基于SIFT和HSI模型的彩色图像复制-粘贴盲鉴别算法

针对彩色图像复制-粘贴篡改中误匹配的问题,提出一种基于SIFT和HSI模型的彩色图像复制-粘贴盲鉴别算法。首先确定彩色图像的SIFT特征点和特征向量;然后对每个SIFT特征点提取HSI彩色特征;最后对两两不同特征点的SIFT特征向量和HSI特征向量进行匹配,确定图像的复制-粘贴篡改区域。实验结果表明:本文算法与SIFT算法、SURF算法和改进SIFT算法相比,能有效地降低误匹配率,并对高斯模糊、白噪声和JPEG重压缩有较强的鲁棒性。     

基于特征点和密度聚类的图像复制-粘贴篡改盲鉴别算法

针对数字图像复制-粘贴篡改盲鉴别方法存在的时间复杂度高、篡改定位不够精确等问题,提出了一种基于二进制描述符和密度聚类的数字图像复制-粘贴篡改的盲鉴别算法。该方法使用二进制描述符AKAZE提取特征点并描述特征,以降低特征计算的时间复杂度;使用基于密度的聚类算法DBSCAN去除错误匹配;最后通过仿射变换整幅图像对篡改区域进行定位。通过不同数据集上的实验结果表明:本文算法准确率最高可达到95%以上,误检率基本在10%以下,有效降低了时间复杂度,在可靠性和篡改定位准确率方面具有更优越的性能。     

一种新的图像拷贝篡改检测方法

针对图像的区域拷贝篡改提出了一种新的检测方法,即基于LPP-SIFT(Locality Preserving Projection-Scale Invariant Feature Transform)的检测算法.该算法利用SIFT提取图像的特征点,结合LPP特征映射,生成低维特征点描述子,然后依据向量角度比率得到匹配点对,匹配点对聚集的区域即为拷贝篡改区域.实验表明该算法能够有效地检测定位区域拷贝篡改图像,且对于拷贝区域的旋转、缩放以及图像的JPEG压缩、噪声添加等操作具有较强的鲁棒性.     

具有几何约束匹配的SIFT图像盲检测研究

复制粘贴是常见的图像篡改手段之一。SIFT是常用的一种匹配算法,也是一种有效的图像复制粘贴篡改检测方法。该算法只采用欧式距离作为度量图像复制区域和粘贴区域特征点向量间的相似性,并未加入其他的匹配约束,由此会产生特征点的误匹配;因此,对得到的匹配点对采用方向一致性几何约束,剔除误匹配点对,提高匹配的正确率和算法后续几何评估中RANSAC算法的执行效率。最后,分别对缩放、旋转,以及在篡改图像中添加噪声等情况进行实验。实验证明改进算法对上述情况的性能提升明显。     

区域快速鲁棒特征跟踪电子稳像

针对稳像过程中稳像精度易受光照变化、噪声、局部遮挡等因素的影响,提出了一种区域快速鲁棒性不变特征跟踪稳像算法。首先采用改进的快速鲁棒性特征(SURF)算法提取图像局部区域特征点及其描述,然后,采用动态平衡KD树(DBKD-Tree)快速搜索匹配算法,实现局部区域特征点跟踪匹配,最后利用配准的特征点对,根据均方差最小计算稳像的全局参数实现稳像。在不同光照条件、噪声环境下进行了稳像测试,加入20%的高斯噪声时均能100%地重复检测特征,达到亚像素定位精度,误匹配率低。     

融合多特征的异源视频复制-粘贴篡改检测

相比传统的视频帧插入或帧删除以及视频双压缩等篡改方式,复制-粘贴篡改更能直接的改变视频内容。因此,本研究提出一种融合多特征的异源视频复制-粘贴篡改检测方法。对于经过帧内复制-粘贴篡改的视频,其视频帧内会引入一些尖锐的变化,比如线条、边缘和角点等,而二维相位一致性可以很好的检测出这些变化。同时,来自异源视频帧复制的区域块会使得帧内引入不同的模式噪声,可以利用模式噪声和二维相位一致性提取视频帧的特征,然后将特征融合进行SVM分类实验来检测篡改视频。实验表明该算法可以有效地检测异源复制-粘贴篡改的视频。     

基于HSV和CLAHE的复制粘贴篡改检测算法

针对现有的局部特征提取算法,如尺度不变特征变换、加速稳健特征等对面积较小的篡改区域和平滑区域无法准确提取特征点进行复制粘贴篡改检测的问题,提出了一种基于色调、饱和度、明度（HSV）颜色空间和限制对比度自适应直方图均衡化（CLAHE）的2阶段篡改检测方法.第1阶段,将待检测图像从红、绿、蓝颜色空间转换到（HSV）颜色空间进行加速稳健特征提取;第2阶段,针对平滑区域的篡改,通过CLAHE算法对图像进行特征增强之后,再采用加速稳健特征进行特征提取;然后利用广义2近邻算法进行特征匹配,并利用随机抽样一致性算法剔除错误的匹配点;最后通过形态学操作实现篡改区域的标示定位.实验结果表明,该算法能抵抗小面积区域和具有非显著视觉特征的平滑区域复制粘贴篡改,并对旋转、缩放等后处理攻击具有一定的鲁棒性.     

基于统计特征的图像篡改评价模型

为了实现图像篡改手段的定性分析,构造了基于图像统计特征的篡改评价模型。该模型提取图像的LTP三值模式特征、LBP纹理特征和WLD局部特征,利用SVM分类器,实现对自然图像、计算机生成图像、复制-粘贴图像、拼接篡改图像、重获图像的多分类。实验结果表明,该模型能够在盲环境下实现图像的有效分类,客观分析图像篡改手段,综合正确检测率为85%。     

基于特征匹配的图像真伪检测方法的研究

针对基于SIFT特征匹配的图像篡改检测算法存在篡改区域定位不清晰,以及SIFT误匹配现象会对篡改区域分辨造成干扰的问题,提出一种基于数学形态学和特征匹配的图像篡改区域定位方法.首先在尺度空间上对图像进行极值检测,对图像特征关键点进行定位,确定图像梯度方向,形成特征点描述子;然后基于欧式距离对特征描述子进行两两匹配形成块...     

基于改进SIFT算法的图像复制粘贴盲检测方法

对高斯二阶差分(D~2OG)算子的产生过程和理论依据进行了分析,介绍了一种称为广义特征点匹配的新方法。通过仿真,先获得被检测图像的基于D~2OG算子的SIFT特征点,然后利用广义特征点匹配方法检测图像是否被篡改。对100幅篡改图像进行篡改检测,采用D~2OG算子得到的特征点与DOG算子得到的特征点用于检测图像复制粘贴的正确率接近;但用D~2OG算子检测效率更高,对图像检测量大、实时性要求高的检测任务有实用价值。