-
公开(公告)号:CN108460715A
公开(公告)日:2018-08-28
申请号:CN201810064364.4
申请日:2018-01-23
Applicant: 中山大学
Abstract: 本发明涉及多媒体信息安全以及图像信息隐写技术领域,更具体地,涉及一种基于局部纹理模式的二值图像隐写分析方法。包括以下步骤:S1.构建十三宫格像素点块模板;S2.利用块模板扫描图像得到二值图像局部纹理模式;S3.统计每个二值图像局部纹理模式出现的频率;S4.将局部纹理模式出现的频率级联形成特征向量,利用集成分类器进行学习分类。本发明利用集成分类器进行学习分类,所提取的二值图像分析特征具有较高的特征维度,并且能够很好地描述图像的纹理,集成分类器能够很好地利用所提取的高维特征进行学习分类,能够很好地检测出待检测图像是否包含隐秘信息,具有较强可靠性。
-
公开(公告)号:CN108364256A
公开(公告)日:2018-08-03
申请号:CN201810064934.X
申请日:2018-01-23
Applicant: 中山大学
Abstract: 本发明涉及数字图像取证技术领域,更具体地,涉及一种基于四元数小波变换的图像拼接检测方法。本发明首先对图像进行四元数小波变换,四元数小波变换在保留离散小波变换的优势基础上,还具有近似平移不变性,丰富的相位信息,有限的数据冗余等特点,能够很好的描述细节纹理信息和图像轮廓,在四元数小波变换分解得到的各个子带上提取子带四元数系数的实部和3个虚部系数组成新的实数系数矩阵,在实数系数矩阵上提取Markov特征能够用来捕获多方向和多尺度的差异信息,再结合机器学习,得到有效的分类器,因此可以同时保证检测的准确率和检测效率。
-
公开(公告)号:CN107146202A
公开(公告)日:2017-09-08
申请号:CN201710159744.1
申请日:2017-03-17
Applicant: 中山大学
IPC: G06T5/00
Abstract: 本发明公开一种基于L0正则化和模糊核后处理的图像盲去模糊的方法,在图像复原的最优化模型中引入关于图像梯度、模糊核像素以及模糊核梯度稀疏性的先验信息,并以L0正则项的形式表现;其次,对最优化计算所得的模糊核根据其客观特性进行后处理,人为干预弥补最优化模型带来的不足,使复原所得的模糊核和中间图像更符合现实,最终复原图像质量进一步提高;最后,采用半二次分裂方法求解最优化模型,解法简洁,减少计算量,同时结合金字塔模型分层计算,所以本发明具有较高的鲁棒性,适用范围广。
-
公开(公告)号:CN106056600A
公开(公告)日:2016-10-26
申请号:CN201610365057.0
申请日:2016-05-26
Applicant: 中山大学
CPC classification number: G06T7/0002 , G06T3/4038 , G06T2207/20048 , G06T2207/20081
Abstract: 本发明提供一种基于Contourlet变换的图像拼接检测方法,利用Contourlet变换能够很好的描述图像中的轮廓和方向性纹理信息的优点,首先对训练图像进行Contourlet变换后提取Markov特征,并使用基于支持向量机的回归特征消除方法SVM‑RFE对特征集进行降维,提升检测效率和准确率,使用降维后的特征集训练找到最优参数并得到SVM分类模型,然后对测试图像提取相应的特征向量,使用得到的分类模型对测试图像的特征向量进行分类预测,得到测试图像是否经过拼接操作的判断结果。本发明在一种新的变换域提取特征,具有很好的检测效率和准确率。
-
公开(公告)号:CN106056122A
公开(公告)日:2016-10-26
申请号:CN201610364999.7
申请日:2016-05-26
Applicant: 中山大学
IPC: G06K9/46
CPC classification number: G06K9/4609
Abstract: 本发明提供一种基于KAZE特征点的图像区域复制粘贴篡改检测方法。首先对彩色图像提取KAZE特征点,然后将这些特征点用64维特征向量描述。接下来计算每个特征向量和剩下特征向量之间的欧式距离,利用最近邻距离和次近邻距离之间的比值,找到相似的特征向量,作为匹配对。然后使用SLIC算法对图像进行语义分割,滤除错误的匹配对。通过匹配对在图像中的位置关系,使用迭代的思想,估计篡改区域之间的仿射变换关系,得到仿射矩阵。最后通过仿射矩阵,计算原始图像和变换后图像之间的相关系数图,并且定位篡改区域。本发明使用了一种新型的特征点提取算法,并且使用迭代的方法求仿射矩阵,具有很好的检测准确率。
-
-
-
-