结合区域检测特征点与极谐变换的图像拼接

提出一种结合区域检测特征点与极谐变换的图像拼接算法。首先,利用区域检测得到图像中的显著性区域,利用哈里斯(Harris)角检测器提取图像中的特征点,然后计算得出特征点圆形邻域的PHT特征矢量,并通过相似性变换原则消除误匹配对。最后利用正确的匹配对得出映射模型,并利用加权平均法进行图像融合。实验证明该算法提高了图像的拼接效率和准确性。     

边缘与区域不一致性引导下的图像拼接篡改检测网络

目的 针对已有图像拼接篡改检测方法中存在的真伪判断分类精度不高、拼接篡改区域定位不准确问题，本文设计了一种篡改边缘两侧和篡改区域内外不一致性引导下的重点关注篡改区域与篡改边缘的图像拼接篡改检测卷积神经网络。方法 图像内容在篡改过程中，拼接物体的边缘都会留下篡改痕迹，这是图像拼接篡改检测的重要线索。因此，本文设计了一条篡改边缘提取分支，通过学习拼接物体边缘两侧的不一致性，重点提取拼接篡改区域的边缘轮廓。考虑到篡改边缘像素点过少会导致网络难以收敛，提出一个边缘加粗策略，形成一个边缘加粗的"甜甜圈"，使得篡改边缘提取结果更具完整性。在不同图像采集过程中，所用相机设备和光线条件等因素不同，导致每幅图像包含的信息也不尽相同。对此，设计了一条篡改区域定位分支，重点学习来自不同图像拼接区域与周围区域之间不一致性的差异化特征，并将注意力机制引入图像拼接篡改检测的篡改区域定位分支，进一步提高对拼接篡改区域的学习关注程度。面向真伪判断设计了一条图像是否经过拼接篡改的二分类网络分支，不但可以快速有效地给出输入图像是否为篡改图像的判断结果，而且可以与上述两条分支的输出结果一起提供给用户，由用户结合视觉语义信息进行综合判断。结果 本文算法与已有的4个代表性方法在4个专业数据集上进行算法实验和性能比较。在真伪判断分类的精确度方面，在Dresden、COCO（common objects in context）、RAISE（a raw images dataset for digital image forensics）和IFS-TC（information forensics and security technical committee）数据集上分别提高了8.3%、4.6%、1.0%和1.0%；在篡改区域定位的准确度方面，F1评分与重叠度IOU（intersection over union）指标较已有方法分别提升了9.4%和8.6%。结论 本文算法将真伪判别分类、篡改区域定位和篡改边缘提取融合在一起，互相促进，较大提升了各分支任务的性能表现，在图像拼接篡改检测方面取得了优于已有方法的效果，为数字图像取证技术领域的研究工作拓展了思路。     

一种基于区域检测特征描述子的静态图像拼接算法

图像拼接技术是当前图像处理领域的一个热门研究课题。它将一组相互存在重叠部分的图像进行空间匹配对准,经融合后成为一幅包含各图像信息的大视场的完整图像。提出了一种基于区域检测特征描述子的图像拼接算法。算法由以下几部分组成：首先,在图像配准方面,主要采用区域检测特征描述子来寻找特征点和特征描述子并据此对图像进行匹配;然后,利用统计学方法寻找高效匹配点;接下来,运用单应性矩阵投影方法对图像做投影变换;最后,基于变换结果的图像融合拼接。     

图像拼接的检测

图像拼接是图像合成的一种最基本最常用的手段。不少人恶意利用图像拼接技术篡改、合成图像,因此迫切需要一种可靠的方法来验证图像的真实性。这里,我们从研究图像拼接技术入手,寻找检验图像真实性的特征,并利用这些特征来检测恶意利用图像拼接技术篡改、合成图像。经过试验证明这是一种有效的方法。     

块拼接纹理合成算法在图像拼接中的应用

小面积图像往往满足不了人们在工作中的需求，很多时候人们需要是大面积的图像，因此就需要一种算法来将相关的小范围拍摄的图像拼接成大图像，即实现全景图拼接。文中从块拼接纹理合成出发，并对块拼接纹理合成算法进行改进，将块拼接的原理应用到图像拼接上，并对像素加入与人视觉有关的权值进行接缝处理。实验结果表明，该方法简单实用，对于基本的由不同方位拍摄的图像都可以通过本算法进行拼接，并通过对接缝处的处理，取得了较好的结果。     

块拼接纹理合成算法在图像拼接中的应用

小面积图像往往满足不了人们在工作中的需求,很多时候人们需要是大面积的图像,因此就需要一种算法来将相关的小范围拍摄的图像拼接成大图像,即实现全景图拼接。文中从块拼接纹理合成出发,并对块拼接纹理合成算法进行改进,将块拼接的原理应用到图像拼接上,并对像素加入与人视觉有关的权值进行接缝处理。实验结果表明,该方法简单实用,对于基本的由不同方位拍摄的图像都可以通过本算法进行拼接,并通过对接缝处的处理,取得了较好的结果。     

基于光源颜色和噪声的图像拼接篡改检测方法

数字图像拼接篡改是一种常见的图像伪造手段.在图像取证中,检测拼接伪造仍然是一项艰巨的任务.现有的拼接伪造检测方法多根据一种图像特性的不一致检测并定位篡改区域,而实际拼接篡改伪造往往会造成多种图像特性的改变.针对现有单一特征提取不能充分反映拼接图像特性导致检测精确率低的问题,提出一种通过提取光源颜色和噪声的混合特征来定位...     

