依仿变幻:清宫《兽谱》西方图像来源考析

清乾隆朝《兽谱》是一本记录了180种动物的宫廷图谱,跋文称其图文依据为《古今图书集成》。根据笔者新发现的材料,可知其蓝本并不仅限于《古今图书集成》,还有以近代早期博物学家约恩斯顿的《论四足动物》为代表的入华西书。《兽谱》和《论四足动物》图像间的密切联系印证了两书的因袭关系,而《北堂书目》亦有相关藏书记录。西书来源的发现进一步明确了《兽谱》的成书方式和内容性质,使之成为清宫接受和吸纳西方事物的典型案例。

联合OC-SVM和MC-SVM的图像来源取证方法

为了解决现有图像来源取证方法在相机样本较多时准确性较差、无法对未知模型的图像来源取证以及可扩展性差的问题,提出了一种基于一类和多类支持向量机联合的图像来源取证方法.算法利用协方差的统计相关性提高了CFA插值系数的估计精度,并以SFFS算法选择的特征作为分类器输入.采用OC-SVM(一类支持向量机)和MC-SVM(多类支持向量机)联合的策略进行图像来源分类,有效地解决了对未知模型图像来源的鉴别问题以及可扩展性差的问题.实验表明,该方法对28种相机拍摄的图像进行来源取证,能够达到平均90.4%的鉴别正确率,同时对于3种训练模型以外的未知相机模型拍摄图像,能够达到平均79.3%的检测正确率.

基于混合特征提取的图像来源鉴别算法

随着数码图像的普及,图像盲取证成为时下的研究热点之一。如何识别图像来源是其中主要的研究内容。特征提取是对图像进行鉴别的前提。文中通过对现有的特征提取方法进行研究,针对现有单一特征提取不能完全反映图像特质导致识别出错的问题,提出混合特征提取的概念,依次提取图像的颜色特征、纹理特征以及统计特征,从而提高图像来源的识别率。通过实验对文中提出的算法进行了验证。结果表明,文中提出的混合特征提取算法较任一单一特征提取算法都能取得更好的图像来源鉴别率。

针对图像来源鉴别中支持向量机的研究

随着数码图像的普及,图像盲取证成为时下的研究热点之一,如何识别图像来源是其主要的研究内容。作为图像来源鉴别最关键的阶段,构造鉴别的支持向量机(SVM)分类模型直接影响最终的鉴别率。由于不同核函数以及核参数对分类器性能有着相异的影响,故分析对比了各种核函数,然后选取了细分效果更好的高斯径向基函数作为核函数。针对核参数选择问题,分析了各种核参数寻优算法,并通过实验验证了各个算法的效果,以及最终构造的分类模型的效果。实验结果表明,选用高斯径向基函数作为核函数,利用粒子群算法选出的核参数所构造的分类模型取得了最好的图像来源鉴别率。

基于原始传感器模式噪声的CT图像来源检测算法

为了实现无先验信息情况下的CT图像来源检测,提出了一种基于CT扫描仪原始传感器模式噪声的来源检测算法.首先,采用由5种不同滤波器构建出的滤波器组,从CT图像中获取5种不同类型的传感器模式噪声;然后,对每一种噪声分别进行CT三维重建反变换,得到原始传感器模式噪声;最后,根据原始传感器模式噪声的统计特征向量,并结合支持向量机分类器进行分类,从而实现来源检测.实验结果表明,针对4个厂家的15种不同型号CT扫描仪,采用所提算法获得了较基于模式噪声的来源检测算法更高的识别精度,其平均分类精度可达94.12%.

基于神经网络的图像来源识别方法比较研究

随着手机等便携式智能电子设备的普及,图像已成为最重要的信息载体之一,在新闻、社交及司法等领域发挥着重要作用。在享用电子图像带来便捷性的同时,图像处理工具给不法分子通过篡改电子图像实施诈骗等犯罪活动提供了可能,识别图像来源、辨别图像真伪已成为遏制和惩罚此类犯罪活动的重要技术手段。该文讨论了神经网络在图像源识别中的应用方法,分别将原始图像和图像噪声作为模型输入数据,比较分析了神经网络的分类效果。从依赖数据属性、数据预处理方法以及应用模式等方面进行了实验。通过对实验结果进行分析,发现提取有代表性的图像块以及使用平滑的图像进行实验更有利于图像来源的识别。分别采用笔者建立的数据集(10个相机)和vision数据集(35个相机)作为分析数据集,图像来源分类的实验结果表明相对于简单估计相机传感器模式噪声的方法准确率提升了35%,图像来源判断的实验结果准确率达到了95%。

