局部彩色图像的篡改检测与内容修复方法研究

彩色图像的篡改检测与内容修复是一项富有挑战性的研究工作。以四元数指数矩理论为基础,提出了一种适合于彩色图像的局部图像篡改检测与内容修复方法。该方法首先根据四元数指数矩幅值的旋转不变特性,对彩色图像的复制-旋转-粘贴篡改进行检测,以检测出篡改区域和被复制区域;然后结合噪声估计技术对篡改区域与被复制区域进行区分,以定位出篡改区域;最后利用总体变分模型对篡改区域进行修复,以得到修复后的彩色图像。仿真实验表明,该方法具有良好的局部图像篡改检测、定位和自修复能力。     

基于分数傅里叶变换的数字图像复制-粘贴篡改检测算法

复制-粘贴篡改是最简单和最常见的一种数字图像伪造方法,即把图像中的一部分区域进行复制并粘贴到同幅图像的其他区域,数字图像篡改认证具有重要的理论意义和应用价值.文章提出了一种新的采用分数阶傅里叶变换对数字图像复制-粘贴区域进行检测的算法.算法首先对待检测图像进行一级小波变换,降低图像维度.对变换后的低频子带分解成大小一样、互相重叠的子块.然后对子块进行分数阶傅里叶变换,将变换系数构成特征矢量.再对所有特征矢量进行字典排序.最后通过比较相邻两块特征矢量之差以定位复制-粘贴篡改区域.实验结果表明,提出的算法能有效地检测数字图像的复制-粘贴伪造区域.     

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。     

鲁棒的复制-缩放-粘贴篡改检测方法

为了能够检测图像的复制-缩放-粘贴(CSM)篡改操作,提出了一种基于金字塔模型的CSM图像篡改检测方法.首先,将一幅测试图像缩放成不同尺度的降采样子图像,采用非均匀采样选择子图像,并建立金字塔篡改伪造检测模型;然后,对模型中每一层子图像进行非重叠分块,提取该模型所有图像子块的Zernike矩特征;最后,模型中每一层的所有块特征分别与底层特征建立KD树,以便于搜索图像块的所有近似匹配对,并从匹配对中寻找CSM篡改操作的伪造痕迹平移向量,以便于确定篡改区域.实验结果表明,与现有的图像篡改检测方法相比,所提方法获得了更好的检测结果,且篡改图像检测的查准率和查全率均超过93%.     

基于像素匹配的图像“复制-粘贴”篡改检测算法

“复制-粘贴”是一种简单有效的图像篡改技术,它把图像中某一部分复制后,粘贴到同一图像的另一区域中,以达到伪造图像的目的针对此篡改技术,提出了一种基于像素匹配的篡改检测算法．算法采用离散小波变换（DWT）对待测图像进行降维,对降维后的图像用相位相关求得“复制一粘贴”区域间的位移,根据所求位移采用像素匹配（即将待测图像与移位后的图像求差来定位“复制-粘贴”区域,并利用形态学滤波技术来进一步改善定位效果．实验结果表明,本文算法简便快捷,不仅能够对篡改区域进行准确定位,而且能够有效抵抗多种“复制一粘贴”篡改的后处理操作,包括JPEG、JPEG2000有损压缩及滤波等     

一种基于盒子维的图像复制-粘贴篡改检测算法

提出了一种基于盒子维的图像复制-粘贴检测算法。对图像分块后,提取各分块的盒子维与几何矩相结合做为各块的特征量,而后通过对图像块特征向量进行相似性检测来定位篡改区域。实验表明：该算法有较强检测能力,能抵抗高斯白噪声等后处理操作。     

基于自然图像复制区域的篡改认证

针对目前高级数码相机和图像编辑软件的使用正逐渐大众化，处理数字图像和伪造与原图非常接近的图像变得相对容易．通过复制和粘贴图像中的一部分来隐藏背景中的人或物体是一种常见的篡改图像方法．如果篡改后的图像衔接让人感觉不到，那人们将不会关心图像中存在相同（或近乎相同）的区域．文中通过对图像进行主成分分析（PCA）应用于尺寸固定的小图像块上，并产生一种降维表示，并对所有的图像块按升序排序来检测出复制区域．     

基于zernike矩图像区域复制篡改认证

分析了区域复制篡改图像的特征,提出了运用zernike 矩的不变性对自然图像区域复制篡改进行认证.对于尺寸较大的篡改图像运用小波变换得到低频子图像,把低频子图像分割为一系列图像子块,对子块序列图像分别进行zernike矩分析并判断图像区域是否复制篡改.将各个相邻复制篡改的子块进行区域合并.实验结果表明,本文的篡改认证方法既克服了噪声对认证的影响又解决了几何变换对认证的影响.     

