《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。     

《中国图象图形学报》复杂场景图像目标智能检测专栏简介

<正>图像目标检测在区域监控、被动导航、抢险救灾、飞行器制导等方面具有重要应用,是计算机视觉和图像处理领域研究中的关键性核心问题和挑战性难题,也一直是该领域的研究热点,并受到领域内广大学者的高度关注。近年来,得益于深度学习等人工智能技术在图像处理和计算机视觉中的广泛应用,图像目标检测技术研究已取得重大进展。     

《中国图象图形学报》低质图像增强专刊简介

计算机视觉在户外交通导航、安防监控、目标检测、医学影像辅助分析、诊断及水下探测、目标识别等领域具有广泛应用。清晰的图像画面对于计算机视觉获取正确的图像信息至关重要。然而在各种复杂成像条件(如雾、霾、沙尘、雨雪等恶劣天气及海洋等弱光低照环境)下,受光照及各种介质的影响,户外或水下计算机视觉系统所采集的图像通常存在严重颜色失真,且场景模糊、清晰度差,严重影响其应用并制约相关领域研究。 因此,如何通过后期算法对各种复杂环境下的低质图像进行增强和复原受到人们的高度重视。为了更好地推动低质图像增强理论、技术与应用的发展,及时记录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“低质图像增强”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。 经过严格评审,“低质图像增强”专刊共收录学术论文22篇,作者包括来自42家科研院所、研究中心、高校和企业的80位专家学者、研究生、企业人员等。专刊成果得到26项国家自然科学基金、1项国家重点研发计划、17项省级自然科学基金和重大科技计划等项目支持。 专刊栏目包括：综述(5篇)、数据集论文(1篇)、图像去雾去雨(5篇)、低照图像增强(4篇)、图像超分辨(2篇)、图像修复(5篇)。 综述论文中,《水下光学图像重建方法研究进展》全面梳理了水下光学图像重建方法的发展历程,按照研究发展顺序依次分析了现有4大类处理方法的基本思想、代表性方法及优缺点;归纳了目前公开的水下图像数据集以及常用的水下图像质量评价方法,并对各重建方法进行了性能评测和对比分析;并展望了未来研究方向。 《单幅图像去雨数据集和深度学习算法的联合评估与展望》对近年来面向单幅图像去雨任务的雨图数据集构建以及深度学习算法、雨天后续高层任务的工作、图像去雨评价指标进行了回顾与介绍,并给出了目前的挑战与未来趋势。 《低光照图像增强算法综述》从3个方面系统地综述了低光照图像增强技术的研究现状。介绍了现有低光照图像数据集,详述了低光照图像增强技术的发展脉络,通过对比低光照图像增强质量与夜间人脸检测精度,对现有低光照增强技术进行了全面评估与分析。基于上述现状的探讨,结合实际应用,指出当前技术的局限性,并对其发展趋势进行预测。 《图像与视频质量评价综述》从全参考、半参考和无参考3个方面分别对图像、视频质量评价领域的文献进行了综述,在主流数据集上测试了方法的性能,总结并展望了目前质量评价领域仍存在的一些挑战与问题。 《图像质量评价研究综述——从失真的角度》从图像失真的角度,概述2011—2021年国内外公开发表的图像质量评价模型,以及现有的图像质量评价数据库。然后重点介绍图像质量评价模型的设计思想。最后总结了所介绍的图像质量评价模型,并指出未来可能的发展方向。 数据集论文,《面向真实水下图像增强的质量评价数据集》基于成对比较开展主观实验构建了首个面向水下图像增强算法比较的质量评价基准数据集,并且基于构建的数据集对比了目前若干主流的无参考图像质量客观评价方法用于评估水下图像时的性能。 我们期待广大读者和科技人员通过“低质图像增强”专刊,能够更深入、更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,为本领域的发展做出新的贡献。     

基于梯度矢量卷积场的四阶各向异性扩散及图像去噪

进一步研究了基于偏微分方程的图像去噪方法.为了去除二阶偏微分方程(P-M模型)引起的阶梯效应以及提高四阶偏微分方程(Y-K模型)的边缘及纹理保护能力,本文将梯度矢量卷积场(GVC)引入到四阶偏微分方程Y-K模型中,提出了基于GVC的四阶各向异性扩散模型.首先,减去原始Y-K模型中的部分梯度方向扩散.然后,引入GVC场以代替图像在梯度方向的二阶导数直接计算.由于GVC场可以较准确地确定图像的边缘位置,并对噪声具有很强的鲁棒性,因此得到了有效的各向异性扩散模型.实验结果表明,运用本文去噪方法可以更好地保护图像边缘及纹理等细节特征,而且能够有效地提高峰值信噪比:文中所有在实验中得到的峰值信噪比均比原始模型高l dB以上.     

