A new block-based method for copy move forgery detection under image geometric transforms

Copy move forgery detection (CMFD) is one of the most active subtopic in forgery scheme. The methods of CMFD are divided into to block-based method and keypoint-based method in general. Compared with keypoint-based method, block-based method can detect undetectable detail without morphology segmentation. But many block-based methods detect the plain copy-move forgeries only. They have been incompetent to detect the post-processing operations such as various geometrical distortions, and then fail to detect the forgery regions accurately. Therefore, this paper presents an improved block-based efficient method for CMFD. Firstly, after pre-processing, an auxiliary overlapped circular block is presented to divide the forged image into overlapped circular blocks. The local and inner image feature is extracted by the Discrete Radial Harmonic Fourier Moments (DRHFMs) with the overlapped circular block from the suspicious image. Then, the similar feature vectors of blocks are searched by 2 Nearest Neighbors (2NN) test. Euclidean distance and correlation coefficient is employed to filter these features and then remove the false matches. Morphologic operation is employed to delete the isolated pixels. A series of experiments are done to analyze the performance for CMFD. Experimental results show that the new DRHFMs can obtain outstanding performance even under image geometrical distortions.     

基于遗传算法的图像彩色化方法

为解决传统的彩色化算法中效果不佳、速度慢等问题,提出一种基于遗传算法的图像彩色化方法。该方法先产生初始种群,将源图像块和目标图像块的亮度特征以及Tamura纹理特征构成适应度函数,初始种群经过选择、交叉和变异等操作逐代进化后,将源图像块的颜色转移到匹配的目标图像块中,得到最终的彩色化图像。实验结果表明,与其他彩色化方法相比,该方法能在缩短运行时间的同时,有效提高彩色化质量。     

Extraction of karyocytes and their components from microscopic bone marrow images based on regional color features

Extracting karyocytes and their components from microscopic bone marrow images is prerequisite for computer-aided early diagnosis of hemopathy. Most existing methods assume all pixels belonging to a karyon region or a cytoplasm region have similar colors. Practically, the color of neither a karyon nor a cytoplasm in a microscopic image is homogeneous in the pixel level. Therefore, the regional color features of a region are emphasized in this paper. Based on this observation, we propose a novel method to karyocyte extraction that first identifies a karyon by 4-connected block growing from a karyon feature block, then identifies feature blocks of its cytoplasm based on the extracted karyon, and finally extracts all cytoplasm regions by growing the cytoplasm feature blocks. Combining the karyon region and the corresponding cytoplasm regions can attain a complete karyocyte. Experimental results show that the proposed method is effective and robust.     

基于卷积神经网络的交通标志模糊影像识别

当前方法不能有效的识别交通标志模糊影像,且识别交通标志所用的时间较长,存在识别效果差和识别效率低的问题。提出基于卷积神经网络的交通标志模糊影像识别方法,首先对交通标志模糊图像做亮度均衡化处理,消除交通标志自身因素和天气因素对交通标志识别过程产生的影响。对均衡化处理后的图像进行分割,计算各个图像块的显著度,挑选显著度最高的图像块作为交通标志图像的感兴趣区域。提取感兴区域中存在的HOG特征向量和LBP特征向量,对HOG特征向量和LBP特征向量进行融合,得到交通标志图像的HOG-LBP特征。将HOG-LBP特征输入卷积神经网络中,在卷积神经网络中进行前向计算和反向计算,根据计算结果调整偏差和权值,输出交通标志模糊影像的识别结果,实现交通标志模糊影像的识别。仿真结果表明,所提方法的识别效果好、识别效率高。     

基于密集连接空洞卷积神经网络的青藏地区云雪图像分类

为了提高高纬度地区云雪卫星图像的识别准确率,提出了密集连接空洞卷积神经网络与空洞卷积相结合的方法进行云雪卫星图像识别研究。该方法首先采用常规卷积层对图像进行处理得到特征图,然后采用多个密集块和过渡层对特征图进行处理。其中,密集块中采用跨层连接的方式实现了网络中所用层的特征传递,使得大量云雪特征得到重用,同时减轻了训练过程中的梯度消失问题。密集块中的卷积核采用空洞卷积,在减少参数量的同时扩大局部感受野,对云雪的光谱信息进行特征提取。最后,该方法采用平均全局池化层与全连接层得到云雪图像的预测结果。实验结果表明,与其他机器学习方法相比,该方法能够提高卫星云雪图像的识别准确率,具有良好的泛化能力。     

一种基于DCT变换的图像认证算法

提出了一种可自恢复的图像篡改认证算法,原始图像的最低位和3／4次低位置零和进行2×2分块DCT变换的基础上,提取DC分量组成图像矩阵,DC分量量化产生特征图像。特征图像经过Arnold置乱,将其二值编码作为水印并混沌加密后嵌入到原始图像的最低位和3／4次低位。实验结果表明,该算法简单、安全性高,篡改精确定位到2×2图像块,可对篡改区域近似恢复,具有较好的实用性。     

