图像拼接篡改的自动色温距离分类检验方法

拼接篡改是一类常见的图像伪造手段,现有取证方法难以实现图像中拼接篡改区域的自动检测与精确定位,导致拼接篡改伪造图像的取证长期依赖人工经验.基于图像中原始区域与拼接篡改区域所反映的光源色温的差异性,提出一种自动色温距离阈值分类的图像拼接篡改检测与定位方法.首先,变换待检验图像至YCbCr色彩空间,并按照Grid-based方式结构化分解为大小的子图像块;然后,利用自动白平衡（Automatic white balance,AWB）中的白点检测原理对每一个子图像块进行色温估计,计算子图像块与参考区域之间的色温距离;最后,采用最大类间方差法自适应地求取色温距离分类的最佳阈值,对子图像块进行分类标注,实现了图像拼接篡改区域的自动检测与精确定位.实验表明,该方法能够实现图像拼接篡改区域的自动检测与定位,具有较高的量化检测精度.     

自适应灰度加权的鲁棒模糊C均值图像分割

针对传统模糊C均值(fuzzy C-means,FCM)算法以及结合空间信息的相关改进算法分割精度较低、对噪声敏感的问题,提出一种自适应灰度加权的鲁棒模糊C均值图像分割算法。首先,通过定义像素间的局部灰度相似性测度来反映各像素对局部邻域的影响程度,并根据邻域窗口中各像素的灰度差异,利用指数函数进一步控制邻域像素的影响权重,实现像素灰度的自适应加权,从而提高像素灰度计算的准确性。其次,构造出一种改进的距离测度代替传统的欧氏距离,用于计算各像素与聚类中心之间的相似距离,增强算法对噪声和异常值的鲁棒性。最后,将提出的自适应灰度加权方法与改进的距离测度应用到FCM算法中,实现图像分割。实验结果表明,该算法需根据图像噪声的强度适当地选取邻域窗口大小,在此条件下算法能够取得较优的分割效果和运行效率,且对噪声具有较强的鲁棒性。     

拼接篡改图像的色温估计取证方法

针对近年来图像伪造现象严重,而传统的图像取证方法过于依赖人工经验,缺乏严谨的取证依据的问题,提出一种基于色温估计的拼接篡改图像取证方法.利用改进的平均色差计算方法对图像进行色温估计;然后根据色温估计结果计算关键区域与参考区域之间的色温距离;最后与实验获取的色温距离阈值进行比较,判断图像中是否存在拼接篡改操作所引入的色温不一致现象.实验结果表明,该方法能够为图像取证工作提供科学量化的参考依据.     

噪声水平不一致性的图像拼接区域检测方法

针对图像拼接篡改检测与篡改定位技术进行研究,提出了一种噪声水平不一致性的图像拼接篡改定位方法.该方法利用改进的拉普拉斯算子对噪声具有双倍加强作用的特点,结合奇异值分解,提取非重叠图像块的局部图像梯度矩阵和噪声特征,然后利用基于聚类的阈值算法,对得到的特征进行分类并定位出篡改区域.与现有的基于噪声的图像拼接区域检测方法相比,所提出的方法不仅能够检测拼篡改区域,而且当拼接区域与原始区域之间的噪声差异较小时依然有效,并且对于内容保持的图像处理操作如JPEG压缩、高斯模糊、伽玛校正、下采样等是鲁棒的.     

基于区域对比度和背景先验的显著目标检测

针对现有算法对复杂背景的图像检测效果较差的问题,提出融合区域对比度和背景先验的显著目标检测算法。首先利用超像素分割将图像分割成感知均匀的图像块,然后根据区域对比度计算全局对比度特征和空间聚集度特征,再根据背景先验得到背景集,计算图像块与背景集间的相似性特征,接着对三个特征显著图进行融合计算,最后根据每个像素与周围超像素的颜色和距离对比度得到每个像素的显著值。实验结果表明,所提算法能较均匀高亮整个目标且有效抑制无关背景信息。     

结合形态学重建和超像素的多特征FCM分割算法

针对现有模糊聚类分割算法对噪声的鲁棒性差且提取的图像特征不充分等问题,本文提出了一种结合形态学重建和超像素的多特征模糊C-均值(FCM)分割算法.首先,利用形态学闭合重建处理原图像,提高了算法的鲁棒性和细节保护能力.其次,采用Mean-Shift方法预分割重建图像,获得一组超像素区域.再次,提取重建图像各像素的颜色特征、纹理特征和梯度特征,利用平均策略定义各超像素的颜色特征、纹理特征和梯度特征,组成多维特征向量.最后,运用最大熵正则化的加权模糊C-均值算法(EWFCM)的框架,以超像素为单位,以核诱导距离作为距离度量来聚类多维特征向量.选取BSDS300数据集中的6幅图像完成实验对比.结果表明,本文算法具有更高的分割精度.     

