圖像seam carving的被動(dòng)取證研究
發(fā)布時(shí)間:2022-10-18 17:58
隨著圖像編輯軟件的興起,新手也可輕易篡改圖像內(nèi)容而不留下明顯痕跡。考慮到圖像真實(shí)性的重要性,圖像時(shí)常作為新聞、科研成果發(fā)表,醫(yī)療應(yīng)用以及司法證據(jù),其中混入篡改圖像,后果難以想象。因此,證實(shí)圖像的真實(shí)性的篡改檢測(cè)十分有必要。Seam carving能夠有效縮放圖像,并且縮放后的圖像不會(huì)有肉眼可見(jiàn)的線(xiàn)索。目前,人們可以通過(guò)Adobe Photoshop使用這一技術(shù)。同時(shí),也被一些犯罪分子用來(lái)進(jìn)行圖像篡改,例如圖像中特定對(duì)象的刪除。現(xiàn)有的算法能夠解決不同縮放比例的篡改檢測(cè),但是仍存在低縮放因子效果不理想以及魯棒性問(wèn)題。為了解決以上問(wèn)題,本文提出了兩種基于聯(lián)合特征的檢測(cè)算法。針對(duì)seam carving檢測(cè),提出了一種基于殘差域的局部二值模式(LBP)的能量偏差特征以及Markov特征相結(jié)合的聯(lián)合特征算法。其思路是:圖像中相鄰像素間存在一定相關(guān)。在seam carving操作時(shí),每從圖像中去除一條seam,則去除像素右側(cè)相鄰的像素必須左移填補(bǔ)移除像素位置。則圖像去除seam相鄰像素間的關(guān)系發(fā)生變化,像素間的大小關(guān)系可能發(fā)生變換。最終,將提取的聯(lián)合特征輸入到支持向量機(jī)(SVM)分類(lèi)器,將提取的特...
【文章頁(yè)數(shù)】:55 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景及意義
1.2 基于圖像縮放的國(guó)內(nèi)外研究現(xiàn)狀
1.3 本文的主要研究?jī)?nèi)容及貢獻(xiàn)
1.4 本文的組織結(jié)構(gòu)
第2章 基于圖像內(nèi)容感知技術(shù)的縮放技術(shù)
2.1 引言
2.2 Seam carving算法原理
2.3 差分像素鄰接矩陣特征
2.4 局部二值模式
2.5 Seam carving檢測(cè)算法的評(píng)估指標(biāo)
2.6 本章小結(jié)
第3章 基于聯(lián)合特征的seam carving篡改取證算法
3.1 引言
3.2 兩項(xiàng)聯(lián)合特征的提取算法
3.2.1 Seam carving篡改檢測(cè)分析
3.2.2 基于聯(lián)合特征模型的檢測(cè)框架
3.2.3 基于變換域的LBP特征
3.2.4 基于塊的Markov特征
3.2.5 分類(lèi)器
3.3 實(shí)驗(yàn)結(jié)果與分析
3.3.1 圖像測(cè)試集的制作
3.3.2 Seam carving的檢測(cè)效果與分析
3.3.3 JPEG圖像seam carving的檢測(cè)效果與分析
3.3.4 討論
3.4 本章小結(jié)
第4章 改進(jìn)的基于seam carving篡改檢測(cè)
4.1 引言
4.2 三項(xiàng)聯(lián)合特征的提取算法
4.2.1 LBP特征及基于塊的Markov特征
4.2.2 差分像素鄰接矩陣特征
4.3 實(shí)驗(yàn)結(jié)果及分析
4.3.1 Seam carving的檢測(cè)效果
4.3.2 Seam carving、JPEG-seam carving以及ori操作鏈檢測(cè)效果
4.3.3 結(jié)果分析
4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄 A 攻讀碩士學(xué)位期間發(fā)表論文目錄
附錄 B 攻讀學(xué)位期間參與的研究項(xiàng)目
致謝
【參考文獻(xiàn)】:
期刊論文
[1]一種基于LBP和馬爾科夫特征的細(xì)縫裁剪取證方法[J]. 郭繼昌,王秋子,趙潔,祁清. 電子科技大學(xué)學(xué)報(bào). 2018(04)
