2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩85頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著數(shù)碼設(shè)備和圖像處理軟件的快速發(fā)展,人們可以非常簡單地修改數(shù)字圖像。如果重要的圖像被惡意篡改,那么將會對社會產(chǎn)生不良影響。數(shù)字圖像被動認證技術(shù)相對于數(shù)字水印等主動認證技術(shù)來說,不需要任何先驗信息,具有廣泛的應用價值。本文主要研究基于統(tǒng)計建模的數(shù)字圖像被動認證方法,將隱寫分析領(lǐng)域提出的統(tǒng)計模型結(jié)合機器學習方法應用于圖像篡改檢測。針對拼接篡改會改變圖像紋理的問題,采用紋理分析方法對統(tǒng)計模型特征提取過程進行改進,并成功用于圖像拼接篡改檢測。

2、本文主要完成了以下工作:
  (1)研究圖像統(tǒng)計建模的相關(guān)方法。首先分析隱寫分析與圖像篡改檢測的關(guān)系,研究已成功用于隱寫分析領(lǐng)域的相關(guān)統(tǒng)計模型。接著研究了常用的紋理分析方法,重點介紹了局部二值模式LBP技術(shù)和共生矩陣技術(shù),它們都可提取緊湊且魯棒的統(tǒng)計特征。然后介紹了用來計算殘差圖像的線性和非線性高通濾波器,統(tǒng)計特征的提取都要建立在殘差圖像的基礎(chǔ)上。最后介紹了支持向量機SVM和集成分類器兩種機器學習方法。
  (2)殘差局部描

3、述子特征提取模型及其在圖像篡改檢測中的應用研究。首先,深入研究了近來在隱寫分析領(lǐng)域提出的殘差局部描述子特征提取方法。接著,結(jié)合機器學習方法將其應用于圖像拼接篡改檢測和圖像翻拍篡改檢測。在拼接篡改檢測實驗中,根據(jù)每個殘差局部描述子得到的AUC估值,選取AUC值較高的描述子特征進行組合。在翻拍篡改檢測實驗中,采用貪心組合策略,即通過窮舉搜索,每次選取一個組合后檢測準確率最優(yōu)的特征進行組合。由于現(xiàn)實中圖像篡改手段多樣且殘差局部描述子可能檢測不

4、出區(qū)域較小的篡改,在所提方法的后期階段,使用基于Patchmatch的塊匹配方法對前期檢測結(jié)果為真的圖像再進行一次拷貝粘貼篡改檢測。
  (3)基于LBP和共生矩陣的圖像拼接篡改檢測研究。針對拼接篡改會引起圖像紋理改變的問題,在殘差局部描述子特征提取模型的基礎(chǔ)上,提出一種基于紋理分析的圖像拼接篡改檢測方法。該方法將局部二值模式LBP和共生矩陣兩種技術(shù)相結(jié)合,利用兩種改進的LBP方法對殘差圖像局部紋理進行描述,然后借助兩類共生矩陣技

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論