结合区域协方差分析的图像显著性检测

目的 图像显著性检测的目的是为了获得高质量的能够反映图像不同区域显著性程度的显著图,利用图像显著图可以快速有效地处理图像中的视觉显著区域。图像的区域协方差分析将图像块的多维特征信息表述为一个协方差矩阵,并用协方差距离来度量两个图像块特征信息的差异大小。结合区域协方差分析,提出一种新的图像显著性检测方法。方法 该方法首先将输入的图像进行超像素分割预处理;然后基于像素块的区域协方差距离计算像素块的显著度;最后对像素块进行上采样用以计算图像像素点的显著度。结果 利用本文显著性检测方法对THUS10000数据集上随机选取的200幅图像进行了显著性检测并与4种不同方法进行了对比,本文方法估计得到的显著性检测结果更接近人工标定效果,尤其是对具有复杂背景的图像以及前背景颜色接近的图像均能达到较好的检测效果。结论 本文方法将图像像素点信息和像素块信息相结合,避免了单个噪声像素点引起图像显著性检测的不准确性,提高了检测精确度;同时,利用协方差矩阵来表示图像特征信息,避免了特征点的数量、顺序、光照等对显著性检测的影响。该方法可以很好地应用到显著目标提取和图像分割应用中。     

一种改进的自适应模糊图像增强方法

Russo提出了一种模糊图像增强方法,该方法的效果由一个事先给定的参数来控制,由于同一幅图像不同区域的灰度值分布不尽相同,所以固定的参数并不能取得满意效果。为了获得更好的滤噪效果,研究了一种基于图像区域信息的改进的自适应模糊图像增强方法。该方法首先计算每个像素与其邻域像素的平均灰度差,然后根据该差值为每个像素分配一个噪声率,最后通过该噪声率来自适应地选择参数。该方法能够在滤除图像噪声的同时,不损失图像的细节特征信息。实验结果显示该方法较原方法有较大改进,并明显优于其他一些常规方法。     

基于超像素形状特征的图像复制粘贴篡改检测算法

针对传统图像复制粘贴篡改检测方法中划分子块的数目过大导致算法时间复杂度过高且抵抗几何变换能力较弱的问题,提出一种基于超像素形状特征的图像复制粘贴篡改检测算法.首先提出基于小波对比度自适应划分超像素的方法分割图像并提取稳定的特征点;然后提出新颖的形状编码方式提取超像素形状特征,并与特征点融合,估计可疑伪造区域;最后对可疑...     

USM增强的边缘羽化拼接图像检测方法

图像拼接过程中,经过羽化模糊处理的图像边缘特征是不同于自然图像边缘特征的。因此,可利用图像边缘羽化特征来进行图像拼接区域的检测。然而,当图像中某些边缘与羽化边缘特征相似时,直接提取边缘羽化特征的方法会导致误判。如果能够扩大拼接区域的边缘与自然图像边缘之间的差异,则可以更准确地检测出图像中的篡改区域。因此,提出了一种基于USM增强的边缘羽化拼接图像检测方法。首先,对待检测的拼接图像进行UMS增强,扩大拼接图像中羽化边缘与自然边缘特征的差异性。然后,计算增强后图像边缘像素的羽化半径。最后,寻找半径相似的边缘像素,定位图像中的拼接篡改区域。实验结果表明,在拼接图像中存在与羽化边缘相似的边缘时,该方法能更准确地检测出拼接区域。     

基于超像素的印刷品色差在线检测方法

针对彩色印刷行业中,印刷品色差在线检测准确率低、速度慢的问题,提出一种新的检测方法.基于超像素的思想,采用简单线性迭代聚类(SLIC,simple linear iterative clustering)算法,对具有相似特征的相邻像素进行聚类,形成结构紧凑、近似均匀的像素块,每个像素块即为一个超像素.用超像素代替像素块内多个相似像素,分别提取标准图像和待检测图像的颜色特征.再用CIEDE2000色差公式进行色差计算.实验结果表明,该方法在保证检测结果准确率的基础上,能够有效地减少数据计算量,提高检测效率.     

