基于SIFT的伪造图像盲检测算法

图像区域的复制粘贴操作能够隐藏重要目标或者造成某种假象,是最常用的篡改手段之一。针对"复制-变换-移动-粘贴"篡改模型,提出了一种基于SIFT的伪造图像盲检测算法。首先用SIFT算法提取图像特征;然后对提取的图像特征向量采用乘积量化的最近邻搜索进行匹配,粗略定位篡改区域;最后进行篡改区域的精确定位,通过计算可疑块对的欧式距离判断图像真伪。实验结果表明,该算法不仅能有效检测经过旋转、缩放变换的复制粘贴篡改区域,而且能抵抗模糊、加噪等后处理。     

基于SIFT和CIE Lab的图像篡改检测

目的提出一种将SIFT算法和CIE Lab颜色模型相结合的方法来检测复制-移动篡改图像,解决传统SIFT(Scale-invariant feature transform)算法无法应用颜色特征进行篡改图像检测所导致的特征关键点的错误匹配问题,提高篡改图像检测的准确度.方法分别提取图像的SIFT特征与Lab颜色特征;使用KNN(K-Nearest Neighbor)算法对提取的特征进行分类匹配,排除异常特征值.结果笔者所提方法与以往的SIFT算法相比较,其错误匹配个数明显下降,降低了时间复杂度,提高了检测准确率,对图像篡改部分的平移、缩放和旋转操作都具有较强的鲁棒性,这三种操作对应的F_1值分别可达86.8%,88.4%,88.5%.结论 SIFT算法和CIE Lab颜色模型提取的特征能够较好地满足检测复制-移动篡改图像的要求,颜色信息能够有效地改善特征匹配效果,KNN算法能够成功地排除异常匹配点.     

利用CSURF的图像复制粘贴篡改检测

现有的复制粘贴篡改检测算法大多是针对灰度图像设计的,并没有利用图像的颜色信息.在篡改区域纹理信息较少时,传统的基于关键点的算法无法提取关键点以识别篡改区域.为此,提出了一种颜色不变性特征描述子CSURF(colored speeded-up robust feature)并应用于篡改检测.提出的算法首先提取图像的颜色梯度,利用颜色梯度代替灰度图像提取关键点,通过计算描述子点积反余弦提高关键点匹配的运算效率,并对匹配结果进行几何变换估计以呈现篡改区域.提出的算法在篡改区域纹理信息较少时,也能利用颜色信息提取关键点,以识别篡改区域,并且对多种后处理操作及退化具有较好的鲁棒性.     

改进的SIFT耦合特征点集群的图像伪造检测算法简

针对当前图像伪造检测算法进行图像伪造检测时主要通过设定比例阀值来实现特征匹配,存在检测误差大、鲁棒性不强等不足,提出了改进的SIFT耦合特征点集群的图像伪造检测算法.首先,采用二进小波变换提取伪造图像的低频子带以用于特征点检测;然后,基于特征点邻域旋转不变纹理特性,改进了SIFT机制,生成新的特征描述子对其进行描述,减少误匹配,并提出了自适应匹配策略,通过搜索最优比例阀值,以提高算法检测精度及鲁棒性;最后,通过构建特征点的均值漂移向量,对特征点均值和特征点的偏差进行度量,实现特征点的集群,从而完成图像的伪造检测.仿真结果显示:跟当前的伪造检测方法相比,本文方法具有更高的检测精度与鲁棒性,呈现出较好的ROC特性.     

改进的SIFT耦合特征点集群的图像伪造检测算法

针对当前图像伪造检测算法进行图像伪造检测时主要通过设定比例阀值来实现特征匹配,存在检测误差大、鲁棒性不强等不足,提出了改进的SIFT耦合特征点集群的图像伪造检测算法.首先,采用二进小波变换提取伪造图像的低频子带以用于特征点检测;然后,基于特征点邻域旋转不变纹理特性,改进了SIFT机制,生成新的特征描述子对其进行描述,减少误匹配,并提出了自适应匹配策略,通过搜索最优比例阀值,以提高算法检测精度及鲁棒性;最后,通过构建特征点的均值漂移向量,对特征点均值和特征点的偏差进行度量,实现特征点的集群,从而完成图像的伪造检测.仿真结果显示:跟当前的伪造检测方法相比,本文方法具有更高的检测精度与鲁棒性,呈现出较好的ROC特性.     

基于稳健关键点的图像Copy-Move篡改检测算法

针对传统基于关键点的数字图像Copy-Move篡改方法中运算耗时和精度不高问题,提出了一种图像Copy-Move篡改检测方案.首先利用SIFT方法提取图像基础特征,并利用离散小波变换(DWT)和高斯随机矩阵对SIFT特征向量进行降维,实现特征匹配.然后通过利用RANSAC方法,计算了复制区域和粘贴区域之间的仿射变换矩阵,并消除错误匹配的异常值.最后对MICC-F220标准图像库中的图像进行了实验仿真.实验结果表明,新方法在运算耗时间和检测精度方面上有了很大提高,同时对于篡改区域经过平移、旋转和缩放等几何变换以及经过JEPG压缩、Wiener滤波和添加椒盐噪声的篡改操作也具有良好的鲁棒性.     

