基于多尺度与注意力机制的图像隐写分析

针对目前隐写分析算法对图像复杂纹理区域特征表征能力较弱的问题,提出一种基于多尺度特征融合和注意力机制的隐写分析模型。该模型首先使用空域富模型滤波器对输入图像进行预处理,提取噪声成分残差,降低图像本身内容的影响;其次使用多尺度并行网络提取信号,增强对细微特征的学习;然后引入注意力机制对特征进行自适应加权,强调重要通道特征在分类中的作用,同时抑制非重要通道特征对分类的影响;最后提出一种协方差池化对深度神经网络学习后的各特征之间的相关性进行建模,并选取牛顿迭代法求解平方根矩阵,使网络训练更加高效。实验结果表明:在小波权重隐写算法0.5 bit/像素嵌入率的条件下,所提模型准确率达到了88.6%,证明了所提方法的有效性。

基于双流CNN的帧内取证深度学习算法研究

针对视频被动取证领域中视频内容真实性鉴定问题,提出了一个基于双流CNN帧内取证网络深度学习检测算法。根据视频在遭受篡改过程中必定会在视频帧上留下相应的篡改痕迹,利用两个CNN对输入视频帧进行特征提取,其中一个CNN借助隐写分析的思想,使用空域富模型对输入视频帧进行噪声残差提取,使网络专注于篡改痕迹特征的提取,另一个CNN基于篡改操作会使视频帧内容产生大幅变化,通过对输入视频帧的内容进行特征提取,从而监测视频帧内容的变化幅度,有效预测视频帧被篡改的概率。通过合并两个CNN所提取到的特征,并使用通道注意力机制调整两部分特征的通道权重,使得提出的帧内取证网络既能对视频帧的篡改特征进行有效地学习,又能通过内容特征对视频中每一帧的变化幅度进行监测,从而有效提高篡改检测的正确率。利用训练得到的深度学习模型来对输入视频进行篡改判定。实验结果表明,提出的帧内取证算法对不同场景下的复制粘贴类帧内篡改有着较高的识别正确率,达到99.08%,在FACC,F1-Score,篡改精确率等评估指标优于其它的视频取证算法。

别拉洪河流域湿地鸟类丰富度的空间自相关分析

人类的开垦和开发活动使湿地生物多样性遭到严重的干扰和破坏,随着人们对湿地功能和价值的正确认识,湿地生物多样性保护越来越被广泛关注,湿地生物多样性空间分布格局及其影响因素是湿地生物多样性保护要解决的关键问题。利用空间自相关与空间滞后模型,对三江平原别拉洪河流域湿地鸟类丰富度的空间自相关性及其驱动因子进行了研究,结果表明:别拉洪河流域湿地鸟类丰富度及其驱动因子都具有明显的空间自相关性;影响别拉洪河流域湿地鸟类丰富度空间分布的主要因子是干扰度、生境类型数、到道路的距离、到沟渠的距离、到湖泊的距离、到居民点的距离、海拔高度、坡度和人口密度;由于受空间自相关的影响,空间自回归模型优于传统的回归模型。研究有助于人们更好地理解湿地生物多样性保护的热点地区及其形成机制,对人们更好地保护和利用湿地生物多样性具有重要价值,同时也为研究湿地鸟类分布与环境因子的关系,建立预测物种分布模型提供科学依据。

黑河上游天然草地蝗虫物种丰富度与地形关系的GAM分析

地形差异性导致的环境异质性为小尺度范围内生物空间格局的形成与维持提供了一种重要机制,是形成物种丰富度差异性的前提条件。借助GIS和S-PLUS软件,利用广义可加模型(GAM)于7-8月对影响蝗虫分布的地形因子进行了研究,在定量分析黑河上游祁连山区北坡地形的海拔分异特征的基础上研究了该区域蝗虫的丰富度与地形复杂度的关系。结果表明:在36个样方中共采集蝗虫3149头,隶属于3科10属13种;蝗虫丰富度受地形因子影响的顺序为海拔>坡向>坡度>剖面曲率>平面曲率>坡位;蝗虫的分布在平面曲率和剖面曲率各个梯度上的分布比较均衡,在海拔、坡向以及坡位的每个梯度上呈二次抛物线分布,坡度上呈递减趋势;从分布的区域上来看,蝗虫在整个区域都有较高的丰富度,但主要分布在海拔2600～2700m区域,坡向上则主要集中在西北坡和西坡,与实际观测情况相一致。蝗虫丰富度与地形因子之间的相互关系以及分布状态,反映了地形因子对水热条件的重分配使蝗虫分布格局出现多元化以及破碎化。

