针对一类JPEG图像伪造的被动盲取证

图像合成是一种最常见的图像伪造手段。该文针对一类JPEG图像合成伪造,根据篡改区域与非篡改区域块效应的不一致性,提出了一种简单有效的检测算法。首先利用估计的一次压缩质量因子对待检测图像进行裁剪再压缩,然后通过计算压缩前后的失真提取图像的块效应指数映射图,最后采用图像分割的方法实现篡改区域的自动检测与定位。实验结果表明,算法对于各种质量的JPEG图像和较小的篡改区域均能有效检测,当二次压缩与一次压缩的质量因子之差在15以上,虚警率控制在5%以内时,检测率可达93%以上。     

基于二阶差分统计量的自然图像与计算机图形的鉴别

针对自然图像和计算机图形的鉴别问题,提出一种基于图像二阶差分统计量的鉴别方法.首先在HSV颜色空间提取图像及其校准图像的二阶差分信号和预测误差信号,在此基础上提取二阶差分信号的方差、峰度以及预测误差信号的1～4阶统计量,并将其作为分类特征,结合Fisher线性判别分析,实现2类图像的正确分类.实验结果表明,该方法可以有效地鉴别自然图像和计算机图形,与已有算法相比具有更高的识别率,且计算量小、易于实现.     

森林防火无人机系统设计与林火识别算法研究

为克服传统森林火灾监测手段监测范围有限、无法适用恶劣环境以及费用高昂等问题,提出了基于六旋翼无人机的林火监测系统.首先,采用开源架构,设计并研制用于控制无人机的自动驾驶仪;其次,搭建用于森林火情监控的小型六旋翼无人机.在传回的火情视频的基础上,利用视觉显著性检测方法,按照林火区候选、特征融合、特征分类、阈值判断等流程判断是否有林火发生.如果有火情出现,算法能够自动提取林火的形状、面积、蔓延速度等信息,并结合光电烟雾传感器实现火情预警.该系统具有垂直起降、对气象的要求低,且使用和维护成本低等特点.     

基于增强聚合通道特征的实时行人重识别北大核心CSCD

由于目标姿态、摄像头角度、光线条件等因素的影响,行人重识别仍然是一个具有挑战性的问题。目前大多数方法主要注重提高重识别精度,对实时性考虑较少。因此,本文提出了一种基于增强聚合通道特征(ACF)的实时行人重识别算法。利用ACF对行人进行检测,并在此基础上,结合直方图特征和纹理特征构成增强ACF,作为行人重识别的特征描述子。利用测度学习方法对重识别模型进行训练。在4个数据集上的实验结果表明,与传统的重识别特征相比,提出的特征描述子逼近最好的重识别准确率,并且具有更快的计算速度。整个行人检测与重识别系统的运行速度达到10 frame·s^(-1)以上,基本可以满足实时行人重识别的需求。     

一种基于相邻像素一致性的数码照片与计算机图形鉴别方法

愈来愈逼真的计算机图形正在颠覆人们"眼见为实"的传统观念,使人们难以分辨哪些是真实的数码照片,哪些是利用软件合成的图形.然而由于数码照片和计算机图形成像过程的不同,造成两类图像的相邻像素一致性存在较大差异.基于此认识,在HSV颜色空间提取了图像相邻像素一致性直方图特征和共生矩阵特征,对1300幅数码照片和500幅真实感计算机图形进行鉴别,识别率分别可达96%和93.9%.对视觉上难以区分的5幅数码照片和5幅计算机图形也取得了很好的识别效果.