基于差分進化算法的置換混疊圖像盲分離.pdf

1、盲源分離即在觀測信號的源信號和混合模型均無法獲知的情況下，從眾多混合信號中將不同的源信號分離，是近年信號處理領域研究的熱點之一，在圖像篡改檢測方面廣泛應用。篡改圖像中有一種特殊的單信道混合方式圖像即置換混疊圖像，由于其圖像疊加方式與普通單信道信號混合方式有本質(zhì)區(qū)別，用針對單信道信號的盲分離理論不能準確的將該圖像分離開，而現(xiàn)存的置換混疊圖像盲分離方案大多針對取證的具體特征和方法進行研究，缺乏完整性和可行性，本文針對現(xiàn)存置換混疊圖像盲分離理

2、論所含的不完整性開展研究。根據(jù)置換區(qū)域和被置換區(qū)域完整分離的關鍵是找出特征差異和合適的分離界限，通過對置換區(qū)域類型不同的置換混疊圖像分析，利用差分進化算法獲取分離界限，提出一種完整的置換混疊圖像盲分離方案。
　　本研究的主要工作概括如下:
　　(1)通過對現(xiàn)存置換混疊圖像盲分離方案的研究，在此基礎上進行改進，提出一種新的基于動態(tài)閾值的盲分離方案。
　　(2)在置換圖像是經(jīng)過插值處理的前提下，針對插值置換混疊圖像提出了一

3、套完整的盲分離方案。根據(jù)插值圖像與未經(jīng)過插值的自然圖像之間存在的差異，利用有限差分法處理圖像使這種差異呈現(xiàn)。為有限差分后的圖像分塊設置閾值，組成閾值向量，用差分進化優(yōu)化算法獲取最優(yōu)的閾值，從而將圖像轉為二值圖像。將原圖像與二值圖像相乘，進而分離出置換區(qū)域。實驗結果表明，在置換圖像的先驗信息全部未知的情況下，本方法均能準確的將置換圖像分離出來，魯棒性很強。
　　(3)在置換圖像是含噪聲的前提下，針對含噪聲的置換混疊圖像提出了一套完整

4、的盲分離方案。根據(jù)含噪聲圖像不能稀疏表示而不含噪聲的自然圖像可以稀疏表示，選用KSVD字典學習對圖像稀疏表示進而達到去噪的效果。去噪后的圖像與觀測圖像相減，即可實現(xiàn)置換區(qū)域定位。對差圖像進行分塊處理，設置閾值。從圖像整體和含噪聲圖像局部考慮，設置目標函數(shù)，用差分進化法獲取最優(yōu)閾值，進而將置換圖像分離。實驗結果表明，在置換區(qū)域大小不同、位置不同、數(shù)量不同和所含噪聲標準差不同的情況下，該方案都能將置換區(qū)域定位并分離，有很好的準確性和魯棒性。