首页期刊导航|中国图象图形学报
期刊信息/Journal information
中国图象图形学报
中国图象图形学报

李小文

月刊

1006-8961

jig@irsa.ac.cn

010-64807995 8261442

100101

北京9718信箱

中国图象图形学报/Journal Journal of Image and GraphicsCSCD北大核心CSTPCD
查看更多>>本刊是集计算机图象图形高科技理论与应用研究成果、成果产品化与商情动态于一体的综合性学术期刊。是核心期刊、权威性杂志。作为中国图象图形学学会的会刊，利用学会在国内外广泛的科技信息渠道、全方位多层面的学科交叉应用，积极向产业界宣传科技成果，热心向科技界推荐最新产品。
正式出版
收录年代

    《中国图象图形学报》数字媒体深度伪造与对抗专栏简介

    卢伟钱振兴罗向阳赵险峰...
    293-294页
      原文链接:
    • 万方数据
    • 维普

    深度伪造及其取证技术综述

    丁峰匡仁盛周越孙珑...
    295-317页
    查看更多>>摘要：深度学习作为机器学习的一个具有前景的重要分支，在计算机视觉方面取得了重大突破。深度伪造(Deepfake)通常指的是使用深度学习(deep learning)进行涉及人脸和人声的多媒体伪造技术，如果被恶意滥用会给社会带来灾难。深度伪造不仅限于面部的替换，还有修改面部特征、修改表情、唇形同步、姿势变换、完整脸生成、篡改音频到视频以及文本到视频等方式。人类面部在社会、政治、经济等方面的敏感性，使得深度伪造技术威胁着社会和个人的安全。对深度伪造产物进行检测也成为数字取证领域的一个重要研究课题。为了提供对Deepfake检测研究工作的最新概述，本文描述了各种针对解决Deepfake相关问题的处理方法。本文主要参考了谷歌学术检索2018-2022共5年的深度伪造论文，分为不同类别进行分析比较，并且详细介绍了深度伪造数据集的特点以及伪造方法，简述了深度伪造技术及其基本原理，介绍了检测器在深度伪造技术数据集上的性能效果，分别从输入维度、浅层特征和深层特针对深度伪造检测技术进行分类，并对未来发展前景进行展望。

    深度造假机器学习人工智能深度学习数字取证数字反取证

      原文链接:
    • 万方数据
    • 维普

    人脸深度伪造主动防御技术综述

    瞿左珉殷琪林盛紫琦吴俊彦...
    318-342页
    查看更多>>摘要：深度生成模型的飞速发展推动了人脸深度伪造技术的进步，以Deepfake为代表的深度伪造模型也得到了十分广泛的应用。深度伪造技术可以对人脸图像或视频进行有目的的操纵，一方面，这种技术广泛应用于电影特效、娱乐场景中，丰富了人们的娱乐生活，促进了互联网多媒体的传播;另一方面，深度伪造也应用于一些可能造成不良影响的场景，给公民的名誉权、肖像权造成了危害，同时也给国家安全和社会稳定带来了极大的威胁，因此对深度伪造防御技术的研究日益迫切。现有的防御技术主要分为被动检测和主动防御，而被动检测的方式无法消除伪造人脸在广泛传播中造成的影响，难以做到"事前防御"，因此主动防御的思想得到了研究人员的广泛关注。然而，目前学术界有关深度伪造防御的综述主要关注基于检测的被动式防御方法，几乎没有以深度伪造主动防御技术为重点的综述。基于此，本文对当前学术界提出的人脸深度伪造主动防御技术进行梳理、总结和讨论。首先阐述了深度伪造主动防御的提出背景和主要思想，并对现有的人脸深度伪造主动防御算法进行汇总和归类，然后对各类主动防御算法的技术原理、性能、优缺点等进行了系统性的总结，同时介绍了研究常用的数据集和评估方法，最后对深度伪造主动防御所面临的技术挑战进行了分析，对其未来的发展方向展开了思考和讨论。

