基于光照方向不一致性的图像盲鉴别方法

图像篡改破坏了自然图像的光照一致性,为了保证图像内容的安全性,提出一种基于光照方向一致性的图像盲鉴别方法鉴别图像真伪。该方法根据图像的实际强度与计算强度间的误差函数以及适合不同光源模式的约束条件,估计不同光源模式下图像的光照方向。通过分析图像中不同对象或对象与背景之间的光照方向是否一致,判断图像是否被篡改。实验结果表明,无限光源模式的数字图像盲鉴别方法的正确检测率可达到81.8%,从而证明了局部光源和复合光源模式的数字图像盲鉴别方法的有效性。

基于光源方向不一致性的局部光源图像盲鉴别方法

针对在局部光源照射下生成的图像,提出一种新的数字图像盲鉴别方法。根据测量强度与计算强度间的误差函数和局部光源模式的规范项来计算图像中场景的光源方向,从而判断图像的真伪。经过对实验图像库中的486幅图像进行检测,算法的正检率达到了77.16%,最小误差和最大误差分别为0.2°和1.0°。

具有几何不变性的图像复制-粘贴盲鉴别算法

提出一种具有几何不变性的复制-粘贴盲鉴别算法.该算法首先定义灰度级别和灰度结构,根据像素的灰度级别划分图像块,再结合其灰度结构定位可疑块对;然后对每一组可疑块对进行基于对数极坐标变换的相位相关,并粗略定位篡改区域;最后,精确计算篡改区域之间的旋转角度、缩放尺度及平移量,从而定位复制-粘贴区域.实验结果表明,该算法不但具有旋转、缩放等几何不变性,而且具有较高检测效率及较强的鲁棒性.

基于CDIO的教学模式改革研究——以勘查技术与工程专业C语言程序设计课程为例

C语言程序设计课程是吉林大学的公共必修课。针对吉林大学勘查技术与工程专业的特点,提出了C语言程序设计基于CDIO的教学模式新思路,在教学过程中结合CDIO四个阶段(构思、设计、实现、运作),实现充分激发学生兴趣、带动学生自主学习的目标。实践证明,新的教改思路能够充分激发学生学习C语言程序设计课程的兴趣,大幅提高学生的学习主动性和团队协作能力,从而取得较好的教学效果。

环境与资源专业《计算机文化基础》课程教学改革探索

《计算机文化基础》课程是普通高校各专业的公共基础课。针对该课程存在的教学效果不理想的现状,提出了针对环境与资源专业的《计算机文化基础》课程教学改革的新思路。实践证明,新的教改思路能够充分提高学生学习《计算机文化基础》课程的兴趣,达到提升教学效果的目的。

自动确定聚类个数的模糊聚类算法

本文通过集成多次FCM(Fuzzy C-Means)聚类结果以及采用软化分方式,提出一种新的自动确定聚类个数的模糊聚类算法.本算法首先利用不同的聚类数目对数据进行FCM聚类,然后充分利用多次FCM聚类得到的隶属度信息构建一个累积邻接矩阵,最后采用迭代方式对累积邻接矩阵进行图切分以获取最终聚类结果.大量的仿真实验表明,相对现有集成聚类方法,本文方法能够有效减少FCM的聚类次数,并且在图切分过程中的迭代次数为现有方法的1/2左右.

基于Lambert光照模型的图像真伪盲鉴别算法

依据Lambert光照模型,提出了基于Lambert光照模型的图像真伪盲鉴别算法.针对无限光源图像和局部光源图像,根据其实际的光强度与计算出的光强度之间的误差函数以及光源对光线的约束函数,分别提出了相应的算法用以计算图像中不同区域的光源方向,并根据这些不同区域的光源方向是否一致判定图像是否被篡改,从而对图像真伪进行盲鉴别.实验结果及分析表明,针对这2种图像各自提出的光源方向计算方法,能够准确地计算出图像中不同区域的光源方向,从而有效地鉴别出图像的真伪.

