Image Tampering Detection Using No-Reference Image Quality Metrics

In this paper,a new approach is proposed to determine whether the content of an image is authentic or modified with a focus on detecting complex image tampering.Detecting image tampering without any prior information of the original image is a challenging problem since unknown diverse manipulations may have different characteristics and so do various formats of images.Our principle is that image processing,no matter how complex,may affect image quality,so image quality metrics can be used to distinguish tampered images.In particular,based on the alteration of image quality in modified blocks,the proposed method can locate the tampered areas.Referring to four types of effective no-reference image quality metrics,we obtain 13 features to present an image.The experimental results show that the proposed method is very promising on detecting image tampering and locating the locally tampered areas especially in realistic scenarios.

景德镇陶瓷图像检索技术研究

结合景德镇陶瓷图像的特点,研究基于内容的图像检索技术在景德镇陶瓷图像检索中的应用。并利用动态调整特征权重方法,帮助用户快速的找到相关感兴趣的陶瓷图像。

基于度量空间高维索引结构VP-tree及MVP-tree的图像检索

首先分析了度量空间高维索引结构的研究意义及具体应用,然后在仔细探讨典型的基于距离的度量空间高维索引结构VP-tree及其变种MVP-tree的基本思想、构造和搜索算法的基础上,通过具体的实验对其在图像检索中的性能进行了全面的分析,给出了通过实验得到的结论,最后指出了有待进一步研究的方向。

基于内容的图像检索中的相关反馈技术

早期的基于内容的图像检索系统以图像处理技术为核心 ,研究重点集中在视觉特征的选择和提取方面 ,而没有充分利用人们在视觉方面的主观性 .基于内容的图像检索中的根本问题是用于理解图像内容的高层语义概念与图像中提取的用于索引数据库图像的低层特征之间存在差异 .为了解决上述问题 ,近年来相关反馈技术在基于内容的图像检索中受到重视 .简要介绍了基于内容的图像检索系统的一般结构 ,在此基础之上给出了相关反馈技术的目标以及基本思想 ,并阐述了相关反馈的原则 .最后简要介绍了几个现有的使用相关反馈技术的基于内容的图像检索系统 .

基于内容的图像检索综述

本文简要介绍了基于内容的图像检索,给出了基于内容的图像检索系统的一般结构。对图像检索的发展进行了概述。对基于内容的图像检索的主要研究技术进行了详细和全面的论述,并介绍了几个典型的基于内容的图像检索系统。最后,指出了目前研究中存在的一些主要问题。

基于三元组卷积神经网络的图像检索

针对图像检索中图像间相似度和训练集带标签样本不足问题,提出一种改进的三元组卷积神经网络的图像检索算法。采用基于三元组卷积神经网络,在相似数据集上进行网络训练,为图像检索项目提取更好的特征。实验结果表明,该算法在相似数据集上进行重训练,有助于提高基于内容的图像检索任务的性能。

基于鲁棒的余弦-欧氏距离度量降维的图像检索方法

为解决主成分分析(PCA)无法处理非线性数据集以及鲁棒性差的问题,提出一种鲁棒的余弦-欧氏距离度量的降维方法(RCEM)。该方法利用余弦度量(CM)能够处理离群点的特点来提取数据的局部几何特征,并利用欧氏距离能够很好地保持样本的方差信息的特点来刻画数据集的全局分布,在保留数据局部信息的同时实现了局部和全局的统一,提高了局部降维算法的鲁棒性,同时避免了局部小样本问题。实验结果显示,与角度优化全局嵌入(AOGE)方法相比,在Corel-1000数据集下检索查准率提高了5.61%,相比不降维时检索时间减少了42%。结果表明,RCEM算法能在不降低图像检索精度的同时提高图像检索的效率,可以有效应用于基于内容的图像检索(CBIR)。

一种支持快速相似检索的多维索引结构

基于内容的图像检索是一种典型的相似检索问题,对于尺度空间上的图像相似匹配问题,一般认为距离计算费用很高.因此,需要建立有效的索引结构,以减少每个查询中的距离计算次数.为此,基于数据空间的优化划分,并且使用代表点,以层次结构方式划分数据,提出了一种新的基于距离的相似索引结构opt-树及其变种h-树.为了更有效地支持基于内容的图像检索,在h-树索引结构中采用了h-最优化划分和h-对称冗余存储策略,以提高相似检索的效率.详细讨论了这种索引结构的建立与检索等问题,并给出了相应的算法.实验结果显示了这种索引技术的有效性.

利用无参考图像内容量度优化非局部均值去噪方法的参数

目的非局部均值NLM(non-local means)方法是一种有效的数字图像去噪方法。然而,在实际去噪过程中,非局部均值的衰减参数通常是固定的而且无法随着图像的变化而作适应性的调整。为了使非局部均值方法更加有效,提出一种将适用于多种噪声分布的无参考图像内容量度(表示为Q)引入NLM的迭代方法,来优化固定的衰减参数。方法首先,针对普通图像的去噪,利用量度Q来测量每一次调整衰减参数后所对应的去噪结果的图像质量,凭借该迭代机制找到Q的最大值,从而获得最优的图像去噪结果;其次,将该量度用于MRI(magnetic resonance imaging)图像的去噪,利用Q来度量图像所含结构信息(如纹理和边缘),进而调整用于MRI图像去噪的无偏非局部均值法的衰减参数。结果实验结果显示,本文方法提升了去噪结果的峰值信噪比(PSNR),并且本文方法的去噪结果在视觉上看起来比用传统方法得到的结果更清晰。结论利用无参考图像内容量度Q来优化NLM方法的衰减参数,使得NLM方法能够针对不同的图像自适应地调整衰减参数以取得最优的去噪效果。实验结果表明用图像内容量度Q来优化非局部均值法的参数是有效的。