基于图像噪声残差的数字图像来源取证

针对使用支持向量机的图像来源取证算法中存在的,例如所需训练集较大(数千幅)、特征维数较高等问题。文中提出了一种取证算法,该算法仅需要少量(约为10幅)训练图像,且只提取图像噪声的残差作为图像的唯一特征。该算法首先使用小波滤波器提取图像噪声,然后借助回归模型提取噪声的残差,最后为噪声的残差建立高斯分布模型,根据不同类型图像噪声的残差模型参数进行来源取证。实验结果表明,在误报率为1.2%的条件下,该取证算法对自然图像的准确率为95.33%,对计算机生成图像的准确率为96.44%。

基于目标检测约束的图像过滤方法研究

图像过滤方法通过分析和匹配图像特征,检索得到可疑篡改来源图像,分析篡改图像和篡改来源图像的派生关系。本文提出一种基于目标检测约束的图像过滤方法,首次整合了目标检测算法和分布式加速的鲁棒特征索引,一方面利用目标检测算法使得特征检索范围得到约束,另一方面采用分布式局部特征提取方法,有效提高了图像特征检索的效率和准确度。此外,使用尺度可变的有约束图像拼接检测与定位网络在图像特征检索基础上进行深度匹配,进一步对篡改区域和篡改来源区域进行精确查找。实验结果证明,本文算法在篡改图像检索准确性、查询效率方面有明显改进。

维摩诘图像的创造及其图像来源分析

中古中国的维摩诘信仰是中国文化史上一个非常引人注目的现象,基于该信仰的维摩诘造像也极为兴盛,遗存丰富,形成了一个长达800多年的图像流变序列,其图像创造的来源值得关注。本文从经典文本本身,外来造像模式的启发,本土艺术资源的利用等方面入手,分析了维摩诘图像的创造及其图像来源。基于该范式而创造的维摩诘形象,也体现了中国传统文化价值和佛教义理的完美融合。

面向手机图像的来源取证方法

由于信息技术的飞速发展,图像成为了一种重要的信息传递媒体,随之而来的是人们对于图像的篡改和伪造,因此,图像的来源取证成为了近年来的一个研究热点。针对图像来源取证问题,本文首先选取了多种型号手机采集的图像,构建了PHR数据集;然后利用基于多小波变换的特征进行自然图像和生成图像的检测,将自然图像和生成图像进行区分;最后,本文利用了基于小波域特征的手机图像来源判断方法,通过多个SVM分类器的联合应用,实现了对图像的手机来源的辨别。实验结果表明,只要能够选用恰当的特征,就能够高效地区分自然图像和计算机生成的图像,并且能够对手机来源进行判别。

CFA插值中预测误差方差在图像取证中的应用

针对数字图像取证中自然图像(PIM)和计算机生成图像(PRCG)识别方案的特征维数高、通用性差等问题,提出一种基于滤色器阵列(CFA)插值中预测误差方差分析的图像取证方案.首先,对CFA插值过程中的预测误差方差进行傅里叶谱分析,根据是否存在明显的周期性峰值现象来区分PIM和PRCG;然后,对傅里叶谱中周期性峰值模型进行分析,根据峰值特征来识别PIM的来源设备;最后,在哥伦比亚大学自然图像和计算机生成图像数据库ADVENT上进行实验,结果表明,该方案能够精确区分PIM和PRCG,对PIM来源设备(佳能、尼康和索尼)的识别率可高达93%.

基于孪生网络的数字图像相机源识别

传统的利用传感器模式噪声的相机源识别方法,自动化程度低.直接使用深度学习方法进行识别,提取特征阶段又更倾向于学习到图像内容有关的特征,而不是相机“指纹”特征.为了解决上述问题,本文设计了一种基于孪生网络的数字图像相机源识别架构,两个网络分支共享权重.采用加入注意力机制的深度残差网络进行特征提取,抑制图像内容等因素对整个相机源识别任务的影响.对比实验结果表明,本文提出的方法在一定程度上提高了相机源识别的准确率.

数字图像篡改定位研究综述

数字图像篡改定位属于一种图像取证任务,它主要目标是在可疑的待检测图像中检测和定位出篡改的区域。随着数字图像编辑工具的迅速发展和数码相机的大量普及,图像篡改变成越来越影响我们日常生活的一个重大困扰。数字图像篡改定位技术也受到了工业界和学术界越来越多的关注。本文对图像拼接篡改区域定位、复制移动篡改检测与定位、图像溯源篡改检测与定位近年来的相关成果进行综述。特别是,深度学习技术近年来被广泛应用于数字图像篡改定位,已经逐渐成为了数字图像取证的主流技术。本文主要对近年来基于深度学习的数字图像篡改定位方法进行回顾和讨论。

基于三方加权稀疏编码模型的PRNU提取算法

估计图像中真实噪声是基于光照响应不一致(photo-response non-uniformity,PRNU)对图像来源取证的关键步骤.相较于加性高斯白噪声(additive white Gaussian noise,AWGN)的估计,现有多数PRNU提取算法所采用的噪声估计算法在图像真实噪声提取方面性能劣势明显.该文提出了一种基于三方加权稀疏编码模型(trilateral weighted sparse coding model,TWSCM)的PRNU提取算法.TWSCM在估计噪声时能够保留更多PRNU噪声成分,有助于对图像中PRNU噪声的提取,因此在真实噪声估计上具有较好的性能.在当前最大的图像相机源取证基准库上的测试,实验结果证明所提出的基于TWSC的PRNU提取算法在图像相机源取证任务中具有较好的性能.

