基于DCT系数首位数字特征抽取的JPEG图像重压缩检测及篡改定位

针对JPEG图像重压缩篡改操作(伪作)检测及篡改定位问题,探讨一种利用DCT系数首位数字特征的改进方法。首先,将待测JPEG图像分成大小为64×64的重叠图像块,对于每一图像块,取每8×8小块中前9个位置的交流DCT(AC-DCT)系数的首位数字(1~9)特征;然后,对提取的首位数字特征进行PCA降维压缩以抽取紧凑特征,再利用SVM分类器判断相应图像块是否经过重压缩操作;最后,利用重压缩检测结果来定位JPEG图像篡改区域。实验结果表明,与代表性文献算法相比,改进算法在视觉效果上取得了更好的篡改定位结果,且对旋转、缩放、羽化等操作具有鲁棒性。     

融合多尺度特征与多分支预测的多操作检测网络

面对不断进步的图像编辑技术，发展相应的图像取证技术显得尤为重要.针对现有图像篡改检测技术中存在的可检测操作类型单一、鲁棒性不强、篡改区域定位不足等问题，提出一种基于卷积神经网络的多操作图像篡改检测方案.在该网络中，通过构造基于残差块的卷积流以提取操作特征.然后，设计一个多尺度特征融合模块，实现不同尺寸的操作特征融合.最后，将融合后的操作特征输入多分支预测模块进行篡改类型预测与定位，得到多操作检测结果.本文制作了多操作图像篡改数据集，对提出的网络模型进行训练和测试.实验结果表明，本文方案与主流的目标检测网络相比，能够更准确地对篡改区域进行定位，参数量更少，且对常见的图像后处理具有更好的鲁棒性.     

基于JPEG图像压缩的痕迹盲取证算法

相机的普及以及图像处理软件的广泛应用,数字图像正面临着被随意篡改和伪造的威胁。针对模糊润饰、拼接篡改操作后的数字图像,提出一种利用块效应和相关性相结合进行定位检测数字图像盲取证方法。数字图像经过模糊润饰、拼接篡改等操作后的区域的块效应和相关性与未篡改区域的块效应和相关性不一致。通过提取块效应特征以及相关性特征来定位篡改区域。实验结果表明,该算法能够有效地对模糊润饰、拼接篡改操作的图像进行检测和定位并且具有很好的鲁棒性。     

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。     

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。     

基于图像背景噪声相关性的篡改检测

图像拼接是一种简单而常用的数字图像篡改操作,本文利用拼接篡改图像背景噪声特性的不一致性,提出一种基于图像背景噪声相关性的拼接图像篡改检测方法。该方法首先利用小波变换对待测图像去噪,再将待测图像与去噪后的图像相减后得到背景噪声图像,最后根据背景噪声图像中子块与周围邻域子块的相关系数大小来鉴别拼接篡改图像并定位篡改位置。实验结果表明该方法能对拼接篡改图像较为准确地鉴别和定位。     

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。     

一种基于离散小波变换的数字图像认证算法

提出了一种基于离散小波变换的半脆弱水印认证算法。利用小波系数之间的相关性作为图像特征水印,利用小波系数块均值量化来嵌入,在鲁棒性和脆弱性方面达到很好的平衡。该算法能够识别图像的恶意篡改,并定位篡改发生区域,而对通常的图像处理具有一定的鲁棒性。     

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SLIC0超像素分割的阴影检测算法

对单幅阴影检测问题,提出了一种基于SLIC0（simple linear iterative clustering zero）超像素分割的阴影检测方法。首先采用SLIC0超像素分割算法对含阴影图像进行分割,生成超像素块检测出阴影轮廓,然后提出一种融合特征的支持向量机方法,将超像素块分类合并,检测出阴影区域。通过实验对比Otsu阈值法、传统SVM分类法与本文算法的检测效果,验证了本文算法的有效性,通过结构相似度（SSIM）与峰值信噪比（PSNR）指标对比表明,本文算法较参考算法的检测性能更优。     

基于视频的全天候多特征融合火焰检测算法

针对传统可视化火灾探测技术采用单独分析可见光摄像设备或红外摄像设备采集的图像进行火灾探测, 不能全天候监控火焰的问题, 提出一种全天候多特征融合的检测算法. 首先通过视频类型判断算法确定摄像头采集的每帧图像类型, 然后利用与图像类型相对应的算法提取疑似火焰区域, 最后对疑似区域进行基于DCT的火焰频率检测和帧间相关性检测, 判断火焰是否存在. 实验表明, 该检测算法解决了传统可视化探测技术不能全天候监控火焰的问题, 且能在保持火焰高检测率的同时降低误检率.     

