多距离特征匹配的篡改图像检测算法

为了解决当前篡改图像的检测算法主要依靠单一的特征进行描述以及欧几里德距离进行匹配,导致篡改图像的检测率较低的问题,以及在对图像复制粘贴后进行一系列后处理操作的篡改图像检测时,容易出现匹配错误和鲁棒性差的问题,采用一种多距离特征匹配的篡改图像检测算法。首先,对获取到的图像提取尺度不变特征变换(SIFT)特征,在SIFT特征待描述区域的基础上,提取具有权值旋转不变均匀性的局部二值模式(LBP)特征,构成特征描述子;其次,分别计算描述子之间的标准欧几里德距离、相关距离以及汉明距离,通过多距离匹配改进g2nn算法进行特征的初次匹配;最后,通过凝聚型分层特征聚类以及随机一致性(RANSAC)算法去除存在的错误匹配点,完成篡改图像的检测。在MICC-F220图像数据库上进行了测试,实验结果表明,与当前2种主流算法相比,总体准确率分别提高了2.86%和2.11%,对于缩放、旋转以及缩放+旋转的后处理均具有很好的鲁棒性,是一种研究复制粘贴后进行缩放和旋转后处理的篡改图像检测的有效方法。     

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。     

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.     

基于ASIFT和圆投影特征的图像被动取证

文中针对图像篡改中最常见的复制粘贴篡改被动取证问题展开图像分析研究,提出了一种基于仿射尺度不变特征变换(ASIFT)和圆投影特征的算法,用于检测图像中是否存在复制粘贴篡改.实验结果表明:基于仿射尺度不变特征的算法对具有明显角点特征的篡改图像的取证效果较好,而基于改进圆投影特征的算法对不具备明显角点特征的篡改图像(如随机性纹理、平坦区域)的取证效果较好,因此联合使用基于这两种特征的算法对常见的复制粘贴型图像篡改进行被动取证能达到较好效果.     

基于SURF算法的图像复制粘贴篡改检测

由于SIFT算法的特征点检测速度较慢,而SURF算法将Haar小波响应和积分图像相结合,使得能够快速捕捉特征点的纹理特征,有比SIFT快得多的运算速度,所以采用SURF算法提取特征点。为能够有效检测目标被多次粘贴的情况,采用被称为广义2NN测试的特征点匹配算法,对由SURF获得的特征点进行匹配,找出篡改区域。最后对各种篡改情况进行实验,结果表明,SRUF算法对图像复制-粘贴篡改检测是有效性的。     

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Tchebichef不变矩的数字图像被动认证算法

文章提出了一种新的数字图像被动认证算法,用于检测区域复制粘贴的伪造图像.算法首先利用小波变换提取图像的低频分量,再对低频分量进行分块并提取每一块的Tchebichef不变矩特征向量,然后将特征向量进行字典排序,比较相邻2组特征向量的相似性,最后利用阈值判别实现篡改伪造区域的检测与定位.实验表明,该算法不但能够较精确地定...     

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。     

可恢复篡改内容的高精度图像认证水印算法

针对目前半脆弱水印算法在篡改定位和篡改恢复性能方面存在的不足,本文提出了一种高精度图像认证的半脆弱双水印算法。该算法利用认证水印对图像进行认证、定位篡改,利用恢复水印重构被篡改图像。实验结果证明,该算法对图像具有很好的篡改定位能力,并能有效地恢复篡改内容。     

基于双树复数小波四元数卷积网络的Copy-move盲取证算法

随着图像编辑软件的普及与完善,使得人们通过Copy-move操作便可伪造图像,而现有的Copy-move盲取证算法很难提取到彩色图像的一致性特征,且结果依赖于手动调节参数,难以定位到准确的篡改区域.为此,利用四元数卷积网络提取彩色图像空间一致性信息和双树复数小波提取图像局部信息的优势,提出了一种基于双树复数小波四元数卷积网络的Copy-move盲取证算法.首先,将图像表示为四元数并输入到四元数卷积网络中,提取彩色图像的颜色一致性特征,并将双树复数小波变换的高频子带与卷积网络的特征图联合学习图像的局部特征.其次,计算特征向量之间的相似性分数.然后,利用卷积网络提取较高分数的特征,定位相似区域,在一定程度上解决了匹配时手动调节参数的问题;并构建了一个仅定位粘贴区域的辅助分支来区分相似区域.最后,融合了相似和粘贴区域得到能够区分复制和粘贴位置的结果.在CoMoFoD和CASIA CMFD数据集上的主客观实验表明,该算法提升了Copy-move盲取证的定位性能.     

感兴趣区图像数字水印认证方法

数字水印技术为保护多媒体作品提供了一种有效手段，该文结合JPEG2000中的ROI(region of interest)技术，提出一种用于认证感兴趣区图像的小波域水印算法，并利用背景区保护感兴趣区数据，实现感兴趣区图像水印的无损嵌入，实验结果表明，此算法的认证过程能够识别对感兴趣区的各种有意义的篡改，而且能以较高的精度定位篡改区域。     

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.     

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.     

具有双重检测机制的图像篡改检测算法

针对单一基于相关性的图像篡改检测算法难以同时解决虚警和漏检的缺陷,提出一种具有双重检测机制的图像篡改检测算法——第一重检测利用待测图像各区域的相机指纹是否与参考相机的指纹具有相关性来确定疑似篡改图像块;第二重检测从疑似篡改图像块中抽取特征,送到训练好的支持向量机(SVM),由基于图像特征的SVM对其分类,把误判块和真实篡改块区分开来.实验结果表明,该算法优于经典的单一基于相机指纹相关性的篡改检测算法.     

一种基于特征提取与追踪的视频复制粘贴篡改检测方法

提出一种基于特征提取与追踪的视频篡改检测方法.首先对视频序列按照一定帧间隔进行特征提取,寻找出首个篡改帧及其篡改区域;其次采用追踪算法对该篡改区域进行学习,并定位该帧之后的每个视频帧的可疑区域;最后对可疑区域再使用特征提取算法进行相似点匹配,确定出视频篡改帧的位置及其篡改区域.结果证明了方法的有效性和鲁棒性,以及在执行时间上相对于已有算法的优越性.     

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.     

基于混沌映射的图像认证技术

针对脆弱水印认证算法的篡改定位精度及安全性问题,提出了一种篡改检测和定位分离的图像认证方案.将原始图像的像素灰度值映射为混沌初值,经过若干次迭代生成检测水印和定位水印,然后将其嵌入到像素灰度值的低两位.利用混沌对初值的极端敏感性,能够精确地定位对含水印图像的篡改,并且水印提取无需宿主图像.实验结果表明本算法能够检测出任何对图像像素值的改变和对图像完整性的破坏,同时可将篡改定位到单个像素,有效地实现了对数字图像的精确认证.