基于SIFT和HSI模型的彩色图像复制-粘贴盲鉴别算法

针对彩色图像复制-粘贴篡改中误匹配的问题,提出一种基于SIFT和HSI模型的彩色图像复制-粘贴盲鉴别算法。首先确定彩色图像的SIFT特征点和特征向量;然后对每个SIFT特征点提取HSI彩色特征;最后对两两不同特征点的SIFT特征向量和HSI特征向量进行匹配,确定图像的复制-粘贴篡改区域。实验结果表明:本文算法与SIFT算法、SURF算法和改进SIFT算法相比,能有效地降低误匹配率,并对高斯模糊、白噪声和JPEG重压缩有较强的鲁棒性。

基于DCT和SVD变换的盲数字水印算法

结合奇异值分解(SVD)变换,提出一种基于DCT域内DC分量的数字盲水印算法。对原图像进行8×8分块DCT变换,对DC系数集合进行2×2分块的SVD变换,使用量化步长Q量化每个小块对应的最大奇异值,向量化后的结果嵌入水印。由于选择DC系数进行SVD变换,且SVD变换结果表现的是图像的内蕴特性而非视觉特性,故算法具有较高的稳健性和透明性。实验表明,该算法可以有效地抵抗中值滤波、JPEG压缩、噪声等常规篡改处理,水印的提取不需要原始图像参与,执行起来简单方便。

基于无限光源模式的数字图像盲鉴别技术

图像篡改通常会破坏自然图像的光照一致性,根据这一特点将光源方向的不一致性作为检测图像篡改的依据。针对在无限光源照射下生成的图像,根据图像的测量强度与计算强度间的误差函数和无限光源模式的约束条件函数,用Hestenes-Powell乘子法计算图像中不同对象和背景的光源方向,并以此判断图像是否被篡改。实验结果表明:本文算法能够有效地计算出无限光源模式下图像中不同对象和背景的光源方向,其正检率已经达到了82.3%。

基于数字签名方式的图像真伪鉴别算法

针对图像的真伪问题,提出了一种基于数字签名方式的图像真伪鉴别算法.首先对图像进行预处理来提高图像的抗JPEG压缩性,然后把图像等分成2个区域,分别从2个区域中提取块均值的高5位映射为GF(25)域中的元素来构造RS编码,生成的校验码经Arnold变换置乱后作为数字签名对图像进行真伪鉴别.实验结果表明,该算法不但能够有效地检测出图像内容是否被篡改,并且能够准确定位篡改位置,提高了图像对JPEG压缩的稳健性,有效地区分JPEG压缩操作和蓄意篡改.

基于LBC的计算机生成图像盲鉴别算法

针对现有的计算机生成图像盲鉴别算法选用的分类特征维度较高、通用性差等问题,提出了一种基于局部二进制计数模式的计算机生成图像盲鉴别算法。首先,将原始图像由RGB颜色空间转换为HSV颜色空间;然后,提取HSV颜色空间图像及其下采样图像的局部二进制计数模式矩阵,求取矩阵归一化直方图;最后,将上述直方图作为分类特征送入SVM分类器,实现计算机生成图像的盲鉴别。实验结果表明,该算法可以有效地鉴别自然图像和计算机生成图像,与现有算法相比具有更高的识别率和较低的特征维度。

基于VAM和E-HMM的图像拼接盲鉴别算法

为了提高拼接篡改图像的检测准确率,利用视觉注意模型提出了一种新的图像拼接篡改盲鉴别算法。首先,采用改进的基于OSF的非线性滤波方法提取图像的边缘信息,得到边缘显著图像ECM;其次,利用视觉注意模型提取ECM的注意点,并采用显著边缘定位法锁定图像显著边缘处注意点,进而获取图像关键特征片段;接着,提取图像片段的Cr通道,并计算其小波重构图像;然后,针对小波重构图像,提取其扩展的DCT域的HMM特征,并采用SVM-RFE算法对所提取特征进行降维处理;最后,根据得到的特征向量,利用SVM对特征值进行训练并建立分类模型,从而实现自然图像和拼接篡改图像的分类识别。实验结果表明,针对哥伦比亚大学拼接篡改图像库,本文算法的正确检测率为96.32%。

软件工程应用型人才特点及培养方式研究

针对我国高等院校软件工程专业课程体系现状,结合目前软件行业发展趋势,分析软件工程应用型人才特点,对软件工程硕士教育、软件工程本科教育及软件技术高等职业教育应用型人才培养模式进行研究,从人才培养目标、课程体系建设、产学研结合平台搭建等角度分析应用型软件技术人才培养,旨在培养出高素质的软件工程专业应用型人才,为软件行业发展储备优秀人才资源。

