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.     

伪造图像典型篡改操作的检测

在图像篡改中常使用几何变换、JPEG(Joint Photographic Experts Group)压缩以及模糊操作,其特性是图像伪作检测的依据。首先定义兼顾重采样和JPEG压缩特性的块度量因子,将待测图像重叠分块计算块度量因子,利用其值的不一致性来检测定位篡改区域。实验结果表明,与现有针对性单一的检测方法相比,该方法可以检测更多篡改组合模式下的篡改操作并能有效定位出篡改区域,且对于有损JPEG压缩具有较好的鲁棒性。其次,提出一种检测模糊痕迹的方法。利用一定的模糊核对待测图像进行再次模糊,计算模糊前后两图像的像素差值,根据差值图像值的不同分类完成模糊篡改区域的定位。实验结果表明,该方法能实现对不同模糊方式的盲检测,且对JPEG压缩的抵抗能力较好,同时与现有基于分块检测的方法相比,大大降低了计算复杂度且能检测出较细小的模糊痕迹。     

四叉树分解的图像认证水印算法

文章分析了图像内容认证方式和常用篡改检测定位方法,设计出基于图像四叉树分解的认证水印算法,以四叉树分解的图形信息作为水印图像用于篡改定位。实验证明,该方法在保持图像视觉质量的前提下,能够有效抵抗常规的图像处理操作,对恶意攻击进行多区域篡改检测和准确定位。     

数字图像盲取证对样本合成修复应用的篡改区域检测算法

提出了一种图像盲取证算法, 用于检测利用样本合成修复技术制作的伪造图像. 该算法采用零连通特征来描述修复技术导致的图像块之间异常的相似性, 然后构建升半梯形隶属函数将该相似性特征转换成块属于篡改块的模糊隶属度, 通过截集划分并结合高隶属度块的位置信息, 进行伪造图像的检测和篡改区域的定位. 实验结果表明该算法能够有效区分自然图像和修复伪造图像, 并可进一步定位图像的篡改区域.     

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.     

基于DeepLab v3+的多任务图像拼接篡改检测算法

在图像拼接篡改检测任务中,受篡改区域尺度多样性及模糊操作的影响,传统分类算法难以提取图像篡改特征。提出一种基于DeepLab v3+的图像拼接篡改检测算法,使用浅层图像特征预测图像的篡改区域边界,提高模型对篡改边界的敏感性。在此基础上,通过多尺度融合特征对图像篡改区域进行分割,并在原空洞空间金字塔模块中融合空间和通道注意力机制,从而提高模型对多尺度篡改区域的适应性。实验结果表明,所提算法能有效检测图像的篡改区域,在CASIA v1.0和Columbia数据集中的分割精度分别为0.754 6和0.727 8,优于DCT、BAPPY、MFCN等算法。     

基于核主成分分析的图像模糊篡改检测算法

现有的图像模糊篡改检测算法通常提取模糊操作引入的某单一特征进行判断,为更好地提高算法检测效率,提出基于核主成分分析的模糊篡改检测算法.通过奇异值分解提取第一组特征,计算图像二次模糊相关性作为第二组特征,计算图像质量因子作为第三组特征.运用核主成分分析方法实现多特征融合.采用支持向量机进行判断,从而实现模糊篡改检测.实验表明:该算法能够有效地检测数字篡改图像的模糊操作痕迹,并能对模糊篡改区域进行准确定位.     

基于模糊度和色调变化率的图像模糊取证

提出一种数字图像模糊篡改的检测方法。由于模糊操作是一种常用的图像润饰篡改手段,所以检测人工模糊对图像的真实性和原始性具有一定的必要性。首先利用图像的模糊度,估计出图像中可能经过模糊篡改的区域,再根据模糊操作会破坏图像邻域的色彩一致性且被破坏后的色彩一致性无法被"再次"破坏的性质对估计出的模糊区域进行高斯低通滤波处理,然后根据滤波前后色调值的变化个数进行精确的检测,最后定位出人工模糊篡改区域。实验表明,该方法可以检测出图像中的人工模糊篡改区域,并能准确地将其进行定位。     

