Aug, 2017

基于 QDCT 和 QWT 域的马尔可夫特征数字图像拼接检测

PDF
TL;DR本文提出了一种基于四元数离散余弦变换 (QDCT) 域和四元数小波变换 (QWT) 域中四元数分量分离的马尔可夫转移概率的彩色图像拼接检测方法，并通过额外的 QWT 所得到的马尔可夫特征结合 EC 分类器，检测出了拼接图像。实验结果表明，该方法胜过了现有的一些先进技术。
image splicing detectionmarkov transition probabilityquaternion component separationqdctqwt
发现论文，激发创造
  • 基于全新高效计算框架和新图像拼接数据集的有效图像取证

    提出了一种新颖的拼接检测数据集和轻量级的时域压缩拼接检测框架，该框架在拼接检测方面具有较高的准确性和较低的计算成本，并在提出的数据集和 CASIA v2.0 数据集上取得了优于现有方法的最佳模型准确率为 0.9382。

    Jan, 2024

  • 基于自然图像统计特征的拼接图像检测算法研究

    基于自然图像的统计特征，本文介绍了一种用于提高图像篡改检测精确度和效率的新的拼接图像检测算法，该算法通过整合先进的统计分析技术和机器学习方法构建了一个检测框架，并在多个公共数据集上进行了验证，显示出在检测拼接边缘和定位篡改区域方面具有高准确性和良好鲁棒性，此外，还探讨了算法在实际场景中的潜在应用和面临的挑战。此研究不仅为图像篡改检测领域提供了一种有效的技术手段，而且为未来相关研究提供了新的思路和方法。

    Apr, 2024

  • 一种用于图像拼接定位的多流融合网络

    本文提出了一种多流网络架构，该架构使用编码器 - 解码器架构，由多个编码器流组成，分别处理篡改图像或手工制作的信号，从而独立地捕获每个信号的相关信息，并在架构的瓶颈处融合多个流的特征，并传播到生成输出定位图的解码器网络，以解决图像拼接定位问题，并在公共取证数据集上取得了具有竞争性的性能和最先进的结果。

    Dec, 2022

  • SpliceRadar: 一种用于盲目图像取证的学习方法

    本文提出了一种基于深度学习的图像拼接定位方法，它可以在不需要测试图像的相机型号先验知识的情况下定位拼接区域，并在大规模未被篡改的相机标记图像数据库上进行训练。在三个测试数据库上的实验结果表明，该方法在现有最先进技术水平的基础之上具有相当的效果和良好的泛化能力。

    Jun, 2019

  • 基于离散小波变换的颜色通道生成对抗网络用于文档图像二值化

    使用离散小波变换（DWT）和生成式对抗网络（GAN）的 CCDWT-GAN 模型在文本信息提取方面表现良好，可用于处理受污染的文本图像。

    May, 2023

  • 在平面上使用新颖的四元数值小波进行色彩图像的整体处理

    研究平面上的四元波纹在整体颜色图像处理中的适用性，并提出了一种使用平面上最近开发的四元波纹滤波器关联的四元波纹对颜色图像进行分解和重构的方法。我们考虑了压缩、增强、分割和降噪技术，以证明四元波纹是整体颜色图像处理的一种有希望的工具。

    Aug, 2023

  • 基于联合 DCT、DWT 和 SVD 变换的图像认证数字水印

    本文介绍了一种基于离散小波变换（DWT）、离散余弦变换（DCT）和奇异值分解（SVD）的混合数字图像水印技术，其中采用了 zigzag 算法。通过使用 DWT 的高频带来嵌入水印以添加更多信息、提高对某些攻击的鲁棒性，最后将 zigzag 算法应用于将 DCT 系数映射到四个象限，从而获得更好的效果。最后，对每个象限应用 SVD。

    Jul, 2013

  • 多尺度针对约束图像拼接检测与定位的框架

    我们提出了一个多尺度目标感知框架，用于在统一的流程中进行特征提取和相关匹配，以实现检测和定位图像拼接操作，通过协同学习相关图像块，促进特征学习和相关匹配的相互促进，并且通过引入多尺度投影方法来处理比例变换，该方法在多个基准数据集上优于现有的方法，并且对比例变换具有鲁棒性。

    Aug, 2023

  • 具视觉注意力的拼接定位网络：多领域特征提取器和多感受野上采样器

    本研究提出了一种名为 “具有视觉关注的多领域特征提取器和多接受域上采样器的图像拼接定位网络” 的新颖方法，它包含了一种独特的 “具有视觉关注的多领域特征提取器”（VA-MDFE），用于从 RGB、边缘和深度领域提取注意力特征。接下来，负责融合和下采样多领域特征的是 “具有视觉关注的下采样器”（VA-DS）。最后，一种新颖的 “具有视觉关注的多接受域上采样器”（VA-MRFU）模块通过专注于不同的信息尺度，使用基于接受域的多个卷积方法来上采样注意力特征。实验结果在公共基准数据集 CASIA v2.0 上证明了该模型的有效性。相较于现有的最先进方法，它在 IoU 得分达到 0.851，像素 F1 得分达到 0.9195，像素 AUC 得分达到 0.8989，表现优越。

    Jan, 2024

  • 探索基于 DCT 表示的语义分割

    本文提出了一种在离散余弦变换（DCT）表示上执行语义分割的方法，通过重新排列 DCT 系数以形成首选输入类型，并针对 DCT 输入量调整现有网络来实现。该方法的准确性接近于 RGB 模型，在网络复杂性相当的情况下，适当选择 DCT 分量可以使用 36％的 DCT 系数获得相同水平的准确性，并且可以显示该方法的鲁棒性在量化误差下。据我们所知，这是第一篇探索 DCT 表示上的语义分割的论文。

    Jul, 2019