帧内复制粘贴视频伪造的盲检测

随着数字获取技术的发展,数字媒体文档的获取越来越方便,并已成为人们现代生活中不可缺少的组成部分。功能强大的视频编辑软件为视频复制粘贴提供了方便,因此视频伪造检测具有重大现实需求。利用传统的图像伪造检测算法逐帧对视频进行伪造检测计算量大、耗时冗长,且不能保证检测结果的时空一致性。本文提出了一种基于稠密SIFT流的帧内复制粘贴视频伪造盲检测算法。所提算法自适应地在内容最小变化位置把视频划分为多个视频段,提取每个视频段的关键帧;在关键帧利用匹配SIFT关键点定位初始疑似复制粘贴伪造区域,通过SIFT关键点和均值漂移分割区域的位置依赖关系细化疑似伪造区域;采用稠密SIFT流把关键帧检测结果过渡至非关键帧,最终实现视频的复制粘贴伪造盲检测。实验结果表明,所提视频伪造盲检测方法能够高效地检测出帧内复制粘贴的视频伪造区域。     

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。     

基于复合特征的复制粘贴伪造图像盲检测

提出了一种基于复合图像特征的复制粘贴伪造图像盲检测算法。复合图像特征由一维特征矩、二维特征矩、马尔科夫特征组成,从时空、局部和全局综合提取图像特征描述,提高了图像特征描述符的表示能力。本文所提的伪造图像盲检测算法基于复合图像特征,分析图像块间的相似度,搜索复制粘贴伪造区域。通过哥伦比亚大学伪造图像数据集的测试结果表明,在灰度值变化明显和细节轮廓清晰的图像中,所提算法能达到比较理想的检测效果,准确率较高。     

基于奇异值加权的图像复制粘贴伪造盲检测

提出了一种基于小波变换和奇异值分解的盲检测算法来识别图像的复制粘贴伪造。该算法用小波变换降低计算量,用奇异值表示图像特征。图像经过小波变换,提取出低频分量和高频分量。因低频部分保留图像的纹理信息,高频部分保留图像的轮廓信息,该算法分别从低频部分和高频部分提取图像奇异值,并把提取出的奇异值进行加权处理,以加权值作为图像块的特征。图像块之间做两两比较,根据图像块的特征相似度,判断是否存在图像复制粘贴伪造区域。在丰富层次和清晰细节轮廓的图像中,该算法能达到比较理想的检测效果,准确率较高。     

基于动态阈值的帧复制粘贴篡改检测

帧复制粘贴是一种常见的时域篡改方式,篡改者采用这种方式来移除视频中某段内容,如犯罪现场、犯罪证据等.针对这种篡改,已经有不少方案被提出,但是它们有两个缺点：一采用固定的阈值;二时间复杂度很高.大部分被篡改视频会经过再压缩处理,由于视频压缩基本是有损压缩,可能会导致固定阈值失去应有作用.因此,本文提出一种基于动态阈值的被动取证算法,来增强算法的鲁棒性,并且通过引入字典排序算法来缩小帧匹配时的搜索范围,成功降低了时间复杂度.文章采用精确度、召回率和平均每帧计算时间来对提出算法的性能进行评估,结果表明本算法在这三方面都优于其他算法,而且具有更好的鲁棒性.     

旋转鲁棒的图像复制粘贴伪造快速取证检测

现有文献对具有旋转等几何变换的复制粘贴篡改操作检测能力有限.为此,提出基于径向矩参数估计与奇异值分解的图像复制粘贴快速取证算法.通过构造本身具有旋转不变性的圆形结构,采用高斯金字塔分解用以降低图像尺寸,利用图像块奇异值分解构造七维特征向量,块匹配字典排序法以减少特征向量的搜索匹配空间,并采用径向矩参数估计旋转参数,用主旋转角度计替代主向量转移方法去除误匹配块.实验结果证明,圆形结构可解决图像因旋转而造成的像素错位现象,基于径向矩的旋转参数估计能提高算法的检测精度,减少误匹配块.而由奇异值组成的特征向量对图像的后处理操作JPEG压缩、加性噪声等具有较强的鲁棒性.     