运用区域标定自动机的文字图像拼接算法

本文提出了一种新的文字图像的匹配拼接算法。运用基于区域标定自动机的方法获得重叠图像的特征匹配点,利用特征点的匹配可成功实现倾斜的灰度文字图像及无倾斜二值文字图像的平滑拼接。实践结果表明,方法拼接效果良好,能有效地克服图像质量的影响,当灰度图像的灰度值相差较大并且图像具有旋转时,也能实现对图像的拼接。     

基于区域的图像拼接算法

为了在实时视频监控中能够有效地检测和跟踪目标,提出了一种基于区域的图像拼接算法.该算法根据空间几何知识建立摄像机旋转投影模型,对需要拼接的图像进行二维空间坐标变换,使所有的图像都转换到同一坐标系下.最后,根据已知的云台旋转参数来设定配准特征空间,进而对图像进行配准和拼接.算法中建立了一种新的摄像机旋转投影模型,可以有效地进行图像的空间坐标转换,并且通过设定配准特征空间,有效地改进了配准和拼接算法.在PC机上的实验结果表明了该算法的准确性和有效性.     

一种用于图像序列拼接的角点检测算法

分析了Harris角点检测算子的实现原理及其用于图像序列拼接时存在的不足,从几个方面提出了改进:用新的X和Y方向梯度算子求取图像导数,对灰度变化更敏感;改进了角点响应函数,避免了k值选择的随机性;根据图像序列首图像自动确定R阈值,提高了算法的自动处理能力和速度;根据目标像素点的8邻域范围进行亚像素精确定位,角点位置更加准确.实验结果表明,改进算法无需人工干预,特征点提取的速度比传统算法提高了约61.3%,能更好地适应图像拼接的实际应用,是一种快速有效的角点检测方法.     

Detecting Image Splicing Based on Noise Level Inconsistency

In a spliced image, areas from different origins contain different noise features, which may be exploited as evidence for forgery detection. In this paper, we propose a noise level evaluation method for digital photos, and use the method to detect image splicing. Unlike most noise-based forensic techniques in which an AWGN model is assumed, the noise distribution used in the present work is intensity-dependent. This model can be described with a noise level function (NLF) that better fits the actual noise characteristics. NLF reveals variation in the standard deviation of noise with respect to image intensity. In contrast to denoising problems, noise in forensic applications is generally weak and content-related, and estimation of noise characteristics must be done in small areas. By exploring the relationship between NLF and the camera response function (CRF), we fit the NLF curve under the CRF constraints. We then formulate a Bayesian maximum a posteriori (MAP) framework to optimize the NLF estimation, and develop a method for image splicing detection according to noise level inconsistency in image blocks taking from different origins. Experimental results are presented to show effectiveness of the proposed method.     

A content-based image authentication scheme based on singular value decomposition

In this paper, we propose an image authentication scheme in which image features are embedded for copyright protection and content-tampering detection. The features are based on the invariance of the relationship among SVD coefficients. The proposed method is sensitive to malicious manipulations and robust to lossy compressions or regular image operations, such as brightening, shifting, averaging, rotation, and so on. Several experiments demonstrated that the proposed scheme could efficiently detect locations which have been tampered with and effectively resist several types of attacks. Moreover, stego images based on our proposed method have high visual quality. The text was submitted by the authors in English. Tzu-Chuen Lu received the B.M. degree (1999) and MSIM degree (2001) in information management from Chaoyang University of Technology, Taiwan. She received her Ph.D. degree (2006) in computer engineering from National Chung Cheng University. Her current title is an Assistant Professor in Departament of Information Management from Chaoyang University of Technology. Her current research interests include data mining, image retrieval, image authentication, information hiding, and knowledge management. Chin-Chen Chang received his B.S. degree in applied mathematics in 1977 and the M.S. degree in computer and decision sciences in 1979, both from the National Tsing Hua University, Hsinchu, Taiwan. He received his Ph.D. in computer engineering in 1982 from the National Chiao Tung University, Hsinchu, Taiwan. From August 1995 to October 1997, he was the provost at the National Chung Cheng University. From September 1996 to October 1997, Dr. Chang was the Acting President at the Nationa Chung Cheng University. From July 1998 to June 2000, he was a director of the Ministry of Education of China. In addition, he has served as a consultant to several research institutes and government departments. His current research interests include database design, computer cryptography, image compression and data structures. Yi-Long Liu received the B.S. degree (2002) in the Department of Mathematics (Applied Mathematics Section) from the College of Science and Engineering at Fu-Jen Catholic University, Taiwan. Liu is now a Master student in National Chung Cheng University and is studying in the domain of image processing. His current research interests include data hiding, data compression, and progressive image transmission.     

