基于CGAN网络的二阶段式艺术字体渲染方法

艺术字体渲染是媒体排版的重要技术之一.如何提供一种高效的艺术字体渲染方法来实现生成艺术字体的特效多样化与清晰化是亟待解决的问题.本文借助条件生成式对抗网络（Conditional Generative Adversarial Networks,CGAN）,提出一个包括风格化处理和清晰化处理的二阶段式艺术字体渲染方法,对字体实现高效的特定效果渲染.首先,风格化处理是通过构建风格化网络模型对多样化的字体进行各种不同的2D或3D特效渲染;然后,构建清晰化网络模型对生成的艺术字体图进行清晰化处理,这克服了单一GAN网络生成图模糊的缺陷.实验结果表明,二阶段式艺术字体渲染方法所生成的特效字体的纹理细节较为丰富,不受限于文字骨架,而且字体清晰度也得到较大提升;同时,该方法对字体的特效渲染批量化处理效率也明显提高,具有较强实用价值.     

基于Inception-V3网络的双阶段数字视频篡改检测算法

为了克服现有数字视频取证算法识别准确率低、定位能力差等缺点，提出一种具有高识别率且定位准确的基于Inception-V3网络的二级分类取证算法.在第一级分类器中提出简单的阈值判断方法来区分原始和篡改视频，第二级分类器将采用Inception-V3网络的稠密卷积核结构来自动提取篡改视频帧的高维多尺度特征.高维多尺度特征有助于提升篡改视频帧的识别率.实验结果表明，本文提出的算法不仅能准确地检测出篡改视频，还能从篡改视频中精确定位出篡改帧.     

数字视频区域篡改的检测与定位

目的 数字视频区域篡改是指视频帧图像的某个关键区域被覆盖或被替换,经过图像编辑和修补之后,该关键区域的修改痕迹很难通过肉眼来分辨。视频图像的关键区域承载了视频序列的关键语义信息。如果该篡改操作属于恶意的伪造行为,将产生非常严重的影响和后果。因此,视频区域篡改的检测与定位研究具有重要的研究价值和应用前景。方法 数字图像的复制粘贴篡改检测已经取得较大的研究进展,相关研究成果也很多。但是,数字视频区域篡改的检测与定位不能直接采用数字图像的复制—粘贴篡改取证算法。数字视频区域篡改检测与定位是数字视频被动取证研究领域中的一个新兴的研究方向,近年来越来越多的学者在该领域开展研究工作。目前,数字视频的区域篡改检测与定位研究还缺少完善的理论支撑和通用的检测与定位算法。在广泛调研最近几年的最新研究成果的基础上,对数字视频区域篡改的被动取证概念及重要性进行了介绍,将现有的数字视频区域篡改被动取证算法分为4类：基于噪声模式的算法、基于像素相关性的算法、基于视频内容特征的算法和基于抽象统计特征的算法。然后,对这些区域篡改检测与定位的算法进行对比分析,并介绍现有的视频区域篡改软件和算法,以及篡改检测算法的测试数据库。最后,对本研究领域存在的问题和挑战进行总结,并对未来的研究趋势进行展望。结果 选取了20篇文献中的18种算法,分别介绍每种算法的算法原理,并对这些算法进行对比分析。大部分的算法都宣称可以检测并定位出篡改可疑区域,但是检测和定位的精度、计算复杂度都各有差异。其中,基于时空域的像素相关性分析的算法具有较好的检测和定位效果,并且支持运动背景视频中的运动目标删除篡改检测和定位。基于光流平滑性异常的算法和基于运动目标检测的算法都是基于公开的视频篡改测试库进行比较测试的,两种算法都具有较好的检测和定位效果。基于隐写分析特征提取的集成分类算法虽然只能实现时域上的篡改定位,不能实现更精细的空域篡改定位,但是该算法为基于机器学习的大规模视频篡改取证研究提供了新思路和可能的发展方向,具有较大的指导意义。结论 由于视频编码压缩引入噪声,以及视频区域篡改软件工具和技术的改进,视频区域篡改检测和定位仍是一个极具挑战的课题。未来几年,基于视频内容特征和抽象统计特征的视频区域篡改检测和定位算法,有可能结合深度学习算法,得到进一步的研究和发展;相关的理论算法、系统模型和评价标准等研究成果将逐步完善。     

1 bit/pixel嵌入率的差扩展可逆水印方案

提出了一种新的基于差扩展的可逆水印方案,此方案在一次嵌入过程中能实现1bpp的嵌入率。该方法需借助一个位置图来标示在嵌入过程中用于差扩展的像素对位置,对位置图进行无损压缩,并把压缩后的位置图作为嵌入数据的一部份嵌入到原始图像中,因此,通过改变位置图中"0","1"分布从而能高效压缩位置图,最终获得较高的嵌入容量。实验结果证明该方法的性能优于已存可逆水印算法的性能。