    人脸深度伪造人脸深度伪造防御主动防御对抗攻击生成对抗网络(GAN)深度学习

      原文链接:
    • 万方数据
    • 维普

    面向感知哈希的图像数据集

    周元鼎房耀东秦川
    343-354页
    查看更多>>摘要：目的 感知图像哈希又称图像摘要或是图像指纹，是一种有效的图像认证技术，近年来受到了广泛的关注。该技术通过将图像的感知鲁棒特征转化为固定长度的哈希序列，来实现图像版权认证。然而，该领域始终缺乏一个比较通用的数据集，已有数据集所使用的图像内容保留操作和真实场景差异较大，使得训练得到的神经网络架构在应对复杂的图像编辑操作时效果显著下降。方法 针对感知图像哈希任务，面向实际图像内容认证场景构建了一个新的数据集。首先，将现实中常见的图像内容保留操作进行总结和分类，设计了48种单一、复合的图像内容保留操作来生成感知相似图像;然后，根据感知图像哈希的定义，选择与待认证图像语义相似但是感知内容不同的图像作为感知不相似图像，增加了该数据集的辨别难度;最终建立了一个包含116 400幅图像的感知哈希图像数据集。结果 由于本文提出的数据集使用的图像内容保留操作更加复杂，不相似图像也更加难以辨别，使得在该数据集上训练得到的深度神经网络具有较好的泛化能力，即这些神经网络即使不进行重新训练或是微调，也可以在其他数据集上取得较好的认证性能。同时，在该数据集上训练得到的神经网络在不同数据集上性能差别较小，体现了本文数据集具有较好的稳定性。结论 设计了一个针对感知哈希的图像数据集，大量的对比实验表明了该数据集的有效性，该工作可对感知图像哈希领域的发展起到促进作用。

    感知图像哈希图像认证数据增强数据集内容保留操作

      原文链接:
    • 万方数据
    • 维普

    联合多重对抗与通道注意力的高安全性图像隐写

    马宾李坤徐健王春鹏...
    355-368页
    查看更多>>摘要：目的 现有基于对抗图像的隐写算法大多只能针对一种隐写分析器设计对抗图像，且无法抵御隐写分析残差网络(steganalysis residual network，SRNet)、Zhu-Net等最新基于卷积神经网络隐写分析器的检测。针对这一现状，提出了一种联合多重对抗与通道注意力的高安全性图像隐写方法。方法 采用基于U-Net结构的生成对抗网络生成对抗样本图像，利用对抗网络的自学习特性实现多重对抗隐写网络参数迭代优化，并通过针对多种隐写分析算法的对抗训练，生成更适合内容隐写的载体图像。同时，通过在生成器中添加多个轻量级通道注意力模块，自适应调整对抗噪声在原始图像中的分布，提高生成对抗图像的抗隐写分析能力。其次，设计基于多重判别损失和均方误差损失相结合的动态加权组合方案，进一步增强对抗图像质量，并保障网络快速稳定收敛。结果 实验在BOSS Base 1。01数据集上与当前主流的4种方法进行比较，在使用原始隐写图像训练后，相比于基于U-Net结构的生成式多重对抗隐写算法等其他4种方法，使得当前性能优异的5种隐写分析器平均判别准确率降低了1。6％;在使用对抗图像和增强隐写图像再训练后，相比其他4种方法，仍使得当前性能优异的5种隐写分析器平均判别准确率降低了6。8％。同时也对对抗图像质量进行分析，基于测试集生成的2 000幅对抗图像的平均峰值信噪比(peak signal-to-noise ratio，PSNR)可达到39。925 1 dB，实验结果表明本文提出的隐写网络极大提升了隐写算法的安全性。结论 本文方法在隐写算法安全性领域取得了较优秀的性能，且生成的对抗图像具有很高的视觉质量。

    隐写隐写分析对抗图像通道注意力生成对抗网络(GAN)

