基于余弦相似度与局部二值模式的图像中值滤波取证算法研究

发布时间：2021-04-07 11:17

　　在数字信息化时代,图像处理技术的迅猛发展,图像编辑软件的精益求精,网络中经过图像处理软件编辑篡改后的图片随处可见,当篡改图片用于军事,政治等敏感领域来达到非法目的时,其危害可以牵涉到整个国家甚至整个世界。可见验证图像的真实性具有重要意义。然而在图像编辑处理中,中值滤波作为一种平滑滤波,具有良好的边缘保持与非线性,图像篡改者通过对图像进行中值滤波来掩盖图像篡改痕迹,使得中值滤波广泛用于信息隐藏和反取证技术。为了揭示数字图像的处理历史,中值滤波的被动取证成为当今的研究热点。本文首先介绍了图像被动取证的研究背景与意义,结合国内外中值滤波取证的研究现状,分析了基于支持向量机的中值滤波传统取证算法与基于深度学习卷积神经网络的中值滤波取证算法。简要介绍了卷积神经网络的发展现状。本文对比分析了三种基于局部二值模式的传统中值滤波取证算法,通过在不同数据集上的仿真实验得到现有基于局部二值模式中值滤波取证算法中存在的不足与研究方向。为了揭示中值滤波前后图像像素的数学统计关系,本文设计了一种图像中值滤波检测的融合特征CLF（CS&LBP Fusion Feature）。将描述向量线性相关性的指标——... 

【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

周正龙拍“野生华南虎”（图片来源：人民网2007-10-12）

1.2 数字图像被动取证技术简介为了验证数字图像的完整性、真实性和原始性，数字图像取证[5](Image forensic技术通过向待检测图像中添加数字水印、数字签名或直接根据图像的原始信息来判

图像频域[29-31]）、JPEG 压缩[32-36]等。由于中值滤波具有用于反取证技术中，使其成为了用于消除其它图像操作所中值滤波进行盲检测变得尤为重要。网络简介络（Convolutional Neural Networks, CNN）[37-42]作为深度学义是由一类包含卷积计算操作且具有多层次结构的前馈神能够进行平移不变分类，因此也被称为“平移不变人工神经网络的研究始于二十世纪 80 至 90 年代，时间延迟网络和积神经网络。在二十一世纪后，随着深度学习理论的提出积神经网络得到了快速发展，并被大量应用于计算机视觉等领域。，卷积神经网络按网络结构可分为输入层（input layer）、隐（output layer）。

【参考文献】：
期刊论文
[1]噪声水平不一致性的图像拼接区域检测方法[J]. 张德鹏,王晓峰,胡姣姣,张萌.  计算机系统应用. 2019(02)
[2]基于分数阶离散切比雪夫变换的数字水印算法[J]. 毕秀丽,骆江霞,肖斌,李伟生,马建峰.  通信学报. 2018(S2)
[3]卷积神经网络在目标检测中的应用综述[J]. 于进勇,丁鹏程,王超.  计算机科学. 2018(S2)
[4]卷积神经网络综述[J]. 刘健,袁谦,吴广,喻晓.  计算机时代. 2018(11)
[5]基于深度学习的图像分类方法[J]. 许少尉,陈思宇.  电子技术应用. 2018(06)
[6]一种有效的中值滤波图像盲取证检测方案[J]. 王春华,韩栋.  中国电子科学研究院学报. 2017(06)
[7]基于改进激活函数的卷积神经网络研究[J]. 曲之琳,胡晓飞.  计算机技术与发展. 2017(12)
[8]基于余弦相似度的Graph Cuts序列图像分割算法[J]. 刘璐.  现代计算机(专业版). 2017(15)
[9]基于滤波残差多方向差分的中值滤波取证技术[J]. 彭安杰,康显桂.  计算机学报. 2016(03)
[10]基于局部二值模式的中值滤波检测算法[J]. 苏育挺,张天娇,张静,张承乾.  计算机应用研究. 2016(01)

硕士论文
[1]基于深度学习的数字图像操作取证研究[D]. 唐鸿燊.北京交通大学 2018



本文编号：3123392