基于改進(jìn)灰度共生矩陣的圖像塊復(fù)制粘貼篡改檢測(cè)研究
發(fā)布時(shí)間:2023-03-23 01:23
數(shù)字圖像是現(xiàn)如今用于信息傳遞的最主要形式。所以,很多圖像處理軟件也就應(yīng)運(yùn)而生,面向民眾的圖像處理軟件在操作上十分的便捷,只需要通過(guò)簡(jiǎn)單的了解就能夠掌握如何去使用這類(lèi)軟件。但是,有些人卻利用這一工具通過(guò)圖像二次修改來(lái)歪曲事實(shí),使得大部分人深受其影響,甚至涉及人身和財(cái)產(chǎn)的安全。所以,現(xiàn)如今催生出了很多以辨別圖像真假的研究方向,主要是為了通過(guò)尋找修改痕跡來(lái)尋找圖像修改的證據(jù),從而能夠幫助還原事實(shí),這也逐漸成為了當(dāng)今數(shù)字圖像領(lǐng)域研究的熱點(diǎn)。將同一幅圖像復(fù)制后進(jìn)行篡改的方式屬于被動(dòng)取證當(dāng)中以真實(shí)性作為獲取證據(jù)的方法,一般這種方法會(huì)存在很多與原圖像類(lèi)似的區(qū)域。對(duì)于這種篡改的方式,目前主要以特征點(diǎn)以及圖像塊相似性的檢測(cè)兩種方法為主,它們各有其優(yōu)點(diǎn)。總的來(lái)看,前者在準(zhǔn)確率方面會(huì)更好一些,并且可以運(yùn)用在比較廣的范圍內(nèi)。但是,特征點(diǎn)的獲取又會(huì)受到一些因素的影響。但是通過(guò)塊匹配來(lái)進(jìn)行檢測(cè)還有很多有待改善的地方,本文選擇基于塊匹配檢測(cè)方式,主要是為了能夠更好的提升檢測(cè)的準(zhǔn)確性,從而為證據(jù)的獲取節(jié)省更多的時(shí)間。本文主要研究同幅圖像復(fù)制粘貼篡改及檢測(cè)技術(shù)。主要工作包括:(1)就目前的塊匹配檢測(cè)法在進(jìn)行圖像灰度特征...
【文章頁(yè)數(shù)】:52 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 研究背景和意義
1.2 數(shù)字圖像取證技術(shù)
1.2.1 數(shù)字圖像主動(dòng)取證技術(shù)
1.2.2 數(shù)字圖像被動(dòng)取證技術(shù)
1.3 國(guó)內(nèi)外研究現(xiàn)狀分析
1.4 本文研究?jī)?nèi)容
1.5 論文結(jié)構(gòu)安排
第2章 圖像復(fù)制粘貼篡改檢測(cè)相關(guān)技術(shù)
2.1 數(shù)字圖像復(fù)制粘貼篡改類(lèi)型
2.2 數(shù)字圖像復(fù)制粘貼檢測(cè)常見(jiàn)算法
2.2.1 基于關(guān)鍵點(diǎn)的取證算法
2.2.2 基于分塊的取證算法
2.2.3 現(xiàn)有算法的優(yōu)點(diǎn)與不足
2.3 本章小結(jié)
第3章 基于改進(jìn)的灰度共生矩陣特征提取方法
3.1 灰度共生矩陣和方向測(cè)度
3.1.1 灰度共生矩陣
3.1.2 方向測(cè)度
3.2 改進(jìn)的灰度共生矩陣DGLCM特征提取
3.2.1 n鄰域的確定
3.2.2 Haralick特征值的選擇
3.2.3 方向測(cè)度值的確定
3.2.4 改進(jìn)的灰度共生矩陣特征
3.2.5 高斯歸一化
3.2.6 DGLCM特征提取算法
3.3 實(shí)驗(yàn)結(jié)果與分析
3.3.1 方向測(cè)度與權(quán)值因子的關(guān)系
3.3.2 Brodatz標(biāo)準(zhǔn)紋理庫(kù)的分類(lèi)
3.3.3 基于DGLCM特征紋理圖的分類(lèi)
3.4 本章小結(jié)
第4章 基于DCT和 DGLCM特征融合的復(fù)制粘貼篡改檢測(cè)
4.1 DCT變換
4.2 基于混合特征的復(fù)制粘貼篡改檢測(cè)
4.2.1 算法思想
4.2.2 圖像預(yù)處理
4.2.3 圖像滑窗分塊
4.2.4 特征提取
4.2.5 特征融合
4.2.6 降維與聚類(lèi)