一种融合聚类与区域生长的彩色图像分割方法

论文提出了一种将聚类和区域生长有机融合的彩色图像分割方法。为了捕获图像的纹理特征,首先将图像划分成16×16子块,然后在块中按照视觉一致性准则进行颜色聚类,对于聚类后的子块,提取其颜色与纹理特征,然后采用符合人类视觉特征的生长规则,进行基于子块的区域生长。该方法充分利用了聚类算法和区域生长算法的各自优点,并符合人类视觉特征的分割策略。利用提出的算法对多幅自然图像进行了分割实验,实验结果证明了算法的有效性。     

基于JPEG双量化效应的图像篡改盲检测

JPEG图像的双量化效应是检测和发现JPEG图像篡改的重要线索。针对现有检测算法大多数是基于DCT块效应而较少利用双量化效应的情况,提出了一种利用JPEG双量化效应的图像篡改盲检测新方案。该方案对比用DCT系数直方图计算的未篡改区域后验概率和用区间长度计算的未篡改区域后验概率之间的差异性,提取能有效区分篡改块和未篡改块的特征,计算每个DCT块的特征值,然后设置阈值,将特征值大于阈值的图像块判定为篡改块,最后通过选取连通区域,标定篡改区域。实验结果表明,与已有的类似方案相比,该方案能够较精确地检测和定位篡改区域,且对颜色、纹理丰富的图像具有明显优势。     

基于自适应注意力融合特征提取网络的图像超分辨率

为了应对当前大型图像超分辨率模型参数过多难以部署,以及现有的轻量级图像超分辨率模型性能表现不佳的问题,提出了一种基于自适应注意力融合特征提取网络的图像超分辨率模型。该模型主要由一个大核注意力模块和多个高效注意力融合特征提取模块组成。首先,利用大核注意力模块进行浅层特征提取,然后将提取到的浅层特征信息输入级联的高效注意力融合特征提取模块进行深层特征提取、增强、细化和再分配的聚合操作。高效注意力融合特征提取模块由三个部分组成,分别是渐进式残差特征提取模块、通道对比度感知注意力模块和通道—空间联合注意力模块。该网络可以在利用少量参数的情况下实现更好的图像超分辨率性能,是一种表现优异的轻量级图像超分辨率模型。通过在流行的基准数据集上评估提出的方法,并与现有的一些方法进行对比,结果表明该方法的表现更优异。     

区域块分割与融合的行人再识别

目的 由于摄像机视角和成像质量的差异,造成行人姿态变化、图像分辨率变化和光照变化等问题的出现,从而导致同一行人在不同监控视频中的外观区别很大,给行人再识别带来很大挑战。为提高行人再识别的识别率,针对行人姿态变化问题,提出一种区域块分割和融合的行人再识别算法。方法 首先根据人体结构分布,将行人图像划分为3个局部区域。然后根据各区域在识别过程中的作用不同,将GOG（Gaussian of Gaussian）特征、LOMO（local maximal occurrence）特征和KCCA（Kernel canonical correlation analysis）特征的不同组合作为各区域特征。接着通过距离测度算法学习对应区域之间的相似度,并通过干扰块剔除算法消除图像中出现的无效干扰块,融合有效区域块的相似度。最后将行人图像对的全局相似度和各局部区域相似度进行融合,实现行人再识别。结果 在4个基准数据集VIPeR、GRID、PRID450S和CUHK01上进行了大量实验,其中Rank1（排名第1的搜索结果即为待查询人的比例）分别为62.85%、30.56%、71.82%和79.03%,Rank5分别为86.17%、51.20%、91.16%和93.60%,识别率均有显著提高,具有实际应用价值。结论 提出的区域块分割和融合方法,能够去除图像中的无用信息和干扰信息,同时保留行人的有效信息并高效利用。该方法在一定程度上能够解决行人姿态变化带来的外观差异问题,大幅度地提升识别率。     

基于SIFT的椭圆区域鲁棒数字水印方案

如何有效抵抗去同步攻击是数字图像水印研究领域的热点问题之一。利用图像仿射协变特征,提出一种可有效抵抗去同步攻击的鲁棒水印算法。对目前流行的利用多尺度Harris和SIFT描述算子来匹配图像的方法,后者有较好的匹配效果,对恢复同步水印更加稳定,并且能较好抵抗去同步攻击。该算法利用性能稳定的SIFT算子提取图像特征点,并通过基于最小生成树聚类算法的选择策略获得一组稳定且彼此独立的椭圆仿射协变特征区域,基于特征区域,利用椭圆归一化得到具有缩放和旋转不变性的圆形区域。将圆形区域进行非下采样轮廓变换（NSCT）,其中非下采样轮廓变换不仅克服了小波（Wavelet）变换的非奇异性最优基缺点,而且提供了优于轮廓（Contourlet）变换的平移不变性。将水印嵌入变换后的低频子带中。该算法实现盲提取,仿真实验结果表明,提出的算法是有效的且对常规图像处理、几何攻击以及组合攻击均具有较好的鲁棒性。     