一类数字图像篡改的被动认证

在没有被嵌入水印也没有辅助信息可利用的前提下，针对一类特殊的图像篡改——复制遮盖篡改即遮盖的内容复制自同一幅图像中，提出一种基于小波分解的自相关检测方法，将图像划分为相互重叠的小块，提取每一个小块的小波分解低频子带作为特征向量，采用Pearson相关系数进行块相似性匹配检测，实验结果表明该方法能够抵抗图像复制部位的无缝处理，对一般的高斯噪声、低通滤波、JPEG压缩等噪声攻击具有较好的鲁棒性。     

基于Gabor滤波的鲁棒复制-粘贴图像取证方法

复制-粘贴是一种常见的数字图像篡改技术,目前的复制-粘贴数字图像取证技术未考虑旋转和缩放攻击。文章提出了一种新的复制-粘贴数字图像取证方法,该方法选择了鲁棒的、抗旋转及抗缩放的图像Ga-bor特征,并结合量化的DCT系数进行图像块匹配,以检测篡改区域。实验结果表明,该方法具有较强的鲁棒性,可以抵御旋转、缩放攻击,同时也可以取得较好的检测准确率。     

数字图像的复制-移动伪造检测

针对数字图像易遭受复制-移动攻击问题,提出一种精确匹配算法来检测图像是否遭到攻击.此方法不论伪造区域是被放大/润饰后与背景融为一体,还是伪造的图像是有损压缩的存储方式（如JPEG）,都可以检测到伪造区域,成功率较传统方法有很大提高.     

基于局部色彩不变量的图像篡改检测方法

针对基于分块的图像区域复制篡改检测方法通常面临的图像特征提取计算量大、维度高、识别率低等问题,提出一种基于局部色彩不变量特征的图像区域复制篡改检测方法,将RGB彩色图像转换到对立色彩空间,通过分析和提取图像各通道上的局部密度分布特征,构建k-d树进行相似分块特征匹配以实现图像区域复制篡改检测.提出的局部色彩不变量密度特征具有维度低、计算简单等特点.实验结果表明,本文方法与其他几种典型的基于分块的方法相比,具有较低的时间复杂度和较高的检测率,且对图像篡改区域的旋转、缩放攻击具有较好的鲁棒性,特别是当图像篡改区域进行大角度旋转时与其他几种方法相比具有明显优势.     

基于核判别分析与证据理论的图像伪作分层融合检测

现有图像伪作融合检测算法一般直接采用特征融合或决策融合技术,普遍存在算法不易扩展或检测准确率不理想等问题。在综合利用原始图像固有特征和篡改所引入特征的基础上,探讨了一种基于特征融合和决策融合的分层融合框架,并实现基于核判别分析(kernel discriminant analysis,KDA)和证据理论的图像伪作检测算法。该算法包含粗分类和细分类两阶段。在粗分类中,利用原始图像固有特征,采用KDA技术实现特征融合,输出结果为原始图像、篡改图像和待定图像三种类别。在细分类中,利用篡改操作所引入的特征,采用证据理论进行决策融合,实现对待定图像的进一步分类。实验结果表明,该算法能有效地检测模糊操作、重采样操作、JPEG压缩以及多种篡改组合操作。     

采用高斯几何矩的图像复制粘贴篡改盲检测

针对图像盲检测中一种常见的简单的篡改方式复制粘贴,提出了采用高斯几何矩的图像篡改检测方法.首先将图像进行重叠分块,其中所分块的大小相同,然后提取每个图像块的高斯几何矩作为对应的特征向量,通过字典排序之后,计算图像块间的欧式距离,最后根据图像块的相似性确定篡改区域.实验结果表明,该方法能够有效地检测与定位图像的篡改区域,与不变矩相比有较强的抗噪性,能够成功地检测出带有噪音的篡改图像,同时具有很好的鲁棒性.     

数字图像区域复制篡改的盲取证技术研究进展

由于盲取证技术不需要任何预先嵌入的认证信息,而仅根据图像本身的统计特性就能鉴别数字图像的原始性、真实性和完整性,已经成为数字媒体安全领域的研究热点.文中介绍了数字图像中常见的区域复制篡改方式,分析实际篡改过程中可能涉及到的图像处理操作,总结归纳了区域复制篡改盲取证方法的一般流程.最后,指出现有目前方法存在的问题,并对盲取证技术未来的研究方向进行展望.     

一种基于数字水印的印刷品防伪方法

提出一种基于数字水印技术的印刷品防伪算法.在图像打印前,水印经Arnold置乱后嵌入到原始载体图像的Hadam ard变换域中;在检测数字水印时,首先对印刷品扫描图像进行几何矫正,利用边缘检测、Radon变换等方法检测图像旋转角度,将其转正,用三次内插法对图像重采样,恢复图像的原始尺寸.最后从矫正后的图像中提取水印.实验结果表明,这种算法具有较好的安全性、鲁棒性,在防伪效果上取得了满意的结果.     

基于FAST算子与多特征匹配的图像伪造检测算法

当前图像伪造检测算法大多采用最近邻与次近邻比值法进行特征匹配来完成图像伪造检测,存在较多的错误检测以及漏检测现象,基于此提出了一种基于FAST算子与多特征匹配的图像伪造检测算法.首先,基于FAST算法与Bresenham方法,构造以像素点为中心的圆形区域,提取图像特征;然后,通过梯度直方图统计法判定特征点的主方向,以特征点为中心建立两级同心圆,并通过求取同心圆在指定方向上的梯度特征,生成特征向量和特征描述子;最后,提取特征点的HSI颜色分量,将HSI颜色分量以及特征点的特征向量作为双重特征,设计了双重特征匹配法则,实现特征匹配.引入Hough变换,对匹配特征点进行聚类,定位伪造内容.实验结果显示,与当前图像匹配算法相比,所提算法具有更高的检测正确度与鲁棒性能.