本文關(guān)鍵詞：基于統(tǒng)計特征的數(shù)字圖像拼接檢測技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：伴隨著互聯(lián)網(wǎng)、計算機技術(shù)和數(shù)碼設(shè)備的急速發(fā)展和普及,數(shù)碼相機和豐富多彩的圖像已經(jīng)廣泛融入人們的日常生活中。同時,相應(yīng)的數(shù)字圖像編輯工具也大量出現(xiàn),對數(shù)碼照片、圖像進行處理、修飾變得越來越簡單,從視覺上已經(jīng)不易察覺出自然圖像和篡改圖像。對數(shù)字圖像的偽造篡改變得隨心所欲,其安全性受到前所未有的考驗,若虛假圖片被隨意使用在新聞媒體、法律案件、軍事領(lǐng)域等重要場合,這將會引起個人偏激行為的產(chǎn)生,同時也會對社會和諧穩(wěn)定發(fā)展產(chǎn)生影響。因此,通過技術(shù)手段鑒定數(shù)字圖像的真實性與可靠性很有實際意義,對該技術(shù)的研究成為近年數(shù)字圖像取證的熱點。本文對數(shù)字圖像取證的研究背景、取證技術(shù)、相關(guān)的研究機構(gòu)和目前面臨的問題進行了較為詳細的介紹。重點對數(shù)字圖像被動取證中的篡改偽造技術(shù)、取證算法、被動取證系統(tǒng)和合成篡改圖像特征等四個方面進行了總結(jié)歸納。重點分析了目前主流的被動取證算法,在前人研究的基礎(chǔ)上,提出一種新的基于統(tǒng)計特征提取的拼接檢測算法作為本文創(chuàng)新點。本文主要工作如下:(1)研究數(shù)字圖像拼接被動盲取證思路,對目前不同的被動取證進行了學(xué)習(xí),對取證算法的分類、模型和被動取證過程中所使用的具體特征做了全面介紹。(2)結(jié)合現(xiàn)有數(shù)字圖像被動盲取證的理論模型,根據(jù)盲取證的不同算法,歸結(jié)出一個基于統(tǒng)計特征的被動取證的理論模型。(3)由于傳統(tǒng)的圖像拼接檢測方法存在識別率低和提取特征維度高的缺陷,本文對圖像特征提取中的特征維度與拼接檢測精度兩者之間的關(guān)系進行了學(xué)習(xí)和研究。基于圖像是由眾多像素組合而成,圖像的篡改必定引起圖像像素改變的思路,提出以像素為基礎(chǔ)的改進特征維度的思想,提出將數(shù)字圖像的信息熵和差分激勵特征融合的數(shù)字圖像拼接檢測算法。在該方法中,首先對原圖像提取信息熵和差分激勵;其次采用差分直方圖進行特征融合;再次使用v-SVM(v-Support Vector Machine)分類器建立模型;最后判定圖像是否經(jīng)過篡改操作。經(jīng)過實驗平臺仿真,在哥倫比亞拼接圖像庫中本文提出的算法在特征維度和檢測精度方面具有一定優(yōu)勢,為實現(xiàn)快速拼接檢測提供了依據(jù)。
【關(guān)鍵詞】：圖像拼接 統(tǒng)計特征 信息熵 差分激勵 支持向量機
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-11
• 1 緒論11-22
• 1.1 研究背景和意義11-14
• 1.2 取證技術(shù)的分類14-19
• 1.2.1 數(shù)字圖像主動取證15-17
• 1.2.2 數(shù)字圖像被動取證17-19
• 1.3 取證技術(shù)的研究現(xiàn)狀19-20
• 1.4 被動取證面臨的挑戰(zhàn)20-21
• 1.5 本文的研究內(nèi)容和結(jié)構(gòu)安排21-22
• 2 數(shù)字圖像被動取證技術(shù)22-32
• 2.1 數(shù)字圖像篡改技術(shù)22-25
• 2.2 數(shù)字圖像取證技術(shù)25-27
• 2.2.1 數(shù)字圖像篡改檢測25-27
• 2.2.2 數(shù)字圖像來源認證27
• 2.2.3 數(shù)字圖像隱密分析檢測27
• 2.3 數(shù)字圖像被動取證系統(tǒng)27-30
• 2.4 拼接篡改圖像取證的特征30-31
• 2.5 本章小結(jié)31-32
• 3 拼接被動盲取證算法32-42
• 3.1 數(shù)字圖像拼接操作32-35
• 3.1.1 數(shù)字圖像拼接過程32
• 3.1.2 拼接圖像的統(tǒng)計特征32-34
• 3.1.3 拼接圖像庫34-35
• 3.2 基于統(tǒng)計特征的檢測算法35-37
• 3.2.1 基于自然圖像統(tǒng)計模型的拼接檢測算法35
• 3.2.2 基于圖像評價量的拼接檢測算法35-36
• 3.2.3 基于二元相似性度量的拼接檢測算法36-37
• 3.3 基于塊匹配的復(fù)制粘貼檢測算法37-41
• 3.3.1 遍歷搜索法37-38
• 3.3.2 圖像塊自相關(guān)匹配法38-39
• 3.3.3 塊離散余弦變換法39-40
• 3.3.4 主成分分析算法40-41
• 3.4 特征點匹配的檢測方法41
• 3.5 本章小結(jié)41-42
• 4 信息熵和差分激勵融合的圖像拼接檢測算法42-53
• 4.1 特征提取42-47
• 4.1.1 信息熵42-44
• 4.1.2 差分激勵44-47
• 4.2 特征融合47-49
• 4.3 支持向量機的多特征檢測49-52
• 4.4 本章小結(jié)52-53
• 5 實驗結(jié)果和實驗數(shù)據(jù)分析53-58
• 5.1 樣本的選取53
• 5.2 實驗參數(shù)選擇53
• 5.3 實驗結(jié)果及分析53-57
• 5.3.1 特征維數(shù)54-55
• 5.3.2 實驗對比55-57
• 5.4 本章小結(jié)57-58
• 6 總結(jié)與展望58-60
• 6.1 本文總結(jié)與創(chuàng)新58-59
• 6.2 下一步的研究工作59-60
• 參考文獻60-66
• 攻讀碩士學(xué)位期間發(fā)表的論文及所取得的研究成果66-67
• 致謝67-68

