基于Harris兴趣点区域的图像拷贝检测算法

提出一种使用Harris 兴趣点的拷贝检测方案.首先通过Harris检测器提取图像的局部特征点,然后构建以Harris兴趣点为中心的多重圆环区域,并计算圆环区域的信息熵,作为特征向量,通过比较特征向量之间的距离,判断局部领域的相似性.最后通过特征点的全局一致性检测,判断检测图像是否为原始作品的拷贝.实验表明该拷贝检测方法对图像的几何变换具有很强的鲁棒性,同时也能抵抗大多数的信号处理攻击.     

基于改进Harris算法的汉字图像角点检测

根据汉字图像的特点,借鉴加速分割检测特征算法的思想,提出一种改进的Harris算法对汉字图像进行角点检测。首先,计算像素值初步判断出非角点并排除;然后,通过计算传统Harris算法中的角点响应函数对剩余的像素进行角点检测;最后,借鉴加速分割检测特征算法的思想对伪角点进行删除。最终检测出的角点是汉字笔画的起点和末端的角点,为下一步特征提取中确定线段的位置和计算线段的长度提供有利的技术基础。通过对一定数量的汉字图像的实验仿真,将本文方法与几种常用的角点检测方法进行比较,本文方法在检测正确率方面有所提高,但在运行时间上没有达到最短,综合考虑正确率和运行时间,本文方法较其他几种方法有所提高。      

基于改进Harris角点提取算法的网格图像破损检测

针对周界网格状围栏破损预警问题,提出一种基于改进Harris角点的网格图像破损检测算法。传统Harris角点提取算法需要对图像中每个像素点计算横纵方向上的一阶导数以及角点响应函数值,算法复杂度高,通过引入灰度“相似度”的参数来计算像素点与其周围像素灰度值的相似程度,从而滤除伪角点,减少Harris角点提取时间,最后通过分析角点分布信息来界定破损区域。对移动机器人采集的典型围栏破损图像进行了检测试验,由实验结果可看出,Harris角点提取时间大大减少,表明该算法有效且满足围栏破损检测实际应用要求。     

一种基于Harris和图像对比度的角点检测方法

目前各种角点检测方法,对于不同的图像需要选取不同的阈值才能保证结果的精确度,而阈值的选取是比较麻烦的.此处提出了一种通用的方法,通过适当改变图像直方图增大图像对比度,再使用固定阈值的Harris方法对图像中的角点进行提取.该方法解决了阈值选取困难的问题,实验结果表明该方法有效提高了结果的精度,在很多场合比较适合.     

基于均值漂移的图像复制粘贴伪造盲检测

针对传统图像复制粘贴伪造盲检测算法存在的耗时长、计算量大、检测精度不高的问题,提出了一种基于均值漂移(MS)的图像复制粘贴伪造盲检测算法。该方法提取图像的加速稳健特征(SURF)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。利用均值漂移将具有相同或相似属性的图像像素分割为同一区域,借助匹配后的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区域间的相似度,将大于相似度阈值的邻域划分到复制粘贴伪造区域中,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,在细节轮廓清晰和灰度值变化明显的图像中,该算法能够达到比较理想的检测效果,能够鲁棒地、高效地检测出图像的复制粘贴伪造区域。     

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。     

一种改进的Harris角点图像拼接算法

主要研究图像拼接的优化问题,针对传统的Harris角点检测算法进行了改进。避免了角点响应函数中的k 值和检测过程中的阂值T的选取对角点检测带来的影响。在图像拼接过程中通过NCC对图像进行配准,采用加权 平均法对拼接后的图像进行融合并消除拼接缝隙,从而提高了运算的速率。为验证其有效性,该算法被应用于一个图 像拼接的实例中,仿真结果表明,该算法缩短了图像拼接所消耗的时间,提高了图像拼接的精度和效率,能够达到无缝 拼接的效果,具有良好的实用性。     

基于超像素形状特征的图像复制粘贴篡改检测算法

针对传统图像复制粘贴篡改检测方法中划分子块的数目过大导致算法时间复杂度过高且抵抗几何变换能力较弱的问题,提出一种基于超像素形状特征的图像复制粘贴篡改检测算法.首先提出基于小波对比度自适应划分超像素的方法分割图像并提取稳定的特征点;然后提出新颖的形状编码方式提取超像素形状特征,并与特征点融合,估计可疑伪造区域;最后对可疑...     

基于B样条的改进型Harris角点检测算法

在研究Harris角点检测算法时发现由于该算法采用高斯低通滤波进行平滑,因而对一些图像进行角点提取时,存在角点信息丢失和位置偏移等现象,而B样条函数可以收敛于高斯函数,并具有良好的逼近能力和紧支性等一些优秀的性质,从而基于B样条函数提出了一种改进的Harris角点提取方法.实验表明,该方法对提取角点非常有效.     

基于视频图像Harris角点检测的车辆测速

为了方便快速地进行车速测量，提出了一种用于测量视频图像中车辆速度的方法。该方法取运动角点为特征量，通过选择灰度相关函数为特征匹配函数，实现了车辆在一定帧差内移动距离的测量。与传统方法相比，该方法不仅对设备的限制更小，而且运算速度更快。     

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。     

利用传感器噪声对复制遮盖篡改的检测

由于现今功能强大的图像编辑软件很容易就可以得到,所以对数字图像进行操作和编辑变得非常的容易,在一幅图像中添加或移掉一个重要的人或物并且不留任何痕迹是很有可能的.如果这些篡改图用在媒体或法律上,对社会将造成很大的影响.随着数码相机和摄像机的不断普及,验证数码图像变得越来越重要了.利用相机的传感器噪声对复制遮盖篡改图像进行检测,并根据其模板噪声进一步确定篡改区域.对多幅图像进行操作,实验证明效果不错.     

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。     

运用DWT和ORB的图像篡改检测方法

针对数字图像常见的区域复制篡改方式和实时特征提取要求,结合离散小波变换（DWT）和ORB特征提取算法,提出了一种高效的数字图像区域复制篡改检测方法。该方法首先使用DWT将图像分解为LL、LH、HL、HH四部分;然后将ORB算法作用于LL部分,提取关键点,构建二进制描述向量rBRIEF;最后使用汉明距离匹配相似关键点,达到检测图像篡改的目的。通过实验结果证明,该方法不仅可以有效地检测出区域复制篡改图像,同时对平移、旋转、噪音和综合攻击后的篡改图像具备一定的鲁棒性,且与SIFT等算法相比具有更短的检测时间和更少的存储空间。     

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.     

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。     

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。