一种检测图像Copy-Move篡改鲁棒算法

针对现有的复制粘贴(Copy-Move)检测算法鲁棒性较差,时间复杂度高,提出一种有效快速的检测与定位篡改区域算法.利用小波变换获取图像低频区域,引入几何矩提取分块鲁棒特征,通过特征向量排序缩小匹配空间,最后通过经验阈值和数学形态学定位篡改区域.实验结果表明该算法不仅能有效抵抗如高斯白噪声、JPEG压缩等常规图像后处理操作,而且减少块总数,算法的时间复杂度大大降低.     

基于几何均值分解的图像区域复制篡改检测方法

针对现有大多数图像区域复制篡改检测算法提取图像块的特征向量维数较高的缺点,提出一种新的基于几何均值分解的检测算法.将可疑图像分成大小相等的可重叠的子块;并对每个图像块进行几何均值分解并用其表征该子块的特征,形成1维的特征向量;最后对所有的特征向量进行字典排序,并结合图像块的相等位移矢量的发生频率信息,检测并定位出篡改区域.实验结果表明,该算法不仅能够有效检测并定位多区域复制篡改区域,而且对高斯模糊、对比度调整、曝光度调整的后处理操作具有较强的鲁棒性,并且有效地降低了特征向量的维数,提高了检测效率.     

图像区域复制篡改快速鲁棒取证

图像区域复制篡改就是将数字图像中一部分区域进行复制并粘贴到同一幅图像的另外一个区域, 是一种简单而又常见的图像篡改技术. 现有的算法大多对区域复制后处理的鲁棒性比较差, 并且时间复杂度高. 本文针对该篡改技术, 提出一种有效快速的检测与定位篡改区域算法. 该算法首先将图像进行高斯金字塔分解, 将低频图像进行块分解, 提取每块的Hu矩不变特征, 并将特征向量排序, 然后为每个特征向量搜索符合阈值的相似特征向量; 最后利用区域面积阈值去除错误的相似块, 并结合数学形态学定位篡改区域. 实验结果表明该算法不仅能有效地对抗如高斯白噪声、高斯模糊以及JPEG压缩这些后处理操作, 而且减少了块总数, 缩小了块匹配搜索空间, 提高了运算效率.     

基于LBP的图像复制篡改检测

针对比较常见的图像的复制-粘贴篡改技术,提出一种基于局部二值模式LBP(local binary pattern)的检测算法。首先把需要检测的已经被篡改的图像分成大小相同的重叠块,每块的纹理特征用LBP(旋转不变)向量去表示,从而得到被检测图像的特征矢量;然后对得到的特征矢量进行字典排序,并结合检测图像块的位移矢量,准确定位并检测出图像中的被篡改区域。实验结果表明:在抗旋转处理和效率方面该算法均优于经典的基于PCA的检测算法。     

基于深度特征提取和DCT变换的图像复制粘贴篡改检测

针对图像复制粘贴篡改检测中算法时间复杂度过高和定位区域不完整的问题,提出一种基于深度特征提取和离散余弦变换的图像复制粘贴篡改检测算法。首先,融合图像颜色和纹理信息获得四通道图像,计算自适应特征提取阈值,并通过基于全卷积神经网络的特征检测器提取图像深度特征;其次,通过离散余弦变换提取块特征进行初步匹配,再利用点特征向量消除误匹配;最后,通过卷积运算精确定位篡改区域。通过在公共数据集上进行验证,充分展示了该算法在检测效率和定位区域完整性方面的优势。     

基于灰度共生矩的图像区域复制篡改检测

针对图像区域复制—粘贴篡改,提出了一种基于灰度共生矩阵的检测算法。首先将待检测图像分成大小相同的多个重叠块,用灰度共生矩阵的统计量表示每块图像的纹理特征,得到图像的特征矢量。然后将特征矢量进行字典排序,并结合图像块的位移矢量,检测且定位出篡改区域。实验结果表明,该算法在抗旋转处理和效率方面均优于经典的基于主成分分析法（PCA）的检测算法。     