基于统计特征的图像篡改评价模型

为了实现图像篡改手段的定性分析,构造了基于图像统计特征的篡改评价模型。该模型提取图像的LTP三值模式特征、LBP纹理特征和WLD局部特征,利用SVM分类器,实现对自然图像、计算机生成图像、复制-粘贴图像、拼接篡改图像、重获图像的多分类。实验结果表明,该模型能够在盲环境下实现图像的有效分类,客观分析图像篡改手段,综合正确检测率为85%。

基于数字签名方式的图像鉴别方法

提出了一种有效且稳健的基于数字签名方式的图像鉴别方法。该方法对图像预处理后,提取图像块均值的前五位作为被鉴别图像区别于其他图像的特征信息,并把图像进行分区处理,对区域内提取的图像块的特征信息扩展后进行RS差错控制编码,将编码后的RS校验位随机置乱后作为数字签名,然后与公开图像一起发送出去。实验结果表明:此图像鉴别方法可以有效地鉴别图像内容的真伪并对篡改区域进行定位。

完全线性多阈值Otsu快速算法

针对经典多阈值Otsu算法在对图像进行分割的过程中采用穷举方法来寻找最优阈值,从而导致算法计算量庞大,并且随着阈值个数的增多时间复杂度呈指数增长的问题,本文提出了一种时间复杂度为O(n)的多阈值Otsu快速分割算法,即完全线性多阈值Otsu快速算法。该算法首先从理论上分析了导致多阈值Otsu算法计算量大、时间复杂度过高的主要因素。并在此基础上,从数值计算、多阈值的划分以及对于最优阈值的搜索三个主要方面,对经典的多阈值Otsu算法进行改进,采用动态规划的思想优化分割过程中的数值计算。然后对于多阈值的问题进行递归求解,将多阈值问题分解为多个单阈值问题。最后使用多种群粒子群(Multi-population PSO)算法对最优阈值进行搜索。实验结果表明,该算法大大降低了多阈值Otsu算法的时间复杂度,能够较好地应用于实时性环境。

基于特征点和密度聚类的图像复制-粘贴篡改盲鉴别算法

针对数字图像复制-粘贴篡改盲鉴别方法存在的时间复杂度高、篡改定位不够精确等问题,提出了一种基于二进制描述符和密度聚类的数字图像复制-粘贴篡改的盲鉴别算法。该方法使用二进制描述符AKAZE提取特征点并描述特征,以降低特征计算的时间复杂度;使用基于密度的聚类算法DBSCAN去除错误匹配;最后通过仿射变换整幅图像对篡改区域进行定位。通过不同数据集上的实验结果表明:本文算法准确率最高可达到95%以上,误检率基本在10%以下,有效降低了时间复杂度,在可靠性和篡改定位准确率方面具有更优越的性能。

基于多尺度感知和语义适配的医学图像分割算法

针对医学图像中病灶区域的形状不规则、尺度变化大、强度不均匀和边界模糊等复杂特点导致医学图像分割精度下降的问题,本文提出了一种基于多尺度感知和语义适配的医学图像分割算法。通过多尺度上下文感知模块,从多个感受野学习目标区域丰富的上下文信息,并根据目标区域大小动态分配不同尺度语义特征的权重,以提高特征学习的表征能力。通过多层语义适配模块聚合多级抽象语义特征和空间细节信息,细化目标区域的边界,同时减少编解码器间的特征差异。将本文算法在3个不同模态的公开医学图像数据集上进行定量和定性对比,实验结果表明,本文算法在多个医学图像复杂场景分割中均优于其他算法。

基于注意力卷积神经网络的图像篡改定位算法

为防止对图像内容进行操作(如拼接),提出一种基于注意力卷积神经网络的图像篡改定位算法,称为CA-Net。尽管卷积神经网络强大的特征学习和映射能力可依次获取丰富的空间特征,但是本文提出使用不同采样步长的并行孔洞卷积层以提取多尺度特征。同时,为了更好地利用特征通道信息,在解码网中额外引入通道注意力模块。实验采用Synthesized图像库进行训练,在两组图像库上NC2016和CASIA进行微调和测试。实验结果表明:提出的并行孔洞卷积层和通道注意力模块能明显提高篡改定位结果,与一些最新主流算法相比,CANet在两个标准图像库上表现最优。