Transformer驱动的图像分类研究进展

图像分类是图像理解的基础,对计算机视觉在实际中的应用具有重要作用。然而由于图像目标形态、类型的多样性以及成像环境的复杂性,导致很多图像分类方法在实际应用中的分类结果总是差强人意,例如依然存在分类准确性低、假阳性高等问题,严重影响其在后续图像及计算机视觉相关任务中的应用。因此,如何通过后期算法提高图像分类的精度和准确性具有重要研究意义,受到越来越多的关注。随着深度学习技术的快速发展及其在图像处理中的广泛应用和优异表现,基于深度学习技术的图像分类方法研究取得了巨大进展。为了更加全面地对现有方法进行研究,紧跟最新研究进展,本文对Transformer驱动的深度学习图像分类方法和模型进行系统梳理和总结。与已有主题相似综述不同,本文重点对Transformer变体驱动的深度学习图像分类方法和模型进行归纳和总结,包括基于可扩展位置编码的Transformer图像分类方法、具有低复杂度和低计算代价的Transformer图像分类方法、局部信息与全局信息融合的Transformer图像分类方法以及基于深层ViT(visual Transformer)模型的图像分类方法等,从设计思路、结构特点和存在问题...     

沙尘图像色彩恢复及增强卷积神经网络

目的 在沙尘天气条件下,由于大气中悬浮微粒对入射光线的吸收和散射,户外计算机视觉系统所采集图像通常存在颜色偏黄失真和低对比度等问题,严重影响户外计算机视觉系统的性能。为此,提出一种带色彩恢复的沙尘图像卷积神经网络增强方法,由一个色彩恢复子网和一个去尘增强子网组成。方法 采用提出的色彩恢复子网(sand dust color correction, SDCC)校正沙尘图像的偏色,将颜色校正后的图像作为条件,输入到由自适应实例归一化残差块组成的去尘增强子网中,对沙尘图像进行增强处理。本文还提出一种基于物理光学模型的沙尘图像合成方法,并采用该方法构建了大规模的配对沙尘图像数据集。结果 对大量沙尘图像的实验结果表明,所提出的沙尘图像增强方法能很好地去除图像中的偏色和沙尘,获得正常的视觉颜色和细节清晰的图像。进一步的对比实验表明,该方法能取得优于对比方法的增强图像。结论 本文所提出的沙尘图像增强方法能很好地消除整体的黄色色调和尘霾现象,获得正常的视觉色彩和细节清晰的图像。     

用于单幅模糊图像超分辨的Transformer融合网络

目的 以卷积神经网络为代表的深度学习方法已经在单帧图像超分辨领域取得了丰硕成果,这些方法大多假设低分辨图像不存在模糊效应。然而,由于相机抖动、物体运动等原因,真实场景下的低分辨率图像通常会伴随着模糊现象。因此,为了解决模糊图像的超分辨问题,提出了一种新颖的Transformer融合网络。方法 首先使用去模糊模块和细节纹理特征提取模块分别提取清晰边缘轮廓特征和细节纹理特征。然后,通过多头自注意力机制计算特征图任一局部信息对于全局信息的响应,从而使Transformer融合模块对边缘特征和纹理特征进行全局语义级的特征融合。最后,通过一个高清图像重建模块将融合特征恢复成高分辨率图像。结果 实验在2个公开数据集上与最新的9种方法进行了比较,在GOPRO数据集上进行2倍、4倍、8倍超分辨重建,相比于性能第2的模型GFN(gated fusion network),峰值信噪比(peak signal-to-noive ratio,PSNR)分别提高了0.12 dB、0.18 dB、0.07 dB;在Kohler数据集上进行2倍、4倍、8倍超分辨重建,相比于性能第2的模型GFN,PSNR值分别提高了0.17 dB、0.28 dB、0.16 dB。同时也在GOPRO数据集上进行了对比实验以验证Transformer融合网络的有效性。对比实验结果表明,提出的网络明显提升了对模糊图像超分辨重建的效果。结论 本文所提出的用于模糊图像超分辨的Transformer融合网络,具有优异的长程依赖关系和全局信息捕捉能力,其通过多头自注意力层计算特征图任一局部信息在全局信息上的响应,实现了对去模糊特征和细节纹理特征在全局语义层次的深度融合,从而提升了对模糊图像进行超分辨重建的效果。     

视频处理与压缩技术

视频处理与压缩是多媒体计算与通信领域的核心主题之一,是连接视频采集传输和视觉分析理解的关键桥梁,也是诸多视频应用的基础。当前“5G+超高清+AI”正在引发多媒体计算与通信领域的新一轮重大技术革新,视频处理与压缩技术正在发生深刻变革,亟需建立视频大数据高效紧凑表示理论和方法。为此,学术研究机构和工业界对视频大数据的视觉表示机理、视觉信息紧凑表达、视频信号重建与恢复、高层与低层视觉融合处理方法及相应硬件技术等前沿领域进行了广泛深入研究。本文从数字信号处理基础理论出发,分析了当前视频处理与压缩领域的热点问题和研究内容,包括基于统计先验模型的视频数据表示模型及处理方法、融合深度网络模型的视频处理技术、视频压缩技术以及视频压缩标准进展等领域。详细描述了视频超分辨率、视频重建与恢复、视频压缩技术等领域面临的前沿动态、发展趋势、技术瓶颈和标准化进程等内容,对国际国内研究内容和发展现状进行了综合对比与分析,并展望了视频处理与压缩技术的发展与演进方向。更高质量视觉效果和高效率视觉表达之间将不再是单独研究的个体,融合类脑视觉系统及编码机理的视频处理与压缩技术将是未来研究的重要领域之一。