基于残留噪声相关性的视频篡改检测算法

提出了一种基于残留噪声相关性的视频篡改检测算法.该算法利用双树复小波域局部维纳滤波的方法获取视频每帧的残留噪声,相邻两残留噪声帧对应块做相关性运算,根据相关系数的统计特性建立累积分布函数模型,设定最佳阈值,定位篡改区域.所提出的提取残留噪声的方法能更好地保留图像细节,减少残留噪声中的场景污迹.实验结果验证了该算法检测篡改视频的准确率更高.     

基于特征像素相关性的虚假图像盲检测算法

复制粘贴型（Copy-Move）篡改方式是把数字图像中一部分区域进行复制并粘贴到同一幅图像的另一个区域,以达到去除图像中某一重要内容的目的,是一种简单而有效的图像篡改技术。本文针对这种篡改方式,提出了一种利用图像特征像素间的相关性检测篡改图像的盲检测方法,为去除图像中少量噪声,降低算法的复杂度,本文对图像进行双树复小波变换（DTCWT）,之后对图像块进行最大类间方差阈值计算和二值化处理,最后计算各个图像块的相关性。实验结果表明,本文提出的篡改认证方法能有效地对抗噪声对认证的影响,对一般的噪声(高斯噪声、低频滤波)具有很好的鲁棒性。      

基于纹理复杂度的图像篡改定位和恢复水印算法

针对现有方法对图像纹理相关性利用不充分导致 图像块特征值选取不灵活和隐蔽性不 足的问题,提出了一种新的基于纹理复杂度和Laplacian算子的篡改定位和恢复水印算法。 算法首先将图像分成3×3的分块,分别计算各块的纹理复杂度,利用纹理复杂度对同质块进 行合并,降低水印嵌入对图像质量的影响;然后,计算母块和单独块的拉普拉斯卷积值作为 其特征值,并将母块的位置信息作为子块的特征值,新的特征值增强了对篡改的敏感性,并 减少了需嵌入的特征水印数量;最后将子块的特征值水印嵌入到母块像素最低有效位中,母 块和单独块则嵌入到其对应块的像素最低有效位中。在水印图像没有受到篡改时,水印图像 平均PSNR较现有方法提升7.83dB左右; 当受到篡改时,恢复图像质量提升1.01 dB左右。实验 结果表明,本文算法能够增强图像水印隐蔽性,提高篡改图像恢复质量,适用于版权保护和 医学图像的篡改检测。     

综合纹理和亮度的夜间场景图像来源检测方法

针对目前基于模式噪声方法处理夜间场景下图像来 源检测准确效果较差问题,提出一种综合纹理和 亮度的夜间场景图像来源检测方法。首先基于夜间场景图片会存在同张图片不同区域会有不 同纹理和亮度 从而会影响提取模式噪声质量不同这一理论依据,将图片根据纹理和亮度分成若干大小相等 的块;然后对 不同块按纹理平缓亮度良好、纹理复杂亮度差、纹理平缓亮度差、温度复杂亮度良好四种情 况处理,其中 对于纹理复杂的区域提取的噪声要抑制纹理干扰、对于亮度条件差的区域提取的模式噪声需 要增强、对于 亮度差且纹理又复杂的区域提取的模式噪声、既要抑制纹理的干扰又要增强模式噪声。实验 结果表明,本 文方法在夜间场景情况对图像检测整 体识别率均在在80%以上,与传 统模式噪声提取算法相比,该算法正确率能够提高4到12个百 分点。     

基于分组SIFT的图像复制粘贴篡改快速检测算法

针对现有图像复制粘贴篡改检测算法计算复杂度过高的问题,提出了一种基于分组尺度不变特征变换的图像复制粘贴篡改快速检测算法。首先,利用简单线性迭代聚类将输入图像分割成非重叠且不规则的块;然后,根据图像块内结构张量属性将其分为平坦块、边缘块和角点块,提取图像块内的SIFT特征点作为块特征;最后,通过块特征的类间匹配定位篡改区域。所提算法通过图像块分类和类间匹配,在保证检测效果的同时,有效地降低了特征匹配定位篡改区域阶段的时间复杂度。实验结果表明,所提算法检测准确率为97.79%,召回率为90.34%,F值为93.59%;图像尺寸为1 024像素×768像素时算法时间复杂度为12.72 s,图像尺寸为3 000像素×2 000像素时算法时间复杂度为639.93s。与已有的复制粘贴算法相比,所提算法能够快速精准地定位篡改区域,且具有较好的稳健性。     

