《中国图象图形学报》数字图像/视频内容安全专刊简介

随着智能设备与社交媒体的广泛普及,图像/视频数据急剧增长,针对这些数据类型的安全问题日渐凸显：比如,大量用户敏感信息需要保护,图像/视频内容容易受到篡改等。如何有效保证图像内容的真实与完整,防止用户隐私泄露等逐渐成为当今研究的热门方向。该研究不仅对于保护隐私具有重要的意义,也对网络空间安全的未来提出新的思考和挑战。相关技术与成果对未来的学术、产业和社会都将具有重要影响。 为了促进我国数字图像/视频内容安全相关技术、方法与应用研究的深入开展,及时反映我国学者在相关领域的最新研究进展,《中国图象图形学报》邀请业内专家共同策划推出“数字图像/视频内容安全”专刊,主要收录国内学者在相关理论方法、关键技术、数据平台和典型应用等方面具有创新性、突破性的研究成果。 经过严格的评审,“数字图像/视频内容安全”专刊共收录学术论文18篇,包括9篇“综述”、3篇“篡改检测与内容恢复”论文、1篇“认证保护”论文和5篇“隐写方法”论文。 9篇“综述”主要围绕图像/视频隐写、水印、取证,深度伪造检测,活体检测等进行了概念和发展历程的介绍,相关方法的分类梳理和概述,并对主要实际应用场景的重难点进行了详细的阐述和论证。 1)《数字图像鲁棒隐写综述》结合网络有损信道中隐蔽通信应用需求,对现有的数字图像鲁棒隐写技术进行综述。 2)《鲁棒视频水印研究进展》对当前的视频水印技术进行了概述,对视频水印的概念、应用场景、分类方式、设计要求、发展历程和相关经典方法进行了介绍和梳理。 3)《视觉深度伪造检测技术综述》基于深度伪造技术研究进行了综述,并进一步给出了未来视觉深度伪造检测研究的重难点。 4)《人脸活体检测综述》对人脸活体检测技术进行了全面的梳理回顾,包括硬件方案、算法、数据集、技术标准以及实际应用。 5)《面向GAN生成图像的被动取证及反取证技术综述》阐述了相关研究背景,分析了自然图像与GAN生成图像的区别,并介绍了GAN生成图像的被动取证技术。 6)《明文图像可逆信息隐藏综述》以常见的明文图像为嵌入载体,以经典文献为主干,通过介绍基础理论来阐述可逆设计的起源与发展,并展望未来的突破方向。 7)《图像空域可逆信息隐藏研究进展》对明文域和密文域的研究进行归纳与分析,梳理各类方法的发展脉络及其关联。结合当前实际问题,如载体多元化、有损信道传输和安全性等,进一步展望未来的研究趋势。 8)《3D网格隐写与隐写分析回顾与展望》回顾了3D网格隐写和隐写分析的发展,并对现有研究工作做了系统的总结和科学的分类,讨论了3D隐写和隐写分析现有技术的局限性,并探讨了潜在的研究方向。 9)《视频内容安全评价发展探讨》从建立技术理论体系角度,围绕4个不良方面的内容监管梳理了视频内容安全评价体系。分析了内容评价面临的挑战机遇,并总结了十大待解决问题和展望了未来研究发展趋势。 本专刊同时也收录了9篇针对篡改检测、认证保护和隐写方法等的先进性前沿科技论文。其中,3篇论文分别针对“篡改检测与内容恢复”分别提出了一个基于区域损失的检测小篡改区域的U型网络;针对人脸交换篡改视频提出了一个在关键帧中进行特征提取与帧间交互的高效检测框架;一种提高图像自嵌入水印的认证粒度以及抵抗滤波等处理操作能力的方法。1篇论文针对“认证保护”中IoT数据获取面临能耗和安全的问题,提出了一种基于半张量积压缩感知的可验证图像加密方法。5篇论文以“隐写方法”为主题,分别提出一种基于超分辨率网络的空域图像边信息估计隐写方法、一种无损载体和鲁棒代价结合的JPEG图像鲁棒隐写、采用实离散分数阶Krawtchouk变换并应用于数字图像水印、一种基于自动生成字库的鲁棒文档水印方案、一种联合定长编码和哈夫曼编码的密文域可逆信息隐藏算法。 我们期待广大读者和科技人员通过本期“数字图像/视频内容安全”专刊,更深入、全面地了解该领域的最新方法和应用,吸引更多学者从事相关研究并产生具有国际影响力的优秀成果,为本领域发展做出贡献。     

一种耦合的活动轮廓模型及其在图像分割中的应用

本文对活动轮廓模型的外部能量项进行改进,针对灰度图像分割提出了一种新的自适应图像分割模型,并将它推广,建立了矢量图像分割模型。新模型耦合了快速边缘积分方法和简化统计方法,充分考虑到图像区域和边缘的先验信息,可根据不同的条件概率密度函数构造不同图像分割模型。文中还基于高斯型概率密度函数建立分割模型实例,结合应用高效且无条件稳定的AOS算法分别对灰度图像和矢量图像(RGB)进行分割实验,并将本文提出的方法与经典的快速边缘积分方法进行比较,结果表明本文的分割方法准确性较高,且具有良好的抗噪性,是行之有效的。     

眼睛状态检测的组合方法

眼睛状态的检测具有广泛的应用.详细介绍了5种检测眼睛状态的方法,即灰度模板方法、Fisher方法、投影的方法、找眼睛上眼睑的方法、用Hough变换找眼珠的方法.通过对这5种方法进行组合,提高了眼睛状态检测的准确率.通过对396个眼睛进行检测,准确率达到了95.2％.实验结果表明了这5种算法组合算法的有效性,抗光照能力强;同时适中的复杂性也说明了该组合算法的可行性.     

