基于Benford模型的自然图像与计算机生成图像的鉴别

针对目前自然图像和计算机生成图像的鉴别方法鉴定准确率不高的问题,提出了一种基于Benford模型的自然图像与计算机生成图像的鉴别方法.本算法利用DCT域AC系数首位有效数字的Benford曲线分布,分别对图像的RGB三个色彩通道进行统计,以3条概率分布曲线的重合程度作为鉴别取证的依据,对2类图像进行正确分类.实验结果表明,该方法可有效地鉴别自然图像和计算机生成图像,与已有算法相比具有更高的识别率,鉴别准确率达97.17%,且计算量小、易于实现,为图像取证、数字防伪鉴别等提供可靠的依据.

基于LBC的计算机生成图像盲鉴别算法

针对现有的计算机生成图像盲鉴别算法选用的分类特征维度较高、通用性差等问题,提出了一种基于局部二进制计数模式的计算机生成图像盲鉴别算法。首先,将原始图像由RGB颜色空间转换为HSV颜色空间;然后,提取HSV颜色空间图像及其下采样图像的局部二进制计数模式矩阵,求取矩阵归一化直方图;最后,将上述直方图作为分类特征送入SVM分类器,实现计算机生成图像的盲鉴别。实验结果表明,该算法可以有效地鉴别自然图像和计算机生成图像,与现有算法相比具有更高的识别率和较低的特征维度。

基于CNN的计算机生成图像识别方法

针对计算机生成图像(Computer Generated images, CG)与真实照片(Photograpgh, PG)识别率不高的问题,该文提出了一种改进的卷积神经网络方法来实现CG与PG的识别.该方法首先对识别问题进行卷积神经网络二分类建模,并选择VGG-19网络结构作为基础,建立不同的模型.该方法创新性地引入迁移学习,节省训练时间和大量计算资源,最后使用softmax分类器进行分类.实验结果表明,该文方法对PG图像的识别准确率达到92%.与其他方法比较,该文方法识别准确率最高,说明该文方法具有可行性与有效性.

用图像质量评价量实现的真实图像和计算机生成图像的鉴别方法

真实图像和计算机生成图像的鉴别是数字图像盲取证中的一个重要问题。提出了一种真实图像和计算机生成图像的鉴别方法。借用模式识别中的二分类概念,采用图像质量评价量来建立模型,以捕获真实图像和计算机生成图像的统计差异,选用支持向量机作为分类器进行训练和测试。实验结果表明,该方法计算方便、实用性强、可靠性高。

基于插值算法的真实图像与计算机生成图像鉴别

根据真实图像和计算机生成图像在采集方式上的不同所导致的关联性差异,建立了基于隐马尔科夫模型和图像能量谱特性的插值检测算法,选用支持向量机作为分类器进行训练和测试,对真实图像和计算机生成图像进行了分类。在哥伦比亚大学真实图像和计算机生成图像数据库上的实验结果表明,该方法可以达到98.8%的准确率,具有广阔的应用前景。

基于分形维数和小波域特征的计算机生成图像检测算法

针对自然图像与计算机生成图像在统计特征上存在的差异,提出一种基于分形维数和小波域特征的计算机生成图像盲鉴别算法,该算法基于统计特征对图像进行真伪识别.在使用支持向量机作为分类器的情况下,对800张标准图像进行实验的结果表明,该算法对计算机生成图像检测准确率达96.5%,明显提高了计算机生成图像的识别精度,为数字图像的真实性提供了保证.

图像噪声分析下的计算机生成图像检测算法

在生成图像的处理过程中,由于计算机生成图像与自然图像在物理生成机理方面存在着明显的差异性,因而也在一定程度上决定着其在图像噪声分布领域也存在着较为明显的差别。基于此,提出了图像噪声分析下关于计算机生成图像的检测算法,通过探索研究来进一步挖掘、提取计算机生成图像检测的新计算统计方法。

面向计算机生成图像的智能取证技术研究

随着科技水平的不断进步与发展,我们的信息技术也获得了长远的发展,为我们的生活提供了很多的便利。我们的信息传输媒介也随着科技的进步由传统的纸质媒介变为数字图像,但是技术的进步也会带来一些不好的影响,比如如何鉴别数字图像的真伪性,因此本文就面向计算机生成图像的智能取证技术进行研究。

自然图像和计算机生成图像检测方法研究

数字图像的普及逐渐成为信息传递的主要方式,计算机技术的发展也满足人们生活、商业发展的需要,如果将计算机生成的图形应用到法制宣传以及政治制度上,将会对社会的公信力造成一定的影响,所以就要加强数字图形的真实应用性研究。本文根据我国在图像的研发现状,通过讨论自然图像与计算机生成图像的理论,然后对计算机图像的检测特征进行研究。

自然图像和计算机生成图像检测方法分析

随着科学技术的不断进步,计算机生成图像逐渐融入到人们的生活当中,这些经过处理和设计的图片不仅给很多商家带来了丰厚的利润,而且满足了人们的视觉需求。但计算机生成图像和真实的图片具有极高的相似度,因此,在破解一些犯罪案件时就很容易造成误解,引发不公正的判决。本文通过研究自然图像和计算机图像的生成机理,分析其生成图像的主要区别,从而探究自然图像和计算机生成图像检测方法。

基于零空间分析的计算机生成图像识别研究

伴随着信息技术的发展,数字图像的真伪识别研究已成为热点,提出一种基于零空间分析的计算机生成图像识别方法。对计算机生成图像和真实图像的生成原理及特点进行研究,分析出可通过图像纹理、噪声和空间域特征上的差异对计算机生成图像和真实图像加以区分。为了解决小样本问题,采用零空间分析方法,建立新的样本矩阵,通过调整正则化因子选择出图片的最优化参数。在零空间算法的基础上,对类内散度矩阵进行正则化处理,结合指数正则化实现计算机生成图片的识别。通过仿真,确定最佳检测率对应的特征维数,并在特征维数基础上得到图片的识别率超过90%,说明基于零空间分析算法对图像的检测精度非常高,具有良好的计算机生成图像识别效果。