融合双特征图信息的图像显著性检测方法

目的 图像的显著性检测是将图像中最重要的、包含丰富信息的区域标记出来,并应用到图像分割、图像压缩、图像检索、目标识别等重要领域。针对现有研究方法显著性目标检测结果不完整以及单一依靠颜色差异检测方法的局限性,提出一种综合图像底层颜色对比特征图和图像颜色空间分布特征图的显著性检测方法,能够有效而完整地检测出图像中的显著性区域。方法 本文方法结合了SLIC超像素分割和K-means聚类算法进行图像特征的提取。首先,对图像进行SLIC（simple linear iterative clustering）分割,根据像素块之间的颜色差异求取颜色对比特征图;其次,按照颜色特征对图像进行K-means聚类,依据空间分布紧凑性和颜色分布统一性计算每个类的初步颜色空间分布特征。由于聚类结果中不包含空间信息,本文将聚类后的结果映射到超像素分割的像素块上,进一步优化颜色空间分布图;最后,通过融合颜色对比显著图和图像颜色空间分布特征图得到最终的显著图。结果 针对公开的图像测试数据库MSRA-1000,本文方法与当前几种流行的显著性检测算法进行了对比实验,实验结果表明,本文方法得到的显著性区域更准确、更完整。结论 本文提出了一种简单有效的显著性检测方法,结合颜色对比特征图和图像颜色空间分布特征图可以准确的检测出显著性区域。该结果可用于目标检测等实际问题,但该方法存在一定的不足,对于背景色彩过于丰富且与特征区域有近似颜色的图像,该方法得到的结果有待改进。今后对此算法的优化更加侧重于通用性。     

基于高斯超像素的快速Graph Cuts图像分割方法

提出了一种交互式的快速图像分割方法.该方法通过使用高斯超像素来构建Graph cuts模型以实现加速.首先,利用融合了边缘置信度的快速均值漂移算法,将原始图像高效地预分割为多个具有准确边界的同质区域,并将这些区域描述为超像素,用于构建精简的加权图.然后,使用区域的彩色高斯统计对超像素进行特征描述,并在信息论空间中对高斯...     

A novel change detection approach based on visual saliency and random forest from multi-temporal high-resolution remote-sensing images

ABSTRACT

This article presents a novel change detection (CD) approach for high-resolution remote-sensing images, which incorporates visual saliency and random forest (RF). First, highly homogeneous and compact image super-pixels are generated using super-pixel segmentation, and the optimal segmentation result is obtained through image superimposition and principal component analysis. Second, saliency detection is used to guide the search of interest regions in the initial difference image obtained via the improved robust change vector analysis algorithm. The salient regions within the difference image that correspond to the binarized saliency map are extracted, and the regions are subject to the fuzzy c-means (FCM) clustering to obtain the pixel-level pre-classification result, which can be used as a prerequisite for super-pixel-based analysis. Third, on the basis of the optimal segmentation and pixel-level pre-classification results, different super-pixel change possibilities are calculated. Furthermore, the changed and unchanged super-pixels that serve as the training samples are automatically selected. The spectral features and Gabor features of each super-pixel are extracted. Finally, super-pixel-based CD is implemented by applying RF based on these samples. Experimental results on Quickbird, Ziyuan 3 (ZY3), and Gaofen 2 (GF2) multi-spectral images show that the proposed method outperforms the compared methods in the accuracy of CD, and also confirm the feasibility and effectiveness of the proposed approach.     

