基于自主學(xué)習(xí)的圖像中值濾波取證算法研究
發(fā)布時(shí)間:2021-02-26 06:38
近年來(lái),中值濾波操作作為一種常用的圖像后處理手段,越來(lái)越多地被用來(lái)掩蓋其他圖像篡改操作遺留下來(lái)的痕跡,圖像中值濾波篡改操作的檢測(cè)已經(jīng)成為數(shù)字圖像篡改取證領(lǐng)域的一個(gè)重要分支。目前,大多數(shù)現(xiàn)有中值濾波取證技術(shù)都是通過(guò)人工設(shè)計(jì)的特征去捕捉圖像中中值濾波操作殘留的痕跡,然而隨著圖片尺寸的減小以及JPEG壓縮強(qiáng)度的增加,中值濾波圖像中的統(tǒng)計(jì)痕跡不再明顯,現(xiàn)有中值濾波篡改取證算法的檢測(cè)性能大幅下降。這是因?yàn)槿斯ぴO(shè)計(jì)的特征只能關(guān)注到圖像的部分特征,很多更細(xì)節(jié)的特征可能被忽略,因此采用自主學(xué)習(xí)的方式進(jìn)行特征提取將會(huì)是更有效的做法。為了更全面的描繪中值濾波圖像中的局部紋理信息,本文提出了基于多尺度標(biāo)簽一致性稀疏編碼的中值濾波取證算法。首先,對(duì)輸入圖像進(jìn)行多尺度圖像塊域建模。然后,對(duì)不同尺度下的圖像塊通過(guò)一個(gè)極具鑒別力的過(guò)完備字典進(jìn)行稀疏編碼操作,以實(shí)現(xiàn)對(duì)不同尺度圖像紋理信息的細(xì)節(jié)描繪。在過(guò)完備字典的學(xué)習(xí)過(guò)程中將標(biāo)簽信息加入目標(biāo)函數(shù),幫助不同類(lèi)別的輸入樣本選擇不同的字典原子,以實(shí)現(xiàn)不同的特征表達(dá)。為了在保留具有表現(xiàn)力的特征的同時(shí)對(duì)特征進(jìn)行降維,對(duì)所求得的稀疏編碼系數(shù)進(jìn)行最大值池化操作。最終,將所有尺度下的...
【文章來(lái)源】:上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:89 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
主要符號(hào)對(duì)照表
第一章 緒論
1.1 課題研究的背景與意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 國(guó)外研究現(xiàn)狀
1.2.2 國(guó)內(nèi)研究現(xiàn)狀
1.3 本文創(chuàng)新性工作
1.4 論文結(jié)構(gòu)與安排
第二章 圖像中值濾波取證技術(shù)研究
2.1 中值濾波技術(shù)原理簡(jiǎn)介
2.2 現(xiàn)有中值濾波篡改檢測(cè)技術(shù)
2.2.1 基于條紋偽影和SPAM的中值濾波檢測(cè)技術(shù)
2.2.2 基于一階差分圖中零值概率的中值濾波取證技術(shù)
2.2.3 基于濾波窗口內(nèi)像素關(guān)系的中值濾波檢測(cè)
2.2.4 基于差分域的中值濾波檢測(cè)
2.2.5 基于中值濾波殘差 (MFR) 自回歸模型的中值濾波檢測(cè)
2.3 本章小結(jié)
第三章 基于多尺度標(biāo)簽一致性稀疏編碼的中值濾波取證算法
3.1 稀疏編碼原理簡(jiǎn)介
3.2 算法原理
3.2.1 特征提取
3.2.2 分類(lèi)
3.3 評(píng)價(jià)指標(biāo)
3.3.1 數(shù)據(jù)集
3.3.2 評(píng)價(jià)標(biāo)準(zhǔn)
3.4 實(shí)驗(yàn)過(guò)程和結(jié)果
3.4.1 實(shí)驗(yàn)設(shè)置
3.4.2 參數(shù)選擇
3.4.3 JPEG壓縮小圖像下的中值濾波檢測(cè)
3.4.4 混合情況下的中值濾波檢測(cè)
3.5 本章小結(jié)
第四章 基于低秩共享字典下稀疏編碼的中值濾波取證算法
4.1 低秩性稀疏編碼簡(jiǎn)介
4.2 算法原理
4.2.1 圖像塊域建模
4.2.2 低秩性共享字典學(xué)習(xí)
4.2.3 特征聚合
4.3 評(píng)價(jià)指標(biāo)
