低频快速切比雪夫矩的篡改图像检测算法

针对图像复制粘贴篡改的检测及篡改区域定位的研究,提出了一种低频快速切比雪夫矩的篡改图像检测算法.首先用非抽样小波变换对图像分解,选取图像的低频部分进行重叠分块,提取改进的低频快速切比雪夫矩做为特征向量,然后采用PatchMatch算法对提取的块特征匹配,最后用稠密线性拟合算法去除误匹配并且用形态学操作完成最后的篡改区域定位.与现有的篡改图像检测算法相比,所提出的算法对于单区域篡改、单区域多次篡改以及多区域篡改均具有较好的定位效果,并且减少了算法的运行时间,提高了实时性.     

切比雪夫多项式及其插值法在检测中的应用研究

介绍了切比雪夫多项式及其插值算法的实现，结合传感器输出特性的非线性补偿、非线性校正以及检测系统中的复杂计算，分别给出了应用实例。结果表明，这些方法能用于智能传感器系统以及嵌入式微控制器中的软件数据处理，提高检测的实时性和精度，在工程上具有很好的应用价值。     

基于融合的高分辨率彩色图像拷贝—变换—移动篡改检测

拷贝—变换—移动篡改是一种操作简单但非常有效的数字图像篡改方法,现有检测框架无法检测。同时,在处理高分辨率篡改图像时,基于穷举搜索的现有算法框架会有计算量的困难。针对高分辨率彩色图像拷贝—变换—移动篡改提出了基于图像融合和尺度不变特征变换(SIFT)特征点匹配的检测算法。首先利用基于加权多尺度基本形的图像融合方法将降采样后的彩色图像信息融合至单幅灰度图像中,然后设计快速匹配方法得到融合图像中匹配的SIFT特征点作为种子点,最后根据图像处理规则和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。对手动制作的篡改图片和可疑新闻图片的实验结果表明,该算法对常用的润色操作和亮度调整以及JPEG有损压缩有较强的稳健性。     

预测型切比雪夫多项式

预测型切比雪夫多项式,是切比雪夫多项式及最佳逼近理论在预测中的一个推广应用,可以解决一般预测中预测的可知、可控性问题。文中通过讨论后指出,在预测中,当预测误差不超过已知最大绝对误差时,预测将成为可知;当预测区间不超过已知最大范围时,预测将成为可控。基于这个原理,建立了一种具有预测功能的预测型切比雪夫多项式,[Gn(x)]多项式。论证了该多项式依据的微分方程、相关定义、有关性质、数学表式;阐述了该多项式的存在性;给出了[Gn(x)]多项式在[y(x)≠0]条件下构成的预测型最佳逼近[g(x)]多项式;提供了[g(x)]多项式得以实现的具体算法;介绍了一种使预测结果更接近实际值的误差补偿法;并给出了若干应用实例。     

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.     

基于复制粘贴篡改的被动图像取证算法的研究

提出一种基于离散小波变换和自相关性分析的同幅图像复制粘贴篡改检测算法.算法利用离散小波变换提取图像的低频子带作为特征向量,采用Pearson相关系数进行相似性匹配检测.实验表明,该算法可以大大减少特征向量的维数和排序矩阵的行数,提高相似块的匹配效率,对一般噪声攻击具有较好的鲁棒性.     

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。     

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DCT域视觉显著性检测的图像缩放算法*

为适应不同终端显示多样化的要求,需对接收到的图像进行缩放调整。针对现有的基于内容感知(content-aware)的图像缩放方法中视觉内容的连贯性易被破环而出现失真的问题,提出了一个基于离散余弦变换(discrete cosine transform, DCT)域的视觉显著性检测的图像缩放算法。该算法利用DCT域的视觉显著性检测模型获取视觉显著图,然后结合视觉显著图和能量分布图进行线裁剪(Seam Carving),实现了图像的缩放。实验结果表明,该算法与现有的基于内容感知的图像缩放方法相比,不仅保护了视觉显著内容,还保证了图像内容的连贯性,算法质量指数也获得明显的提高。     

基于切比雪夫映射的密钥协商协议

基于高有效位的数字计算方法和误差估计方法,对目前已提出的基于切比雪夫映射的公钥加密方法进行了改进,得到一种密钥协商协议。对其性能分析结果表明,该协议具有较高的安全性和实用性。     

An Optimized Quantization Technique for Image Compression Using Discrete Tchebichef Transform

Discrete Tchebichef transform (DTT) has been utilized to improve the reconstruction quality of the traditional methods in image compression. Although DTT has the effective capability of energy concentration and ease of computation, not been exploited polynomials in orthogonal transform as compared with discrete cosine transform (DCT). This paper proposes an efficient lossy compression based DTT to produce better quality reconstructed image for the desired compression ratio. We combine soft decision quantization (SDQ) to design optimal quantization table and to approximate the rate-distortion for the purpose of the reconstruction quality. Compared with DCT under the scheme of JPEG baseline system, experimental results show that the proposed algorithm is of greater reconstruction image quality when the bit ratio exceeds 0.5 bpp. The bit ratio is decreased by 0.25, 0.49, 0.20 bpp, respectively when peak signal-to-noise-ratio (PSNR) is 35, 40, 45 dB. Meanwhile, they are similar on the elapsed time in encoding and decoding.     

改进的图像缝雕刻算法

针对现有算法中对低频前景区域的处理效果欠佳的问题,提出一种改进的图像缝雕刻算法.它利用像素梯度信息对像素能量进行定义,然后提出最大能量最小函数来确定最佳的处理线路,再通过删除或添加单像素宽的线路,得到适合大小的目标图像.实验结果表明,该算法不仅能够保护图像中前景对象的显示效果,使之免受图像尺寸整体变化的影响,而且能够减少由于线路定位误差带来的前景对象扭曲.     

