基于不变矩的Copy-Move型篡改图像盲检测方法

拷贝粘贴（CopyMove）是极为常见的图像篡改方式之一。为了快速有效地检测这种图像篡改,该文提出了一种基于不变矩的CopyMove型篡改图像盲认证方法,实验结果表明,此方法不仅可以检测传统的CopyMove型篡改,而且可以检测出经过旋转、镜像以及缩放的CopyMove型篡改,同时,为降低算法的复杂度,还提出利用块迭代划分方法来有效减少搜索计算量。仿真实验结果表明,该方法是有效的。     

基于不变矩的Copy-Move型篡改图像盲检测方法

拷贝粘贴(Copy-Move)是极为常见的图像篡改方式之一。为了快速有效地检测这种图像篡改,该文提出了一种基于不变矩的Copy-Move型篡改图像盲认证方法,实验结果表明,此方法不仅可以检测传统的Copy-Move型篡改,而且可以检测出经过旋转、镜像以及缩放的Copy-Move型篡改,同时,为降低算法的复杂度,还提出利用块迭代划分方法来有效减少搜索计算量。仿真实验结果表明,该方法是有效的。     

基于超像素分割和S URF特征点的图像复制粘贴篡改检测

针对图像复制粘贴型篡改,提出一种基于超像素分割与快速鲁棒特征算法结合的方法。对图像进行SLIC(Simple Linear Iterative Clustering)超像素分割,提取图像的SURF(Speeded Up Robust Features)特征点与特征描述子;以块为单位结合k-d树与BBF(Best Bin First)最近邻查询算法进行粗匹配;采用随机采样一致性算法剔除误匹配;用腐蚀膨胀操作显示复制粘贴篡改区域。实验证明该方法有较高的准确率和检测效率。     

鲁棒的区域复制图像篡改检测技术

区域复制把数字图像中一部分区域进行复制并粘贴到同一幅图像的另一个区域中,以达到去除图像中某一重要内容的目的,是一种简单而有效的图像篡改技术.现有检测算法对区域复制后处理的鲁棒性较差.文中针对此篡改技术,提出了一种有效的检测与定位篡改区域算法.该算法首先将图像分解为小块并比较各小块间的相似性,最后利用"主转移向量"方法去除错误的相似块对得到篡改的区域.实验数据说明该算法能有效地对抗多种区域复制的后处理操作,包括高斯模糊、加性白高斯噪声、JPEG压缩及它们的混合操作.     

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。     

图像区域复制篡改快速鲁棒取证

图像区域复制篡改就是将数字图像中一部分区域进行复制并粘贴到同一幅图像的另外一个区域, 是一种简单而又常见的图像篡改技术. 现有的算法大多对区域复制后处理的鲁棒性比较差, 并且时间复杂度高. 本文针对该篡改技术, 提出一种有效快速的检测与定位篡改区域算法. 该算法首先将图像进行高斯金字塔分解, 将低频图像进行块分解, 提取每块的Hu矩不变特征, 并将特征向量排序, 然后为每个特征向量搜索符合阈值的相似特征向量; 最后利用区域面积阈值去除错误的相似块, 并结合数学形态学定位篡改区域. 实验结果表明该算法不仅能有效地对抗如高斯白噪声、高斯模糊以及JPEG压缩这些后处理操作, 而且减少了块总数, 缩小了块匹配搜索空间, 提高了运算效率.     

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FMT的快速Copy-Move篡改检测

为了对图像篡改中常用的复制-移动伪造进行检测,基于傅里叶-梅林变换的平移、旋转和缩放的不变性提出一种快速图像区域分割和匹配的高效篡改检测算法.不同于以往模板匹配方式中按照单像素点移动得到重叠块划分方法,该算法采用相邻图像块的图像区域分割方式来减少整个图像块的数量.通过相似性匹配检测,得到初步的复制图像区域,然后利用边缘处理的方法处理改善篡改区域,从而达到改进篡改检测算法的效率和准确性.最后通过实验验证了该算法的有效性.     

一种用于图像认证的鲁棒水印算法

提出了一种新型的可以进行图像认证的鲁棒水印算法。讨论了水印数据的调制,水印的嵌入及水印的提取,并对实验结果进行了分析。     

同幅数字图像中Copy-Move型篡改的盲检测

为了快速有效地检测复制-粘贴(Copy-Move)图像篡改,提出了一种基于重叠块统计值的Copy-Move型篡改图像盲认证方式.该算法先将图像进行一次离散小波变换(Discrete wavelet transform,DWT)并取其低频部分分解为重叠块,接着统计各重叠块的7个统计值并计算重叠块间的相似性找出相似块,最后返回原篡改图像找出篡改部分.仿真结果表明,该方法能快速有效地检测出篡改部分经过JPEG有损压缩、高斯白噪声污染和这两者结合的篡改图像.     