几何约束下噪声一致性的图像拼接篡改检测

将以图像块为单位的噪声水平估计方法应用在图像篡改定位时,会导致分割边缘呈锯齿状并降低边缘定位准确率。针对该问题,文中提出了一种基于几何约束和噪声一致性分析的图像拼接取证算法。采用基于统计的噪声水平估计与K-means算法对每个图像块实现初步检测定位,提取初步拼接区域边缘的点集合,并以其每个点为中心,依次在边缘图上进行方形范围搜索,拼接区域边缘。随后,利用几何约束筛选算法选择疑似篡改边缘点来定位篡改区域。相较于现有算法,在Columbia上正确检测率相同的情况下,采用文中方法可将错误检测率降低12.7%,并降低算法复杂度。     

图像内区域复制粘贴篡改鉴定

区域复制粘贴篡改检测算法是以图像块匹配为基础的,然而传统的匹配算法计算量大,匹配速度慢,效率低下.针对现有的图像内区域复制粘贴检测算法计算量大,时间复杂度高的问题提出一种有效快速的检测与定位篡改区域算法.首先利用小波变换获取图像低频区域,然后对得到的图像低频部分进行分割,然后对分割后得到的每个图像块进行DCT变换,通过特征向量排序缩小匹配空间,最后通过经验阈值进行真伪鉴定,实验结果表明该算法过程中除掉图像冗余,减少检测块数,降低了时间复杂度,提高了检测效率.     

顽健合成图像篡改检测及定位

针对自然图像与高度仿真的计算机生成图像的合成图像篡改检测问题,提出在YCbCr颜色空间基于差分直方图和中心对称局部二进制模式提取图像块颜色和纹理特征的方法,通过训练后验概率支持向量机模型对待测图像块进行识别.在不重叠分块情况下先大致判断篡改区域,然后在该区域内逐像素分块判别,最终实现篡改区域精确定位.实验结果表明,对128 dpi×128 dpi图像块的识别率达到94.75％,高于现有方法;对合成图像篡改区域能够实现精确定位,且对旋转、缩放操作表现出较好的顽健性.     

基于组合滤波的CMOS图像固定模式噪声降噪算法

固定模式噪声(fixed pattern noise, FPN)是CMOS(互补金属氧化物半导体)图像传感器中一种常见的噪声,该噪声会对相机成像质量产生很大的影响。为提高道路病害检测图像的质量,提出基于组合滤波的CMOS图像传感器固定模式噪声去除算法。首先使用均值滤波提取出CMOS传感器相机固定模式噪声的空间分布特征。随后使用提出的线性滤波方式去除绝大部分固定模式噪声。最后使用非线性滤波方式去除椒盐噪声。测试结果表明,经过该算法处理后,3组测试图像的峰值信噪比(PSNR)在28.75～32.50之间,图像均方差由处理之前的9.66～11.28降至处理之后的5.45～7.59,处理后的图像均方差相比处理之前降低了27.68%～43.61%不等。该算法有效地降低CMOS传感器相机中固定模式噪声对图像质量的影响,同时较好地保留道路病害图像的主要纹理特征,并且相对于传统的对CMOS传感器相机标定方法具有更高的实用性。     

基于图像块分类的篡改定位和恢复水印算法

针对现有方法所提取的特征值不能灵活适应图像 的纹理变化导致被篡改图像恢复质量不高的问题, 提出一种根据图像块纹理特征进行块类型划分的篡改定位和恢复水印算法。首先把宿主图像 分3×3大小的 子块,再利用方差和Canny边缘检测算子将图像子块划分为简单块、复杂块和边缘块;然后 根据图像子块 类型,自适应地生成水印信息;最后采用Torus自同构映射方式找到水印嵌入位置,并且对 篡改区域进行恢 复时根据图像子块类型自适应的恢复。当图像遭到篡改时,采用本文算法恢复图像的平均峰 值信噪比(PSNR)较现有方 法提5.60%左右。实验表明,本文算法能够对图像纹理复杂区 域生成更精确的 恢复信息,有效提高了图像篡 改区域的恢复质量,同时降低含水印图像失真。算法适用于医学、军事和卫星等领域。     

