3、套完整的盲分離方案。根據(jù)插值圖像與未經(jīng)過插值的自然圖像之間存在的差異，利用有限差分法處理圖像使這種差異呈現(xiàn)。為有限差分后的圖像分塊設(shè)置閾值，組成閾值向量，用差分進(jìn)化優(yōu)化算法獲取最優(yōu)的閾值，從而將圖像轉(zhuǎn)為二值圖像。將原圖像與二值圖像相乘，進(jìn)而分離出置換區(qū)域。實(shí)驗(yàn)結(jié)果表明，在置換圖像的先驗(yàn)信息全部未知的情況下，本方法均能準(zhǔn)確的將置換圖像分離出來，魯棒性很強(qiáng)。
　　(3)在置換圖像是含噪聲的前提下，針對(duì)含噪聲的置換混疊圖像提出了一套完整

4、的盲分離方案。根據(jù)含噪聲圖像不能稀疏表示而不含噪聲的自然圖像可以稀疏表示，選用KSVD字典學(xué)習(xí)對(duì)圖像稀疏表示進(jìn)而達(dá)到去噪的效果。去噪后的圖像與觀測(cè)圖像相減，即可實(shí)現(xiàn)置換區(qū)域定位。對(duì)差圖像進(jìn)行分塊處理，設(shè)置閾值。從圖像整體和含噪聲圖像局部考慮，設(shè)置目標(biāo)函數(shù)，用差分進(jìn)化法獲取最優(yōu)閾值，進(jìn)而將置換圖像分離。實(shí)驗(yàn)結(jié)果表明，在置換區(qū)域大小不同、位置不同、數(shù)量不同和所含噪聲標(biāo)準(zhǔn)差不同的情況下，該方案都能將置換區(qū)域定位并分離，有很好的準(zhǔn)確性和魯棒性。