目前圖像作為用于描繪事件的事實(shí)證據(jù)而被廣泛應(yīng)用,加之計(jì)算機(jī)在商業(yè)、教育等各行各業(yè)占據(jù)的主導(dǎo)地位,數(shù)字圖像更是被頻繁地視為權(quán)威證據(jù)。與此同時(shí),隨著各種軟件工具和低成本硬件的發(fā)展,圖像篡改也變得非常容易并且?guī)缀鯖](méi)有肉眼可辨別的任何痕跡。因此,對(duì)于數(shù)字圖像的真實(shí)性和完整性我們無(wú)法完全信任和依賴(lài),也亟需探索更加先進(jìn)的檢測(cè)手段來(lái)應(yīng)對(duì)數(shù)字圖像篡改對(duì)取證領(lǐng)域所帶來(lái)的挑戰(zhàn)。近年來(lái),國(guó)內(nèi)外學(xué)者提出了眾多用來(lái)檢測(cè)拼接圖像的算法,取得了不錯(cuò)的成果,但對(duì)于算法的魯棒性和檢測(cè)的準(zhǔn)確性還有待提高。為解決傳統(tǒng)圖像拼接檢測(cè)算法對(duì)圖像內(nèi)容、光照變化等魯棒性不強(qiáng)問(wèn)題,本文提出了一種基于復(fù)合紋理特征的圖像拼接檢測(cè)方法。具體研究?jī)?nèi)容如下:1.基于多尺度多方向分解后的圖像特征描述本文采用在二維灰度圖像執(zhí)行非下采樣輪廓波變換(NSCT),從多尺度、多方向獲得包含圖像紋理特征的一系列子帶圖像(其中包含1個(gè)低頻子帶圖像,和經(jīng)過(guò)二元樹(shù)形分解得到的4個(gè)高頻子帶圖像)。然后將得到的低頻子帶圖像進(jìn)行高通濾波處理后與其他4個(gè)高頻子帶圖像,分別獲取韋伯局部描述符(WLD)紋理特征和局部三值模式(LTP)紋理特征。2.多種紋理特征的提取與復(fù)合本文...

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
引言
1 緒論
    1.1 數(shù)字圖像被動(dòng)取證技術(shù)研究的背景與意義
    1.2 數(shù)字圖像取證技術(shù)研究的國(guó)內(nèi)外現(xiàn)狀
        1.2.1 圖像拼接篡改檢測(cè)研究現(xiàn)狀
        1.2.2 紋理特征提取研究現(xiàn)狀
    1.3 論文主要研究工作及組織結(jié)構(gòu)
        1.3.1 論文主要研究工作
        1.3.2 論文的組織結(jié)構(gòu)
2 復(fù)合特征檢測(cè)拼接圖像的方法設(shè)計(jì)
    2.1 基于圖像特征的拼接檢測(cè)研究現(xiàn)狀
        2.1.1 顏色特征
        2.1.2 形狀特征
        2.1.3 紋理特征
    2.2 基于單一特征的圖像拼接檢測(cè)方法
        2.2.1 特征的提取
        2.2.2 特征向量的生成與分類(lèi)
    2.3 基于復(fù)合特征的圖像拼接檢測(cè)方法
        2.3.1 基于向量的多特征圖像拼接檢測(cè)方法
        2.3.2 基于決策層的多特征圖像拼接檢測(cè)方法
    2.4 本章小結(jié)
3 基于復(fù)合紋理特征的拼接檢測(cè)模型
    3.1 引言
    3.2 提取紋理特征的相關(guān)技術(shù)
        3.2.1 局部二值模式
        3.2.2 局部三值模式
        3.2.3 韋伯局部描述符
        3.2.4 灰度共生矩陣
    3.3 提取復(fù)合紋理特征的方法設(shè)計(jì)
        3.3.1 LTP與灰度共生矩陣相結(jié)合提取特征
        3.3.2 WLD與灰度共生矩陣結(jié)合提取特征
        3.3.3 多種紋理特征的復(fù)合與提取
    3.4 復(fù)合紋理特征檢測(cè)拼接圖像的方法設(shè)計(jì)
    3.5 分類(lèi)方法的選取
        3.5.1 RBF神經(jīng)網(wǎng)絡(luò)原理
        3.5.2 RBF神經(jīng)網(wǎng)絡(luò)參數(shù)的選取
        3.5.3 不同分類(lèi)器的性能測(cè)試
    3.6 本章小結(jié)
4 測(cè)試實(shí)驗(yàn)與結(jié)果分析
    4.1 數(shù)據(jù)集的選擇與評(píng)估標(biāo)準(zhǔn)
    4.2 實(shí)驗(yàn)結(jié)果與分析
        4.2.1 LTP閾值的選取
        4.2.2 基于復(fù)合紋理特征的圖像拼接檢測(cè)
    4.3 魯棒性分析
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
在學(xué)研究成果
致謝



本文編號(hào)：3774953