4.3.1 數(shù)據(jù)集
4.3.2 評(píng)價(jià)標(biāo)準(zhǔn)
4.4 實(shí)驗(yàn)過(guò)程和結(jié)果
4.4.1 實(shí)驗(yàn)設(shè)置
4.4.2 參數(shù)選擇
4.4.3 JPEG壓縮下小圖像的中值濾波操作篡改檢測(cè)
4.4.4 局部中值濾波篡改區(qū)域定位
4.4.5 JPEG壓縮圖像下中值濾波窗口的區(qū)分
4.4.6 不同數(shù)據(jù)集下算法的檢測(cè)性能
4.5 本章小結(jié)
第五章 全文總結(jié)與展望
5.1 全文總結(jié)
5.2 研究展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
攻讀學(xué)位期間參與的項(xiàng)目
本文編號(hào):3052204
【文章來(lái)源】:上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:89 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
主要符號(hào)對(duì)照表
第一章 緒論
1.1 課題研究的背景與意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 國(guó)外研究現(xiàn)狀
1.2.2 國(guó)內(nèi)研究現(xiàn)狀
1.3 本文創(chuàng)新性工作
1.4 論文結(jié)構(gòu)與安排
第二章 圖像中值濾波取證技術(shù)研究
2.1 中值濾波技術(shù)原理簡(jiǎn)介
2.2 現(xiàn)有中值濾波篡改檢測(cè)技術(shù)
2.2.1 基于條紋偽影和SPAM的中值濾波檢測(cè)技術(shù)
2.2.2 基于一階差分圖中零值概率的中值濾波取證技術(shù)
2.2.3 基于濾波窗口內(nèi)像素關(guān)系的中值濾波檢測(cè)
2.2.4 基于差分域的中值濾波檢測(cè)
2.2.5 基于中值濾波殘差 (MFR) 自回歸模型的中值濾波檢測(cè)
2.3 本章小結(jié)
第三章 基于多尺度標(biāo)簽一致性稀疏編碼的中值濾波取證算法
3.1 稀疏編碼原理簡(jiǎn)介
3.2 算法原理
3.2.1 特征提取
3.2.2 分類(lèi)
3.3 評(píng)價(jià)指標(biāo)
3.3.1 數(shù)據(jù)集
3.3.2 評(píng)價(jià)標(biāo)準(zhǔn)
3.4 實(shí)驗(yàn)過(guò)程和結(jié)果
3.4.1 實(shí)驗(yàn)設(shè)置
3.4.2 參數(shù)選擇
3.4.3 JPEG壓縮小圖像下的中值濾波檢測(cè)
3.4.4 混合情況下的中值濾波檢測(cè)
3.5 本章小結(jié)
第四章 基于低秩共享字典下稀疏編碼的中值濾波取證算法
4.1 低秩性稀疏編碼簡(jiǎn)介
4.2 算法原理
4.2.1 圖像塊域建模
4.2.2 低秩性共享字典學(xué)習(xí)
4.2.3 特征聚合
4.3 評(píng)價(jià)指標(biāo)
4.3.1 數(shù)據(jù)集
4.3.2 評(píng)價(jià)標(biāo)準(zhǔn)
4.4 實(shí)驗(yàn)過(guò)程和結(jié)果
4.4.1 實(shí)驗(yàn)設(shè)置
4.4.2 參數(shù)選擇
4.4.3 JPEG壓縮下小圖像的中值濾波操作篡改檢測(cè)
4.4.4 局部中值濾波篡改區(qū)域定位
4.4.5 JPEG壓縮圖像下中值濾波窗口的區(qū)分
4.4.6 不同數(shù)據(jù)集下算法的檢測(cè)性能
4.5 本章小結(jié)
第五章 全文總結(jié)與展望
5.1 全文總結(jié)
5.2 研究展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
攻讀學(xué)位期間參與的項(xiàng)目
本文編號(hào):3052204
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/3052204.html
最近更新
教材專(zhuān)著