基于DCT域隐写分析和游程特征融合的图像拼接检测算法

发布时间：2017-12-06 05:32

  本文关键词：基于DCT域隐写分析和游程特征融合的图像拼接检测算法

  更多相关文章： 图像拼接检测 BDCT变换 隐写分析特征 游程

【摘要】：随着信息技术的发展,数字图像作为一个重要的视觉信息载体充斥着人们的生活。同时,各种图像编辑软件也发展迅速,使得人们为达到某种目的对图像的篡改越来越容易。然而,一些例如法庭取证、新闻报道的图片其真实性非常重要,篡改者往往会对图片进行后期处理以掩饰其伪造痕迹,视觉上通常难以辨别。因此,鉴别图像的真实性是一个重要的研究课题。研究表明隐写分析特征也适用于拼接检测。该论文提出将一种隐写分析特征应用到拼接检测中。该隐写分析特征由多个子模型构成,这些子模型经残差计算并用共生矩阵统计,描述了一定邻域内像素间的各种关系。经实验,发现该空域的隐写分析特征不能很好地平衡识别率和运算效率;考虑到DCT变换具有良好的去相关性和能量压缩等优点,提出将该隐写分析算法应用到频域,并从理论上分析了该频域特征的有效性。实验结果表明,DCT域的隐写分析特征在运算效率和识别率上要远优于空域特征。此外,还对于空域和频域中若干子模型的融合进行了实验,发现空域、频域以及两个域中的子模型融合对于识别率的提升不明显。为进一步提高识别效率,该论文从频域子模型中选取识别率较高的二阶子模型spam12hv,同一种游程特征RLRN按不同方式进行融合。该游程特征是沿0o,45o,90o和135o四个方向,在去相关性的像素差分矩阵上进行游程向量的计算。频域隐写分析特征和游程特征均在Chroma空间提取,随后用支持向量机进行分类。在图库CASIA v1.0上的最高识别率为98.59%,在更复杂的库CASIA v2.0上识别率也可达97.37%。该算法在识别性能上较现有拼接检测算法有显著优势。
【学位授予单位】：南开大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
，

本文编号：1257541