基于模糊和多分辨分析的骨肿瘤X光图像分割

根据骨肿瘤Ｘ光图像的局部区域特性,采用多分辨图像处理和模糊聚类方法对它进行分割,分割由以下几步来完成;（１）将图像分成相互交叠的子图像块;（２）采用基于模糊连接的多分辨图像处理算法对各子图像进行处理;（３）对各子图像的处理结果利用模糊聚类方法选择阈值,该方法应用于临床骨肿瘤Ｘ光图像,获得了良好的分割。     

鲁棒的区域复制图像篡改检测技术

区域复制把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一个区域中,以达到去除图像中某一重要内容的目的,是一种简单而有效的图像篡改技术.现有检测算法对区域复制后处理的鲁棒性较差.文中针对此篡改技术,提出了一种有效的检测与定位篡改区域算法.该算法首先将图像分解为小块并比较各小块间的相似性,最后利用"主转移向量"方法去除错误的相似块对得到篡改的区域.实验数据说明该算法能有效地对抗多种区域复制的后处理操作,包括高斯模糊、加性白高斯噪声、JPEG压缩及它们的混合操作.     

利用小波域同态滤波的伪造图像检测方法

针对伪造图像中常用的模糊操作,提出一种伪造图像的检测方法,该方法首先对伪造图像进行小波域同态滤波,增强处于高频段的人为模糊边缘,然后利用数学形态方法腐蚀掉自然边缘,保留增强的模糊边缘,最后对腐蚀后的边缘图像进行区域标定,从而定位出伪造区域。实验证明该算法相对基于传统同态滤波伪造检测方法,能够较准确定位伪造区域,降低误检率。     

基于小波和不变矩的图像copy-move篡改盲检测

针对数字图像取证中一类常见的复制粘贴图像伪造,本文提出了一种基于小波变换和不变矩提取的检测算法。该算法利用小波变换提取图像的低频分量,对低频分量分块进行不变矩特征提取,然后将特征矢量进行按行字典排序,并且配合图像块的偏移位置信息,进行图像复制伪造区域的检测和定位。实验表明该算法能够较精确地定位出复制和粘贴的图像伪造区域,并有效地减少了运算量,提高了检测效率。     

基于多支持区域局部亮度序的图像伪造检测

图像伪造检测是目前数字图像处理领域中的一个研究热点,其中复制-粘贴是最常用的伪造手段。由于伪造区域在粘贴前会被进行一定的尺度、旋转、JPEG压缩、添加噪声等操作,这使得检测伪造区域具有一定的挑战性。针对图像复制-粘贴伪造技术,提出一种基于多支持区域局部亮度序模式（LIOP）的图像伪造检测算法。首先,利用最大稳定极值区域（MSER）算法提取具有仿射不变性的区域作为支持区域;其次,利用非抽样Contourlet变换得到不同尺度、不同分辨率和不同方向的多个支持区域;然后,在每个支持区域上提取同时具有旋转不变性和单调亮度不变性的LIOP描述子,并利用双向距离比值法实现特征初匹配;接着,采用空间聚类将匹配的特征进行归类,进而用随机抽样一致性（RANSAC）算法对每个归类进行几何变换参数估计;最后,使用必要的后处理等操作来检测出伪造区域。实验表明,提出的算法具有较高的伪造检测精度与可信度。     

基于半色调技术的印前图像篡改检测方法

本文印前图像特指图像数字排版经编辑确认后的数字印刷样张,其以栅格处理器分色后的加网二进制形式存储.数字样张一经确认,其来源的合法性便不受怀疑.但是,从印刷的整体流程来看,数字样张的存储、传输过程中仍有较大的篡改风险.现有的复制移动篡改检测算法存在特征维度高、计算开销大或检测率较低等问题,而且不适用于分色后的二进制样张.本文提出了一种基于半色调图像网点密度特征的Copy-Move篡改检测方法,该方法针对分色处理后的CMYK目标图像的二值量化处理,采用滑动分块的方法对目标图像进行分块,通过提取图像块CMYK四个通道的局部网点密度特征对图像块进行篡改检测.实验结果表明,该方法在图像篡改检测上较以往方法相比具有较低的时间复杂度和较高的检测率,并且对图像篡改区域的旋转攻击、小尺度缩放攻击等具有较好的鲁棒性.     

