首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   4篇
  免费   1篇
  国内免费   5篇
综合类   1篇
无线电   3篇
自动化技术   6篇
  2011年   2篇
  2010年   1篇
  2009年   4篇
  2008年   2篇
  2006年   1篇
排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
基于变分贝叶斯估计的相机抖动模糊图像的盲复原算法   总被引:2,自引:0,他引:2  
 在曝光过程中由于相机抖动而导致的运动模糊,是一种常见的图像降质现象。该文提出了一种基于变分贝叶斯估计和自然图像梯度统计特性的盲复原算法,用于恢复相机抖动模糊图像,同时针对图像复原过程中出现的振铃效应,设计了一种基于分区域检测和Fuzzy滤波器的去振铃效应方法。实验结果表明,该文提出的盲复原算法能够有效地去除图像中因相机抖动而产生的模糊,而且在保持图像边缘和细节的同时,可以较好地降低振铃效应对图像复原质量的影响。  相似文献   
2.
一种改进的声测定位时延估计算法   总被引:6,自引:0,他引:6  
研究了时延估计算法在被动声测定位中的应用,提出了一种改进的基于最大似然(ML)权函数的广义互相关时延估计算法。改进的算法采用加窗法和最小均方差(LMS)滤波法,弥补了原算法计算量大及无法消除回响干扰的不足。仿真结果表明,改进的算法计算复杂度明显降低,能够有效地消除回响干扰,具有较高的时延估计精度和鲁棒性。  相似文献   
3.
面向真实性鉴别的数字图像盲取证技术综述   总被引:18,自引:0,他引:18  
吴琼  李国辉  涂丹  孙韶杰 《自动化学报》2008,34(12):1458-1466
数字图像盲取证技术作为一种不依赖任何预签名提取或预嵌入信息来鉴别图像真伪和来源的技术, 正逐步成为多媒体安全领域新的研究热点, 且有着广泛的应用前景. 首先简要描述了图像盲取证技术要解决的问题和任务. 根据图像鉴别使用的取证特征, 将用于真实性鉴别的图像盲取证技术划分为三类: 基于图像伪造过程遗留痕迹的盲取证技术、基于成像设备一致性的盲取证技术和基于自然图像统计特性的盲取证技术, 然后分别阐述了这三类取证技术的基本特征和典型方法, 对不同算法进行了性能比较和总结. 最后综合近年来国内外学者在面向真实性鉴别的图像盲取证技术方面的主要研究成果, 探讨了图像盲取证技术存在的问题及未来研究方向.  相似文献   
4.
提出了一种图像盲取证算法, 用于检测利用样本合成修复技术制作的伪造图像. 该算法采用零连通特征来描述修复技术导致的图像块之间异常的相似性, 然后构建升半梯形隶属函数将该相似性特征转换成块属于篡改块的模糊隶属度, 通过截集划分并结合高隶属度块的位置信息, 进行伪造图像的检测和篡改区域的定位. 实验结果表明该算法能够有效区分自然图像和修复伪造图像, 并可进一步定位图像的篡改区域.  相似文献   
5.
基于小波和奇异值分解的图像复制伪造区域检测   总被引:2,自引:0,他引:2  
针对数字图像取证中一类常见的复制粘贴图像伪造,本文提出了一种基于小波变换和奇异值分解的检测算法.该算法利用小波变换提取图像的低频分量,对低频分量分块提取奇异值特征,这种特征描述形式对图像羽化或边缘模糊等处理具有鲁棒性.然后将特征矢量进行按行字典排序,并且配合图像块的偏移位置信息,进行图像复制伪造区域的检测和定位.实验表明该算法能够较精确地定位出复制和粘贴的图像伪造区域,并有效地减少了运算量,提高了检测效率.  相似文献   
6.
快门编码模型重影模糊图像盲复原方法   总被引:1,自引:0,他引:1  
针对刑侦取证工作中经常出现的一种重影模糊图像,提出了一种快门编码模型来近似模拟重影模糊的本质,利用快门编码模型对重影模糊图像进行盲复原处理.实验结果表明了该快门编码模型对复原重影模糊图像的合理性,对实际拍摄的重影模糊图像,该算法能够有效地复原出模糊图像中的感兴趣信息,具有较高的实用性.  相似文献   
7.
图像拼接被认为是最基本和最主要的图像非法编辑操作.拼接图像检测的关键问题之一是提取拼接图像有别于自然图像的区分性特征,将其转化为模式识别问题.本文从自然图像DCT 变换系数的统计特性出发,分别应用高斯分布和广义高斯分布来建立其直流分量和交流分量的统计分布模型,同时结合图像小波变换系数的能量分布特性,提取模型参数和小波域的能量分布特性形成特征向量,送入支持向量机,实现对拼接图像和自然图像的分类和检测.实验结果表明,本文算法达到了平均80%的准确率,性能优于Ng提出的基于双相干特征的拼接图像检测算法.  相似文献   
8.
图像拼接是图像篡改机制中简单并常用的方法之一.本文基于自然图像小波子带系数的统计分布符合广义高斯分布的假设,提出了一种拼接图像检测算法.提取小波细节子带系数对应的广义高斯分布模型参数以及模型预测误差为特征向量,采用支持向量机实现了对自然图像和拼接图像的有效分类.实验结果表明本文算法达到了平均88.76%的准确率,性能优于使用Hsu提出的基于相机响应函数的拼接图像检测算法.  相似文献   
9.
离焦模糊图像的盲复原算法   总被引:1,自引:0,他引:1       下载免费PDF全文
针对离焦模糊图像,提出了一种盲复原算法。该算法首先利用Hough变换检测出离焦图像中的直线边缘,然后基于图像的空域统计特性和修正的Grubbs检验法,定位出阶跃或近似阶跃直线边缘,在此基础上自适应计算出线扩散函数,最后利用线扩散函数求取离焦模糊半径,进而用Wiener滤波完成了图像的复原。实验结果表明,对真实的离焦模糊图像,该算法能够准确地检测和定位出阶跃或近似阶跃边缘,提高离焦模糊半径的鉴别精度和图像的复原效果,已在实际刑侦取证工作中获得较为成功的应用。  相似文献   
10.
孙韶杰  吴琼  李国辉 《自动化学报》2009,35(12):1564-1567
Nowadays, digital images can be easily tampered due to the availability of powerful image processing software. As digital cameras continue to replace their analog counterparts, the importance of authenticating digital images, identifying their sources, and detecting forgeries is increasing. Blind image forensics is used to analyze an image in the complete absence of any digital watermark or signature. Image compositing is the most common form of digital tampering. Assuming that image compositing operations affect the inherent statistics of the image, we propose an image compositing detection method on based on a statistical model for natural image in the wavelet transform domain. The generalized Gaussian model (GGD) is employed to describe the marginal distribution of wavelet coefficients of images, and the parameters of GGD are obtained using maximum-likelihood estimator. The statistical features include GGD parameters, prediction error, mean, variance, skewness, and kurtosis at each wavelet detail subband. Then, these feature vectors are used to discriminate between natural images and composite images using support vector machine (SVM). To evaluate the performance of our proposed method, we carried out tests on the Columbia Uncompressed Image Splicing Detection Dataset and another advanced dataset, and achieved a detection accuracy of 92% and 79%, respectively. The detection performance of our method is better than that of the method using camera response function on the same dataset.  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号