基于背景帧的监控和会议视频帧间快速算法

为降低高性能视频编码（High Efficiency Video Coding,HEVC）中监控和会议视频的编码复杂度,减少编码时间,提出了一种基于虚拟背景帧的监控和会议视频帧间编码的快速编码单元（Coding Unit,CU）划分和预测单元（Prediction Unit,PU）模式选择算法。对原始视频序列进行像素统计分析生成虚拟背景帧,利用生成的虚拟背景帧对CU分类。通过分析不同类别的CU继续划分的比例和其纹理复杂度,快速决策当前CU的划分和PU的模式类型。这种利用虚拟背景帧做判决的算法通过减少CU深度和PU模式遍历而降低编码复杂度,达到快速帧间编码的效果。实验结果表明,与HM16.9相比,该算法在峰值信噪比（Peak Signal-to-Noise Ratio,PSNR）平均下降0.07 dB和码率平均增加1.93%的情况下,能平均减少33.31%的编码时间。     

深度伪造视频检测技术综述

深度伪造的滥用,给国家、社会和个人带来了潜在威胁。首先,介绍了深度伪造的概念和当前发展趋势,分析了基于生成对抗网络的深度伪造视频的生成原理和模型,并介绍了视频数据处理算法及主流的深度伪造数据集;其次,综述了基于视频帧内篡改特征的检测方法,针对深度伪造视频帧内的视觉伪影、面部噪声特征的检测问题,介绍了相关机器学习、深度学习等分类算法、模型;然后,针对深度伪造视频在帧间时空状态不一致的情形,阐述了相关时间序列算法和检测方法;接着,介绍了作为检测补充手段的基于区块链溯源的防篡改公共机制和数字水印、视频指纹等信息安全方法;最后,总结了深度伪造视频检测技术的未来研究方向。     

颜色和帧间信息相结合的视频奇异段检测

提出了一种对视频序列进行段奇异性检测和等级划分的方法。该方法首先选择直方图信息来体现段内颜色变化情况,将段内所选视频帧的直方图组合成直方图矩阵。为了提高处理效率,利用主成分分析对直方图矩阵进行降维。然后选择帧间信息来体现段内的运动变化情况。最后,将两类特征的结果进行融合,得到最终的检测结果。该方法对一定数量的样本进行了实验,实验结果表明,该方法能够很好地实现视频段的奇异性检测和排序,性能也比其他方法有所提高。     

融合彩色信息与SIFT特征的帧内复制粘贴篡改检测

近年来在同源复制粘贴篡改检测中,SIFT特征得到了广泛的应用.但由于该特征在提取过程中摒弃了颜色信息,会造成一部分特征点的误匹配和漏匹配.为此,提出一种基于彩色信息与SIFT融合的CSIFT特征的检测方法,在提取特征点时加入颜色不变量信息,提高了匹配的准确性和效率.算法首先利用结构相似度将视频帧序列分段,提取每段序列的关键帧;然后提取关键帧的CSIFT特征;最终定位复制粘贴区域,并利用目标跟踪算法计算篡改区域在后续帧上的位置.通过实验验证了算法的鲁棒性,与基于SIFT等特征的算法相比,时间效率和准确性更高.     

基于改进SURF的快速图像配准算法

针对传统加速鲁棒特征(SURF)匹配算法存在实时性不高,误匹配等问题,提出了基于改进SURF特征提取快速的图像配准算法.利用快速黑塞(Hessian)矩阵提取图像特征点,根据图像熵信息对特征点进行筛选,采用改进的快速近邻搜索算法进行特征匹配,到用随机抽样一致(RANSAC)算法剔除误匹配对.实验表明:改进后的算法有效改善了匹配效率,提高了匹配准确度.     

基于S域NMF的模拟电路故障特征提取新方法

针对提取的模拟电路故障特征向量信息不够充分的问题,提出了一种将S时频变换(ST,S-transform)和非负矩阵分解(NMF,non-negative matrix factorization)相结合的特征选取新方法.该方法先对模拟电路故障响应信号应用S时频变换建立时频图谱矩阵,再用NMF算法构造时频图谱数据集合的子空间基矩阵,有效降低了投影特征向量的维数,保留了足够多的故障隐含特征信息,进而提高模拟电路故障识别率.最后,在Sallen-Key高通滤波器电路中验证了文中方法的有效性.     

