基于区域相关性的JPEG图像隐写盲检测方法

针对JPEG压缩算法,分析了DCT系数的分布特点和统计特征以及块内和块间系数的相关性,提出一种基于区域相关性的JPEG图像隐写盲检测算法.采用宏观校准和微观校准估计出载体图像,以Markov模型描述块内和块间DCT系数的相关性,提取概率转移矩阵的差值作为检测特征,通过支持向量机进行分类,实现了对DCT域多种隐写算法的检测.混合图像库的实验结果表明,该方法的检测性能优于典型的隐写分析算法.     

一种针对MB数字隐写的改进隐写分析方法

介绍了应用于JPEG图像的MB数字隐写算法及其检测算法,通过实验分析了运用该算法嵌入秘密消息前后JPEG图像的DCT系数独立直方图的一阶统计特征的变化,并深入研究了载体和载密图像裁剪后该特征的不同变化趋势,在此基础上提出了一种改进的隐写分析方法,改进后的算法对载密图像的正确检测率较高。     

基于0,1系数组合差异的F5隐写分析算法

F5是经典的JPEG图像隐写算法之一。文章分析了JPEG图像F5隐写算法嵌入后产生收缩效应的原因,发现JPEG图像8×8分块内Z扫描顺序下两个相邻频率位置0,1系数组合在嵌入前后发生了不同程度的变化。在此基础上提取了基于同一分块内、水平和垂直相邻的两个分块内相邻频率位置0,1系数组合差异的12维特征,并运用支持向量机进行分类。实验结果表明,文章算法实现了F5算法的有效检测。     

基于多域特征的JPEG图像盲检测算法

为了提高图像信息隐藏盲检测的检测率,实现了一种从多个域提取统计特征的JPEG图像通用隐写分析算法.采用联合概率密度来计算离散余弦变换(DCT)系数间的相关性,将其扩展到小波域和空域,提取特征值;并使用同样的方法提取校准图像的特征值.二者的差值组成最终的特征向量训练分类器.对5种典型的JPEG隐写术,使用3种不同图像库进行了一系列的实验,结果表明：在嵌入率只有0.05 bpnc时,该算法检测率大于72%,与目前几种典型的通用隐写分析算法相比,具有更好的检测效果;特征约简能弱化高维特征向量间的相关性,提高分类精确度并大大节约分类时间,是通用隐写分析系统框架中一个重要的步骤.     

基于轮廓波变换的隐写分析算法

基于轮廓波变换对图像表示的优良性质,提出了一种基于轮廓波变换的通用隐写分析算法。综合了轮廓波变换高频子带系数、高频子带噪声残差、高频子带特征函数高阶统计模型,利用支持向量机(support vector machine,SVM)对JSteg、Jphide、F5、Outguess等隐写算法的不同嵌入率进行分类和检测。实验结果表明基于轮廓波变换隐写分析算法对大部分隐写算法具有优良的探测性能。与传统的小波变换相比,轮廓波变换能够更有效地捕捉到图像因密信的嵌入而引起的细微变化。     

基于Contourlet变换的图像隐写盲检测方法

图像通用盲检测技术主要通过机器学习实现,隐写分析特征直接决定了盲检测技术的性能。基于图像信源在多尺度和多方向性的统计特性,文章将Contourlet变换与隐写分析相结合提出一种盲检测方法。首先通过分析不同内容的图像细节分量隐写前后特征函数的变化,选用带通特征函数矩。通过分析比较两种不同的图像预测方法对隐写检测性能的影响,提取待检测图像及其预测误差高频子带系数的特征函数矩作为检测特征,通过支持向量机进行分类。以BOWS和UCID图像库为测试图像的实验结果表明,该方法较现有典型方法具有更好的检测性能。     

基于模糊积分多分类器融合的JPEG 图像隐写算法识别

提取和恢复嵌入信息是隐写分析的最终目的,嵌入算法识别是秘密信息提取的前提。目前研究者针对隐写算法识别提出了多种隐写分析系统,但这些系统各有优缺点,因此实际应用中难以取舍。文章提出基于模糊积分的多分类器融合方法来识别JPEG图像隐写算法。实验结果表明,相对于单个隐写分析系统,通过分类器融合后识别精度提高约5%。     

使用混合DCT特征检测空域隐写术

文章研究了一类流行的混合DCT特征对空域隐写术的检测能力。通过该特征对6种常见的空域隐写算法的隐写检测实验,得到以下新结论:①尽管该特征是针对JPEG隐写术设计的盲检测特征,它们也能有效检测常见的空域隐写术;②仅使用混合特征中的共生矩阵和Markov特征能够获得较混合特征更高的检测性能;③共生矩阵特征和校准技术的应用可以提升特征对产生分块效应的空域隐写术的检测能力。     

图像空间域压缩感知通用隐写分析方法

根据灰度图像的纹理特征,提出一种空域压缩感知通用隐写分析(Compressive Sensing Universal Steganalysis,CSUS)方法。首先,使用方向提升小波变换(Directional Lifting Wavelet Transform,DLWT)对图像进行稀疏表示,并对稀疏系数进行直方图统计;然后,结合广义高斯分布(Generalized Gaussian Distribution,GGD)模型设计压缩感知(Compressive Sensing,CS)测量矩阵,并运用该矩阵感知稀疏系数得到CS观测值,以此作为纹理特征量;最后,通过支持向量机(Support Vector Machine,SVM)实现图像隐写的分类判断。采用5种隐写算法对4种图像数据库的图像进行隐写,利用本文提出的CSUS方法与经典的隐写分析方法进行隐写分析与对比。实验结果表明,本文CSUS方法对空域隐写具有较高精度及较好的通用性,并能够降低感知特征的维数。     

基于SVM对隐写分析RS算法的改进

RS分析方法是隐写分析理论中检测LSB隐写的一种典型算法,但其对低密写率的情况下其正确检测率是不理想的.针对这种情况,结合统计学习理论,利用一种基于支持向量机(SVM)来改进RS隐写分析算法,在保留RS特征选取策略的前提下,改用支持向量机(SVM)对选取的特征集进行分类识别.实验结果表明,原始无损存储图像,经改进后的算法比RS隐写分析算法具有更优的性能.     

