基于梯度直方图与密度度量模型的图像伪造检测算法-包装工程.PDFVIP

基于梯度直方图与密度度量模型的图像伪造检测算法-包装工程.PDF

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于梯度直方图与密度度量模型的图像伪造检测算法-包装工程

第38 卷 第23 期 包 装 工 程 2017 年 12 月 PACKAGING ENGINEERING ·205 · 基于梯度直方图与密度度量模型的图像伪造检测算法 高慧,曾庆尚,韩明峰 (烟台大学文经学院,烟台 264005 ) 摘要: 目的 为了解决当前图像伪造检测算法在内容识别过程中易丢失色彩信息而导致不理想的检测精 度与鲁棒性等问题,提出基于梯度直方图耦合密度度量模型的图像伪造检测算法。方法 首先引入RGB 彩色图像映射模型,求取图像的颜色不变量。将图像的颜色不变量作为输入量,利用 算法检测图像的 特征点。然后以特征点为中心构造四级窗口,通过求取窗口内梯度累加值,形成低维度的特征描述符, 并利用特征点对应的梯度直方图构造相似性度量模型进行特征点匹配。最后借助欧式距离,构造密度度 量模型,对特征点进行归类,以完成伪造检测。结果 仿真实验表明,与当前图像伪造检测算法相比, 所提算法具有更高的检测正确度,高达 99.6% 。结论 所提算法具有较高的伪造检测精度与鲁棒性,在 图像信息、包装印刷等领域具有良好的应用价值。 关键词: 图像伪造检测;彩色图像;Hessian 算法;四级窗口;梯度直方图;密度度量模型 中图分类号:TP391 文献标识码:A 文章编号: 1001-3563(2017)23-0205-06 Image Forgery Detection Algorithm Based on Gradient Histogram and Density Measurement Model GAO Hui, ZENG Qing-shang, HAN Ming-feng (Wenjing College, Yantai University, Yantai 264005, China) ABSTRACT: The work aims to put forward an image forgery detection algorithm based on gradient histogram coupling density measurement model, for the purpose of solving the problem of poor detection accuracy and robustness induced by the current image forgery detection algorithm that easily loses the color information in the process of identifying the con- tents. Firstly, the RGB color image mapping model was introduced to obtain the color invariants of the image. With the image color invariants as the inputs, the Hessian algorithm was used to detect the feature points of the image. Then, the four-level window was constructed with feature points as the center, and the low dimensional feature descriptor was formed by finding the gradient accumulation value in the window; and the similarity measurement mod

您可能关注的文档

文档评论(0)

2105194781 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档