项目名称：采用混沌优化、特征矩及机器学习的无损图像认证研究

候选单位：九江学院、南京邮电大学

候选人：高光勇、蒋国平

项目简介:

项目所属科学技术领域：计算机图像安全领域。

主要研究内容、科学价值：1）基于可逆信息隐藏技术，提出了一种医学图像无损认证方案。通过设计一种减少失序像素数量的预处理方法，并使用认证图像感兴趣区（ROI）的特征矩阵与从背景提取的特征矩阵间的差别矩阵实现了医学图像ROI的对比度增强及对ROI 的篡改检测及精确定位。 2）利用整数小波变换及峰值点对直方图平移实现认证信息在图像中的可逆嵌入，在获得大容量信息隐藏的同时，还增强了图像的对比度，提高了图像的视觉效果。同目前的经典可逆嵌入方案相比，提出的方案在图像对比度增强及信息嵌入容量方面都有较大的提升。3）利用Bessel-Fourier矩幅度的旋转不变性，并结合图像规范化技术，提出了一种鲁棒可视零水印方案。该方案能有效地抵抗模糊、JPEG压缩、噪声、旋转、缩放和打印_拷贝_扫描等攻击，并能直观地对图像版权属性作出判断。同其他同类可视零水印方案和Zernike矩方案的比较显示出提出方法的优越性。4）基于混沌映射，并结合提升小波变换提出了一种零水印方案，实现了在同时遭受常见信号处理和篡改攻击时，能正确提取水印信息，而且能检测到图像被篡改区域的准确位置和具体形状。5) 提出一种曲率特征域多倍零水印版权认证方案，该方案采用基于曲率尺度空间的改进多尺度角点检测算法来提取图像特征点，由于改进多尺度角点检测算法相比流行的的检测算子具有更好的检测性能，因而提取的图像特征点更加稳定。同时提出的方案利用一种图像增强方法使得提取的图像特征点的分布更加均匀，并利用Bessel-fourier矩相位分量设计一种受攻击图像的旋转角度估计算法，最后采用具有强泛化能力和快速学习特点的极限学习机模型来完成对多倍零水印的检测。6）基于混沌优化极限学习机理论，提出一种多变量混沌时间序列预测方法。该方法利用复合混沌和混沌变尺度算法对极限学习机的模型参数进行搜索和优化，以提高极限学习机的泛化性能；然后利用优化后的极限学习机对Rossler耦合系统的多变量混沌时序进行一步和多步预测，并且与同类算法进行了比较，结果表明了该方法的有效性, 且算法具有较强的抗噪能力。

代表性论文发表情况：发表的代表性论文6篇均为SCI检索，其中5篇发表在中国计算机学会（CCF）推荐国际权威期刊，1篇发表在国内一级学报。

以上项目拟申报 2019 年度江西省科学技术奖，特予公示。

公示期： 2019 年 7 月 17 日至  2019  年 7 月 23 日，公示期内如对公示内容有异议，请您向 科研处  反映。

联系人及联系电话：陈老师，8337993

科研处

2019年7月17日