噪声水平不一致性的图像拼接区域检测方法

针对图像拼接篡改检测与篡改定位技术进行研究,提出了一种噪声水平不一致性的图像拼接篡改定位方法.该方法利用改进的拉普拉斯算子对噪声具有双倍加强作用的特点,结合奇异值分解,提取非重叠图像块的局部图像梯度矩阵和噪声特征,然后利用基于聚类的阈值算法,对得到的特征进行分类并定位出篡改区域.与现有的基于噪声的图像拼接区域检测方法相比,所提出的方法不仅能够检测拼篡改区域,而且当拼接区域与原始区域之间的噪声差异较小时依然有效,并且对于内容保持的图像处理操作如JPEG压缩、高斯模糊、伽玛校正、下采样等是鲁棒的.     

基于核主成分分析的图像模糊篡改检测算法

现有的图像模糊篡改检测算法通常提取模糊操作引入的某单一特征进行判断,为更好地提高算法检测效率,提出基于核主成分分析的模糊篡改检测算法.通过奇异值分解提取第一组特征,计算图像二次模糊相关性作为第二组特征,计算图像质量因子作为第三组特征.运用核主成分分析方法实现多特征融合.采用支持向量机进行判断,从而实现模糊篡改检测.实验表明:该算法能够有效地检测数字篡改图像的模糊操作痕迹,并能对模糊篡改区域进行准确定位.     

结合游程长度与共生矩阵的图像拼接篡改检测方法

针对拼接图像篡改鉴别问题,研究了运用游程长度和灰度共生矩阵等统计特征进行图像盲检测的算法。该算法将拼接篡改检测问题转换为二分类模式识别问题,在图像的色度通道Cb和Cr中提取游程长度特征,并将其与灰度共生矩阵特征相结合,然后以结合后的新的特征向量训练LibSVM作为最后的分类器,确定所给图像是否被拼接篡改。实验结果显示,在彩色图像测试库CASIA v2.0上,利用融合后的特征检测图像使识别率得到较大提高,同时该算法在复制粘贴篡改方面也有较好的识别性能。     

基于无损水印的医学图像篡改检测和高质量恢复算法

采用无损数字水印算法对医学图像进行篡改检测和恢复是一个重要的研究领域。针对现有方法在区域划分和块特征值选取上的不足,提出了一种新的基于四叉树分解和线性加权插值技术的无损水印算法。算法首先对原始的医学图像进行四叉树分解,得到非固定尺寸且具有高同质性的图像块;然后利用线性加权插值方法计算每个图像块的特征值作为水印信息,最后采用基于混沌的简单可逆整数变换进行水印嵌入。在提取端,当水印图像没有受到篡改时,原始的图像能被无损恢复;当受到篡改时,算法能精确定位篡改区域并能高质量恢复。实验结果表明,提出的算法相比现有方法具有更高的嵌入容量、篡改检测精确性和恢复图像质量。方法适用于医学图像的完整性认证和篡改检测中。     

基于马尔可夫链模型的图像拼接篡改盲取证算法

利用马尔可夫链对图像DCT变换系数的相关性进行建模,提取模型的状态转移概率矩阵作为特征向量,然后采用支持向量机分类器对自然图像和篡改图像进行分类。实验结果表明,该算法的平均准确率达到了86%,性能优于Ng提出的基于双相干特征的拼接图像检测算法。     

基于重采样检测的JPEG图像拼接篡改取证

数字图像在进行拼接篡改时,为了不留下视觉上的明显篡改痕迹,往往会对篡改的区域进行缩放、旋转等重采样操作。针对这一现象,本文提出一种新的基于重采样检测的JPEG图像拼接篡改取证算法,该算法通过对JPEG图像局部区域二阶导数进行Radon变换,并求其自协方差后进行快速傅里叶变换,在频域中消除JPEG压缩的影响,最后判断该局部区域是否经过重采样操作,以作为判断被检测的JPEG图像是否经过拼接篡改的证据。实验结果表明,本文算法对于经过包括缩放和旋转等重采样操作后拼接成的JPEG图像有较好的篡改取证效果。     

图像拼接篡改的自动色温距离分类检验方法

拼接篡改是一类常见的图像伪造手段,现有取证方法难以实现图像中拼接篡改区域的自动检测与精确定位,导致拼接篡改伪造图像的取证长期依赖人工经验.基于图像中原始区域与拼接篡改区域所反映的光源色温的差异性,提出一种自动色温距离阈值分类的图像拼接篡改检测与定位方法.首先,变换待检验图像至YCbCr色彩空间,并按照Grid-based方式结构化分解为大小的子图像块;然后,利用自动白平衡（Automatic white balance,AWB）中的白点检测原理对每一个子图像块进行色温估计,计算子图像块与参考区域之间的色温距离;最后,采用最大类间方差法自适应地求取色温距离分类的最佳阈值,对子图像块进行分类标注,实现了图像拼接篡改区域的自动检测与精确定位.实验表明,该方法能够实现图像拼接篡改区域的自动检测与定位,具有较高的量化检测精度.     

