用统计特征量实现的图像拼接盲检测

图像拼接是一种常见的图像篡改手段。为了对拼接的数字图像实施盲检测,提出一种新的拼接图像的检测方法。借用二分类的模式识别概念,使用图像质量评价量和矩特征量来建立模型,以捕获原始图像和拼接图像之间的统计差异,选用支持向量机作为分类器进行训练和测试,对拼接图像的盲检测进行了研究。实验结果表明,该方法具有精确度高、应用面广的优点。

图像质量参数分析及其在图像拼接检测中的应用

分析了常用的图像质量参数,采用方差分析对图像质量参数在拼接图像盲检测中的应用进行筛选。通过提取对拼接图像较为敏感的图像质量评价量再融合基于隐马尔科夫模型的特征向量来建立模型,以捕获原始图像和拼接图像之间的统计差异,选用支持向量机作为分类器进行训练和测试,对拼接图像的盲检测进行了研究。实验结果表明,该方法精确度高、应用面广,在图像拼接检测中有着广阔的前景。

一种新的拼接图像检测方法

图像的拼接检测在数字图像取证中占有重要的地位,因此引起了广泛的关注。为此,提出了一个有效的被动盲取证方法来检测拼接图像,通过提取多尺寸块离散余弦变换二维数组(MBDCT)的统计特征量和图像质量评价量(IQMs)来建立模型。选用哥伦比亚大学的图像拼接检验数据库来测试该模型,采用支持向量机(SVM)作为分类器进行训练和测试,实验结果表明新的拼接检测模型具有精确度高、应用面广的优点,在拼接检测中有很好的发展前景。

不同分类器在图像盲取证中的表现

为了对数字拼接图像进行盲检测,提出了一种新的拼接图像的检测模型。使用图像质量评价量和统计特征量来建立模型,以得到原始图像和拼接图像之间的统计差异。选用支持向量机和人工神经网络作为分类器分别对该模型进行训练和测试,对拼接图像的盲检测进行了研究。实验结果表明,两种分类器都表现出较高的识别率,该模型在图像拼接检测中有着广阔的前景。

一种基于主成分分析的图像信息隐藏质量评价方法

评价信息隐藏方法的隐藏质量是信息隐藏研究的一个重要部分。针对传统的主客观评价方法存在的缺点和不足,提出了一种图像信息隐藏质量的评价方法。选取对图像信息隐藏比较敏感的10个图像质量评价量(IQMs),作为评价信息隐藏质量的特征量。利用主成分分析法对各特征量进行分析,排除各特征量之间的线性相关性,选择主成分量实现了对几种图像信息隐藏方法的综合评价。该方法灵活、高效,评价结果符合人眼视觉特性,是比较实用的图像信息隐藏质量评价方法。

基于图像质量评价量和隐马尔科夫模型的图像拼接检测

基于对图像拼接技术的分析,提出了基于图像质量评价量和隐马尔科夫模型(hidden Markov model,HMM)的拼接图像检测方法,提取了图像的特征值,使用支持向量机(support vector machine,SVM)对特征值进行训练和分类,得到了较好的效果。