面向數(shù)字取證中圖像篡改檢測(cè)的智能魯棒算法研究
發(fā)布時(shí)間:2023-05-07 23:02
近年來(lái),數(shù)字圖像作為信息傳載的重要形式,其應(yīng)用越來(lái)越廣泛。利用編輯軟件對(duì)圖像進(jìn)行操作處理越來(lái)越容易,這為人們工作和生活帶來(lái)極大便捷的同時(shí),也產(chǎn)生了一些負(fù)面影響,比如針對(duì)圖像內(nèi)容的偽造篡改。因此,針對(duì)數(shù)字圖像內(nèi)容真實(shí)性的取證技術(shù)研究顯得尤為重要和迫切。復(fù)制-粘貼(Copy-Move)是一種常見的圖像篡改操作,現(xiàn)有的檢測(cè)方法在抵抗幾何旋轉(zhuǎn)和縮放攻擊時(shí)魯棒性不足,檢測(cè)流程也缺乏一定的智能化。本文結(jié)合信號(hào)處理領(lǐng)域的極諧波變換(Polar Harmonic Transform,PHT)、智能優(yōu)化中的粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)和機(jī)器學(xué)習(xí)中的支持向量機(jī)(Support Vector Machine,SVM)等理論和方法,提出一套有效檢測(cè)與定位篡改區(qū)域的解決方案,實(shí)現(xiàn)針對(duì)幾何攻擊和后處理操作的魯棒性,完成檢測(cè)智能化。本文具體工作如下:(1)本文提出了一種基于PHT矩的抗幾何攻擊圖像復(fù)制-粘貼篡改檢測(cè)(Copy-Move Forgery Detection,CMFD)算法。該算法首先對(duì)圖像進(jìn)行預(yù)處理,并對(duì)圖像進(jìn)行圓形塊劃分。接著計(jì)算每個(gè)重疊圖像塊的P...
【文章頁(yè)數(shù)】:57 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景與意義
1.2 國(guó)內(nèi)外相關(guān)工作研究進(jìn)展
1.2.1 基于特征點(diǎn)的檢測(cè)算法
1.2.2 基于塊的檢測(cè)算法
1.3 亟待解決的問(wèn)題
1.4 圖像復(fù)制-粘貼篡改檢測(cè)問(wèn)題
1.4.1 圖像復(fù)制-粘貼篡改建模
1.4.2 圖像復(fù)制-粘貼篡改檢測(cè)的基本框架
1.5 本文主要研究?jī)?nèi)容和論文結(jié)構(gòu)安排
1.5.1 本文主要研究?jī)?nèi)容
1.5.2 論文結(jié)構(gòu)安排
2 相關(guān)理論基礎(chǔ)
2.1 極諧波變換
2.1.1 極諧波變換的定義
2.1.2 極諧波變換的幾何不變性
2.2 粒子群優(yōu)化算法
2.3 支持向量機(jī)
2.3.1 支持向量機(jī)的思想和原理
2.3.2 核函數(shù)的思想
2.3.3 支持向量機(jī)參數(shù)優(yōu)化問(wèn)題
2.4 奇異值分解
2.5 本章小結(jié)
3 基于PCET矩和SVD的圖像復(fù)制-粘貼篡改檢測(cè)算法
3.1 引言
3.2 基于HBSM和 PSO的閾值估計(jì)
3.2.1 閾值估計(jì)
3.2.2 基于PSO的相似性閾值搜索
3.3 基于PCET矩和SVD的圖像復(fù)制-粘貼篡改檢測(cè)算法
3.3.1 預(yù)處理
3.3.2 特征提取
3.3.3 塊匹配
3.3.4 誤匹配過(guò)濾
3.4 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
3.4.1 圖像集
3.4.2 算法性能評(píng)價(jià)指標(biāo)
3.4.3 實(shí)驗(yàn)參數(shù)選擇
3.4.4 實(shí)驗(yàn)結(jié)果展示與分析
3.5 本章小結(jié)
4 基于SVM和塊相似性度量直方圖的圖像復(fù)制-粘貼篡改檢測(cè)算法
4.1 引言
4.2 基于SVM和塊相似性度量直方圖的圖像智能CMFD算法
4.2.1 算法流程
4.2.2 基于直方圖的特征提取
4.3 實(shí)驗(yàn)結(jié)果及分析
4.3.1 實(shí)驗(yàn)設(shè)置和圖像集
4.3.2 評(píng)估準(zhǔn)則
4.3.3 仿真實(shí)驗(yàn)結(jié)果與分析
4.4 本章小結(jié)
5 總結(jié)與展望
5.1 工作總結(jié)
5.2 本文的主要貢獻(xiàn)
5.3 未來(lái)研究展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間主要研究成果
本文編號(hào):3811499
【文章頁(yè)數(shù)】:57 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景與意義
1.2 國(guó)內(nèi)外相關(guān)工作研究進(jìn)展
1.2.1 基于特征點(diǎn)的檢測(cè)算法
1.2.2 基于塊的檢測(cè)算法
1.3 亟待解決的問(wèn)題
1.4 圖像復(fù)制-粘貼篡改檢測(cè)問(wèn)題
1.4.1 圖像復(fù)制-粘貼篡改建模
1.4.2 圖像復(fù)制-粘貼篡改檢測(cè)的基本框架
1.5 本文主要研究?jī)?nèi)容和論文結(jié)構(gòu)安排
1.5.1 本文主要研究?jī)?nèi)容
1.5.2 論文結(jié)構(gòu)安排
2 相關(guān)理論基礎(chǔ)
2.1 極諧波變換
2.1.1 極諧波變換的定義
2.1.2 極諧波變換的幾何不變性
2.2 粒子群優(yōu)化算法
2.3 支持向量機(jī)
2.3.1 支持向量機(jī)的思想和原理
2.3.2 核函數(shù)的思想
2.3.3 支持向量機(jī)參數(shù)優(yōu)化問(wèn)題
2.4 奇異值分解
2.5 本章小結(jié)
3 基于PCET矩和SVD的圖像復(fù)制-粘貼篡改檢測(cè)算法
3.1 引言
3.2 基于HBSM和 PSO的閾值估計(jì)
3.2.1 閾值估計(jì)
3.2.2 基于PSO的相似性閾值搜索
3.3 基于PCET矩和SVD的圖像復(fù)制-粘貼篡改檢測(cè)算法
3.3.1 預(yù)處理
3.3.2 特征提取
3.3.3 塊匹配
3.3.4 誤匹配過(guò)濾
3.4 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
3.4.1 圖像集
3.4.2 算法性能評(píng)價(jià)指標(biāo)
3.4.3 實(shí)驗(yàn)參數(shù)選擇
3.4.4 實(shí)驗(yàn)結(jié)果展示與分析
3.5 本章小結(jié)
4 基于SVM和塊相似性度量直方圖的圖像復(fù)制-粘貼篡改檢測(cè)算法
4.1 引言
4.2 基于SVM和塊相似性度量直方圖的圖像智能CMFD算法
4.2.1 算法流程
4.2.2 基于直方圖的特征提取
4.3 實(shí)驗(yàn)結(jié)果及分析
4.3.1 實(shí)驗(yàn)設(shè)置和圖像集
4.3.2 評(píng)估準(zhǔn)則
4.3.3 仿真實(shí)驗(yàn)結(jié)果與分析
4.4 本章小結(jié)
5 總結(jié)與展望
5.1 工作總結(jié)
5.2 本文的主要貢獻(xiàn)
5.3 未來(lái)研究展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間主要研究成果
本文編號(hào):3811499
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/3811499.html
最近更新
教材專著