检测小篡改区域的U型网络

目的 图像篡改区域检测是图像取证领域的一个挑战性任务,其目的是找出图像的篡改区域。传统方法仅针对某种特定的篡改方式进行设计,难以检测其他篡改方式的图像。基于卷积神经网络的方法能够自适应地提取特征,同时检测包含多种篡改方式的图像。但是其中多数方法都选择增强图像的噪声特征,这种机制无法较好处理篡改区域与原图像来源相同、噪声相似的情况。多数方法还忽略了篡改区域过小而产生的样本不平衡问题,导致检测效果不佳。方法 提出了一个基于区域损失的用于检测小篡改区域的U型网络,该网络构建了一个异常区域特征增强机制,放大与图像背景差异较大的异常区域的特征。此外,还利用区域损失增强对篡改区域框内像素的判别能力,可以解决因篡改区域过小而产生的样本不平衡问题。结果 消融实验说明了异常区域特征增强机制和区域损失机制的有效性;对JPEG压缩和高斯模糊的对抗性测试证明了模型的鲁棒性;在CASIA2.0（CASI-A image tampering detection evaluation database）、NIST2016（NIST nimble 2016 datasets）、COLUMBIA （Columbia uncompressed image splicing detection evaluation dataset）和COVERAGE （a novel database forcopy-move forgery detection）数据集上与最新方法进行比较时,本文方法取得了最优性能,其F1 score分别为0.979 5、0.982 2、0.995 3和0.987 0。结论 本文的异常区域特征增强机制和区域损失机制能有效提高模型性能,同时缓解篡改区域过小导致的样本不平衡问题,大量实验也表明了本文提出的小篡改区域检测方法的优越性。     

基于Gaussian-Hermite矩的旋转运动模糊不变量

目的 模糊图像的分析与识别是图像分析与识别领域的重要方向。有些图像形成过程中成像系统与物体之间存在相对旋转运动,如因导弹高速自旋转造成的制导图像的旋转运动模糊。大多数对于这类图像的识别都需要先对模糊图像进行“去模糊”的预处理,且该类方法存在计算时间复杂度较高及不适定的问题。对此,提出一种直接提取旋转运动模糊图像中的不变特征,用于旋转运动模糊图像目标检索和识别。方法 本文以旋转运动模糊的退化模型为出发点,提出了旋转运动模糊Gaussian-Hermite (GH)矩,构造了一组由5个对旋转变换和旋转运动模糊保持不变性的GH矩不变量组成的特征向量(rotational motion blur Gaussian-Hermite moment invariants,RMB_GHMI-5),可从旋转变换和旋转运动模糊的图像中直接进行目标检索和识别,无需前置复杂的“去模糊”预处理过程。结果 在USC-SIPI (University of Southern California — Signal and Image Processing Institute)数据集上进行不变性实验,对原图进行不同程度的旋转变换叠加旋转运动模糊处理,证明RMB_GHMI-5对于旋转变换和旋转运动模糊具有良好的稳定性和不变性。在两个数据集上与同类4种方法进行图像检索实验比较,在80%召回率下,本文方法维数更少,相比性能第2的特征向量,在Flavia数据集中,高斯噪声、椒盐噪声、泊松噪声和乘性噪声干扰下的准确率分别提高25.89%、39.95%、22.79%和35.80%;在Butterfly Image数据集中,高斯噪声、椒盐噪声、泊松噪声和乘性噪声干扰下的准确率分别提高4.79、7.63%、5.65%和18.31%。同时,在上述8个测试数据集中进行对比实验以验证融合算法的有效性,结果表明本文提出的GH矩和几何矩相融合算法显著改善了图像检索效果。结论 本文提出的RMB_GHMI-5特征向量在旋转变换和旋转运动模糊下具有良好的不变性与稳定性,在图像检索抗噪性能方面表现优异。相比同类方法,本文方法更具实际应用价值。     

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TSVD的图像复制区域伪造检测算法*

提出了一种有效的盲检测算法来识别图像复制区域伪造。该算法采用截尾奇异值分解(truncatedsingular value decomposition,TSVD)变换来处理图像块数据,并对图像块进行相似性匹配检测。实验结果表明,本算法具有较强的检测能力,能够有效抵抗多种修饰操作,如JPEG有损压缩、高斯模糊、高斯白噪声污染等。     

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.