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 樊曉婷;馬巧梅;陳夠喜;楊秋翔;;信息熵和差分激勵融合的圖像拼接檢測[J];計算機工程與設(shè)計;2016年01期

2 盛國瑞;高鐵杠;范禮;高琳;楊福圣;張順;;基于擴展馬爾科夫特征的Seam-Carving篡改檢測[J];通信學(xué)報;2014年06期

3 朱新山;陳硯鳴;董宏輝;丁杰;;基于雙域信息融合的魯棒二值文本圖像水印[J];計算機學(xué)報;2014年06期

4 王小龍;沈新寧;杜建洪;;基于梯度相關(guān)圖的光照不變圖像檢索算法[J];計算機應(yīng)用與軟件;2014年06期

5 袁全橋;蘇波;趙旭東;李生紅;;基于高頻小波子帶馬爾可夫特征的圖像拼接檢測[J];計算機應(yīng)用;2014年05期

6 劉一;劉本永;;基于再采樣的圖像重采樣偽作檢測[J];計算機應(yīng)用;2014年03期

7 仝威;趙旭東;王士林;李生紅;;基于熵和多步馬爾可夫特征的圖像拼接檢測[J];計算機工程;2014年01期

8 劉曉霞;李峰;熊兵;;基于韋伯局部特征的圖像拼接檢測[J];計算機工程與應(yīng)用;2013年12期

9 胡然;張?zhí)祢U;高洪興;;基于離散小波變換和離散余弦變換域的擴頻水印盲提取算法[J];計算機應(yīng)用;2013年01期

10 段新濤;方勇;;基于稀疏分解的置換混疊圖像盲分離[J];高技術(shù)通訊;2012年04期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 王波;利用成像引入特征的數(shù)字圖像被動盲取證研究[D];大連理工大學(xué);2010年

2 趙珊;基于內(nèi)容的圖像檢索關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2007年

3 周琳娜;數(shù)字圖像盲取證技術(shù)研究[D];北京郵電大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 王洪姣;圖像質(zhì)量評價方法的研究及實現(xiàn)[D];西安電子科技大學(xué);2014年

2 文昌;魯棒性數(shù)字水印和脆弱性數(shù)字水印的研究[D];華中師范大學(xué);2013年

3 龍春琳;基于顏色信息熵與邊緣信息熵的圖像檢索技術(shù)研究[D];西安電子科技大學(xué);2010年

4 郭大洲;基于韋伯局部特征和形狀上下文的圖像識別與匹配算法[D];天津大學(xué);2010年

5 陡春妮;用于認證的圖像數(shù)字簽名技術(shù)研究[D];西安理工大學(xué);2010年

6 陸宇光;用于版權(quán)保護的數(shù)字指紋技術(shù)的研究[D];蘇州大學(xué);2009年

  本文關(guān)鍵詞：基于統(tǒng)計特征的數(shù)字圖像拼接檢測技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號：425077