隨著數(shù)字信息技術(shù)的快速發(fā)展,數(shù)碼相機(jī)、智能手機(jī)等圖像獲取設(shè)備廣泛使用,數(shù)字圖像信息可以隨處獲得,同時(shí)由于免費(fèi)圖像編輯軟件的可用性越來越高,即使是普通用戶也可以輕易改變數(shù)字圖像的內(nèi)容而不會(huì)留下明顯的篡改痕跡。圖像篡改操作不僅降低了圖像信息的可信度,而且改變了人們“眼見為實(shí)”的傳統(tǒng)觀念。因此,揭示各種圖像篡改的檢測(cè)技術(shù)越來越受到各界研究者的關(guān)注。圖像拼接/合成是一種常見的內(nèi)容篡改操作,本文致力于研究針對(duì)圖像拼接/合成篡改的檢測(cè)方法,主要工作如下:提出了一種基于圖像中不同區(qū)域噪聲分布特性的拼接篡改檢測(cè)方法。該方法利用SLIC算法將測(cè)試圖像分割為不規(guī)則的超像素塊,根據(jù)不同來源的圖像塊的噪聲水平和噪聲分布概率具有較大的類間差異這一事實(shí),利用基于PCA的噪聲估計(jì)和基于Poisson分布的噪聲分布概率估計(jì)方法,結(jié)合模糊C均值聚類算法識(shí)別拼接/合成的圖像區(qū)域。該方法能夠識(shí)別拼接/合成的圖像區(qū)域,檢測(cè)精度達(dá)到像素級(jí),而且對(duì)于內(nèi)容保持的圖像處理操作具有較強(qiáng)的魯棒性;與現(xiàn)有的基于噪聲的圖像拼接區(qū)域檢測(cè)方法相比,本文的方法具有較好的性能,特別是在拼接區(qū)域與原始區(qū)域的噪聲差較小的情況下,該方法依然有效。提出了一... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：96 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 數(shù)字圖像拼接檢測(cè)方法
        1.2.2 數(shù)字圖像拼接區(qū)域檢測(cè)方法
    1.3 存在的問題
    1.4 本論文主要研究工作及組織結(jié)構(gòu)
        1.4.1 論文主要研究工作
        1.4.2 論文的組織結(jié)構(gòu)
2 預(yù)備知識(shí)
    2.1 圖像噪聲模型
    2.2 基于主成分分析的噪聲估計(jì)
        2.2.1 算法原理
        2.2.2 算法步驟
    2.3 FCM聚類
    2.4 SLIC算法
    2.5 奇異值分解
    2.6 Bayer CFA模型
    2.7 雙樹復(fù)小波變換
    2.8 本章小結(jié)
3 基于噪聲分布特性的圖像拼接篡改定位方法
    3.1 噪聲估計(jì)
        3.1.1 超像素?cái)?shù)目確定及超像素分割
        3.1.2 區(qū)域填充
        3.1.3 提取超像素的矩陣
        3.1.4 基于PCA噪聲估計(jì)
    3.2 噪聲水平分布特性
    3.3 拼接區(qū)域檢測(cè)
    3.4 實(shí)驗(yàn)結(jié)果及分析
        3.4.1 檢測(cè)結(jié)果
        3.4.2 檢測(cè)精度比較
        3.4.3 有效性對(duì)比和分析
        3.4.4 魯棒性與檢測(cè)精度比較
        3.4.5 時(shí)間復(fù)雜度分析
    3.5 本章小結(jié)
4 基于噪聲分布水平不一致性的圖像拼接區(qū)域檢測(cè)方法
    4.1 算法流程
    4.2 圖像分割
    4.3 特征提取
        4.3.1 基于拉普拉斯算子的圖像噪聲估計(jì)
        4.3.2 基于SVD的圖像塊噪聲估計(jì)
        4.3.3 基于SVD的局部圖像梯度矩陣
    4.4 拼接篡改檢測(cè)
        4.4.1 基于噪聲估計(jì)的篡改定位
        4.4.2 基于噪聲估計(jì)的篡改定位
    4.5 實(shí)驗(yàn)結(jié)果及分析
        4.5.1 有效性分析和比較
        4.5.2 定量和魯棒性分析
        4.5.3 圖像數(shù)據(jù)庫(kù)的分析
        4.5.4 實(shí)驗(yàn)結(jié)果
        4.5.5 魯棒性分析
    4.6 本章小結(jié)
5 基于CFA偽影的圖像拼接/合成攻擊被動(dòng)取證方法
    5.1 算法步驟
    5.2 雙樹復(fù)小波變換及圖像重構(gòu)
    5.3 特征提取
    5.4 拼接區(qū)域檢測(cè)
    5.5 實(shí)驗(yàn)結(jié)果與分析
        5.5.1 特征分類結(jié)果
        5.5.2 檢測(cè)結(jié)果
        5.5.3 精度分析
        5.5.4 有效性分析
        5.5.5 魯棒性分析
    5.6 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間主要研究成果


【參考文獻(xiàn)】：
期刊論文
[1]一種有效的雙樹復(fù)小波-Wiener濾波去噪算法[J]. 魏培,全子一,門愛東.  電路與系統(tǒng)學(xué)報(bào). 2009(05)
[2]聯(lián)合OC-SVM和MC-SVM的圖像來源取證方法[J]. 王波,孔祥維,付海燕.  計(jì)算機(jī)研究與發(fā)展. 2009(09)
[3]利用協(xié)方差矩陣檢測(cè)CFA插值的相機(jī)來源鑒別方法[J]. 王波,孔祥維,尤新剛,付海燕.  光電子.激光. 2009(04)
[4]數(shù)字圖像與數(shù)碼相機(jī)噪聲相關(guān)性的分布[J]. 崔夏榮,蘇光大.  中國(guó)圖象圖形學(xué)報(bào). 2008(06)
[5]基于模式噪聲的數(shù)字圖像來源鑒別[J]. 崔夏榮,蘇光大.  光電子.激光. 2007(10)
[6]FCM聚類算法中模糊加權(quán)指數(shù)m的優(yōu)選方法[J]. 宮改云,高新波,伍忠東.  模糊系統(tǒng)與數(shù)學(xué). 2005(01)
[7]數(shù)據(jù)挖掘中聚類分析的技術(shù)方法[J]. 湯效琴,戴汝源.  微計(jì)算機(jī)信息. 2003(01)



本文編號(hào)：3172529