- 基于深度学习的自动定位检测
通过深度学习和数字图像的广泛应用，我们实现了一个图像分类系统，该系统专门用于识别和分类印度城市的图像。我们采用了两种方法，一个是基本卷积神经网络，另一个是利用 VGG16 模型进行迁移学习。我们的研究结果表明，该系统在旅游、城市规划和实时位 - 基于压缩算法的数字视频篡改检测技术
提出了一种通过分析 H.264 编码使用的压缩算法的取证技术，利用宏块和运动矢量的信息来准确检测视频是否被重新压缩。
- 图片描述和搜索的流水线
数字图像的组织与检索面临巨大挑战，本文介绍了基于大语言模型的图像字幕和搜索管道（PICS）方法，利用人工智能生成的图像字幕和情感分析来提高图像检索的可用性和搜索精确度，从而改变图像数据库系统，并满足现代数字资产管理的需求。
- 渐进反馈增强转换器用于图像篡改定位
我们提出了一种 Progressive FeedbACk-enhanced Transformer (ProFact) 网络，用于实现粗细图像伪造定位。该网络通过自适应反馈，将初步分支网络生成的粗定位图传递给早期 Transformer 编 - PIQI：基于高斯过程回归集成的感知图像质量指数
本文提出了一种基于感知的数字图像质量评估方法 —— 无参考感知图像质量指数（PIQI），来评估数字图像的质量。通过计算多个尺度和颜色空间中的亮度、梯度统计信息以及均值减法对比规范化乘积，将这些提取出的特征提供给高斯过程回归（GPR）的堆叠集 - 速率失真准确性权衡：JPEG 案例研究
本研究探讨了数字图像处理中的压缩方法对图像失真度和分类准确率的影响，特别是在 JPEG 压缩标准的量化表设计方面进行新的优化，取得了显著的性能提升。
- 基于卷积神经网络的摄像机模型指纹技术
本文提出了一种提取噪音指纹的相机模型指纹方法，用于图像取证，该方法通过 Siamese 网络来提取图片序列的差异进行相机指纹的提取，实验结果表明，该方法在图像取证方面表现出色。
- CVPR一种基于卷积神经网络的相机模型识别反取证方法
本文研究了通过对抗性的样本对基于卷积神经网络的相机模型检测器进行欺骗的反取证方法，并展示了即使用针对图像分析和获取相机模型信息的先进深度学习架构，也存在一定漏洞。
- Count-ception: 全卷积冗余计数
本文提出一种使用深度神经网络的方法，对数字图像中的对象进行自动计数和定位，相对于现有方法，其平均误差率有 20% 的相对改进。
- MM自适应数字扫描可变像素
本文探讨使用可变形状像素来提高图像扫描的视觉质量的 less-investigated 想法，提出了一种自适应滤波技术，报告了图像 PSNR 的改进。
- 数字图像处理中的噪声模型综述
本文简要介绍了各种噪声模型的概述，这些噪声模型可以通过其来源的分析进行选择，从而提供了数字图像中现有噪声模型的完整和定量分析。
- 总变差图像恢复的迭代收缩方法
提出了一种基于迭代收缩方法和 TV 功能的算法，可以高效地处理大型数字图像，实现从退化图像中恢复原始图像。