一种基于小波变换的车牌字符识别算法

提出了一种小波变换的方法对提取出的车牌字符进行识别：对标准字符和分割好的车牌字符进行正交小波变换获取低频系数和高频系数，构造低频系数矢量和高频系数矢量，定义隶属函数，设定阈值，并定义加权矩阵。先将待辨识字符的低频系数矢量与标准字符的低频系数矢量相比较，再比较高频系数矢量。从而最终获得识别结果：实验结果证明该算法比常规识别算法识别率更高：     

融合语义及边界信息的中文电子病历命名实体识别

中文电子病历数据专业性强,语法结构复杂,用于自然语言处理(NLP)的命名实体识别(NER)难度大。为了从电子病历数据中精确识别出医疗实体,提出了一种融合语义及边界信息的命名实体识别算法。首先,利用卷积神经网络(CNN)结构提取汉字图形信息,并与五笔特征拼接来丰富汉字的语义信息;然后,利用FLAT模型中的Lattice将医学词典作为字符潜在词组匹配文本信息;最后,将融入语义信息的Lattice模型用于中文电子病历命名实体识别。实验结果表明,该方法在Yidu-S4K数据集上的识别性能超过现有多种算法,且在Resume数据集上F1值可达到96.06%。     

基于原子能量特性的快速图像匹配追踪

稀疏分解在图像处理中应用的关键障碍之一是图像稀疏分解速度十分缓慢。针对这一问题,提出了一种新的图像稀疏分解的匹配追踪快速算法。研究了图像稀疏分解中使用的原子的能量分布特性,根据原子能量的分布特性,图像匹配追踪中的绝大部分的计算可以省略,因而极大地提高了图像匹配追踪的计算速度。实验结果表明,新的算法比传统的图像匹配追踪算法速度提高了许多倍,而恢复图像的质量没有任何的降低。     

一种基于深度学习的PCB图像字符检测方法

利用印刷电路板（PCB）残片图像的字符检索完整PCB图像,是解决PCB残片溯源难题的一种有效方法;为此,提出了一种高性能的PCB图像字符检测方法。基于残差网络结构实现特征金字塔的提取,设计双检测头进行字符区域预测,引入结构相似性损失函数优化网络;设计了一种适合PCB图像的字符区域热力图标签生成算法以训练网络;采用多种数据增强、多尺度检测等策略提高字符检测性能。在自建PCB图像数据集上进行测试,该方法的字符检测精准率为95.6%、召回率为92.4%;特别是综合指标F1为93.6%,优于对比方法,证明了针对PCB图像字符检测问题,所提出的综合检测方法可与当前自然场景图像字符检测的先进方法媲美。     

自适应彩色图像水印算法

提出了一种基于DCT的自适应彩色图像水印算法，算法中设计了多个自适应因子，能够根据图像的局部特征自动调整水印嵌入的强度，在保证水印不可见的前提下，实现水印信号最大程度的嵌入，数字水印算法(特别是当水印图像和原图像都是彩色图像时)的一个重大突破是将彩色水印图像平面化，使得水印信号的健壮性得到很大程度的提高。     

基于对称性特征分块主成分分析的人脸识别方法

为了进一步提高人脸识别的精度,考虑在分块主成分分析算法中引入对称性思想。首先对图像进行分块并分别求其奇偶对称脸,然后利用主成分分析算法提取图像的主要鉴别特征。该方法充分考虑了光照等多种因素对识别率的影响,利用人脸图像的对称性增加了样本数量,以有效提高识别率。在ORL人脸库上的实验显示,在每类训练样本数为7、提取特征数为20的情况下,基于对称性特征的分块主成分分析方法的人脸识别率为95%,说明该方法是有效的。     

基于总变分规整化的湍流退化图像复原RL算法

根据RL（Richardson-Lucy）不需要点扩散函数尺寸先验信息的优点和湍流退化模式的特点,将RL图像复原算法应用到气动光学效应退化图像的复原中．针对RL算法极易引起噪声放大和过度平滑的缺点,提出了基于总变分最小化的RL图像盲复原算法．仿真结果表明,该算法在噪声抑制和细节保存方面都优于非规整化的RL算法。     

基于混沌序列的迭代混合数字图像隐藏技术

提出了基于混沌序列的数字图像多幅迭代混合算法,利用图像的迭代混合可以将一幅图像通过一组图像隐藏起来。实验结果证明,该方法简单易行,具有较好的安全性。     

基于聚类分析的个性化美国车牌分割算法

针对美国车牌个性化严重,车牌上字符个数、字体、间距和背景等信息都不一致的情况,提出一种可处理复杂多变车牌的车牌分割算法.基于动态的字符分布信息计算车牌倾斜角度和垂直投影局部梯度,利用聚类方法去除非字符区域,并动态确定字符宽度,获得准确字符区域.基于局部梯度的循环分割得到准确的字符分割结果.为了验证该算法,基于1万多张美国车牌的数据集进行实验,结果表明：与已有算法相比,该算法对于具有字符个数不定、字符间距不一致、背景复杂等特征的个性化美国车牌的分割效果有较大提高,分割正确率提高了约5%.