一种缩放情况下区分原始区域和篡改的方法

为了在检测结果中区分出原始区域和粘贴区域,提出一种基于尺度不变特征转换(SIFT)和重采样痕迹的图像盲检测算法。该算法首先将图像分成互不重叠块,利用SIFT算法找出每个块中的关键点,对关键点匹配;然后在每个块中以匹配关键点的中心为种子进行区域生长得到篡改区域;最后分析每个图像块的频谱图,计算出缩放因子,区分原始区域和复制区域。实验结果表明,该算法简便快捷,在能够对篡改区域进行准确定位的同时,并能区分原始区域和复制区域。     

具有几何不变性的图像复制-粘贴盲鉴别算法

提出一种具有几何不变性的复制-粘贴盲鉴别算法.该算法首先定义灰度级别和灰度结构,根据像素的灰度级别划分图像块,再结合其灰度结构定位可疑块对;然后对每一组可疑块对进行基于对数极坐标变换的相位相关,并粗略定位篡改区域;最后,精确计算篡改区域之间的旋转角度、缩放尺度及平移量,从而定位复制-粘贴区域.实验结果表明,该算法不但具有旋转、缩放等几何不变性,而且具有较高检测效率及较强的鲁棒性.     

几何约束下噪声一致性的图像拼接篡改检测

将以图像块为单位的噪声水平估计方法应用在图像篡改定位时,会导致分割边缘呈锯齿状并降低边缘定位准确率。针对该问题,文中提出了一种基于几何约束和噪声一致性分析的图像拼接取证算法。采用基于统计的噪声水平估计与K-means算法对每个图像块实现初步检测定位,提取初步拼接区域边缘的点集合,并以其每个点为中心,依次在边缘图上进行方形范围搜索,拼接区域边缘。随后,利用几何约束筛选算法选择疑似篡改边缘点来定位篡改区域。相较于现有算法,在Columbia上正确检测率相同的情况下,采用文中方法可将错误检测率降低12.7%,并降低算法复杂度。     

图像内区域复制粘贴篡改鉴定

区域复制粘贴篡改检测算法是以图像块匹配为基础的,然而传统的匹配算法计算量大,匹配速度慢,效率低下.针对现有的图像内区域复制粘贴检测算法计算量大,时间复杂度高的问题提出一种有效快速的检测与定位篡改区域算法.首先利用小波变换获取图像低频区域,然后对得到的图像低频部分进行分割,然后对分割后得到的每个图像块进行DCT变换,通过特征向量排序缩小匹配空间,最后通过经验阈值进行真伪鉴定,实验结果表明该算法过程中除掉图像冗余,减少检测块数,降低了时间复杂度,提高了检测效率.     

基于SVD和直方图的JPEG图像篡改盲检测算法

现有的大多数图像篡改检测算法不能够很好地检测多次篡改区域,针对此不足,提出了一种有效的基于SVD和直方图的JPEG图像篡改盲检测算法。该算法首先以设定的窗口块在待检测图像上依次滑动一个像素得到每个单独的滑窗分块,每个分块用奇异值分解(SVD)值表征;然后字典排序所有分块量化后的SVD值矩阵,并通过统计排序后的矩阵的偏移频率来得到直方图;最后通过直方图设定阈值以判断分块是否属于复制粘贴块。实验结果表明,该算法不仅能对单次篡改区域进行准确定位,还能较好地检测到多次篡改区域。     

一种改进的图像篡改定位及恢复的双水印算法

提出一种改进的图像篡改定位及恢复的双水印算法,首先将图像分成2×2大小的图像块,提取每个图像块的特征信息,2个图像块的特征信息形成的水印加密后嵌入在另外2个不重叠的图像块中,在篡改定位中,不仅采用校验码的验证,而且利用了图像块的信息及隐藏在其他图像块中该图像块水印的一致性,使篡改定位的能力进一步增强。实验表明,本文的方法有良好的篡改定位能力,尤其对于非连续的非整体篡改。     

基于统计噪声水平分析的图像拼接检测

图像拼接是最常用的图像篡改操作之一,针对篡改图像噪声水平不一致性的现象,本文提出了一种基于统计噪声水平分析的图像拼接检测方法。首先,将检测图像分割成大小相同的非重叠图像块,然后,利用一种非参数估计算法来估计每个图像块的噪声值,并且采取聚类法对图像块的噪声值进行聚类,聚类结果分为可疑部分和非可疑部分两大类。最后,通过一个由粗到细的两阶段策略对篡改区域进行定位。哥伦比亚未压缩图像拼接检测评估图像库的实验结果表明,本文方法能够准确地估计图像块的噪声和定位出拼接区域,性能优于现有方法。     

数字图像区域复制-粘贴篡改检测分析

针对同幅图像的区域复制-粘贴篡改,提出一种新的检测方法。该方法对待检测图像先用离散小波变换进行预处理,然后用截尾奇异值方法选取图像特征,对选取图像特征选择欧氏距离作为图像特征的相似性度量,并配合契比雪夫距离进行篡改定位。实验结果表明该算法能够有效检测复制粘贴篡改,并对复制区域旋转操作具有较强的鲁棒性。     

基于级联卷积神经网络的图像篡改检测算法

基于卷积神经网络的图像篡改检测算法利用卷积神经网络的学习能力可以实现不依赖于单一图像属性的图像篡改检测,弥补传统图像篡改检测方法依赖单一图像属性、适用度不高的缺陷。利用深层多神经元的单一网络结构的图像篡改检测算法虽然可以学习更高级的语义信息,但检测定位篡改区域效果并不理想。该文提出一种基于级联卷积神经网络的图像篡改检测算法,在卷积神经网络所展示出来的普遍特性的基础上进一步探究其深层次的特性,利用浅层稀神经元的级联网络结构弥补以往深层多神经元的单一网络结构在图像篡改检测中的缺陷。该文提出的检测算法由级联卷积神经网络和自适应筛选后处理两部分组成,级联卷积神经网络实现分级式的篡改区域定位,自适应筛选后处理对级联卷积神经网络的检测结果进行优化。通过实验对比,该文算法展示了较好的检测效果,且具有较高的鲁棒性。     

基于RG-SIFT的图像复制粘贴篡改取证算法

在以审判为中心背景下的刑事诉讼制度改革中,图像证据的审查与采信尤为重要.数字图像篡改操作中最为常见的就是复制粘贴,通过复制图像中的一块区域粘贴到其他部分,以达到增加或掩盖部分图像内容,同时伴随着几何变换以增加真实性.当前存在的检测类似篡改的算法大多数只能应对某种几何变换,计算复杂性较高且不能应对多区域复制粘贴的情况.为...