本文關(guān)鍵詞：基于DCT域隱寫分析和游程特征融合的圖像拼接檢測算法

  更多相關(guān)文章： 圖像拼接檢測 BDCT變換 隱寫分析特征 游程

【摘要】：隨著信息技術(shù)的發(fā)展,數(shù)字圖像作為一個重要的視覺信息載體充斥著人們的生活。同時,各種圖像編輯軟件也發(fā)展迅速,使得人們?yōu)檫_到某種目的對圖像的篡改越來越容易。然而,一些例如法庭取證、新聞報道的圖片其真實性非常重要,篡改者往往會對圖片進行后期處理以掩飾其偽造痕跡,視覺上通常難以辨別。因此,鑒別圖像的真實性是一個重要的研究課題。研究表明隱寫分析特征也適用于拼接檢測。該論文提出將一種隱寫分析特征應(yīng)用到拼接檢測中。該隱寫分析特征由多個子模型構(gòu)成,這些子模型經(jīng)殘差計算并用共生矩陣統(tǒng)計,描述了一定鄰域內(nèi)像素間的各種關(guān)系。經(jīng)實驗,發(fā)現(xiàn)該空域的隱寫分析特征不能很好地平衡識別率和運算效率;考慮到DCT變換具有良好的去相關(guān)性和能量壓縮等優(yōu)點,提出將該隱寫分析算法應(yīng)用到頻域,并從理論上分析了該頻域特征的有效性。實驗結(jié)果表明,DCT域的隱寫分析特征在運算效率和識別率上要遠優(yōu)于空域特征。此外,還對于空域和頻域中若干子模型的融合進行了實驗,發(fā)現(xiàn)空域、頻域以及兩個域中的子模型融合對于識別率的提升不明顯。為進一步提高識別效率,該論文從頻域子模型中選取識別率較高的二階子模型spam12hv,同一種游程特征RLRN按不同方式進行融合。該游程特征是沿0o,45o,90o和135o四個方向,在去相關(guān)性的像素差分矩陣上進行游程向量的計算。頻域隱寫分析特征和游程特征均在Chroma空間提取,隨后用支持向量機進行分類。在圖庫CASIA v1.0上的最高識別率為98.59%,在更復雜的庫CASIA v2.0上識別率也可達97.37%。該算法在識別性能上較現(xiàn)有拼接檢測算法有顯著優(yōu)勢。
【學位授予單位】：南開大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
，

本文編號：1257541