一种自嵌入的图像脆弱水印算法

针对现有脆弱水印算法大多无法区分水印被篡改还是内容被篡改的问题,提出了一种基于奇异值分解的自嵌入水印算法.算法基于原始图像2×2大小分块,图像块的高6位进行奇异值分解,每块的最大奇异值经过量化生成恢复水印嵌入到偏移子块的次低位,每块的奇异值范数二值编码生成认证水印嵌入到本身的最低位.实验结果表明,该算法不仅篡改定位准确,而且能区分是水印被篡改还是图像内容被篡改,可有效地恢复被篡改的区域.     

一种基于奇异值分解的图像压缩方法

根据奇异值分解的基本原理及其特点,结合图像的矩阵结构,提出了用奇异值分解,然后选取部分奇异值和奇异向量重构矩阵进行图像压缩的方法,并通过对图像进行分块降低计算量,实验结果表明奇异值分解能够有效用于图像压缩。     

利用SVD对带噪声的模糊图像进行盲复原

介绍了具有非负和有限支撑约束的递归逆滤波器盲图像复原算法。在此基础上，利用分块奇异值分解和压缩技术，提出一种去噪声方法，使得可以复原被噪声污染的具有全黑、全白或全灰的背景和有限支撑的目标图像。计算机仿真结果表明，新的方法具有更好的图像复原性能。     

基于奇异值分解的数字图像水印算法

奇异值分解（Singular Value Decomposition,SVD）是一种特殊的矩阵分解技术。图像的奇异值具有很好的稳定性,体现的是图像的内蕴性质,这使得它在图像水印领域得到了广泛应用。通过回顾空域和变换域中经典的基于SVD的水印算法,分析了算法的缺陷,讨论了现有的改进方案,提出了基于奇异值分解设计水印算法的注意事项。     

基于多分辨率奇异值分解的图像融合

提出一种新的基于多分辨率奇异值分解（ MSVD）图像融合算法。算法对源图像进行MSVD处理,使其分解为互不相关的平滑和细节分量,并对平滑分量进行多层次的分解与处理。类似于小波变换,多分辨率奇异值分解的基本思想是在平滑分量的每一层上用奇异值分解（ SVD）来取代滤波,最终利用融合规则对图像进行MSVD融合。利用5种评价算子来评价算法,得到的融合效果很好。与基于小波分解的算法相比,算法计算简单、实时性突出,对复杂、高像素图像处理更简单方便。     

基于图像质量评价的自动图像复原技术

针对很难使用一种图像复原技术来满足实际的成像系统应用需求的情况,提出了一种基于无参考图像质量评价的自动图像复原技术。该技术在图像复原中引入图像质量评价,使图像复原技术变为主动图像复原。为应对图像降质过程的复杂性,介绍了基于图像质量评价的多模式图像复原框架。为适应由于图像复原过程的病态性导致的图像误差问题,提出了一种新的无参考图像质量评价方法,该算法通过在图像质量算子中引入图像相似矩阵和图像复原趋势矩阵,使其能适应复原对于图像结构或噪声结构变化。实验表明该图像质量评价算子的有效性,可以满足自动图像复原对图像质量评价算法的要求。     

基于小波和奇异值分解的图像复制伪造区域检测

针对数字图像取证中一类常见的复制粘贴图像伪造,本文提出了一种基于小波变换和奇异值分解的检测算法.该算法利用小波变换提取图像的低频分量,对低频分量分块提取奇异值特征,这种特征描述形式对图像羽化或边缘模糊等处理具有鲁棒性.然后将特征矢量进行按行字典排序,并且配合图像块的偏移位置信息,进行图像复制伪造区域的检测和定位.实验表明该算法能够较精确地定位出复制和粘贴的图像伪造区域,并有效地减少了运算量,提高了检测效率.     

自相似特征彩色图像检索算法

针对传统的分形图像检索方法不能很好的体现图像的颜色自相似特征,且具有计算量大、速度慢的缺点,提出了适合彩色图像的自相似特征编码方法,将编码空间由灰度空间扩展到了彩色空间,充分体现了图像的颜色自相似特征.为了达到更好的检索效果,提出了对图像的自相似特征编码进行奇异值分解来构造特征向量的方法,并定义了相似度度量公式来支持图像检索.实验结果表明,本文提出的算法具有较好的可行性和有效性.