数字水印检测的SVM算法及其测试

根据Vapnik等人提出的一种基于统计学习理论的机器学习算法,在水印检测技术中引入一种针对小样本的学习理论SVM算法．此算法能够实现结构风险最小化,避免了以往检测方法中依赖于特定的嵌入算法的缺点．建立了数字水印检测的SVM算法的测试平台,研究了平台的组成模块和功能．实验表明使用SVM进行水印检测能实现与嵌入算法的无关性,能有效提高检测效率,为数字图像水印的检测提供了一种新方法．     

基于模式噪声的数字视频篡改取证

为了实现视频信号的真实性鉴别,提出一种基于模式噪声的数字视频篡改检测算法.由于成像传感器的非理想性,每一种数码摄像机都会输出一种相对稳定的残留噪声,通过维纳小波滤波器从视频的每一帧中提取这一噪声,将一段视频中的每帧噪声取平均值,从而建立模式噪声.当一段视频遭受篡改处理时,通过比较待鉴别帧的噪声与模式噪声之间的相关性,利用实验经验阈值判断,定位篡改区域.实验结果证明该方法能够对视频篡改进行有效的检测.     

基于旋转不变性特征的图像被动认证算法

提出了基于旋转不变性特征的图像被动认证算法.该算法将图像分为部分重叠的子块,对各子块进行R-变换,并对变换后的数据进行归一化,提取归一化后的数据奇异值,根据子块奇异值的相似度来确定图像复制-粘贴篡改块对,从而得出篡改认证结果.该算法能有效地对经过旋转的篡改区域进行认证,有较好的检测效果.     

基于自适应分块MRF模型的SAR图像变化检测研究

现有的SAR图像变化检测算法仅仅考虑图像的单一像素信息,未考虑图像像素间的空间依赖关系,检测结果易受图像噪声的影响,检测精度较低。将马尔可夫随机场模型引入到SAR图像变化检测算法中,极大地提高了检测精度,但是算法计算量很大,效率极低。基于分块马尔可夫随机场模型的SAR图像变化检测算法极大地提高了检测效率,但是检测过程中采用固定尺寸的图像分块方法,未考虑图像的局部细节特征,检测效果不是很理想。论文首先根据图像局部细节特征将图像划分成尺寸变化的子图像块,然后利用基于马尔可夫随机场模型的SAR图像变化检测算法实现变化检测。实验结果表明,论文提出的算法既保持了很高的检测精度,又极大地提高了检测效率。     

基于压缩传感的图像哈希水印算法研究

现有基于图像内容的水印算法在鲁棒性和篡改检测方面存在不足,提出了一种基于压缩传感的图像哈希水印算法。该算法利用压缩传感对图像进行随机投影,得到的压缩测量值作为图像内容特征,通过HMAC(Hash-based Message Authentication Code,基于哈希的消息认证码)算法生成图像摘要,并以水印的方式嵌入到原始图像中;认证时,提取图像中的水印,并对认证图像进行压缩传感随机投影,得到原始图像和认证图像的摘要,通过摘要对比,实现图像认证和篡改检测。仿真实验表明,该方法不仅具有较强的鲁棒性和安全性,还具有较好的篡改检测能力。     

利用改进的超像素分割和噪声估计的图像拼接篡改定位方法

通过检测图像局部噪声水平的不一致性,提出一种图像拼接篡改区域的定位方法.首先,用改进的简单线性迭代聚类(SLIC)超像素分割算法将待检测图像分割成具有相似特征的像素块;然后,采用基于主成分分析的噪声水平估计方法计算每个图像块的局部噪声水平;最后,利用3种聚类算法对估算的噪声水平进行聚类,根据聚类结果定位出被篡改的区域.实验结果表明:文中方法不仅能有效定位被篡改的区域,而且能保留检测区域更多的边缘信息.     

基于深度学习的化妆品塑料瓶缺陷检测

提出一种基于深度卷积神经网络的化妆品塑料瓶表面缺陷检测算法。采用百万像素级别的工业相机采集大量的塑料瓶图像样本,并通过HSV(hue,saturation,value)颜色空间变换和Otsu阈值分割等方法对图像进行预处理。采用随机图像变换法对数据集进行增强,并对图像进行标准归一化处理。在卷积神经网络模型中应用深度可分离卷积和Dropout技术以减少参数量,从而避免过度拟合。使用训练样本集训练该模型,并在测试集中将结果与几种经典图像识别算法进行比较分析,结果显示,本文算法的识别准确率高达约0.97。由此表明本文算法的效果优于其他经典算法,有望将其应用于化妆品塑料瓶缺陷检测的工业自动化系统,以提升缺陷识别效果,从而提高生产效率。