基于半色调技术的印前图像篡改检测方法

本文印前图像特指图像数字排版经编辑确认后的数字印刷样张,其以栅格处理器分色后的加网二进制形式存储.数字样张一经确认,其来源的合法性便不受怀疑.但是,从印刷的整体流程来看,数字样张的存储、传输过程中仍有较大的篡改风险.现有的复制移动篡改检测算法存在特征维度高、计算开销大或检测率较低等问题,而且不适用于分色后的二进制样张.本文提出了一种基于半色调图像网点密度特征的Copy-Move篡改检测方法,该方法针对分色处理后的CMYK目标图像的二值量化处理,采用滑动分块的方法对目标图像进行分块,通过提取图像块CMYK四个通道的局部网点密度特征对图像块进行篡改检测.实验结果表明,该方法在图像篡改检测上较以往方法相比具有较低的时间复杂度和较高的检测率,并且对图像篡改区域的旋转攻击、小尺度缩放攻击等具有较好的鲁棒性.     

基于自适应提点鲁棒定位的图像复制粘贴篡改检测

复制-粘贴篡改检测(Copy-Move Forgery Detection, CMFD)是数字图像篡改的一种常见方式,近年来已成为多媒体取证领域一个重要的研究方向.本文提出一种鲁棒的复制-粘贴篡改检测算法,基于构造波动函数自适应获取阈值的方法均匀提取图像特征点,可在篡改区域小或平滑的情况下进行鲁棒检测.引入DBQ-LSH匹配算法进行特征匹配,降低了时间复杂度.提出基于不变矩LBP图像的定位方法,在图像受到噪声攻击和JPEG压缩攻击下能精准定位篡改位置.实验结果表明,该算法具有优良的检测正确率(图像级)和检测精度(像素级).     

基于DWT和聚类方法的图像复制粘贴伪造检测方法研究

随着图像处理软件的发展,修改图像变得越来越容易,其中常见的修改方式是图像内部的复制粘贴修改。如何快速、有效检测图像的复制粘贴修改区域,已经成为一个急需解决的问题。目前,很多检测技术虽然可以检测出复制粘贴区域,但是其运算量较大,检测速度较慢。基于此,提出了一种基于离散小波变换和聚类方法的数字图像区域复制粘贴检测方法。该方法首先对图像进行离散小波变换,降低图像的数据量;其次,分别对三个子图进行聚类;最后,综合四个子图的聚类结果,得到图像中的复制粘贴伪造区域。实验结果表明,该方法能快速、有效检测出复制粘贴修改区域,并且具有较高的准确率。     

同源视频Copy-Move篡改检测及恢复

针对同源视频序列的copy-move篡改方式, 提出一种通过度量图像内容间的相关性, 来实现对视频序列的copy-move篡改检测并恢复的方法. 首先将视频帧内容转化为一系列连续的图像帧, 对图像分块, 提取每帧图像的8个特征矢量, 再利用欧氏距离计算帧间相关性, 并通过添加偏差矩阵构造动态偏差阈值, 检测出copy-move篡改序列且精确至帧, 从而实现对视频序列的篡改检测与恢复. 实验表明, 该算法对同源视频序列的copy-move篡改检测及恢复能够取得理想的效果.     

Detection of Copy-Move Forgery in Digital Image Using Multi-scale,Multi-stage Deep Learning Model

Neural Processing Letters - Images are an important source of information and copy-move forgery (CMF) is one of the vicious forgery attacks. Its objective is to conceal sensitive information from...     

一种基于自适应闭值的图像伪造检测算法

图像伪造检测是数字取证领域一个发展迅速的研究方向。复制一移动是最常见的图像伪造方式之一,其目的是通过隐藏或克隆对象来创建新的图像内容场景。复制一移动伪造检测的主要依据是图像中存在较大面积的相同或非常相似的区域对。针对以往检测方法对图像中存在同质纹理或均匀区域检测困难以及相关参数阂值选择不确定等现状,提出一种基于自适应阂值的图像复制一移动伪造检测算法,该算法不但使相关阂值的选择和估计更合理,而且能够自动识别和定位伪造区域。通过在包含同质或均匀区域的彩色伪造图像中的实验,进一步验证了本算法的有效性。     

一种鲁棒性好的图像水印算法

提出了一种鲁棒性好的数字图像水印算法.算法采用Hilbert扫描顺序,用考虑HVS(human visual system)特性的噪声阈值矩阵作为叠加水印信号的掩模插入水印,并具有水印强度自适应调节特性.水印检测算法还可加入自动校正模块,大大提高了判决的准确性.在描述算法的基础上,给出了实验结果及攻击分析.实验结果表明,该算法具有较强的透明性和鲁棒性,水印检测结果准确,并且算法的计处量小.