基于RG-SIFT的图像复制粘贴篡改取证算法

在以审判为中心背景下的刑事诉讼制度改革中,图像证据的审查与采信尤为重要.数字图像篡改操作中最为常见的就是复制粘贴,通过复制图像中的一块区域粘贴到其他部分,以达到增加或掩盖部分图像内容,同时伴随着几何变换以增加真实性.当前存在的检测类似篡改的算法大多数只能应对某种几何变换,计算复杂性较高且不能应对多区域复制粘贴的情况.为此,提出一种利用颜色和纹理信息提取尺度不变特征的方法,通过检测图像颜色通道下的局部不变性特征提取关键点,并使用层次聚类算法进行聚类,对关键点匹配结果进行仿射变换估计,最后使用随机抽样一致算法去除无匹配关键点.实验结果表明,该算法能够较好的处理经过多种变换的多区域复制粘贴篡改检测,能够在公安图像检验鉴定工作中发挥作用.     

Nanotron技术在无线测距系统中的应用

针对当前流行的短距离无线通信做了研究比较,利用Nanotron技术搭建一套无线测距系统。系统采用了以射频收发器NanoLOCTRX为核心,ATmega664V为微控制器的NanoLOCAVR模块,以WinAVR为基本的软件开发平台。在程序调试过程中,根据实际需要将数据传输模式设置为Auto—Simplex模式。通过大量的实验证明,该系统在250m的传输距离上把误差缩小到4m以内,测量精度较高,系菇较稳定,实现了一种新的无线测距方法。     

基于膨胀卷积和稠密连接的烟雾识别方法

为更好地提取烟雾图像的全局特征,提出一种基于膨胀卷积和稠密连接的烟雾识别方法.依次堆叠膨胀率不同的膨胀卷积,扩大卷积核的感受野,使得卷积核能够感知更广泛的烟雾图像区域,在不同膨胀卷积层之间设计稠密连接机制,促进卷积层之间的信息流通,实现烟雾图像局部特征和全局特征的融合.在此基础上,构造应用于烟雾识别的深度卷积神经网络,并在训练样本和标签的凸组合上完成训练以增强模型的泛化能力.实验结果表明,与AlexNet、VGG16等方法相比,该方法具有较好的烟雾特征表达能力,能在提高烟雾识别效果的同时,减小模型尺寸效果,其实用性较好.     

基于稠密卷积神经网络的烟雾识别方法

针对传统烟雾检测方法中提取的图像特征鲁棒性较差的问题,提出了基于稠密卷积神经网络(DenseNet)的烟雾识别方法。首先,利用卷积操作和特征图融合构建稠密网络块,在卷积层之间设计稠密连接机制,以增强稠密网络块结构内的信息流通和特征重利用;然后,将已构建的稠密网络块叠加成稠密卷积神经网络用于烟雾识别,节省计算资源的同时提升对烟雾图像特征的表达能力;最后,针对烟雾图像数据量较小的问题,采取数据增强技术进一步改善训练模型的识别能力。在公开烟雾数据集上对提出的方法进行实验验证,实验结果表明,所提方法的模型大小只有0.44 MB,在两个测试集上的准确率分别为96.20%和96.81%。