基于不变矩的Copy-Move型篡改图像盲检测方法

拷贝粘贴(Copy-Move)是极为常见的图像篡改方式之一。为了快速有效地检测这种图像篡改,该文提出了一种基于不变矩的Copy-Move型篡改图像盲认证方法,实验结果表明,此方法不仅可以检测传统的Copy-Move型篡改,而且可以检测出经过旋转、镜像以及缩放的Copy-Move型篡改,同时,为降低算法的复杂度,还提出利用块迭代划分方法来有效减少搜索计算量。仿真实验结果表明,该方法是有效的。     

基于分形和统计的复制-粘贴篡改图像的检测

现在大多数图像“复制-粘贴”篡改检测算法对于区域复制后的进一步混合处理不能进行有效检测。为此提出了一种新的基于分形和统计的检测方法。首先将图像分块并提取每块的特征向量,该特征向量由分形维数和三个统计量组成;接着对所有特征向量进行字典排序;最后,利用图像块的位置信息和欧氏距离定位篡改区域。此方法不仅能够检测传统的复制-粘贴型篡改,而且还能够检测经过旋转、翻转以及旋转和翻转混合的多区域复制-粘贴型篡改;此方法也能够抵抗高斯模糊、对比度调整和亮度调整等攻击。实验结果表明了该方法的有效性。     

同幅数字图像中Copy-Move型篡改的盲检测

为了快速有效地检测复制-粘贴(Copy-Move)图像篡改,提出了一种基于重叠块统计值的Copy-Move型篡改图像盲认证方式.该算法先将图像进行一次离散小波变换(Discrete wavelet transform,DWT)并取其低频部分分解为重叠块,接着统计各重叠块的7个统计值并计算重叠块间的相似性找出相似块,最后返回原篡改图像找出篡改部分.仿真结果表明,该方法能快速有效地检测出篡改部分经过JPEG有损压缩、高斯白噪声污染和这两者结合的篡改图像.     

采用圆谐-傅里叶矩的图像区域复制粘贴篡改检测

现有检测方法大多对图像区域复制粘贴篡改的后处理操作鲁棒性不高.针对这种篡改技术,提出一种新的基于圆谐-傅里叶矩的区域篡改检测算法.首先将图像分为重叠的小块;然后提取每个图像块的圆谐-傅里叶矩作为特征向量并对其进行排序;最后根据阈值确定相似块,利用位移矢量阈值去除错误相似块以定位篡改区域.实验结果表明,该算法能有效抵抗噪声、高斯模糊、旋转等图像后处理操作,且与基于HU矩的方法相比有更好的检测结果.     

A novel forged blurred region detection system for image forensic applications

As new technologies and devices are introduced in the market, the crime rate also increases in developing and developed countries. One such crime is image forgery which can be detected by forensic applications. In this paper, we propose a novel idea for identifying forgery attack done by blur artifact unlike existing forgery attack done by geometrical distortion such as rotation and scaling. The proposed method segment region of interest from the input forgery image based on the combination of statistical analysis with color texture analysis which includes blur artifact region. For each region of interest, we propose a new method for estimating degree of blur to separate forged blur artifact and normal blur artifact. In order to validate the identified forged blur artifact, we explore Fourier and Gabor texture features to study the structure of the forged blur artifact which eliminates false blur forged blur artifact. To evaluate the proposed forged blurred region detection method, we use two standard databases namely, Image data manipulation, and MICC-F220 for experimentation. Experimental results of the proposed method with existing methods show that the proposed method outperforms the existing methods in terms of forged blur artifact region detection.     

基于Tchebichef矩的区域复制窜改检测算法*

提出了一种新的数字图像被动认证算法,用于检测同幅图像的区域复制窜改问题。算法首先利用离散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离散正交Tchebichef矩特征;然后将特征矢量进行字典排序,比较相邻两组特征矢量的相似性;最后利用阈值判别实现窜改伪造区域的检测和定位。实验结果证明,算法能较好地检测及定位出图像中复制与窜改区域,且具有运算量小、检测效率高、鲁棒性好等特点。     

Robust hashing for image authentication using SIFT feature and quaternion Zernike moments

A novel robust image hashing scheme based on quaternion Zernike moments (QZMs) and the scale invariant feature transform (SIFT) is proposed for image authentication. The proposed method can locate tampered region and detect the nature of the modification, including object insertion, removal, replacement, copy-move and cut-to-paste operations. QZMs considered as global features are used for image authentication while SIFT key-point features provide image forgery localization and classification. Proposed approach performance were evaluated on the color images database of UCID and compared with several recent and efficient methods. These experiments show that the proposed scheme provides a short hash length that is robust to most common image content-preserving manipulations like large angle rotations, and allows us to correctly locating forged image regions as well as detecting types of forgery image.

