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。     

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.     

基于LBP的图像区域复制篡改检测

研究尺度不变特征变换(SIFT)和旋转不变局部二值模式(LBP)相结合的特征匹配方法,提出一种基于LBP的图像区域复制-粘贴篡改检测算法。利用SIFT关键点检测方法检测图像中的所有关键点,计算以关键点为中心的周围图像区域的LBP特征,并将其作为关键点的特征描述,采用特征向量的欧式距离进行关键点匹配。实验结果表明,该算法在抗旋转、亮度变化处理和效率方面均优于基于主成分分析的检测算法。?     

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。     

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。     

SSRGFD：双目超分辨率图像通用篡改检测数据集

目的 图像编辑软件的普及使得篡改图像内容、破坏图像语义的成本越来越低。为避免恶意篡改图像对社会稳定和安全的威胁,检测图像的完整性和真实性尤为重要。面对新型成像设备和算法,需要重新验证现有图像篡改检测算法的有效性并针对双目超分辨率图像的安全性展开进一步研究。但由于双目超分辨率图像篡改数据集的缺乏,难以满足研究的需要。为此,构建了一个双目超分辨率图像通用篡改检测数据集SSRGFD（stereo superresolution forensic general dataset）。方法 数据集构建考虑复制黏贴、拼接和图像修复3种常见的篡改类型。为使数据集图像更贴合真实篡改场景,本文从篡改图像内容和隐藏篡改痕迹两方面出发为不同篡改类型设计了不同的篡改标准。首先使用超分辨率算法PASSRnet （parallax attention stereo image super-resolution network）从Flickr1024数据集生成双目超分辨率图像,分别基于3种篡改标准通过手工或深度学习算法对图像进行篡改,构建了2 067幅篡改图像,并为每一幅篡改图像提供了对应的篡改区域掩膜。结果 实验从主观和客观两个角度评估数据集图像视觉质量。通过双刺激连续质量分级法得到的主观质量平均评分差异基本都低于1.5。客观质量评价方法BRISQUE（blind/referenceless image spatial quality evaluator）、NIQE（natural image quality evaluator）和PIQE（parent institute forquality education）的平均评估结果分别为30.76、4.248和34.11,与真实图像十分接近。实验使用多种检测方法在SSRGFD和单目图像数据集上进行比较。QMPPNet （multi-scale pyramid hybrid loss network）的性能指标均表现最优,但所有检测方法在SSRGFD上的性能相比于在单目图像数据集上的性能显著下降。结论 构建的SSRGFD数据集内容丰富且具有较好的视觉质量,能够为双目超分辨率图像篡改检测研究工作提供良好的数据支持。SSRGFD数据集可以从https：//github.com/YL1006/SSRGFD上获取。     

基于SURF特征匹配的复制一移动篡改区域探测方法

针对复制一移动篡改,本文提出基于SURF（Speeded Up Robust Features）特征匹配篡改区域快速自动探测与定位方法。首先应用SURF算法提取待检测图像的特征点和特征向量并进行特征匹配,然后估计匹配对之间的仿射变换参数并消除错配,最后通过仿射变换找出趋近完整的复制一移动区域。实验结果证明了该方法对复制一移动篡改探测的有效性。     

基于SURF特征匹配的复制—移动篡改区域探测方法

针对复制-移动篡改,本文提出基于SURF(Speeded Up Robust Features)特征匹配篡改区域快速自动探测与定位方法。首先应用SURF算法提取待检测图像的特征点和特征向量并进行特征匹配,然后估计匹配对之间的仿射变换参数并消除错配,最后通过仿射变换找出趋近完整的复制-移动区域。实验结果证明了该方法对复制-移动篡改探测的有效性。     

基于自适应提点鲁棒定位的图像复制粘贴篡改检测

复制-粘贴篡改检测(Copy-Move Forgery Detection,CMFD)是数字图像篡改的一种常见方式,近年来已成为多媒体取证领域一个重要的研究方向.本文提出一种鲁棒的复制-粘贴篡改检测算法,基于构造波动函数自适应获取阈值的方法均匀提取图像特征点,可在篡改区域小或平滑的情况下进行鲁棒检测.引入DBQ-LSH...     