使用自适应阈值的图像篡改检测与定位算法

为了实现对机载移动目标的快速捕获和粗跟踪瞄准,设计了粗跟踪演示系统,完成了外 场飞行实验的 初步验证。本文系统利用GPS数据完成对目标的捕获,通过对姿态数据的校正,方位误差降 到0.60°(1σ),俯 仰误差降到0.40°(1σ),有效缩小了不确定区域;系统还对跟踪算 法进行了优化改进,利用分段式函数等效 非线性调整函数,有效解决动态目标跟踪时快速调整和超调之间的矛盾。飞行实验表明, 本文的粗跟踪演示 系统的捕获时间优于10s,粗跟踪精度优于480μrad,为精跟踪子系统实现最终的目标精确跟踪瞄准提供了 有利条件,实验结果验证了该系统用于激光通信链路快速建立的可行性。     

改进的基于模式噪声的源相机检测算法

针对基于模式噪声的数码相机源检测中存在的问题,提出了一种改进的模式噪声提取算法。在Lukas算法的基础上,首先利用Wallis预滤波处理抑制低频噪声并增强模式噪声;再利用Sobel边缘检测算子对图像的复杂边缘纹理区进行有效剔除,最后利用经过上述处理得到的图像模式噪声与相机参考模式噪声模板进行相关检测。实验结果表明,提出的改进算法可以有效提高源相机检测的性能。     

一种视频监控中基于航迹的运动小目标检测算法

针对视频监控中运动小目标难以检测的问题,该文提出一种基于航迹的检测算法。首先,为了降低检测漏警率,提出区域纹理特征与差值概率融合的自适应前景提取方法;其次,为了降低检测虚警率,设计航迹关联的概率计算模型以建立疑似目标在视频帧间的关联,并设置双门限以区分疑似目标中的真实目标与虚假目标。实验结果表明,与多种经典算法相比,该算法能对定量范围内的运动小目标以更低的漏警率和虚警率实施准确检测。     

GPS接收机的自适应门限设定方法

针对GPS接收机中的信号捕获问题提出了一种新颖的判决门限的自适应设定方法,它在接收信号的信噪比大幅度变化的情况下也可同时保证捕获的虚警概率和检测概率在一定范围内稳定不变.与以往自适应门限设定方法不同的是,它不是基于传统的恒虚警概率判决准则,而是基于一种新颖的恒等效信噪比准则.因为只有当输出信噪比恒定时,才有可能在虚警概率恒定的同时也保证检测概率稳定,所以这个门限监测器的目的就是要通过非相干累加来实现累加后的等效信噪比的恒定.一方面,将自适应门限设置成实时估计的噪声能量的函数,从而保证超过门限的累加输出值一定能达到指定的等效信噪比.另一方面,检测样本数也是在自适应的调整,即累加时间会不断增加直到输出的非相干累加结果超过当时的门限值.所以,一旦判决为检测到信号时,这时的输出等效信噪比都是恒定的,因此检测概率和虚警概率都可保持稳定而无论当时的输入信噪比如何变化.     

基于统计的灰度视频自适应背景建模算法

针对灰度视频的目标检测依赖先验知识、召回率低以及单一算法无法同时兼顾静态与动态背景等问题,提出一种基于统计的背景建模算法。该算法无需先验知识,根据统计信息可以准确区分静态背景和动态背景,并采取不同的检测策略提取目标。对于静态背景,采用改进的三帧差分法自适应设置阈值,可以保证较高的召回率。对于动态背景,采用改进的概率密度估计法可以有效降低虚警率。采用所提算法对光照变化以及阴影进行处理,可以进一步提升算法的性能。在公开数据集与实际采集红外数据进行验证实验。实验结果表明,所提算法在多种场景中处理灰度视频的结果比其他传统算法好,在保证准确率的同时可以极大地提升召回率,并且有效提高目标的完整性。     

