期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
支持向量机耦合韦伯局部描述符的图像伪造检测算法 被引量:1
1
作者 冯晓川 隋新 《计算机工程与设计》 北大核心 2016年第7期1877-1884,共8页
针对当前图像伪造检测准确率低、适应性弱等问题,提出支持向量机耦合多分辨率韦伯局部描述符(WLD-multiresolution Weber local descriptor)的图像伪造检测技术。将图像转换为YCrCb模型,以亮度和色度的形式保存图像,利用人眼对色度的敏... 针对当前图像伪造检测准确率低、适应性弱等问题,提出支持向量机耦合多分辨率韦伯局部描述符(WLD-multiresolution Weber local descriptor)的图像伪造检测技术。将图像转换为YCrCb模型,以亮度和色度的形式保存图像,利用人眼对色度的敏感性弱于亮度的特点,根据色度分量提取图像特征;根据当前像素的差分激励和梯度方向,构造WLD计算模型,判断图像的灰度值变化和纹理变化信息;分析优化WLD参数,采用像素点的差分激励和梯度方向在不同分辨率下形成WLD直方图;引入支持向量机(SVM)分类算法对提取的伪造图像进行分类学习。在大量图像数据库进行伪造检测的实验结果表明,多分辨率WLD相对单分辨率WLD具有更好的检测效果,在拼接伪造图像和复制-移动伪造图像的检测中,多分辨率WLD都有较好的检测性能。 展开更多
关键词 图像伪造 韦伯局部描述符 多分辨率 支持向量机 复制-移动检测
下载PDF
基于BiFormer与跨尺度相关性计算的高精度复制移动篡改检测网络
2
作者 张祝薇 于丽芳 《北京印刷学院学报》 2024年第6期9-13,共5页
针对目前复制移动伪造检测(Copy-Move Forgery Detection, CMFD)网络难以同时有效地检测不同尺度的篡改区域的问题,提出了一种融合了BiFormer与跨尺度相关性计算模块的U型网络BCSU-Net。不同于已有的CMFD网络采用卷积骨干网络提取局部特... 针对目前复制移动伪造检测(Copy-Move Forgery Detection, CMFD)网络难以同时有效地检测不同尺度的篡改区域的问题,提出了一种融合了BiFormer与跨尺度相关性计算模块的U型网络BCSU-Net。不同于已有的CMFD网络采用卷积骨干网络提取局部特征,BCSU-Net采用BiFormer捕获像素之间的长距离依赖关系,以更好地提取特征图中的高相关性特征。此外,还提出了跨尺度相关性计算模块,来计算不同尺度的特征之间的相似度,从而帮助模型更准确地定位出Copy-Move伪造图像中的篡改区域。与现有方法相比,BCSU-Net在COVERAGE和CoMoFod数据集上表现出更优的性能。 展开更多
关键词 复制移动伪造检测 BiFormer 跨尺度相关性计算模块
下载PDF
数字图像篡改定位研究综述 被引量:2
3
作者 刘亚奇 许盛伟 《北京电子科技学院学报》 2022年第3期41-54,共14页
数字图像篡改定位属于一种图像取证任务,它主要目标是在可疑的待检测图像中检测和定位出篡改的区域。随着数字图像编辑工具的迅速发展和数码相机的大量普及,图像篡改变成越来越影响我们日常生活的一个重大困扰。数字图像篡改定位技术也... 数字图像篡改定位属于一种图像取证任务,它主要目标是在可疑的待检测图像中检测和定位出篡改的区域。随着数字图像编辑工具的迅速发展和数码相机的大量普及,图像篡改变成越来越影响我们日常生活的一个重大困扰。数字图像篡改定位技术也受到了工业界和学术界越来越多的关注。本文对图像拼接篡改区域定位、复制移动篡改检测与定位、图像溯源篡改检测与定位近年来的相关成果进行综述。特别是,深度学习技术近年来被广泛应用于数字图像篡改定位,已经逐渐成为了数字图像取证的主流技术。本文主要对近年来基于深度学习的数字图像篡改定位方法进行回顾和讨论。 展开更多
关键词 图像取证 数字图像篡改定位 图像拼接篡改区域定位 复制移动篡改检测 图像来源分析 深度学习
下载PDF
图像篡改检测技术研究综述 被引量:1
4
作者 左鑫兰 《长江信息通信》 2022年第3期74-76,共3页
在飞速发展的信息时代,信息的传播速度与广度超乎人们想象。而当前越来越多的图像编辑软件使得人们能够轻而易举地编辑图像内容,图像作为信息的一种载体,其真实性受到了严重威胁。被恶意篡改的图像一旦在网络等平台中传播,将会给个人生... 在飞速发展的信息时代,信息的传播速度与广度超乎人们想象。而当前越来越多的图像编辑软件使得人们能够轻而易举地编辑图像内容,图像作为信息的一种载体,其真实性受到了严重威胁。被恶意篡改的图像一旦在网络等平台中传播,将会给个人生活、社会秩序、国家安全等造成一定程度的损失。因此,对图像篡改检测的研究具有十分重要的意义。近30年来,已经有不少传统的方法和基于深度学习的方法应用到图像篡改检测领域。文章以复制-移动篡改检测和拼接篡改检测为切入点,分别就传统方法和基于深度学习的方法在篡改图像的识别和篡改区域的定位方面进行了分析。 展开更多
关键词 图像篡改检测 深度学习 复制-移动篡改检测 拼接篡改检测 篡改定位
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部