夏蕾
,
周冰
量子电子学报
doi:10.3969/j.issn.1007-5461.2016.02.005
为了解决当前图像伪造定位技术因使用了颜色滤波阵列(CFA)插值,易形成颜色插值噪声而降低分辨率,导致其难以检测微小篡改区域,使其伪造检测精度较低等不足,提出了像素预测误差耦合似然映射的图像伪造检测算法.分析了颜色滤波阵列CFA插值函数,并从图像中提取绿色分量;嵌入权重因子,构造预测误差及其权重方差计算函数;根据预测误差与贝叶斯理论,定义伪造特征统计函数,识别出趋于零的特征值;根据特征统计特性,建立其似然率模型,输出伪造映射,完成检测.仿真结果表明:与当前图像伪造定位机制相比,所提算法拥有更强的鲁棒性,能识别定位出微小伪造像素,且拥有更高的曲线下面积(AUC)值与理想的接收机工作特性(ROC)曲线.
关键词:
图像与信息处理
,
图像伪造
,
伪造映射
,
预测误差
,
伪造特征统计
,
颜色滤波阵列
,
似然率
李满良
,
吴钦章
,
曹晓伟
量子电子学报
doi:10.3969/j.issn.1007-5461.2013.05.005
积分时间是决定红外焦平面阵列(IRFPA)成像质量的关键因素.针对红外测量系统难以实时自动确定积分时间的问题,提出基于人眼视觉特性和事前辐射标定的积分时间自适应预测方法.假定目标和背景在连续两帧内不突变,结合事前辐射标定结果、目标和背景信息反演计算各积分时间的目标和背景灰度,以人眼视觉特性和跟踪判据为调节依据,自动预测合适的积分时间.实验结果表明,该方法能自适应快速预测满足要求的积分时间,使获取的图像处于线性区中段,保证了成像质量,有利于目标的初始捕获和平稳跟踪.
关键词:
图像与信息处理
,
自适应预测
,
辐射标定
,
人眼视觉特性
李靖
,
胡海芝
量子电子学报
doi:10.3969/j.issn.1007-5461.2016.02.004
散斑统计特性对单像素成像系统的影响已有大量研究,但散斑密度对该系统的影响还未见报道.采用计算机仿真分别研究了1 bit和8 bits的场景图像.结果表明随着采样数的增加,图像复原质量变好.对1 bit场景图像,图像质量随着散斑密度的增加先变好后变差,即散斑密度处于中间值时获取的图像质量最好;对8 bits场景的图像,采样数较小时图像质量随着散斑密度的增加先变好后变差.当采样数变大时,图像质量随着散斑密度的增加先变差后变好.采样数越多可以获得质量越高的图像,但采样数的增加会降低单像素成像系统的效率.散斑密度的研究为克服这一缺点提供了很好的参考,具有一定的实际应用价值.
关键词:
图像与信息处理
,
单像素成像
,
散斑密度
,
压缩感知
李景富
,
杨志强
量子电子学报
doi:10.3969/j.issn.1007-5461.2016.04.005
为降低夜间行车导致交通事故的概率,在能见度不理想的行车环境中为车辆提供主动安全系统,依据汽车辅助驾驶系统的基本要求,基于远红外传感技术设计出夜间行人辅助模型.该模型通过远红外传感器来捕捉原始的数据源,利用灰度统计技术获取候选区域(Regions of interest),构造出多尺度概率模板,在此基础上对数据源进行匹配检测,通过多帧校验综合处理技术进一步改善模型的漏检率和检测率.实验结果表明:该模型的概率模板在匹配精度上相对于业内常用方法有了较大程度的提高,能在郊区和市区交通路况下使用,实用性较好.
关键词:
图像与信息处理
,
夜间行车
,
汽车辅助驾驶
,
灰度统计
,
多尺度
,
多帧校验
陈文波
,
白佳俊
,
付云起
量子电子学报
doi:10.3969/j.issn.1007-5461.2016.03.001
基于频率选择表面结构,提出了一种毫米波压缩感知成像方法,为压缩感知成像的硬件实现提供了研究途径.通过在频率选择表面单元中加载开关二极管,并随机控制它们处于开/关状态,仿真设计了一种可随机切换的新型毫米波成像掩膜板.把设计的随机掩膜板放置于毫米波天线上,构造出相应的随机测量矩阵并获取足够多的有效测量次数.结合压缩感知理论,利用恢复重构算法进行成像仿真验证,结果证实了所提方法的可行性,并能在较低采样率的情况下实现对原始图像的恢复重构.
关键词:
图像与信息处理
,
毫米波成像
,
测量矩阵
,
压缩感知
,
频率选择表面
朱红
,
丁世飞
量子电子学报
doi:10.3969/j.issn.1007-5461.2016.06.003
仿射传播(Affinity Propagation,AP)聚类算法将所有数据点作为潜在的聚类中心,在相似度矩阵的基础上通过消息传递进行聚类,但不适用于子空间聚类.基于属性关系矩阵的AP子空间聚类算法(ARMAP)是一种异步软子空间聚类算法,通过计算属性a的α-β邻域得到属性的关系矩阵,查找极大全1子矩阵得到数据集的兴趣度子空间,在各兴趣度子空间使用AP算法聚类,完成子空间聚类的任务.ARMAP算法将子空间的查找转换成查找矩阵的极大全1子矩阵,在正确查找子空间的同时降低了时间复杂度,既保留了AP聚类算法的优点,又克服了AP算法不能进行子空间聚类的不足.
关键词:
图像与信息处理
,
聚类分析
,
子空间聚类
,
AP聚类
,
关系矩阵
