大尺寸图片的复制粘贴检测*

针对目前图像复制粘贴检测算法有时间复杂度高、当图像中有光滑区域时错检率大的缺点,将图像角点区域及其八方向邻接圆形区域作为伪造检测区域,提取每个检测区域的矩特征后用k-d树进行排序,并通过比较每个区域矩特征的相似性来定位伪造复制区域.该算法效率高,且对经过旋转、添加噪声、模糊、JPEG压缩等后处理的复制粘贴伪造图像检测效果很好.     

一种缩放情况下区分原始区域和篡改的方法

为了在检测结果中区分出原始区域和粘贴区域,提出一种基于尺度不变特征转换(SIFT)和重采样痕迹的图像盲检测算法。该算法首先将图像分成互不重叠块,利用SIFT算法找出每个块中的关键点,对关键点匹配;然后在每个块中以匹配关键点的中心为种子进行区域生长得到篡改区域;最后分析每个图像块的频谱图,计算出缩放因子,区分原始区域和复制区域。实验结果表明,该算法简便快捷,在能够对篡改区域进行准确定位的同时,并能区分原始区域和复制区域。     

Image copy-move forgery passive detection based on improved PCNN and self-selected sub-images

Image forgery detection remains a challenging problem. For the most common copy-move forgery detection, the robustness and accuracy of existing methods can still be further improved. To the best of our knowledge, we are the first to propose an image copy-move forgery passive detection method by combining the improved pulse coupled neural network (PCNN) and the self-selected sub-images. Our method has the following steps: First, contour detection is performed on the input color image, and bounding boxes are drawn to frame the contours to form suspected forgery sub-images. Second, by improving PCNN to perform feature extraction of sub-images, the feature invariance of rotation, scaling, noise adding, and so on can be achieved. Finally, the dual feature matching is used to match the features and locate the forgery regions. What's more, the self-selected sub-images can quickly obtain suspected forgery sub-images and lessen the workload of feature extraction, and the improved PCNN can extract image features with high robustness. Through experiments on the standard image forgery datasets CoMoFoD and CASIA, it is effectively verified that the robustness score and accuracy of proposed method are much higher than the current best method, which is a more efficient image copy-move forgery passive detection method.     

融合灰色马尔科夫理论的二进小波图像的复制－粘贴篡改检测算法

提出了一种二进小波图像的篡改检测算法,对待测图像进行二进小波图像分解,然后提取其每个图像分块的高低频子图特征值进行分析。为了使该算法能够在大量图像篡改检测过程中保证其检测率、错误率,使用基于灰色理论与马尔科夫链的融合模型对该算法的检测率、错误率进行预测,将预测值进行均值计算得到平均检测率与平均错误率。通过与文献算法比较检测率、错误率均值,证明了该算法在避免偶然的情况下,提高了检测率并降低了错误率。     

基于模糊不变矩的复制粘贴伪造检测方法

随着各种高级图像处理算法以及相应图像处理软硬件的出现,即使非专业人士也很容易篡改图像,并使人肉眼很难甚至无法识别。针对一种常见的图像篡改——复制粘贴伪造,提出了一个能自动检测并标识数字图像中复制区域的方法。将图像分成多个重叠块,每块的特征用由模糊不变矩计算得到的模糊不变量表示,按照预定的相似标准来确定图像篡改区域。实验结果表明:相对于基于PCA的方法,该方法在抗模糊处理方面具有明显的优势。     

基于不变矩特征的图像区域复制粘贴篡改检测

针对一种常见的篡改手段——图像区域复制粘贴,提出了一种基于不变矩特征的检测方法。将图像分成多个重叠块,提取每块的不变矩特征与直方图特征,结合起来得到图像的特征矢量。利用字典排序,依照预定的相似性标准,确定图像中的复制粘贴区域。实验结果表明,该算法在抗旋转操作方面明显优于经典的PCA检测算法,能准确检测出90°和180°的旋转。     

同源视频Copy-Move篡改检测及恢复

针对同源视频序列的copy-move篡改方式, 提出一种通过度量图像内容间的相关性, 来实现对视频序列的copy-move篡改检测并恢复的方法. 首先将视频帧内容转化为一系列连续的图像帧, 对图像分块, 提取每帧图像的8个特征矢量, 再利用欧氏距离计算帧间相关性, 并通过添加偏差矩阵构造动态偏差阈值, 检测出copy-move篡改序列且精确至帧, 从而实现对视频序列的篡改检测与恢复. 实验表明, 该算法对同源视频序列的copy-move篡改检测及恢复能够取得理想的效果.     

基于小波矩的图像复制粘贴篡改检测

图像的局部复制粘贴篡改技术,是最常见的一种图像伪造方式,对此提出一种基于小波矩的图像复制粘贴篡改检测算法．首先通过变分水平集活动轮廓模型初步确定图像篡改的可疑区域：然后对每一块可疑区域利用小波矩算法提取其小波矩特征;接着利用余弦相关性测度判别可疑区域的相似性;最后定位图像的篡改区域．实验结果表明本算法能够有效提取可疑区域,并进一步定位篡改区域．此外,算法对图像前景篡改区域的平移、旋转和缩放具有较强的鲁棒性．     

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.     

傅里叶-梅林变换的图像复制篡改检测

篡改检测已经成为数字图像取证的重要方法。虽然大多数情况下数字图像篡改都难以感知,例如区域复制篡改,它将图像中的对象区域复制到不交叠的其它区域,但仍然会留下少许篡改痕迹。提出了一种新的针对图像区域复制篡改的检测模式。其中,利用傅里叶-梅林变换提取图像块的几何不变量特征,相似性匹配则采用余弦相关系数。通过MATLAB仿真实验,验证了该算法不但可以适应平移、旋转及缩放等几何变换,而且能够有效抵抗噪音污染、模糊滤波以及有损JPEG压缩等攻击。