基于图像锐化的SIFT图像复制粘贴篡改检测

SIFT算法提取图像的特征点多为图像目标的边缘点,对于较模糊图像而言,直接使用SIFT算法提取特征点后进行特征点匹配,会降低特征点的匹配数量和匹配正确率,甚至对于复制粘贴篡改图像不能做出正确的判断。所以,提出先对被检测图像利用梯度法进行锐化,使图像目标边缘变得清晰,再用SIFT算法提取特征点及后续操作,以提高匹配的正确率。实验表明,改进算法性能有明显提升。     

一种基于不变特征的图像匹配算法

提出了一种基于图像不变特征的目标匹配算法.算法首先采用了一种改进的SIFT图像特征点提取技术提取目标的SIFT特征向量;建立改进的Kd-Tree特征结构,使用BBF搜索策略完成特征的匹配,接着建立目标的姿态变换空间对匹配点进行HOUGH聚类,去除错误的匹配点,最后对匹配点按照最小二乘法拟合出目标的姿态参数,从而完成目标的定位.实验结果表明,在目标发生平移、旋转和缩放以及场景部分遮挡、视角变化等因素引起的图像变形时,算法均能够稳定地匹配出目标.     

联合SIFT特征点和CS-LBP特征描述子的复制粘贴篡改检测

针对现有数字图像复制-粘贴篡改检测中尺度不变特征变换(Scale Invariant Feature Transform,简称SIFT)算法计算复杂度高的问题,文章提出一种将SIFT特征点和中心对称局部二进制模式(Center Symmet-ric-Local Binary Pattern,简称CS-LBP)描述子相结合的篡改检测方法。首先提取SIFT关键点,再对每个关键点生成CS-LBP特征描述子,并利用K-D(k-dimensional)树和BBF(Best-Bin-First)搜索算法寻找符合特征匹配关系的匹配点对,判断是否存在图像区域的篡改。实验表明,与同类算法相比,所提出算法在不损失检测精度的同时有效地减少了运算量。     

基于SIFT的图像复制遮盖篡改检测技术

针对现有的图像复制遮盖篡改检测算法需要某些先验信息、对后处理操作失效且计算量大等问题,借鉴图像匹配技术中的SIFT(scale invariant feature transform)特征匹配算法,首次提出将其用于检测复制遮盖的篡改操作.该方案首先计算出待鉴定图像的所有特征向量,然后进行特征向量集的划分与匹配.待鉴定图像的匹配点对用点与点之间连线标记.如果图像被复制篡改过,所标记的线段将明显集中于某两个区域之间.实验表明,SIFT应用于复制遮盖及各种后处理篡改操作,如旋转、缩放、亮度调整等,都有很好的检测和定位效果.     

改进的MOPs图像匹配算法

针对MOPs算法在处理图像旋转方面的不足,提出了一种新的旋转不变的特征描述子,用以匹配存在缩放、旋转、平移的图像.用Harris角点检测算法,检测金字塔模型的每层图像,在特征点处提取旋转不变特征描述子,用特征描述子之间的匹配来寻找两图像间的匹配点,最后用RANSAC方法剔除误配点,实验结果表明比MOPs算法具有明显的优越性.     

全局结构化 SIFT描述子在图像匹配中的应用

为了克服传统SIFT描述子进行图像匹配时对噪声和图像灰度的非线性变换敏感的缺点,提出了一种全局结构化SIFT描述子及其生成方法．该方法将特征点矩形区域改为以特征点为中心向外扩散的同心圆区域,计算同心圆区域10个方向的曲率累积值,建立一个描述范围为特征点尺度函数的特征向量,对其实施排序操作,赋予完全旋转尺度不变,形成全局结构化SIFT描述子．采用欧氏距离为匹配度量函数应用于图像匹配．实验结果表明：这种全局、局部结构式信息联合的思想增强了算法对图像的光照、平移、旋转等变换的鲁棒性,匹配精度提升18％,极大地改善了匹配效果．     

数字图像多区域复制粘贴盲检测方法

随着网络技术和图像处理技术的发展,篡改图像变得越来越容易。特别是图像文件内部的复制粘贴篡改,更不容易察觉。如何快速有效的盲检测出复制粘贴区域,成为一个急需解决的问题。现有的盲检测技术对单区域复制粘贴盲检测效果较好,但对多区域复制粘贴的漏检率较高。本文提出一种基于特征点和k-Rg2NN算法的数字图像多区域复制粘贴盲检测方法。该方法首先对图像进行SURF特征点提取,生成特征描述子,采用本文提出的k-Rg2NN算法对描述子进行匹配,通过RANSAC算法计算图像中源区域与目标区域之间的单应变换,准确定位复制粘贴区域。实验结果表明,该方法能有效检测多区复制粘贴,达到较高的准确率。     