[2]基于擴(kuò)展馬爾科夫特征的Seam-Carving篡改檢測(cè)[J]. 盛國(guó)瑞,高鐵杠,范禮,高琳,楊福圣,張順. 通信學(xué)報(bào). 2014(06)
博士論文
[1]數(shù)字圖像盲取證技術(shù)研究[D]. 周琳娜.北京郵電大學(xué) 2007
碩士論文
[1]基于seam carving篡改技術(shù)的被動(dòng)取證研究[D]. 顧文武.湖南大學(xué) 2018
[2]基于Seam carving篡改技術(shù)的被動(dòng)取證研究[D]. 尹婷.湖南大學(xué) 2016
[3]基于樣本合成圖像修復(fù)的對(duì)象刪除被動(dòng)取證研究[D]. 梁早珊.湖南大學(xué) 2015
本文編號(hào):3692786
【文章頁(yè)數(shù)】:55 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景及意義
1.2 基于圖像縮放的國(guó)內(nèi)外研究現(xiàn)狀
1.3 本文的主要研究?jī)?nèi)容及貢獻(xiàn)
1.4 本文的組織結(jié)構(gòu)
第2章 基于圖像內(nèi)容感知技術(shù)的縮放技術(shù)
2.1 引言
2.2 Seam carving算法原理
2.3 差分像素鄰接矩陣特征
2.4 局部二值模式
2.5 Seam carving檢測(cè)算法的評(píng)估指標(biāo)
2.6 本章小結(jié)
第3章 基于聯(lián)合特征的seam carving篡改取證算法
3.1 引言
3.2 兩項(xiàng)聯(lián)合特征的提取算法
3.2.1 Seam carving篡改檢測(cè)分析
3.2.2 基于聯(lián)合特征模型的檢測(cè)框架
3.2.3 基于變換域的LBP特征
3.2.4 基于塊的Markov特征
3.2.5 分類(lèi)器
3.3 實(shí)驗(yàn)結(jié)果與分析
3.3.1 圖像測(cè)試集的制作
3.3.2 Seam carving的檢測(cè)效果與分析
3.3.3 JPEG圖像seam carving的檢測(cè)效果與分析
3.3.4 討論
3.4 本章小結(jié)
第4章 改進(jìn)的基于seam carving篡改檢測(cè)
4.1 引言
4.2 三項(xiàng)聯(lián)合特征的提取算法
4.2.1 LBP特征及基于塊的Markov特征
4.2.2 差分像素鄰接矩陣特征
4.3 實(shí)驗(yàn)結(jié)果及分析
4.3.1 Seam carving的檢測(cè)效果
4.3.2 Seam carving、JPEG-seam carving以及ori操作鏈檢測(cè)效果
4.3.3 結(jié)果分析
4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄 A 攻讀碩士學(xué)位期間發(fā)表論文目錄
附錄 B 攻讀學(xué)位期間參與的研究項(xiàng)目
致謝
【參考文獻(xiàn)】:
期刊論文
[1]一種基于LBP和馬爾科夫特征的細(xì)縫裁剪取證方法[J]. 郭繼昌,王秋子,趙潔,祁清. 電子科技大學(xué)學(xué)報(bào). 2018(04)
[2]基于擴(kuò)展馬爾科夫特征的Seam-Carving篡改檢測(cè)[J]. 盛國(guó)瑞,高鐵杠,范禮,高琳,楊福圣,張順. 通信學(xué)報(bào). 2014(06)
博士論文
[1]數(shù)字圖像盲取證技術(shù)研究[D]. 周琳娜.北京郵電大學(xué) 2007
碩士論文
[1]基于seam carving篡改技術(shù)的被動(dòng)取證研究[D]. 顧文武.湖南大學(xué) 2018
[2]基于Seam carving篡改技術(shù)的被動(dòng)取證研究[D]. 尹婷.湖南大學(xué) 2016
[3]基于樣本合成圖像修復(fù)的對(duì)象刪除被動(dòng)取證研究[D]. 梁早珊.湖南大學(xué) 2015
本文編號(hào):3692786
本文鏈接:http://www.sikaile.net/kejilunwen/ruanjiangongchenglunwen/3692786.html
最近更新
教材專(zhuān)著