基于小波域改进马尔科夫模型的图像拼接盲检测研究-信息与通信工程专业论文.docxVIP

基于小波域改进马尔科夫模型的图像拼接盲检测研究-信息与通信工程专业论文.docx

  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
万方数据 万方数据 上海交通大学 学位论文原创性声明 本人郑重声明 : 所呈交的学位论文,是本人在导师的指导下, 独立进行研究工作所取得的成果。除文中已经注明引用的内容外, 本论文不包含任何其他个人或集体己经发表或撰写过的作品成果。 对本文的研究做出重要贡献的个人和集体,均己在文中以明确方式 标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名:多合作 日期: J什叶年 1 月 y 日 上海交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定, 同意学校保留并向国家有关部门或机构送交论文的复印件和电子 版,允许论文被查阅和借阅。本人授权上海交通大学可以将本学位 论文的全部或部分内容编入有关数据库进行检索,可以采用影印、 缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 保密 口,在一一年解密后适用本授权书。 不保密 U。 (请在以上方框内打 (( .J ) 学位论文作者签名:去会精 指导教师签名:其次 日期: t/ 年 l 月 t 日 日期:圳特!月ν日 2 上海交通大学硕士研究生论文基于小波 上海交通大学硕士研究生论文 基于小波域改进马尔科夫模型的图像拼接检测研究 万方数据 万方数据 上海交通大学 学位论文原创性声明 本人郑重声明:所呈交的学位论文《基于小波域改进马尔科夫模 型的图像拼接盲检测研究》,是本人在导师的指导下,独立进行研究 工作所取得的成果。除文中已经注明引用的内容外,本论文不包含任 何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出 重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识 到本声明的法律结果由本人承担。 学位论文作者签名: 日期: 年 月 日 I 上海交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定, 同意学校保留并向国家有关部门或机构送交论文的复印件和电子版, 允许论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的 全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫 描等复制手段保存和汇编本学位论文。 保密□,在 年解密后适用本授权书。 本学位论文属于 不保密□。 (请在以上方框内打“√”) 学位论文作者签名: 指导教师签名: 日期: 年 月 日 日期: 年 月 日 II 基于小波域改进马尔科夫模型的图像拼接盲检测研究 摘 要 图像处理技术的进步使得曾经作为记录信息最可靠的方式——图 像不再可靠,因此数字图像防伪检测成为信息安全方向的重要课题。 篡改图像的形式有很多种,其主要目的在于对图像内容进行修改以使 其满足特定的要求,在这个过程中拼接是最普遍最基本的一种操作。 国内外学者针对图像拼接检测提出了一系列的技术和方法,为图像防 伪提供了有效手段。 本文在介绍了基于图像自然统计模型最具代表性的拼接盲检测算 法后,针对其图像变换和马尔科夫模型做出了改进,分别提出了面向 图像拼接选取最优小波子带的方法和基于观测值概率划分的马尔科夫 状态选取方法。 对于图像变换,文章结合小波变换的原理和特性分析了其适用于 拼接检测的原因,并通过实验说明处于不同空间域和频率域小波子带 所携带拼接信息的不同,证实了高阶子带适合提取拼接信息的结论。 对于马尔科夫模型,本文首先介绍了传统方法通过对系数进行取整和 阈值化处理来实现马尔科夫状态选取的不足,然后通过拟合系数分布 的函数模型计算观测值概率,并根据概率划分将系数映射为马尔科夫 状态。 最后,本文在哥伦比亚图像拼接检测库上进行了仿真测试,首先 对改进盲检测算法的理论分析部分进行了验证,肯定了算法设计的合 理性。然后将我们的特征与其他特征比较,实验结果显示其作为单一 特征具有最佳的识别效果,从而验证了算法设计的有效性。 关键词:图像拼接检测,离散小波变换,马尔科夫模型,支持向量机 I Image Splicing Blind Detection Based on Enhanced Mavkov Model in DWT Domain ABSTRACT The development of image processing technology has made images, once the most reliable form for recording information, not reliable. Therefore, it is of great significance to study image forensics. There are many forms of forgery operations to manipulate image content, of which splicing is the most

您可能关注的文档

文档评论(0)

peili2018 + 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