     

一种基于自适应闭值的图像伪造检测算法

图像伪造检测是数字取证领域一个发展迅速的研究方向。复制一移动是最常见的图像伪造方式之一,其目的是通过隐藏或克隆对象来创建新的图像内容场景。复制一移动伪造检测的主要依据是图像中存在较大面积的相同或非常相似的区域对。针对以往检测方法对图像中存在同质纹理或均匀区域检测困难以及相关参数阂值选择不确定等现状,提出一种基于自适应阂值的图像复制一移动伪造检测算法,该算法不但使相关阂值的选择和估计更合理,而且能够自动识别和定位伪造区域。通过在包含同质或均匀区域的彩色伪造图像中的实验,进一步验证了本算法的有效性。     

基于SIFT的区域复制窜改检测算法*

提出了一种区域复制窜改检测算法,用于检测同幅图像中经几何变换的区域复制窜改问题.先利用SIFT算法提取出图像中SIFT关键点后,再用欧式距离找出所有匹配的关键点,最后根据同一幅自然图像不存在互相匹配的特征点这一特性,判定图像是否被窜改以及定位出被窜改的区域.实验结果表明,算法不仅可以检测出伪造图像中经平移变换的窜改区域,还可以检测出经旋转、缩放以及两者组合的几何变换.与其他的区域复制窜改算法相比,算法对伪造图像的检测有了较大的改进.     

基于均值漂移的图像复制粘贴伪造盲检测

摘要：随着数字多媒体技术及计算机网络技术的发展,数字图像在信息技术时代扮演着越来越重要的角色,图像的真实性成为现代人们广泛关注的热点之一,为此提出了一种基于均值漂移的图像复制粘贴伪造盲检测算法。提取图像的SURF（Speed up robust feature）特征点,通过最近邻匹配方法进行特征匹配,滤除冗余点,初步定位复制粘贴伪造区域。均值漂移（Mean Shift）将具有相同或相似属性的图像像素分割为同一区域,利用匹配后的SURF特征点与其所在均值漂移分割区域的位置依赖关系确定伪造区域,并采用边缘直方图和HSV颜色直方图衡量特征点所在分割区域与相邻分割区域间的相似度,进一步细化伪造检测结果,最终实现图像的复制粘贴伪造盲检测。实验结果表明,该算法能够鲁棒地、高效地检测出图像的复制粘贴伪造区域。     

基于DWT和形态学滤波的图像伪造检测方法

针对图像中复制-移动和拼接形式的图像伪造检测,提出一种基于离散小波变换(DWT)和形态学滤波的图像伪造检测方法。首先,将图像转换为灰度图,通过应用DWT获得LH、HL和HH子带。然后,通过阈值判断来获得伪造图像区域的边缘,并通过形态学滤波来连接边缘使其清晰化。最后,提取伪造区域的SIFT特征,并通过相似性检测来寻找图像中与伪造区域相似的区域,以此来确定伪造类型。实验结果表明,该方法能够准确检测出伪造区域和伪造类型。     

Forgery detection using feature-clustering in recompressed JPEG images

JPEG images are widely used in a large range of applications. The properties of JPEG compression can be used for detection of forgery in digital images. The forgery in JPEG images requires the image to be resaved thereby, re-compression of image. Therefore, the traces of recompression can be identified in order to detect manipulation. In this paper, a method to detect forgery in JPEG image is presented and an algorithm is designed to classify the image blocks as forged or non-forged based on a particular feature present in multi-compressed JPEG images. The method performs better than the previous methods which use the probability based approach for detecting forgery in JPEG images.