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TCS-LBP算子的视频帧复制篡改检测算法

针对监控视频帧复制篡改,提出一种基于时空域特征的篡改检测算法.受空域局部二值模式(LBP)算子设计的启发,设计一种时域TCS-LBP算子,反映当前视频帧与其前后若干帧在同一空间位置像素之间的关系;然后在当前图像上逐点计算TCS-LBP特征值,构造能同时反映当前视频帧时域和空域特征的特征图像;利用特征图像,逐帧检测是否存在帧复制;对于初步检测到的篡改区域,再进行虚警和漏检的修正以及篡改边界的精确定位.实验结果表明,文中算法具有良好的性能,与现有的2种同类算法相比,性能明显提升.     

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.     

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.     

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.     

数字图像的拷贝翻转移动篡改检测

常见的图像篡改方法之一是将一幅图像中的部分内容复制处理后移动到其他位置产生新的伪造目标.针对将复制区域翻转后再润色粘贴的图像篡改提出了一种基于一组翻转不变的特征向量的检测方法.该检测方法不仅能检测一般的复制-移动-粘贴的行为,而且能检测出欺骗性较强的复制-翻转-移动-粘贴的行为,并能抵抗模糊和加入噪声等用来抹除篡改痕迹的常用润色方法和JPEG有损压缩.对几幅典型篡改图像的检测结果说明了算法的有效性.     

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。     

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。     

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HSV和HE的复制粘贴篡改检测算法

针对块匹配检测算法不能准确提取图像面积较小区域、自然相似区域以及平滑区域特征的问题,提出一种基于HSV(hue,saturation,value)颜色空间和直方图均衡化算法的复制粘贴篡改精确检测与定位的方法。将待测图像从RGB(red,green,blue)颜色空间转换到HSV颜色空间,并通过直方图均衡化算法对图像HSV颜色空间的V通道进行特征增强;提取基于圆谐波变换的特征构建特征向量;使用最近邻搜索算法对构建的特征向量进行快速随机搜索得到稠密的偏移场;采用稠密线性拟合的方法滤除错误匹配,并通过形态学操作标识定位出篡改区域。实验结果表明,所提方法能够有效降低面积较小区域、自然相似区域和平滑区域的误检与漏检像素,从而提升检测结果并准确定位出图像的篡改区域。     

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.     

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。     

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.     

基于区域直方图统计的灰度图像色彩传递方法

应用直方图统计法描述图像的区域纹理,提出基于区域直方图纹理描述的灰度图像色彩传递处理方法.为待彩色化处理的灰度图像选定适当的参考图像,并在去相关的对立色空间对两幅图像的亮度通道作线性变换.用直方图统计法描述的像素邻域纹理特征进行图像间的像素匹配,将匹配性最佳的参考图像像素的颜色值传递给相应灰度图像像素的颜色通道,将色彩传递结果图像转换回RGB空间显示.实验结果表明:该方法能够提高像素匹配的准确性,获得色彩自然感优于常规色彩传递方法的彩色化图像;该方法运算量较小,便于实际应用.     

基于改进YOLO的虹膜快速定位检测算法

虹膜定位是虹膜识别系统中不可或缺的环节,针对传统的虹膜定位方法对镜面反射、眨眼等复杂环境下质量差的虹膜图像定位准确率低、计算复杂度高和鲁棒性差等问题,提出了一种基于改进YOLOv3模型的虹膜快速定位方法。针对眼周图像中虹膜内、外圆尺寸变化不大,将YOLOv3网络的多尺度结构改进为双尺度检测;引入了轻量级网络Mobilev3中bneck块来改进特征提取网络,减小模型复杂度;利用kmeans++算法对虹膜数据集进行类聚,获得更优的锚点框;模型边框损失函数采用改进的损失函数代替原均方差(MSE)损失函数;利用虹膜特有几何特征,将模型矩形预测框更改为圆形预测框。在CASIA-IrisV4数据集验证表明,改进模型定位准确率为96.32%,mAP为99.37%,检测速度为49.4帧/s,模型参数减少到4.13M。结果表明改进后的模型较小,并且能够快速精准对虹膜区域定位,具有较高鲁棒性,能够满足虹膜实时定位的场景。     

基于图像变化检测的CFA插值算法

提出了基于变化检测的CFA插值算法.该算法分为两个步骤:首先采用矢量线性相关法对CFA图像的绿色分量图像进行变化检测,然后在发生变化的区域内进行插值,未发生变化区域内的图像数据被CFA插值后直接拷贝到当前帧的相应位置,避免了在每帧图像内逐点进行插值计算.与现有的插值算法相比,CFA插值算法复杂度大大降低,同时获得较高质量的视频图像.     

Lexicographic Image Hash Based on Space and Frequency Features

A lexicographic image hash method based on space and frequency features was proposed.At first,the image database was constructed,and then color and texture features were extracted from the image blocks including information for every image in the database,which formed feature vectors.The feature vectors were clustered to form dictionary.In hash generation,the image was preprocessed and divided into blocks firstly.Then color and texture features vectors were extracted from the blocks.These feature vectors were used to search the dictionary,and the nearest word in dictionary for each block was used to form the space features.At the same time,frequency feature was extracted from each block.The space and frequency features were connected to form the intermediate hash.Lastly,the final hash sequence was obtained by pseudo-randomly permuting the intermediate hash.Experiments show that the method has a very low probability of collision and a good perception of robustness.Compared with other methods,this method has a low collision rate.