基于改进的FREAK算法的图像特征点匹配

针对采集图像时存在尺度、光线强度以及图像间旋转的差异等现象而导致图像匹配不理想的问题,提出了改进的FREAK算法(SURF-FREAK):将SURF算法和FREAK算法结合进行图像匹配。首先,利用Hessian矩阵确定候选点,进行非极大值抑制,提取的特征点具有尺度不变信息;然后用FREAK描述子对特征点进行描述,为特征点分配方向;最后利用最近邻算法进行图像配准。改进算法经实验与传统SIFT、SURF、以及FREAK算法比较分析后得知,在图像特征点匹配准确度上有一定的提高,并且对图像的尺度差异、光照差异以及旋转差异具有良好的鲁棒性。     

基于改进ORB的图像特征点匹配

鉴于ORB算法在特征点匹配时基本不具备尺度不变性,结合SIFT算法思想,提出了改进的ORB算法:SIRB(ORB and SIFT)。首先生成图像的多尺度空间,并在多尺度空间里检测稳定的极值点,使得提取出的特征点具有尺度不变信息;然后使用ORB描述子对特征点进行描述,生成旋转不变性的二进制描述子;最后通过Hamming距离完成对特征点的匹配。实验结果表明,SIRB有效地解决了ORB不具备尺度不变性的缺陷,在图像尺度发生变化时,SIRB算法特征点匹配的平均准确度达到约93.3%,相比于ORB提高了约70.7%;同时SIRB和ORB两种算法的匹配速度大致相当,SIRB保留了原ORB算法的快速优越性,平均匹配速度比SIFT快约63.2倍;将提出的SIRB算法应用到视频目标跟踪系统中,取得了良好的实验效果,具有一定的应用价值。     

SURF算法及其对运动目标的检测跟踪效果

视频图像的特征点提取和描述是智能交通系统中运动目标跟踪的一项关键技术。由于场景的复杂性、环境的变化以及目标运动的影响,Harris角点检测算法和尺度不变特征变换(SIFT)算法的精度和稳定性都不够,而加速鲁棒特性(SURF)算法具有很强的鲁棒性,运算速度比Harris角点检测算法和SIFT算法有明显提高。应用SURF算法对视频图像进行特征点提取和匹配,并结合聚类分析和卡尔曼滤波对匹配的目标进行跟踪。实验表明,SURF算法对亮度变化具有很强的鲁棒性,并且速度比较快。     

一种SIFT虹膜匹配算法

尺度不变特征变换(scale invariant feature transform,SIFT)算法是目前图像研究领域的热点,它具有良好的尺度、旋转、光照、噪声等不变特性.在特征提取方法上,利用SIFT算法提取虹膜纹理的特征向量,由于提取出来的虹膜特征向量是128维,占用内存空间大,因此提出用Harris角点对初始特征点进行筛选,选择高对比度的点作为最终的虹膜特征向量;在匹配方法上,使用街区距离进行虹膜图像特征匹配,进一步提高虹膜图像匹配的速度.实验结果表明,改进的算法在保持鲁棒性的同时,提高了SIFT特征匹配效率,能够为一些快速应用提供保障.     

基于SIFT和RGB特征的同图复制篡改检测算法

为了提高同图复制篡改检测的准确性,将RGB特征与SIFT算法结合来检测彩色篡改图像。在使用SIFT提取关键点后,在关键点的邻域内计算RGB 3个通道的色彩特征,通过增加特征向量维数来提高检测的准确性。并且根据关键点的位置,使用异常距离算法,即判断关键点的位置到正确匹配点集的位置的距离是否在所设定的阈值内,从而排出异常值。实验结果表明,和以往的SIFT算法相比较,该算法大大增强了检测的准确性和鲁棒性。将RGB特征和SIFT特征融合除了可提升篡改的彩色图像检测准确率外,也可鉴别非篡改彩色图像。     

基于改进SIFT的无人机航拍图像快速匹配

针对无人机航拍图像快速匹配问题,传统的SIFT算法复杂度高,处理时间长,为了满足实时性的要求,提出一种改进的SIFT算法.首先将特征点的矩形区域改为圆形区域,对描述子进行降维,然后借助绝对距离和余弦相似度进行双重匹配,最后再通过RANSAC算法剔除误匹配点.实验证明,改进的SIFT算法在尺度缩放、旋转、光照等情况下均有良好的匹配效果,与原算法相比,在保证匹配精度的同时很好的提高了匹配速率,验证了算法的实时性、有效性.     

Radon域虹膜图像数字水印研究

提出了Radon域特征嵌入的虹膜图像数字水印算法.算法提取小波变换的过零表达系数,用于描述虹膜纹理特征,将其编码后作为水印信息嵌入原始虹膜图像.证明了虹膜图像Radon变换的幅频域是一个旋转、平移和缩放的不变域,水印的嵌入选择在这个不变域内进行.水印的检测过程不需要原始图像,是一种盲检测水印算法.实验结果表明,提出的虹膜水印算法对虹膜纹理具有敏感性,可以有效地保护虹膜图像纹理区域不受篡改.同时实验还表明,水印对一般的图像处理和几何失真攻击具有鲁棒性.