基于点匹配的区域拷贝篡改检测

图像区域拷贝是一种常见的数字图像篡改技术,目前的大部分数字图像区域拷贝取证技术未考虑旋转和缩放因素。提出一种新的基于点匹配的图像区域篡改检测算法。首先利用尺度不变旋转变换(SIFT)寻找图像中的关键点,使用主成分分析法(PCA)对关键点进行降维描述,然后利用关键点特征向量的相似度寻找关键相似点。实验表明,该算法不但能够较精确地定位出复制和粘贴的图像伪造区域,还能有效抵抗噪声污染、有损压缩以及旋转等攻击,并有效地减少运算量,提高了检测效率。

IBC参考区域的自适应选择算法

对通用视频编码(VVC)中扩大帧内块拷贝(IBC)参考区域所带来编码时间的增加进行研究,提出了一种自适应的IBC参考区域选择算法。算法引入特征交叉思想,利用改进的自适应因式分解网络,构造分辨能力更强的特征,判断当前编码单元的编码模式。对选择IBC模式的编码单元,利用感知哈希算子对其所处的32×32区域与原始参考范围外的32×32区域进行相似性检测,根据相似度判断是否扩展IBC的参考范围。实验结果表明:在全帧内配置下,与扩大了IBC参考区域的VTM10.0相比,所提算法平均节省11%的编码时间,BD-rate上升约0.8%。

利用中芯一号SNP芯片检测隆林猪全基因组拷贝数变异

【目的】检测隆林猪的全基因组拷贝数变异。【方法】采集33头隆林猪的耳组织样本,通过酚-氯仿法提取DNA后,使用猪中芯一号50K SNP芯片进行基因分型,得到的原始数据通过Genomestudio软件和Linux系统进行处理,使用CNVPartition和PennCNV软件分别检测拷贝数变异(copy number variation,CNV),并利用Bedtools软件将CNV合并为拷贝数变异区域(copy number variation region,CNVR),使用Biomart对CNVR进行基因定位,利用David网站对定位到的基因进行GO和KEGG富集分析,使用猪QTL数据库对共同CNVR进行QTL注释。【结果】CNVPartition软件共检测到260个CNVs,合并为47个CNVRs,其中缺失型40个、获得型5个、混合型2个,共定位到84个基因,显著富集到13条信号通路;PennCNV软件共检测到96个CNVs,合并为15个CNVRs,其中缺失型9个、获得型1个、混合型5个,共定位到8个基因,显著富集到8条信号通路;2个软件检测结果定位到的基因主要富集在嗅觉相关通路和G-蛋白偶联相关通路中,其中INPP5B、NEURL1和GAPDHS基因显著富集到精子活力通路;2个软件获得了3个共同CNVRs,其中缺失型、获得型和混合型均为1个,共定位到8个基因,显著富集到涉及嗅觉感官知觉的化学刺激检测通路、嗅觉受体活性通路、嗅觉转导通路、G-蛋白偶联受体活性通路、G-蛋白偶联受体信号通路、膜整体组件通路和质膜通路共7条信号通路;共有130个QTLs与3个共同CNVRs重叠,其中与背膘厚、肉质和乳头数相关的QTLs分别有11、9和6个。【结论】隆林猪CNV可能与嗅觉功能、繁殖性能、背膘厚、肉质和乳头数性状相关。

鸡1号染色体114701476-115068911区域与生长性状的关联分析

拷贝数变异(CNVs)作为遗传变异的重要来源,在表型变异和进化过程中起着重要的作用。本试验以华南农业大学杏花×隐性白洛克全同胞资源家系为材料,利用SNP Beadchip芯片的基因分型结果分析1号染色体114701476-115068911区域对鸡生长性状的影响。结果显示,此区域内部GGaluGA038110与GGaluGA038117这2位点处于强烈的连锁不平衡,GGaluGA038239与单胺氧化酶A基因内部GGaluGA038203也存在连锁不平衡关系,且GGaluGA038239、GGaluGA038110与GGaluGA038117这3个SNP位点与鸡生长性状显著相关,表明1号染色体114701476-115068911区域在鸡的生长过程中起着重要的作用。