一种基于模式噪声熵的图像来源取证算法

来源 :计算机应用研究 | 被引量 : 1次 | 上传用户:andyylaopo
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对数字图像的来源取证,提出了一种基于模式噪声熵的检测算法。传感器作为数码相机的重要部件,由于在制造过程中的缺陷,成像时会给图像带来一种模式噪声。该算法利用传感器产生的模式噪声具有唯一性这一特点,对图像进行小波降噪并提取图像的模式噪声,利用模式噪声的熵值对不同来源的图像进行区分。实验结果表明,该方法对原始图像有较高的检测率,对有损压缩图像也有较好的鲁棒性。
其他文献
通过分析大学生公民意识的现状、加强大学生公民意识培养的意义,探讨在《基础》课教学中如何有效地对大学生进行公民意识教育。
首先叙述了部分盲签名在传统公钥密码体制下的研究现状,并介绍了一个有代表性的部分盲签名方案;然后叙述了部分盲签名在基于身份的密码体制下的研究进展,同时介绍了一个典型的基于身份的部分盲签名方案;随后叙述了部分盲签名在无证书公钥密码体制下的研究现状,介绍了一个有代表性的无证书部分盲签名方案;最后说明了部分盲签名目前存在的问题,并指出了下一步的研究方向。
借鉴软件体系结构的研究思想,提出了服务连接件的概念,并以此扩展面向服务的体系结构,设计了一个基于服务连接件的、轻量级的、独立的Web服务自愈框架;分析了Web服务故障监控的因素及其规约的方法,给出了Web服务故障处理三种策略模式,并运用实例表明了方法的可行性。
针对陀螺漂移角速度的非线性时间序列预测问题,提出了一种基于少参数二阶(RPSO)Volterra级数的仿射投影(AP)自适应辨识算法,建立了基于RPSO Volterra级数的非线性预测模型。根据预测模型中两个参数向量位置可互换的特性,AP算法推导出两个结构相似的迭代公式。然后给出基于遗传算法优化AP算法步长参数及建模的完整步骤。最后通过实测的陀螺漂移数据验证所提出的算法,在极短的时间内建立出模型
结合《普通生物学》教学实践,就如何提高本科生科研创新能力提出三点建议:一是对教学内容、方法及手段进行改革,增强本科生科研创新意识和兴趣;二是搭建本科生科研创新平台,
提出了一种基于线性回归分析的部分参考视频序列质量评估算法。该算法主要以原始视频的帧间差异作为参考信息,通过分析编码前后视频时域活动性的变化和单帧比特数的变化关系来客观评价视频序列的编码质量。该方法只需少量原始参考信息,算法简单。通过对标准视频序列的仿真实验,该算法可有效评价不同视频的编码质量,使用该质量评估方法测得的失真视频客观质量评分与其主观质量评分有较好的一致性。
蜂群(ABC)算法是近年来提出的一种求解优化问题的较新型的仿生进化算法。针对蜂群算法的不足,依据反向搜索的思想,提出一种改进的蜂群算法。在改进算法中,每次邻域搜索之后,通过比较新旧食物源位置的花蜜值(而非适应度)来选择保留较优解。同时,在采蜜蜂采蜜后以一定概率进行反向搜索,保留较优解。邻域搜索的维数也不再限定某一维。基于五个标准测试函数的仿真结果表明,本算法能有效加快收敛速度,提高最优解的精度,其
针对传统主动轮廓模型在目标强边缘处容易产生振荡和弱边缘处容易泄露的缺点,提出了一种基于区域能量最小和主动轮廓模型的医学目标提取模型。这一基于目标灰度统计概率和水平集的主动轮廓分割模型,把能量函数表示为在目标区域内对像素点属于目标概率的积分,并在水平集框架下对能量函数最小化,得到分割的迭代方程;同时,通过附加的速度约束项,使得主动轮廓在越过目标边缘时降低速度,大大提高了分割的收敛性和准确度。通过大量
针对非线性系统Wiener模型的系统辨识问题,提出一种基于自适应云模型的粒子群优化(ACMPSO)算法的辨识方法。ACMPSO算法利用云模型实现优秀粒子的遗传和进化操作,根据进化状况动态调整云模型的参数,自适应地控制云模型算法的寻优范围和精度,有较强的全局搜索和局部求精能力。仿真实验证明该算法寻优精度高于其他主要PSO算法;将该算法应用于Wiener模型的系统辨识,通过实验证明了该辨识方法优于当前
脉冲耦合神经网络(pulse coupled neural network,PCNN)对图像分割具有天然的优势,但是传统的PCNN模型参数难以确定,且算法耗时多。对多种PCNN模型进行研究改进,并利用统计学知识提出了一种精简高效的自适应三维分割算法。将其用于脑部磁共振成像(magnetic resonance imaging,MRI)图像的分割,把脑组织分成白质、灰质和脑脊液。与标准PCNN、传统