基于深度学习的图像特征分析与篡改检测技术综述

近年来,随着信息技术的不断发展,图像处理技术不断更新迭代,图像编辑应用程序操作的简洁性大幅提高,导致大量恶意伪造图片生成并传播,在一定程度上影响了社会稳定。图像篡改检测以及定位是图像取证领域中的一项重要任务,也是打击恶意伪造的必要手段。本文以基于深度学习的图像篡改检测技术为核心展开论述。首先,介绍了图像篡改的常用方式以及研究现状,其次,系统性地将图像检测算法进行分类,在技术评估层面重点阐述了该领域常用的数据集和评价指标,最后,辩证分析了现有方法的有效性和局限性,并对以后的发展方向做出了展望。     

下采样对数字图像伪造检测的影响分析

在数字图像伪造检测中,取证过程容易导致伪造痕迹丢失,造成图像内容鉴别困难。为此,研究数字图像伪造检测方法的可靠性。给出图像复制-移动伪造检测流程,分析下采样处理对图像伪造检测的影响。理论分析与实验结果表明,在一定情况下,下采样处理会移除数字图像的伪造痕迹,影响检测结果。     

采用指数矩的图像区域复制粘贴篡改检测

目的 图像区域复制粘贴篡改是目前众多图像篡改技术中一种简单而且常见的方式。针对目前大多数区域复制粘贴篡改检测算法鲁棒性不强,提出一种基于指数矩的图像篡改检测算法。方法 首先将图像分成重叠的图像子块,然后提取每一图像子块的指数矩作为特征向量进行字典排序,利用向量相似度和位移初步确定疑似图像子块,再根据疑似图像子块的相邻子块个数和角度方差去除误匹配块,得到最终篡改区域。结果 该算法具有良好的鲁棒性,与采用圆谐-傅里叶矩的算法相比,在图像受到噪声干扰时,检测率平均提高26.66%,错误率平均降低33.77%。结论 本文算法利用图像的指数矩,针对图像区域复制粘贴篡改操作,能有效检测出图像的篡改区域。检测图像在经过旋转、高斯模糊和添加噪声等后期处理时,算法依然有效。     

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。     

数字彩色图像拷贝-变换-移动篡改检测

针对拷贝-变换-移动篡改技术,提出基于尺度不变特征变换（SIFT）特征点的检测算法。该算法利用快速匹配方法得到互相匹配的SIFT特征点作为种子点,根据SIFT特征点的尺度和方向信息制定合适的生长策略逐步生长出被篡改区域。实验结果证明,该算法对常用的润色操作和JPEG压缩有较好的稳健性。     

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。     

利用Harris特征点和环形均值描述的图像区域复制篡改的被动取证

提出一种利用Harris特征点和环形均值描述的图像区域复制篡改检测算法。首先对图像进行自适应维纳滤波,并利用Harris算子提取图像的特征点,然后通过对每个特征点的环形邻域进行均值描述生成特征向量矩阵,并采用字典排序和阈值化处理进行相似性匹配,从而确定候选匹配点,最后利用RANSAC算法剔除错误的匹配点,实现复制和篡改区域的标识定位。实验结果表明,算法对于复制区域的旋转和翻转变换具有较强的鲁棒性,并且可以有效抵抗常见的后处理攻击,包括高斯模糊、加性高斯白噪声、JPEG压缩以及它们的混合操作,尤其能够抵抗非显著视觉结构的平坦区域和小区域的复制、粘贴、篡改操作。     

数字图像反取证技术综述

目的 数字图像的真实性问题备受人们关注,被动取证是解决该问题的有效途径。然而,如果伪造者在篡改图像的同时利用反取证技术对篡改的痕迹进行消除或伪造,那么已有的大量被动取证技术都将失效。回顾图像反取证技术的研究现状（包括兴起原因、实现原理、技术特点以及应用前景）,并根据已有文献总结反取证技术面临的主要挑战和机遇。方法 由于现有的被动取证技术大都基于遗留痕迹和固有特征的异同来辨识图像真伪,因此本文以不同的取证特征为线索来评述和比较反取证技术的原理和策略。结果 根据取证特征的不同,将反取证技术归纳为遗留痕迹隐藏、固有特征伪造和反取证检测等三类,并展示了当前各类反取证技术面临的难点和挑战。结论 对数字图像反取证技术进行总结和展望,并指出其算法未来在通用性、安全性、可靠性等方面将有待进一步的深入研究。     

基于几何均值分解和结构相似度的同源视频时间域复制粘贴篡改快速检测及恢复方法

针对现有方法中篡改检测效率不高、定位不精确的问题,提出了一种基于几何均值分解(GMD)和结构相似度(SSIM)的同源视频复制-粘贴快速篡改检测及恢复的方法。首先,将视频转换为灰度图像序列。其次,将几何均值分解作为检测特征,提出了一个基于块的搜索策略来定位复制序列的起始帧。此外,算法首次将结构相似度用于度量视频两帧之间的相似度,并利用结构相似度对搜索策略得到的起始帧进行复检。由于复制视频序列对应两帧之间的相似度高于未篡改序列对应两帧之间的相似度,提出了一个基于结构相似度的从粗到精的方法来定位复制视频序列的末尾帧。最后,对视频进行恢复。与其他几种经典算法进行对比,实验结果表明,所提方法不仅能够检测经过复制-粘贴篡改操作的视频,而且能准确地定位复制-粘贴序列。此外,该方法在检测精度、召回率和检测时间上有较大提升。