4.2.7 特征匹配
4.3 實(shí)驗(yàn)結(jié)果與分析
4.3.1 不同后處理檢測(cè)結(jié)果
4.3.2 算法分析
4.4 本章小結(jié)
第5章 復(fù)制粘貼篡改檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
5.1 系統(tǒng)設(shè)計(jì)
5.1.1 需求分析
5.1.2 系統(tǒng)流程
5.2 系統(tǒng)功能
5.3 系統(tǒng)實(shí)現(xiàn)
5.3.1 選擇待測(cè)圖像模塊
5.3.2 特征提取模塊
5.3.3 特征匹配模塊
5.3.4 結(jié)果展示模塊
5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及研究成果
本文編號(hào):3767986
【文章頁(yè)數(shù)】:52 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 研究背景和意義
1.2 數(shù)字圖像取證技術(shù)
1.2.1 數(shù)字圖像主動(dòng)取證技術(shù)
1.2.2 數(shù)字圖像被動(dòng)取證技術(shù)
1.3 國(guó)內(nèi)外研究現(xiàn)狀分析
1.4 本文研究?jī)?nèi)容
1.5 論文結(jié)構(gòu)安排
第2章 圖像復(fù)制粘貼篡改檢測(cè)相關(guān)技術(shù)
2.1 數(shù)字圖像復(fù)制粘貼篡改類(lèi)型
2.2 數(shù)字圖像復(fù)制粘貼檢測(cè)常見(jiàn)算法
2.2.1 基于關(guān)鍵點(diǎn)的取證算法
2.2.2 基于分塊的取證算法
2.2.3 現(xiàn)有算法的優(yōu)點(diǎn)與不足
2.3 本章小結(jié)
第3章 基于改進(jìn)的灰度共生矩陣特征提取方法
3.1 灰度共生矩陣和方向測(cè)度
3.1.1 灰度共生矩陣
3.1.2 方向測(cè)度
3.2 改進(jìn)的灰度共生矩陣DGLCM特征提取
3.2.1 n鄰域的確定
3.2.2 Haralick特征值的選擇
3.2.3 方向測(cè)度值的確定
3.2.4 改進(jìn)的灰度共生矩陣特征
3.2.5 高斯歸一化
3.2.6 DGLCM特征提取算法
3.3 實(shí)驗(yàn)結(jié)果與分析
3.3.1 方向測(cè)度與權(quán)值因子的關(guān)系
3.3.2 Brodatz標(biāo)準(zhǔn)紋理庫(kù)的分類(lèi)
3.3.3 基于DGLCM特征紋理圖的分類(lèi)
3.4 本章小結(jié)
第4章 基于DCT和 DGLCM特征融合的復(fù)制粘貼篡改檢測(cè)
4.1 DCT變換
4.2 基于混合特征的復(fù)制粘貼篡改檢測(cè)
4.2.1 算法思想
4.2.2 圖像預(yù)處理
4.2.3 圖像滑窗分塊
4.2.4 特征提取
4.2.5 特征融合
4.2.6 降維與聚類(lèi)
4.2.7 特征匹配
4.3 實(shí)驗(yàn)結(jié)果與分析
4.3.1 不同后處理檢測(cè)結(jié)果
4.3.2 算法分析
4.4 本章小結(jié)
第5章 復(fù)制粘貼篡改檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
5.1 系統(tǒng)設(shè)計(jì)
5.1.1 需求分析
5.1.2 系統(tǒng)流程
5.2 系統(tǒng)功能
5.3 系統(tǒng)實(shí)現(xiàn)
5.3.1 選擇待測(cè)圖像模塊
5.3.2 特征提取模塊
5.3.3 特征匹配模塊
5.3.4 結(jié)果展示模塊
5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及研究成果
本文編號(hào):3767986
本文鏈接:http://www.sikaile.net/shoufeilunwen/xixikjs/3767986.html
最近更新
教材專(zhuān)著