一种结合Seam Carving和人脸检测的人像缩放算法

人脸是人物图像中的重要特征区域.针对应用Seam Carvng算法缩放人物图像后造成人脸畸变的现象,提出了一种结合人脸检测的人物图像缩放算法.首先识别图像中的人脸区域,其次在使用Seam Carving算法缩放图像的过程中提高梯度图中人脸区域的梯度值,防止低能量线穿越人脸区域,进而达到在缩放图像的同时保持人脸特征的目的.实验结果表明,该算法实现非等比缩放人物图像的同时有效保护了人脸区域,提升了缩放后的图像质量.     

新线路能量函数下基于线裁剪的图像自适应缩放

基于线裁剪的自适应缩放图像质量依赖于线路能量函数的定义以及线路提取的结果.提出一种新的线路能量函数以计算每条线路对视觉感知的重要性.该算法通过定义新增能量项衡量删除线路上像素点后图像局部区域的走样变形,并引入最大像素能量项降低随机纹理区的线路能量.实验结果证明,与其它几种经典算法相比,采用新能量函数提取的线路定位更为合理,处理结果与原始图像更相似,重点对象细节部分走样的问题也更少.     

基于缝裁剪和变形的图像缩放方法

提出一种既能保持图像重要内容又能较好地保持重要物体形状的图像缩放算法。该方法结合传统的缝裁剪技术和变形技术来对图像进行缩放。首先利用当前公认效果良好的基于图模型的流形排序显著性检测算法得到图像的显著度图,结合图像梯度能量等信息来构造结构更为清晰的图像重要度图;其次利用之前构造的图像重要度图并按缩放尺度的大小来确定适当的缩放方法;最后根据度量比较结果来选择经典缝裁剪方法或基于能量优化的变形方法进行图像缩放。对比实验结果表明,该方法在图像缩放时能保持重要内容和显著物体形状结构。     

基于离散Tchebichef矩和软决策量化的图像压缩

图像压缩编码能有效地减少图像像素间的信息冗余,并同时能保证图像重构质量和较低的计算复杂度。基于变换域的图像压缩编码是目前最常用且性能最优的压缩技术之一,但基于离散正交矩的图像压缩方法还未被深入研究。在研究JPEG的编解码流程的基础上,提出了基于离散Tchebichef矩的图像压缩算法。通过KS测试统计的方法研究变换系数的分布规律,利用软决策量化设计最优的量化表近似码率和失真度,从而提升了重构图像质量;接着对量化结果进行熵编码,最终实现了基于离散Tchebichef矩的图像压缩和重建全过程。在JPEG顺序编解码的流程下,与主流的DCT图像压缩方法进行比较,实验结果表明,比特率大于0.5bpp时,该算法重构的图像的质量更高;当PSNR分别为35dB,40dB,45dB时,其压缩性能明显优于DCT。同时,它们在编解码运行时间上接近。     

一种基于线裁剪的图像适配改进算法

线裁剪算法已被广泛应用于图像缩放中,但原始图像经线裁剪缩放后易出现失真、过度删除等畸变。为此,提出一种改进的图像适配算法。利用低通滤波器合并相邻裁剪线,应用门限技术标注不可删除点,避免下次迭代中新的裁剪线穿过高能量点,使用停止准则使得线裁剪操作进行到一定程度时,阻止其进一步迭代而产生穿过主体目标的裁剪线。实验结果表明,与前向、后向线裁剪算法相比,改进算法在不增加时间和空间复杂度的情况下,防止了线裁剪算法失真、过度删除的问题,产生较少的畸变,得到了更好的缩放效果。     

基于改进SIFT算法的图像复制粘贴篡改检测

复制粘贴是一种常见的图像篡改方式,也是最隐蔽的图像篡改手段之一。SIFT是一种常用的匹配算法,同时也是一种较为有效的复制粘贴图像篡改检测方法。目前基于SIFT的图像篡改检测方法中,存在着匹配精度差及时间复杂度高等问题。为了克服这些问题,对SIFT算法进行了改进:针对阈值增大造成精确性差的问题,采用拟合优化的方法确定阈值,对SIFT算法中提取特征点的方法进行了改进;针对SIFT算法特征匹配阶段时间复杂度高的问题,采用基于K-D树的BBF搜索算法进行最近邻查询以实现特征点的快速匹配,对SIFT算法中的特征匹配进行了改进。实验结果验证了该算法的有效性。     

一种轻量级多尺度融合的图像篡改检测算法

现有ManTra-Net、DWT-CNN等基于深度学习的数字图像篡改检测算法存在计算复杂度高、检测准确度低等问题。为提取图像篡改与非篡改区域的差异性特征,提出一种基于MobileNetV3-LSTM混合模型的图像篡改检测算法。采用双分支网络架构,主分支网络为带有空洞卷积的轻量级CNN特征提取网络,副分支网络学习篡改图像边界上的差异性,在融合多尺度特征后进行端到端训练,最终输出预测定位图。在COVERAGE、CASIA2和COLUMBIA标准数据集上的实验结果表明,与Xavier-CNN、ELA等算法相比,该算法检测准确度平均提高9.2个百分点,参数量缩减82.3%,推理速度加快2倍,并且具有一定的泛化能力,适用于复制-粘贴、拼接等图像篡改操作的篡改区域检测定位任务。