基于小波变换和NMF的人脸识别方法的研究

为了克服PCA、ICA等传统方法在人脸图像特征抽取时存在速度慢、识别率低的缺点,该文提出了一种将非负矩分解思想应用于人脸特征提取的算法。利用小波变换对人脸图像进行分解,对其中包含主要信息的低频子带运用NMF构造特征子空间,在子空间内实现识别。实验结果表明,该方法实用、有效,减少了计算量,提高了系统的识别率,使识别率达到90％以上,有着广泛的研究价值和应用 前景。     

基于约束NMF的欠定盲信号分离算法*

提出一种约束非负矩阵分解方法用于解决欠定盲信号分离问题。非负矩阵分解直接用于求解欠定盲信号分离时,分解结果不唯一,无法正确分离源信号。本文在基本非负矩阵分解算法基础上,对分解得到的混合矩阵施加行列式约束,保证分解结果的唯一性;对分解得到的源信号同时施加稀疏性约束和最小相关约束,实现混合信号的唯一分解,提高源信号分离性能。仿真实验证明了本文算法的有效性。     

一种基于SURF的全景图像配准算法

传统的全景图像配准多采用基于SIFT的方法,该方法数据量大、时间效率低。提出了一种基于SURF的全景图像快速配准方法。运用SURF提取特征点,计算特征描述符;运用低时间复杂度的K-D树最近邻搜索法实现特征点快速匹配;利用RANSAC算法剔除误匹配点;最后估计出两幅全景图像的变换矩阵。测试表明:算法具有较高的时间效率和良好的鲁棒性。     

面向卷积混叠环境下的盲源分离新方法

卷积混叠环境下的盲源分离(Blind source separation, BSS)是一个极具挑战性和实际意义的问题. 本文在独立分量分析框架下, 建立非负矩阵分解(Nonnegative matrix factorization, NMF)模型, 设计新的优化目标函数, 通过严格的数学理论推导, 得到新的模型参数更新规则; 并对解混叠矩阵进行标准化处理, 避免幅度歧义性问题; 在源信号的重构阶段, 通过实时更新非负矩阵分解模型参数, 避免源信号的排序歧义性问题. 实验结果验证了所提算法在分离中英文语音混叠信号、音乐混叠信号时的有效性和优越性.     

基于SURF特征和Delaunay三角网格的图像匹配

图像特征匹配的核心是通过距离函数实现在高维矢量空间进行相似性检索.重点研究提取好的特征点并快速准确地找到查询点的近邻.首先,提取图像的多量、有区别且稳健的SURF（Speeded up robust feature）特征点,并将特征点凸包进行Delaunay剖分.然后,对Delaunay三角边抽样、聚类、量化并构建索引.通过票决算法,将点对匹配与否映射到矩阵中以解决距离度量没有利用数据集本身所蕴含的任何结构信息和搜索效率相对较低的问题.结合SURF算法和Delaunay三角网提出一种特征匹配的新方法,在标准图像集上的实验验证,在耗时基本相同的情况下,提取的特征点较多且正确匹配率较高.     

引入极线约束的SURF特征匹配算法

目的 特征点匹配算法是当今计算机图像处理领域的研究热点,但是大多数现存的方法不能同时获得数量多和质量优的匹配。鉴于此,基于SURF （speeded-up robust features）算法,通过引入极线约束来提高特征匹配效果。方法 首先使用SURF算法检测和描述图像特征点,然后使用RANSAC （random sampling consensus）方法计算匹配图像之间的基础矩阵,通过该基础矩阵计算所有特征点的极线。再引入极线约束过滤掉错误匹配,最终获得数量与质量显著提高的匹配集合。结果 实验结果表明,该方法获得的匹配具有高准确度,匹配数目与原约束条件相比可高达2～8倍。结论 本文方法实现过程简单,不仅匹配准确度高且能够大大提高正确的特征匹配数,适用于处理不同类型的图像数据。     

基于SURF 特征提取和FLANN 搜索的图像匹配算法

针对传统图像匹配算法存在特征信息少和误匹配率高的问题,提出基于SURF 特 征提取和FLANN 搜索的图像匹配算法。通过Hessian 矩阵获取图像局部最值,并使用不同尺寸 特征描述器,同时处理尺度空间多层图像的向量特征,最后采用FLANN 搜索算法进行特征匹 配。试验表明,该算法比传统的图像匹配算法在效果和效率方面都表现得更好。