融入混合注意力的低缩放因子SeamCarving篡改检测算法

针对现有的Seam Carving篡改检测算法对于低缩放因子情况存在检测精度不高、鲁棒性不强的问题,提出一种融入混合注意力机制的Seam Carving篡改检测算法。首先,利用BayarConv2D约束卷积对图像进行预处理,充分学习图像的噪声特征,并通过矩阵乘法与RGB图像进行特征融合;然后,采用ResNet作为骨干网络进行特征学习,引入残差传播和残差反馈机制,凸显Seam Carving的操作痕迹;最后,利用混合注意力机制同时提取相邻位置和通道之间的特征,更好地捕捉全局特征,进而将其输入全连接层进行分类。实验结果表明,在BOSSbase1.01数据集上,当缩放因子为1%和9%时,检测精度分别达到了89.48%和97.94%,优于现有主流方法,同时具有较低的计算复杂度和较好的鲁棒性,能够抵抗JPEG压缩攻击。

基于OpenCV的绿幕背景视频抠图

视频背景抠图一直是多媒体处理技术和计算机视觉领域中的热点研究方向,对视频拍摄与制作具有重要意义。视频背景抠图的实质就是图像抠图,即对图像的分割。基于阈值的图像分割和OpenCV的基本理论,研究绿幕背景视频抠图与前景检测,对每个模块的算法进行详细设计和充分实验,最后设计了一个交互式的背景替换系统界面,用户可通过交互按钮加载背景图像和视频,并通过按钮操作完成背景替换和前景检测。