罗霄阳,霍宏涛,王梦思,陈亚飞.基于多残差马尔科夫模型的图像拼接检测[J].计算机科学,2018,45(4):173-177
基于多残差马尔科夫模型的图像拼接检测
Passive Image-splicing Detection Based on Multi-residual Markov Model
投稿时间:2017-02-07  修订日期:2017-05-12
DOI:10.11896/j.issn.1002-137X.2018.04.029
中文关键词:  图像取证,拼接检测,隐写检测模型(SRM),马尔科夫特征
英文关键词:Image forensics,Splicing detection,Rich models for steganalysis,Markov feature
基金项目:本文受公安部技术研究计划项目(2014JSYJB007)资助
作者单位E-mail
罗霄阳 中国人民公安大学信息技术与网络安全学院 北京100038 luoge50@sina.com 
霍宏涛 中国人民公安大学信息技术与网络安全学院 北京100038 huotony@163.com 
王梦思 中国人民公安大学信息技术与网络安全学院 北京100038  
陈亚飞 中国人民公安大学信息技术与网络安全学院 北京100038  
摘要点击次数: 293
全文下载次数: 212
中文摘要:
      针对传统马尔科夫特征计算差值矩阵的方式单一、拼接检测鲁棒性不强的问题,提出彩色多残差马尔科夫特征拼接检测模型。该模型引入隐写检测模型(Rich Models for Steganalysis,SRM)中的多种残差类型来改进传统马尔科夫特征,从R,G,B 3个通道分别提取10种不同类型的马尔科夫特征,训练30个独立的SVM分类器,最后通过决策判断进行分类预测。该方法在哥伦比亚大学彩色拼接检测库上达到了95.40%的准确率。
英文摘要:
      Aiming at the problem that calculating the difference matrix singly for the traditional Markov feature is not robust to the splicing detection,this paper presented a color multi-residual type Markov feature for splicing detection.This method introduces the residual model from rich models for steganalysis(SRM) to improve the traditional Markov features,respectively extracts 10 different types of Markov features from three color channels,and trains 30 unique SVM classifiers to make the classification through the proposed decision-making algorithm.This method achieves the accuracy of 95.40% at Columbia image splicing detection evaluation dataset.
查看全文  查看/发表评论  下载PDF阅读器