      原文链接:
    • 万方数据
    • 维普

    利用跨模态信息检索的鲁棒隐蔽通信

    张晏铭陈可江丁锦扬张卫明...
    369-381页
    查看更多>>摘要：目的 隐蔽通信是信息安全领域的一个重要研究方向，现有基于多媒体数据流构建隐蔽信道的方法，未考虑网络传输时波动产生的数据包丢失问题。本文提出一种基于跨数据模态信息检索技术的对网络异常具有鲁棒性的隐蔽通信方法，同时可以满足高隐蔽性和高安全性的要求。方法 提出了一个名为RoCC(robust covert communi-cation)的通用隐蔽通信框架，它基于跨模态信息检索和可证明安全的隐写技术。所提方法将直接通信和间接通信两种形式相结合。直接通信通过VoIP(voice over internet protocol)网络通话服务进行，传递实时生成的音频流数据，接收方可以通过语音识别将其还原为文本;而间接通信则借助公共网络数据库进行载密数据的传输，接收方通过文本语义相似度匹配的方式来还原完整语义的载密文本数据，这有助于解决网络数据包丢失和语音识别误差导致的文本语义丢失的问题。结果 经实验测试，本文方法在协议上具有更好的通用性，相对Saenger方法在丢包率抵抗能力方面提高了 5％，所用隐写算法满足可证安全性。同时，RoCC的数据传输率有73～136 bps(bit per second)，能够满足实时通信需要。结论 RoCC隐蔽通信框架综合可证明安全隐写、生成式机器学习方法和跨模态检索方法的优势，与现有的方法比较，具有更加隐蔽和安全的优势，并且是当前对数据传输丢包异常最鲁棒的模型。

    信息隐藏隐蔽通信生成式模型数据跨模态转换可证明安全隐写多媒体信息检索相似度分析

      原文链接:
    • 万方数据
    • 维普

    具有超分辨率行为伪装效果的可逆图像隐藏

    贾孟霖杨杨孙冬
    382-394页
    查看更多>>摘要：目的 图像隐藏已成为计算机视觉领域的一个重要课题，其目的是以难以察觉的方式将秘密图像隐藏在载体图像中，同时要求接收端能够恢复秘密图像。尽管该技术发展迅速，但目前的图像隐藏技术大多是从内容层面进行伪装，追求载密图像与载体图像的不可区分性。其实，图像隐藏的本质是对行为安全的追求，因此不仅可以在内容层面进行伪装，还可以在行为层面进行伪装。方法 本文从行为安全的角度出发，提出了一种基于超分辨率行为伪装的可逆图像隐藏方法。与传统的图像隐藏技术不同，本文首先将秘密图像可逆地隐藏到载体图像中，生成载密图像，然后通过可逆的超分辨率处理创建与普通超分辨率图像处理操作无法区分的伪装图像。最后，允许接收方从伪装图像中恢复秘密图像和载体图像。结果 在图像隐藏和超分辨率两个任务中，本文方法均取得了优异的结果。在相同的数据集下，测试结果显示恢复秘密图像的峰值信噪比(peak signal-to-noise ratio，PSNR)值达到47+dB，较对比方法提升了 2％以上，结构相似度(structure similarity index measure，SSIM)值也达到 0。99+，超分辨率图像与 Bicubic、SRCNN(super-resolution convolutional neural network)方法的结果相比，峰值信噪比(PSNR)提升了 2+dB，感知指数(percep-tual index，PI)值降低了2。02+。结论 本文提出的图像隐藏框架利用可逆超分辨率处理操作实现了行为安全角度的图像隐藏，在容量、安全性和精度上都具有优势。

    图像隐藏可逆神经网络(INN)行为安全可逆行为伪装超分辨率深度学习

      原文链接:
    • 万方数据
    • 维普

    结合Kd-树和熵编码的密文图像可逆数据隐藏

    金丹徐达文
    395-407页
    查看更多>>摘要：目的 密文图像可逆数据隐藏技术既可以保证载体内容不被泄露，又可以传递秘密信息，在军事、医疗等方面发挥着重要的作用。然而，以往的大多数方法存在图像冗余未被充分利用、数据嵌入容量不足等问题。为解决这些问题，提出了一种结合Kd-树和熵编码的高容量密文图像可逆数据隐藏算法。方法 该方法在图像加密之前需要对图像应用中值边缘检测(median-edge detector，MED)算法计算预测误差，并把得到的预测误差绝对值图像划分为两个区域:SO区域和S1区域。根据Kd-树标签算法和熵编码生成辅助信息，在对图像使用加密密钥K，加密之后嵌入辅助信息，生成加密图像;在秘密数据嵌入阶段，根据附加信息和数据隐藏密钥嵌入秘密数据，生成载密图像;在解密阶段可以根据附加信息、图像加密密钥和数据隐藏密钥提取秘密数据并无损恢复图像。结果 实验测试了BOWS-2(break our watermarking system 2nd)数据集，平均嵌入容量为3。910 bit/像素。与现有的几种方法进行比较，该算法可以获得更高的秘密数据嵌入容量。结论 该方法在图像加密前腾出空间，与相关算法相比，实现了更高的嵌入容量，并且可以实现原始图像的无损恢复。

