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。

电磁散射数值分析中的特征基函数方法

研究了电磁散射分析中一种新颖的矩阵降阶技术--特征基函数(CBF)方法,并从理论和应用两方面对其进行讨论.基于模型分块以及高层级基函数的概念,首先构造散射体子块上的特征基函数,包括反映初始激励响应的一次基函数(PCBF)和反映不同子块之间互作用的高次基函数,来构成全局的矩阵方程.所得到的矩阵尺度仅与子块数量M有关,故极大的降低了传统矩量法中阻抗矩阵的尺度.由于基函数的构建充分考虑了子块间的相互耦合,因而得到的特征基函数较能真实地描述实际电流分布规律;通过求解全局方程确定M2待求量,即可得到较为精确的数值结果.

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。

基于双隐含层BP算法的激光主动成像识别系统

在传统激光主动成像系统的基础上,结合目标识别技术搭建了一个激光主动成像识别系统实验平台,用于研究激光主动成像后的目标识别。介绍了实验平台的工作原理,基于Hu矩特征的双隐含层BP神经网络算法以及实验处理流程和实验结果。特征量由7个不变Hu矩构成,通过240张原始目标样本库对由136个权值系数构成的双隐含层BP神经网络算法进行了训练。利用训练好的双隐含层BP算法对黑夜条件下远处的运动目标--43式冲锋模具枪进行了实验研究,成功获得了清晰的红外激光主动成像效果。实验显示对450m处2 740帧和550m处2 420帧激光主动成像图像的统计识别率达到了68.87%和72.11%,其中旋转变换下的统计识别率可达80.05%和84%,好于仿射变换的识别效果。

红外激光主动成像和识别

在传统激光主动成像系统的基础上,结合目标识别技术搭建了一台激光主动成像识别系统实验平台,研究了激光主动成像后的目标识别技术。由7个不变Hu矩构成特征量,用由136个权值系数构成BP神经网络算法对黑夜条件下450 m处的运动目标—43式冲锋模具枪进行了实验研究。研究显示,采用该方法成功获得了清晰的红外激光主动成像效果,对2 740 frame激光主动成像图像的统计目标识别率达到了68.87%,其中旋转变换下的统计识别率可达80.05%。该项研究对实际黑夜暗小目标的探测识别具有重要意义。

基于稀疏自编码器的混合信号符号检测研究

基于深度神经网络(DNN)的符号检测器(SD)的结构直接影响检测精度和计算复杂度,然而,已有的工作中并未对DNN符号检测器的结构选择方法开展研究。此外,已知的基于DNN的符号检测器复杂度较高且仅能完成单一调制信号的检测。针对以上问题,该文提出基于误符号率(SER)度量的低复杂度稀疏自编码器符号检测器(SAED)结构选择策略,同时,利用提出的累积量和矩特征向量(CMFV)实现了对混合信号的检测。所设计的符号检测器不依赖信道模型和噪声假设,对不同调制方式的信号具有较好的检测性能。仿真结果表明,该文设计的SAE符号检测器的SER性能接近最大似然(ML)检测理论值,且在频偏、相偏和有限训练样本等非理想条件下具有较强的鲁棒性。