基于K-SVD字典学习的合成图像盲检测

摘要：

一幅真实的图像中噪声特性是一致的,而由多幅图像内容拼接而成的合成图像噪声特性是不一致的.本文利用这一特点,提出了一种基于K均值奇异值分解(K-SVD)字典学习的合成图像盲检测方法.该方法首先通过K-SVD算法对合成图像进行训练得到其稀疏表示字典,然后利用学习得到的字典对背景噪声进行去除,最后根据去噪前后图像对应子块的相关系数异同实现篡改区域的检测与定位.实验结果表明,该方法对于鉴别含有不同背景噪声的合成图像具有显著效果,同时,算法对JPEG压缩、重采样和模糊等后处理操作都具有较好的鲁棒性.

关键词：被动取证、图像合成、背景噪声、K-SVD、字典学习

所属期刊栏目：59

分类号：TN911.73

资助基金：国家自然科学基金U1204606;江苏省高校自然科学基金12KJB510026,12KJB510025;南通大学博士科研启动基金03080416,03080415

在线出版日期：2013-10-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：499-504