低层特征获取高层语义的图像检索

首先采用基于颜色聚类的方法将图像分割成区域,提取每个区域的Gabor小波纹理特征和灰度共生矩阵纹理特征,接着采用信息熵对特征进行选择,使用选择后的特征对图像区域进行聚类,得到每幅图像的语义特征向量;然后提出遗传模糊C均值算法对图像进行聚类。在图像检索时,查询图像和聚类中心比较,在距离最小的类中进行检索。实验表明,提出的方法可以明显提高检索效率,提高了检索的精度。     

基于主动生长的断裂裂缝块的连接方法

针对沥青路面裂缝图像分割成二值图像后,存在虚假信息和边缘断点的问题,提出一种基于主动生长的断裂裂缝块的连接方法。该方法依据噪声呈孤立圈状,裂缝呈线性的特征去除虚假噪声信息;并采用区域填充法将裂缝轮廓内部空隙填充,使裂缝呈现块状;然后采用主动生长法进行断裂裂缝块的连接。实验表明,该算法在去除噪声的情况下,较好实现了断裂裂缝块的连接,有利于后续的图像测量、评估等处理。     

基于SURF特征提取的遥感图像自动配准

基于SURF（Speeded UpRobust Features）特征点提取是目前比较流行的图像配准方法．本文在SURF基础上,提出一种基于分块策略的改进方法：首先采用分水岭分割法确定图像的分块数量,然后对图像进行分块,每个子块提取一定数量的特征点,以便实现特征点的均匀提取;再通过稀疏特征树法找出匹配的特征点对;最后用RANSAC算法剔除错误匹配特征点对,同时计算参考图像与待配准图像的变换关系．实验表明,该方法能够高效、快速地解决遥感图像的自动配准问题．     

基于四元数傅里叶梅林变换的RST不变彩色图像水印算法

提出一种基于四元数傅里叶梅林变换(QFMT)的RST(旋转、缩放和平移)不变彩色图像水印算法,利用图像的不变质心生成具有平移稳定性的圆形特征区域,对这个圆形区域进行QFMT。利用QFMT幅度谱具有旋转和缩放不变性,在QFMT幅度谱中嵌入水印信息。该算法不仅可以抗RST攻击,大大提升水印的鲁棒性,而且可以把水印嵌入所带来的误差扩散到载体图像的各个颜色分量之中,扩大水印嵌入的容量。实验结果表明,该方法具有较好的抗压缩性,对RST等攻击有良好的鲁棒性。     

信息熵加权的HOG特征提取算法研究

针对人脸图像中不同部位所含的信息熵不同,对识别的影响程度不同等因素,提出了一种信息熵加权的HOG特征提取方法。该算法将待识别的人脸图像进行分块,对分块后的图像进行HOG特征提取,计算每块图像所含的信息熵作为权重系数加到各个分块中形成新的HOG特征,通过PCA算法对特征进行降维,得到信息熵加权的HOG特征。通过在ORL和YALE实验结果表明,该算法相较于其他传统识别方法具有更高的识别精度和准确度,并且对于人脸在光照、姿态表情等干扰因素下均具有良好的有效性和鲁棒性。     

基于灰度共生矩阵的图像自适应分块压缩感知方法

分块压缩感知的提出很好地弥补了大尺寸图像占用资源多、重构耗时长等不足,但重构后的图像存在明显的块效应。针对现有图像纹理复杂度分析不够准确,导致自适应采样率分配后块效应降低不理想的问题,提出了一种基于灰度共生矩阵的图像自适应分块压缩感知方法。该方法通过共生矩阵分析图像的纹理特性,自适应分配采样率,在总采样率不变的前提下使纹理复杂度高的子块获得较高的采样率,纹理复杂度低的子块获得较低的采样率,并用SAMP(Sparsity Adaptive Matching Pursuit)算法实现重构。仿真结果显示,所提方法能够有效地解决块效应问题,尤其对于局部图像而言,重构图像的画质得到了明显改善。     

基于综合特征的图像分割

文章提出了一种有效的基于颜色和纹理综合特征的图像分割方法。将图像以块为单位进行划分,在YUV空间,提取块的颜色特征和纹理特征,在这种综合特征基础上,采用改进的K均值聚类法进行图像分割。该方法能自适应确定聚类中的参数,且兼顾点的位置连通关系,从而达到了较好的分割效果。     

基于多特征融合和Adaboost算法的图像检索

提出了一种多特征融合的图像检索方法。首先将图像进行分块,并提取分块主色,然后采用主色直方图作为图像的颜色特征。同时,提出采用Gabor小波描述图像的纹理特征,采用小波矩描述形状特征,最后将三种不同特征进行融合的检索方法。为了提高图像检索的准确度,提出Adaboost的相关反馈算法,在反馈过程中,Adaboost算法对特征进行降维,加快检索的速度。最后分别给出基于单一特征,特征融合和相关反馈方法的查准率和查全率,并对实验结果进行分析。