二维非重构压缩感知自适应目标检测算法

针对重构算法影响压缩成像目标检测效率和结果的问题，提出一种二维非重构自适应阈值的红外弱小目标检测算法。基于Hadamard矩阵构建的二维观测模型，利用Hadamard矩阵的特性对压缩差分图像进行解压缩，直接解码目标的空域特征，并利用改进的自适应阈值法对解码后的图像进行目标检测，避免了重构带来的存储空间和运算时间的浪费。仿真实验表明:在单目标和多目标的情况下，该算法都可以有效检测目标，并在检测率、虚警率和运算时间等指标上具有优越性能，为压缩感知红外弱小目标检测的工程应用提供新的思路和有效算法。     

复合高斯杂波中相干雷达极化自适应检测算法研究

研究了在复合高斯杂波中相干雷达极化自适应检测问题,基于广义似然比检验提出了一种新的检测算法。该算法关于杂波的结构分量统计特性有恒虚警的性质,敏感度分析表明虚警概率仅轻微地受到杂波相关特性变化的影响。仿真分析了不同状态时该算法的检测性能。结果表明该算法与先前的基于广义似然比的极化自适应检测算法检测性能接近,计算复杂度较低,有实际应用价值。     

空域加权局部对比度的红外小目标检测算法

针对传统局部对比度算法在强杂波背景下,容易引入虚警目标的不足,提出了一种空域加权局部对比度的红外小目标检测算法。首先,利用具有中心激励和侧向抑制性的二维高斯差分滤波器,抑制了原始图像大部分的背景杂波,以提高图像的信噪比;然后,利用目标均值与邻域的中值的比值进行局部对比度测量,再用目标各区域的灰度均值差加权局部对比度,生成目标显著图;最后,对显著图进行自适应阈值分割,检测出真实目标。实验结果表明,与其他几种检测方法对比,该算法不仅具有较高的信躁比增益和背景抑制因子,还具有较高的检测率和较低的虚警率,是一种有效的红外小目标检测方法。     

A novel threshold optimization of ML-CFAR detector in Weibull clutter using fuzzy-neural networks

This paper provides a novel and effective approach based on an adaptive neuro-fuzzy inference system for the solution of constant false alarm rate (CFAR) detection for Weibull clutter statistics. The optimal detection thresholds of the maximum-likelihood CFAR (ML-CFAR) and the Censored ML-CFAR (CML-CFAR) detectors in Weibull clutter with unknown shape parameter are obtained using fuzzy-neural networks (FNN) technique. The theory of the FNN is presented and the genetic learning algorithm (GA) is applied for the training of the FNN threshold estimator. The proposed FNN-ML-CFAR and FNN-CML-CFAR detectors proved to be efficient particularly in the case of spiky clutter. Experimental results showed the effectiveness of an adaptive neuro-fuzzy threshold estimator under different system conditions and it is also shown that the optimal FNN-ML-CFAR and FNN-CML-CFAR detectors can achieve better performances than the conventional ML-CFAR and CML-CFAR algorithms.     

K分布下极化SAR图像CFAR检测新方法

在极化合成孔径雷达（PolSAR）图像杂波服从K分布下,已有的基于多视极化白化滤波器（MPWF）的恒虚警（CFAR）检测方法不适用于等效视数为非整数情形.针对此问题,提出了一种具有解析虚警概率表达式的CFAR检测方法.在乘积模型下引入Gamma分布纹理变量后,对MPWF检测量的概率密度函数（PDF）积分得到其累积分布函数（CDF）,进而得到虚警概率关于检测门限的解析形式.仿真实验结果表明新方法良好的虚警拟合效果,此外在目标杂波比（TCR）较大时,新方法检测概率更高,反之,检测概率低于已有方法.需说明的是,目前K分布下多视极化匹配滤波（MPMF）检测方法的虚警概率表达式存在错误,因此对K分布下的MPMF检测方法进行了修正并推导出了正确的虚警表达式.