阿尔泰山小东沟林区乔木物种丰富度空间分布规律

对一定区域内生物多样性的合理保护往往需要在景观水平上了解生物多样性分布的总体规律。借助于典型抽样调查和遥感及地理信息系统相结合的方法来预测物种丰富度是定量研究生物多样性宏观分布规律的重要途径。以阿尔泰山小东沟林区为对象,在外业调查的基础上,选取主要气象因子、地形因子和植被指数(NDVI)作为预测变量,利用主成分分析和多元回归分析分别提取主要环境信息和构建物种丰富度预测模型,借助ArcGIS9.1的空间分析功能,得到了阿尔泰山小东沟林区乔木物种丰富度空间分布预测图,并利用残差图评价其精度。将小东沟乔木物种丰富度预测图分别与坡度、坡向和海拔图叠加,分析不同地形条件下乔木物种丰富度的空间分布规律。结果表明:占总研究区面积70.28%的区域,其乔木物种丰富度在3到4种之间。坡度0—5°的地形条件下乔木物种丰富度出现频率最高的数值是3,其余坡度条件下,乔木物种丰富度出现频率最高的数值是4;乔木物种丰富度在西坡和西北坡出现频率最高的数值是3,其余坡向乔木物种丰富度出现频率最高的数值均是4;海拔梯度上,乔木物种丰富度出现频率最高的数值呈现先增加后减少的趋势。残差类型面积统计表明,较强预测水平面积和中等预测水平面积占研究区总面积的94.62%,表明预测效果较好。

三江平原湿地鸟类丰富度的空间格局及热点地区保护

全球气候变化和人类的开垦开发活动使湿地生物多样性遭到严重的干扰和破坏,导致生物多样性空间分布格局及热点地区的保护成为研究的热点。在对三江平原湿地鸟类预测的基础上,利用空间自相关方法分析三江平原湿地鸟类丰富度的空间分布格局,并找出湿地鸟类多样性的热点地区及优先保护顺序。研究结果表明,三江平原湿地鸟类丰富度高高集聚区主要分布在保护区及周边地区、河流和湖泊沿岸,是新建和扩建自然保护区的最佳区域。湿地鸟类丰富度高低集聚区主要分布在农田景观中,将它们设立成微型保护地块对于区域景观生态安全具有重要意义;利用湿地鸟类物种丰富度、国家级保护湿地鸟类、生境类型和结构、距最近保护区距离、破碎度、干扰度等指标,在研究区内共找到13个热点地区,总面积为1018.7km2,占研究区总面积的8%;利用系统聚类分析,将13个热点地区划分成3种优先保护顺序。构建的小区域范围内寻找生物多样性热点地区的方法,为相关政府部门更有效地进行湿地生物多样性的保护和管理提供科学依据。

树种空间多样性指数(TSS)的简洁预估方法

物种多样性是森林生态系统的一个重要特征,其测度方法倍受关注。进一步验证了物种丰富度(S)与树种空间多样性指数(TSS)的相关性。选取6块天然林调查数据,观察不同样地的树种数(S),利用S与TSS关系模型对TSS值进行预测并与实测值对比。结果表明:预测值和实测值之间并无明显差异,二者之间最大相对误差在±0.1之内,平均相对误差在0.014以内,模型的预估精度在92%以上。在具体森林调查中可以简单地通过调查树种丰富度来计算树种多样性指数TSS值。

局部相似度异常的强泛化性伪造人脸检测

目的人脸伪造技术迅猛发展,对社会信息安全构成了严重威胁,亟需强泛化性伪造人脸检测算法抵抗多种多样的伪造模型。目前的研究发现伪造算法普遍包含人脸与背景融合的操作,这意味着任何伪造方式都难以避免在人脸边缘遗留下伪造痕迹。根据这一发现,本文将模型的学习目标从特定的伪造痕迹特征转化为更加普适的人脸图像局部相似度特征,并提出了局部相似度异常的深度伪造人脸检测算法。方法首先提出了局部相似度预测(local similarity predicator,LSP)模块,通过一组局部相似度预测器分别计算RGB图像中间层特征图的局部异常,同时,为了捕捉频域中的真伪线索,还提出了可学习的空域富模型卷积金字塔(spatial rich model convolutional pyramid,SRMCP)来提取多尺度的高频噪声特征。结果在多个数据集上进行了大量实验。在泛化性方面,本文以ResNet18为骨干网络的模型在FF++4个子集上的跨库检测精度分别以0.77%、5.59%、6.11%和4.28%的优势超越了对比方法。在图像压缩鲁棒性方面,在3种不同压缩效果下,分别以2.48%、4.83%和10.10%的优势超越了对比方法。结论本文方法能够大幅度提升轻量型卷积神经网络的检测性能,相比于绝大部分工作都取得了更优异的泛化性和鲁棒性效果。

基于改进RGB-N的图像操纵检测算法

如何准确地检测出图像中的操纵痕迹是数字图像被动取证领域的研究重点。传统方法利用人工构造的特征进行检测,鲁棒性不强,而基于深度学习的方法虽具有较强的检测能力,但较少关注在正常图像上出现误检的情况。提出了一种改进的RGB-N图像操纵检测算法,该算法在使用F1分数评价操纵目标检测性能的同时,引入了在正常图像上的误检率指标来评价算法的实用性。设计了自适应空域富模型滤波器,构造多尺度融合的特征提取网络,并接入自注意力模块,增强了模型获取图像全局信息的能力,提高检测性能;为降低误检率,设计了真实性判断模块,输出的热图用于判断检测到的目标是否为误检,并通过从操纵目标来源图像选择负样本的训练策略进一步提高模型的分辨能力。实验结果表明,改进的RGB-N模型在含目标拼接与擦除两种操纵手段的数据集上的F1分数为0.759,在未操纵图像数据集上的误检率为0.2%,并在JPEG压缩攻击下具有较好的鲁棒性。