已閱讀1頁,還剩69頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、圖像處理技術(shù)的進步使得曾經(jīng)作為記錄信息最可靠的方式——圖像不再可靠,因此數(shù)字圖像防偽檢測成為信息安全方向的重要課題。篡改圖像的形式有很多種,其主要目的在于對圖像內(nèi)容進行修改以使其滿足特定的要求,在這個過程中拼接是最普遍最基本的一種操作。國內(nèi)外學(xué)者針對圖像拼接檢測提出了一系列的技術(shù)和方法,為圖像防偽提供了有效手段。
本文在介紹了基于圖像自然統(tǒng)計模型最具代表性的拼接盲檢測算法后,針對其圖像變換和馬爾科夫模型做出了改進,分別提出了面
2、向圖像拼接選取最優(yōu)小波子帶的方法和基于觀測值概率劃分的馬爾科夫狀態(tài)選取方法。
對于圖像變換,文章結(jié)合小波變換的原理和特性分析了其適用于拼接檢測的原因,并通過實驗說明處于不同空間域和頻率域小波子帶所攜帶拼接信息的不同,證實了高階子帶適合提取拼接信息的結(jié)論。對于馬爾科夫模型,本文首先介紹了傳統(tǒng)方法通過對系數(shù)進行取整和閾值化處理來實現(xiàn)馬爾科夫狀態(tài)選取的不足,然后通過擬合系數(shù)分布的函數(shù)模型計算觀測值概率,并根據(jù)概率劃分將系數(shù)映射為馬爾
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于小波域三重馬爾科夫場的SAR圖像變化檢測.pdf
- 基于馬爾科夫模型的紋理圖像分割.pdf
- 基于隱馬爾科夫模型的異常檢測研究.pdf
- 基于隱馬爾科夫模型的聚眾事件檢測.pdf
- 基于小波和馬爾科夫隨機場的筆跡鑒別.pdf
- 基于隱馬爾科夫模型的入侵檢測方法研究.pdf
- 基于小波域隱馬爾可夫模型的自適應(yīng)圖像水印.pdf
- 基于馬爾科夫參數(shù)的模型失配檢測與處理研究.pdf
- 基于馬爾科夫隨機場模型的圖像分割算法研究.pdf
- 基于改進隱馬爾科夫模型的城市垃圾量預(yù)測.pdf
- 基于隱馬爾科夫樹模型的壓縮感知圖像重構(gòu).pdf
- 基于隱馬爾科夫模型的入侵檢測系統(tǒng)研究.pdf
- 馬爾科夫轉(zhuǎn)移矩陣模型
- 基于隱馬爾科夫模型的人群異常場景檢測.pdf
- 隱馬爾科夫模型hiddenmarkovmodel
- 基于小波馬爾科夫鏈的電力線噪聲建模研究.pdf
- 基于隱馬爾科夫模型的信號分類.pdf
- 基于馬爾科夫隨機場的紋理圖像分割研究.pdf
- 基于隱馬爾科夫模型詞性標(biāo)注的研究.pdf
- 基于隱馬爾科夫模型的石油鉆井過程異常檢測的研究.pdf
評論
0/150
提交評論