基于多对多生成对抗网络的非对称跨域迁移行人再识别

无监督跨域迁移学习是行人再识别中一个非常重要的任务. 给定一个有标注的源域和一个没有标注的目标域, 无监督跨域迁移的关键点在于尽可能地把源域的知识迁移到目标域. 然而, 目前的跨域迁移方法忽略了域内各视角分布的差异性, 导致迁移效果不好. 针对这个缺陷, 本文提出了一个基于多视角的非对称跨域迁移学习的新问题. 为了实现这种非对称跨域迁移, 提出了一种基于多对多生成对抗网络(Many-to-many generative adversarial network, M2M-GAN)的迁移方法. 该方法嵌入了指定的源域视角标记和目标域视角标记作为引导信息, 并增加了视角分类器用于鉴别不同的视角分布, 从而使模型能自动针对不同的源域视角和目标域视角组合采取不同的迁移方式. 在行人再识别基准数据集Market1501、DukeMTMC-reID和MSMT17上, 实验验证了本文的方法能有效提升迁移效果, 达到更高的无监督跨域行人再识别准确率.     

基于视图互信息加权的多视图集成聚类算法

现有的多视图聚类算法往往缺乏对各视图可靠度的评估和对视图进行加权的能力,而一些具备视图加权的多视图聚类算法则通常依赖于特定目标函数的迭代优化,其目标函数的适用性及部分敏感超参数调优的合理性均对实际应用有显著影响。针对这些问题,提出一种基于视图互信息加权的多视图集成聚类（MEC-VMIW）算法,主要过程可分为两个阶段,即视图互加权阶段与多视图集成聚类阶段。在视图互信息加权阶段,对数据集进行多次随机降采样,以降低评估加权过程的问题规模,进而构建多视图降采样聚类集合,根据不同视图的聚类结果之间的多轮互评得到视图可靠度评估,并据此对视图进行加权;在多视图集成聚类阶段,对各个视图数据构建基聚类集合,并将多个基聚类集合加权建模至二部图结构,利用高效二部图分割算法得到最终多视图聚类结果。在若干个多视图数据集上的实验结果验证了所提出的多视图集成聚类算法的鲁棒聚类性能。     

院系网站总体设计与技术细节──中山大学数学与计算科学学院网站建设

中山大学数学与计算科学学院网站构建以FRONTPAGE98为主要开发工具,以HTML和DHTML为主要开发语言,以WINDOWSNT4.0为网站服务器操作系统,以IIS3.0为WEB服务器,提供了HTTP和FTP两种服务。同时还运用了VB、JAVA、JavaScript语言为网站提供各种HTML、DHTML所无法实现的扩展功能。该文从网站的总体设计思想、设计过程与技术细节来阐述整个网站的设计过程。     

频谱脸：一种基于小波变换和Fourier变换的人像识别新方法

提出了一人基于小波变换和Ｆｏｕｒｉｅｒ变换的人像识别新方法,它首先对人像作适当层数的二维小波分解,然后对其低频的子图象作Ｆｏｕｒｉｅｒ变换,从而获得原人像的一个低维空间的表达,该表达是振幅谱位移不变的。在Ｙａｌｅ和Ｏｌｉｖｅｔｔｉ人像数据库上的实验表明,频谱脸的方法比ＰＣＡ的方法和空间模式匹配法有更佳的识别效果,特别是它能有效地消除因为人像的表情变化和少许遮掩带来的识别误差。     

蛋白质亚细胞定位预测的机器学习方法

蛋白质亚细胞定位与其功能密切相关.蛋白质在细胞中的正确定位是细胞系统高度有序运转的前提保障.研究细胞中蛋白质定位的机制和规律,预测蛋白质的亚细胞定位,时于了解蛋白质的性质和功能,了解蛋白质之间的相互作用,探索生命的规律和奥秘具有重要意义.基于机器学习方法的蛋白质亚细胞定位预测是生物信息学研究的热点之一.从数据集的建立、蛋白质序列特征刻画和蛋白质亚细胞定位预测算法3个方面,总结和评述了在过去十几年里机器学习方法在蛋白质亚细胞定位研究中的应用情况和取得的成果,分析了机器学习方法在蛋白质亚细胞定位预测方面存在的问题和面临的挑战,指出了蛋白质亚细胞定位研究的主要方向.     

基于融合信息的癌症相关基因选择方法

基因表达数据的出现,为人类从分子生物学的角度研究和探索癌症的发病机理提供了广阔的前景,利用基因表达数据发现与癌症相关的基因对于癌症的诊断和治疗具有重要的意义。在过去的十几年里,已经有很多种计算方法被成功地用于从基因表达数据中找出与癌症相关的关键基因,然而,不同的方法从不同的角度刻画基因对不同类型样本的区分能力,它们选择出来的关键基因可能不一致,这将给医学解释和应用带来困扰。现提出一种融合的方法,即将基因在不同方面对样本的判别能力结合起来,首先计算每个基因的信息增益、全局判别能力和局部判别能力,再用它们的识别率进行加权,进而计算每个基因的综合判别能力,最后筛选出判别能力最高的基因子集作为关键基因子集。实验结果表明,此方法得到了比采用单独一种评价标准更好的识别效果。