基于对偶生成对抗网络的数字成像设备指纹提取算法

光响应非均质性具有唯一性和相对稳定性,是对数字成像拍摄设备进行溯源取证的重要依据,被称为设备指纹。在图像的真实噪声中,除了PRNU设备指纹外,还包含大量的随机噪声。为有效提取PRNU设备指纹,提出一种基于对偶生成对抗网络的数字成像设备指纹提取算法。该算法基于生成对抗网络的思想进行训练,生成训练数据进行数据增强,有效地提高了训练效率;同时采用UNet的网络结构联合残差学习的策略,能够在减少GPU占用的同时减少对训练数据的需求量。提出的算法在当前最大的智能手机来源取证数据集上进行测试,实验结果显示,与基于块匹配3D滤波以及前馈去噪卷积神经网络的算法相比,该算法有着更好的识别效率和普适性。

墓葬艺术的视觉资源:从山西繁峙南关村金墓谈起

本文以山西繁峙南关村金墓为研究对象,将其置于宋辽金元时期视觉艺术的整体发展中,探讨墓室壁画的图像格套与视觉资源。促使墓葬艺术演进的力量来自多方面,既有对固有的丧葬文化传统的承继,也有传世绘画、佛教艺术、木刻版画等各种媒介、来源的重要影响。从该墓出发,可以引导我们观察当时多元且交互的视觉文化,管窥不同地域、族群、语境、宗教之间艺术的传播与融合。

鲁迅所译《近代美术史潮论》封面配图再考

《近代美术史潮论》是鲁迅首次系统译介西方美术史,但关于该译著初版平装本封面配图的图像母本及来源等问题,仍有值得商榷之处。本文借助图像、文本与事件三方面的材料,考证出该图像母本并非米勒的《播种者》,而是梵·高所绘纸本素描稿,另追溯到鲁迅获得该图像的来源,以及印制该封面配图的技术和时间。以上结论对于探讨鲁迅书籍装帧设计理念、梳理梵·高等"后印象派"画家的作品图像在中国的传播与接受等问题,均具有重要意义。

图像中的设备指纹提取技术研究综述

随着图像获取与传输便利性的不断提高以及图像编辑工具的快速普及,使得恶意用户能够容易拍摄、传播、编辑和修改数字图像,进而达到实施恶意行为或犯罪的目的,则数字图像或视频将成为侦查取证与司法诉讼的关键证据。由图像传感器制造工艺的缺陷和硅晶片的不均匀性引起的光照响应不一致性(PRNU)对于每个相机来说,具有唯一性和稳定性,因此可以将其作为图像来源取证的有效设备指纹。首先对包括设备指纹技术在内的数字图像取证技术进行整体性的回顾,并介绍设备指纹的主要应用情景;然后介绍图像中设备指纹提取的基本技术原理,对设备指纹的提取技术发展情况进行综述;最后对设备指纹提取技术亟待解决的问题与技术发展趋势进行探讨。

利用颜色通道间关系的源相机分类方法

颜色滤波阵列(color filter array,CFA)插值会在不同颜色通道间引入相关性。为了提高源相机分类识别的准确率,提出了一种新的利用颜色通道间相关性的源相机分类方法。用不同颜色平面频谱差分的方差图来反映插值算法之间的差异,对来源于不同品牌或型号相机的图像进行分类。所提出的方差图可以有效准确地区分不同的插值算法。实验表明,所提出的算法对现有消费类相机所拍摄的图像有较好的识别率和鲁棒性。

鲁棒的源扫描仪辨识算法设计

现有图像来源辨识算法很少讨论测试图像在受到轻微图像处理后算法检测准确率的变化。以平板扫描仪所获得的数字图像为研究对象,提出一种基于特征的鲁棒源扫描仪辨识技术。根据不同扫描仪成像色纯、制作工艺的差异,提取反映以上差异的特征,包括颜色特征、图像质量特征以及邻域特征;然后利用支持向量机训练分类器用以辨识扫描仪的品牌/型号;最后对源扫描仪辨识算法的性能和鲁棒性进行了分析。实验结果表明:本文算法能优于前面提出的算法,并且具有较好的鲁棒性。