基于LTCP特征的计算机生成图像鉴别算法

针对目前计算机生成图像鉴别算法在对图像纹理特征进行鉴别时精度较差的问题,提出一种基于长期控制计划(LTCP)特征的计算机生成图像鉴别算法.首先将彩色图像变换到颜色模型中,对图像进行下采样,获得较高尺度的纹理信息;然后采用基于LTCP特征和共生矩阵的计算机生成图像盲鉴别算法,对不同尺度的纹理图像LTCP特征及相邻像素一致性共生矩阵特征进行采集;最后通过判别分类器对LTCP特征及相邻像素一致性共生矩阵特征实施分类预测,根据分类预测结果实现计算机生成图像的鉴别.实验结果证明,该算法在计算机上生成的图像特征维度较低,鉴别率和精度较高,能实现计算机生成图像的准确鉴别.

基于图像噪声分析的计算机生成图像检测算法

计算机生成图像与自然图像在物理生成机理上的差异性导致其在噪声分布上具有明显的区别,据此提出一种基于图像噪声分析的计算机生成图像检测新方法。首先,用小波隐马尔可夫(MMT)模型对图像噪声进行预处理;接着,基于最大似然估计方法估测图像参考模式噪声;最后,在提取图像模式噪声统计距及其与参考模式噪声相关差值基础上,利用支持向量机(SVM)分类器进行鉴别。实验结果显示,较已有的典型算法,该算法具有更好的检测率。

基于分形维数的计算机生成图像检测方法

计算机图像生成技术的快速发展使计算机生成图像具有极强的真实感。通过肉眼来区分计算机生成图像和自然图像变得越来越困难。本文提出了一种基于分形维数的计算机生成图像检测算法。不同于传统的算法,该算法利用两种图像表面纹理特征和自相似性的不同,提取局部图像块的分形维数作为统计特征,进而区分计算机生成图像和自然图像。实验表明,该算法给出了计算机生成图像检测的新方向,具有很好的检测率和研究前景。

计算机生成三维全景图像研究现状与发展

三位全景图像Integral Imaging(II)是一种采用微透镜阵列来记录和显示全真三维场景的图像技术,它的一些突出特点使其在三维电视(3DTV)和可视化领域有着广泛的应用前景。但由于受硬件设备及光学成像本身的限制,目前使用计算机生成三维全景图像(CGII)已成为三维全景图像研究的一个重要手段。本文从三维全景图像技术的原理出发,系统地整理分析了CGII的研究文献,对计算机生成三维全景图像的研究现状和关键问题进行了详细的分析,提出了计算机生成三维全景图像技术未来的发展趋势。

EH实时计算机图像生成系统设计

描述了EH实时计算机图像生成系统的体系结构、算法和工作流程.硬件由主机、几何处理器和象素处理器组成.主机支持操作系统和实时控制应用程序.几何处理器由两只CPU流水工作.几何处理速度为每秒一百万个四边形.象素处理峰值速度为每秒2.6亿个象素.系统具有多通道、多视点功能,可控运动目标128个,可产生白天、黄昏、霞光、黑夜和云雾大气效应.

一种用于计算机生成图像与自然图像鉴别的改进方法

针对现有的由渲染软件生成的计算机生成(CG)图像和由数码相机生成的自然图像(PIM)的鉴别方法鉴定准确率不高的问题,提出一种鉴别准确率更高的改进方法。通过离散小波变换(DWT)、直方图计算、离散傅里叶变换(DFT)、统计特征提取并结合正弦滤波特征,提高CG图像与PIM图像的鉴别准确率,为图像取证、数字防伪鉴别等提供可靠的依据。实验表明,该算法具有高度的准确性,鉴别准确率达到95.36%,满足工程应用的需求。

基于二维离散小波的生成图像鉴别方法

针对传统基于神经网络的计算机生成图像鉴别方法中存在鉴别难度大和准确率低的问题,提出一种采用基于小波变换的计算机生成图像鉴别方法.首先在进行图像多维小波特征提取时,通过一次分解二维离散小波变换提取图像小波特征,根据图像小波特征进行n级小波分解提取图像多维小波特征向量;然后通过三维变换域波去噪算法(BM3D)提取计算机生成图像噪声特征;最后采用支持向量机(SVM)分类器对计算机生成图像进行鉴别,通过SVM分类器对图像多维小波特征和噪声特征进行分类,以解决两种特征融合形成线性不可分的高维特征问题,从而实现计算机生成图像的准确鉴别.实验结果表明,该方法在鉴别计算机生成图像时具有更高的准确性和稳定性.

QM-CGI型计算机成像汽车驾驶训练模拟器

介绍计算机成像汽车驾驶模拟器的原理组成、硬件结构、软件功能和监控系统,以及为完成训练要求所采取的技术措施,并讨论应用前景。

基于OpenGL的舰船目标红外图像生成

文中基于OpenGL对舰船目标进行红外热像模拟,根据红外物理和传热学知识,综合考虑面元之间辐射、传导、对流以及面元与周围大气、海面、太阳之间的辐射、对流,建立较为完善的舰船目标红外物理模型,计算出舰船各部分的温度分布及辐射亮度分布。根据辐射亮度量化为灰度信息,经过建模、视点变换、环境设置等一系列处理并渲染输出红外图像,并利用双缓存技术实现动态红外图像的生成。