自适应多维特征减少的模糊C-均值遥感图像分割算法

针对传统分割算法难以对遥感图像进行有效分割的问题,提出了一种自适应特征减少的图像分割算法。首先对源图像进行超像素分割,将获得的超像素作为算法的基本操作对象。其次,提取图像的颜色、纹理、边缘以及空间等多维特征,并使用加权像素值来表示超像素的特征。再者,将模糊分离度量加入到FRFCM(feature-reduction fuzzy C-means)模型中,构造特征减少分割算法。该算法可以自动选择有用特征。最后对分割算法进行优化,获取最终分割结果。通过遥感图像分割实验表明,提出算法能有效分割遥感图像,在分割准确度、运行时间、消除噪声影响等性能方面优于其他同类算法。     

融合边界信息和颜色特征的显著性区域检测

传统的显著性检测方法多利用图像的颜色特征并进行超像素分割作为预处理来进行检测,对于涂抹效应不足、误检测等问题一直没能有效解决。针对涂抹效应不足提出了一种结合图像边界信息及颜色特征的显著性区域检测方法。首先,为了更好地取得图像边缘信息并去除噪声,用多次WMF（加权中值滤波）和简单线性迭代聚类（SLIC）处理源图像,再通过颜色、亮度等信息找出滤波后图像中的自然边界。将得到的边界信息和通过SLIC分割得到的超像素的颜色特征进行融合作为先验概率,以SLIC分割得到超像素位于Graph-based分割得到初步显著图中的概率为条件概率,利用贝叶斯法则得到最终的显著图。在公开数据集MSRA-1000上对算法进行验证,结果表明该算法与7种主流算法相比有更好的查全率和查准率,最高查准率达到98.03%。     

基于光源颜色和噪声的图像拼接篡改检测方法

数字图像拼接篡改是一种常见的图像伪造手段。在图像取证中,检测拼接伪造仍然是一项艰巨的任务。现有的拼接伪造检测方法多根据一种图像特性的不一致检测并定位篡改区域,而实际拼接篡改伪造往往会造成多种图像特性的改变。针对现有单一特征提取不能充分反映拼接图像特性导致检测精确率低的问题,提出一种通过提取光源颜色和噪声的混合特征来定位并显示拼接区域的高效图像拼接检测方法。实验结果表明,混合特征提取方法较单一特征提取方法能取得更高的检测精确率。     

RGB-D图像中的分步超像素聚合和多模态融合目标检测

目的 受光照变化、拍摄角度、物体数量和物体尺寸等因素的影响,室内场景下多目标检测容易出现准确性和实时性较低的问题。为解决此类问题,本文基于物体的彩色和深度图像组,提出了分步超像素聚合和多模态信息融合的目标识别检测方法。方法 在似物性采样（object proposal）阶段,依据人眼对显著性物体观察时先注意其色彩后判断其空间深度信息的理论,首先对图像进行超像素分割,然后结合颜色信息和深度信息对分割后的像素块分步进行多阈值尺度自适应超像素聚合,得到具有颜色和空间一致性的似物性区域;在物体识别阶段,为实现物体不同信息的充分表达,利用多核学习方法融合所提取的物体颜色、纹理、轮廓、深度多模态特征,将特征融合核输入支持向量机多分类机制中进行学习和分类检测。结果 实验在基于华盛顿大学标准RGB-D数据集和真实场景集上将本文方法与当前主流算法进行对比,得出本文方法整体的检测精度较当前主流算法提升4.7%,运行时间有了大幅度提升。其中分步超像素聚合方法在物体定位性能上优于当前主流似物性采样方法,并且在相同召回率下采样窗口数量约为其他算法的1/4;多信息融合在目标识别阶段优于单个特征和简单的颜色、深度特征融合方法。结论 结果表明在基于多特征的目标检测过程中本文方法能够有效利用物体彩色和深度信息进行目标定位和识别,对提高物体检测精度和检测效率具有重要作用。     

Exposing Region Splicing Forgeries with Blind Local Noise Estimation

Region splicing is a simple and common digital image tampering operation, where a chosen region from one image is composited into another image with the aim to modify the original image’s content. In this paper, we describe an effective method to expose region splicing by revealing inconsistencies in local noise levels, based on the fact that images of different origins may have different noise characteristics introduced by the sensors or post-processing steps. The basis of our region splicing detection method is a new blind noise estimation algorithm, which exploits a particular regular property of the kurtosis of nature images in band-pass domains and the relationship between noise characteristics and kurtosis. The estimation of noise statistics is formulated as an optimization problem with closed-form solution, and is further extended to an efficient estimation method of local noise statistics. We demonstrate the efficacy of our blind global and local noise estimation methods on natural images, and evaluate the performances and robustness of the region splicing detection method on forged images.