    图像加密Kd-树标签MED预测器可逆数据隐藏(RDH)预测误差

      原文链接:
    • 万方数据
    • 维普

    最小依赖隐藏的屏摄鲁棒水印方法

    宋佳维刘春晓张心怡
    408-418页
    查看更多>>摘要：目的 现有屏摄水印方法无法有效平衡计算复杂度、嵌入水印后的图像质量以及水印鲁棒性3项指标，同时广泛使用透视畸变矫正预处理，大大限制了屏摄水印的实际商业使用。本文在重新设计噪声层的基础上，提出了一种最小依赖载体图像隐藏水印信息的屏摄鲁棒水印，将屏摄水印对于载体图像的依赖控制在最小。方法 为了保证水印的嵌入效率，极大简化依赖深度隐藏网络框架中的编码网络，达成对载体图像的最小依赖，大大减小计算复杂度;为了平衡网络深度减小所导致的网络提取能力损失，加入Sobel算子，引入载体图像的边缘信息;在噪声层中加入缩放攻击操作，并由此去除了限制屏摄水印应用范围的透视畸变矫正预处理，进一步拓宽了应用范围;为了训练网络的屏摄鲁棒性，重新定义了噪声层，改进原有噪声层的设计结构，对噪声层图像扰动类型和参数进行随机选择，使得解码网络的输入数据具有更高的样本均衡性和多样性。结果 在DIV2K(DIVerse 2K)数据集上与其他的3种方法进行了对比实验，本文方法获得了最高的PSNR(peak signal-to-noise ratio)和SSIM(structural similarity index measure)指标，并比排名第2的通用深度隐藏方法提高了 12dB的PSNR值和0。006的SSIM值;在有无攻击两种环境下，本文方法均能保持很高的ACC(accuracy)和F1指标，在攻击环境下比排名第2位的StegaStamp(steganog-raphy stamp)方法提高了0。262的F1分数。与同网络框架下的已有噪声层相比，在无攻击环境下，本文算法提高了0。124的ACC和0。284的F1分数;在有攻击环境下，本文算法提高了0。316的ACC和0。524的F1分数，水印提取的准确性更高。结论 本文算法在图像质量和水印鲁棒性方面获得了更优的效果，摆脱了透视畸变矫正的限制，拓宽了屏摄水印的应用范围。

    数字水印屏摄信道全卷积网络依赖隐藏噪声层

      原文链接:
    • 万方数据
    • 维普

    面向图像拼接检测的自适应残差算法

    张玲穆文鹏陈北京
    419-429页
    查看更多>>摘要：目的 恶意的图像拼接篡改给名誉、法律、政治等带来一系列的挑战，而现有的图像拼接检测算法通常采用参数固定的高通滤波器提取滤波特征进行预处理，没有考虑图像之间的差异。方法 本文设计自适应残差模块(adaptive residuals module，ARM)凸显拼接篡改痕迹，将卷积运算后的残差多次拼接，且每次拼接后再利用注意力机制实现通道间的非线性交互。然后，使用通道注意力SE(squeeze and excitation)模块以减少由ARM提取残差特征产生的通道之间信息冗余，并以在图像分类领域获得卓越性能的EfficientNet(high-efficiency network)为骨干网络，提出一种新的图像拼接检测算法。结果 实验结果表明，所提算法在CASIA Ⅰ(CASIA image tampering detection evaluation database)，CASIA Ⅱ，COLUMBIA COLOR，NIST16(NIST special database 16)和FaceForensic++这5个公开数据集上分别取得98。95％，98。88％，100％，100％，88。20％的检测准确率，获得比现有算法更高的准确率。提出的ARM将骨干网络EfficientNet在CASIA Ⅱ数据集的准确率提高了3。94％以上。结论 提出的基于自适应残差的图像拼接检测算法充分考虑图像之间的差异，凸显篡改区域与未篡改区域之间的区别，并获得更好的拼接检测结果。

    图像取证深度神经网络图像拼接检测自适应残差EfficientNet

      原文链接:
    • 万方数据
    • 维普