基于无损水印的医学图像篡改检测和高质量恢复

目的 采用无损数字水印算法对医学图像进行篡改检测和恢复是一个重要的研究领域。针对现有方法在区域划分和块特征值选取上的不足,提出一种新的基于四叉树分解和线性加权插值技术的无损水印算法。方法 首先对原始的医学图像进行四叉树分解,得到非固定尺寸且具有高同质性的图像块;然后利用线性加权插值方法计算每个图像块的特征值作为水印信息,最后采用基于混沌的简单可逆整数变换进行水印嵌入。结果 在提取端当水印图像没有受到篡改时,原始的图像能被无损恢复;当受到篡改时,算法能精确定位篡改区域并能高质量恢复,采用本文算法恢复的图像质量较现有方法高出20 dB左右。另外,在水印图像遭到较大程度篡改时,本文算法的正检率和负检率均优于现有方法。结论 实验结果表明,本文算法相比现有方法具有更高的嵌入容量、篡改检测精确性、恢复图像质量。算法适用于医学图像的完整性认证和篡改检测中。     

基于DeepLab v3+的多任务图像拼接篡改检测算法

在图像拼接篡改检测任务中,受篡改区域尺度多样性及模糊操作的影响,传统分类算法难以提取图像篡改特征。提出一种基于DeepLab v3+的图像拼接篡改检测算法,使用浅层图像特征预测图像的篡改区域边界,提高模型对篡改边界的敏感性。在此基础上,通过多尺度融合特征对图像篡改区域进行分割,并在原空洞空间金字塔模块中融合空间和通道注意力机制,从而提高模型对多尺度篡改区域的适应性。实验结果表明,所提算法能有效检测图像的篡改区域,在CASIA v1.0和Columbia数据集中的分割精度分别为0.754 6和0.727 8,优于DCT、BAPPY、MFCN等算法。     

一种新的拼接图像检测方法*

图像的拼接检测在数字图像取证中占有重要的地位,因此引起了广泛的关注。为此,提出了一个有效的被动盲取证方法来检测拼接图像,通过提取多尺寸块离散余弦变换二维数组（MBDCT）的统计特征量和图像质量评价量（IQMs）来建立模型。选用哥伦比亚大学的图像拼接检验数据库来测试该模型,采用支持向量机（SVM）作为分类器进行训练和测试,实验结果表明新的拼接检测模型具有精确度高、应用面广的优点,在拼接检测中有很好的发展前景。     

用统计特征量实现的图像拼接盲检测

图像拼接是一种常见的图像篡改手段。为了对拼接的数字图像实施盲检测,提出一种新的拼接图像的检测方法。借用二分类的模式识别概念,使用图像质量评价量和矩特征量来建立模型,以捕获原始图像和拼接图像之间的统计差异,选用支持向量机作为分类器进行训练和测试,对拼接图像的盲检测进行了研究。实验结果表明,该方法具有精确度高、应用面广的优点。     

Digital image splicing detection based on approximate run length

Image splicing is very common and fundamental in image tampering, which severely threatens the integrity and authenticity of images. As a result, the detection of image splicing is of great importance. In this paper, an approximate run length based scheme is proposed to detect this specific artifact. Firstly, the edge gradient matrix of an image is computed, and approximate run length is calculated along the edge gradient direction. Then, some features are constructed from the histogram of the approximate run length. To further improve the detection accuracy, the approximate run length is applied on the predict-error image and the reconstructed images based on DWT to obtain more features. Finally, support vector machine (SVM) is exploited to classify the authentic and spliced images using the constructed features. The experiment results demonstrate that the proposed approach can achieve a relatively high accuracy with less computational cost and fewer features when compared with other methods.     

基于高频小波子带马尔可夫特征的图像拼接检测

拼接是图像篡改过程中最普遍使用的操作,通过检测拼接可以有效鉴别图像是否经过人为修改。针对拼接操作提出了一种盲检测方法：首先对图像进行小波变换,在比较分析不同小波子带对图像拼接检测的作用后,选取高频子带作为图像变换域信息;接着对小波子带进行差分操作,并将系数取整阈值化后作为马尔可夫状态;最后计算状态间的转移概率作为拼接特征,利用支持向量机（SVM）进行分类。在哥伦比亚图像拼接评测彩色库和灰度库上分别进行实验,证实了选取小波高频子带提取拼接特征的有效性。通过与其他特征提取方法对比,所提出特征在两个评测库上都表现出了更好的检测效果,尤其在彩色评测库上取得了94.6%的识别率。     

USM增强的边缘羽化拼接图像检测方法

图像拼接过程中,经过羽化模糊处理的图像边缘特征是不同于自然图像边缘特征的。因此,可利用图像边缘羽化特征来进行图像拼接区域的检测。然而,当图像中某些边缘与羽化边缘特征相似时,直接提取边缘羽化特征的方法会导致误判。如果能够扩大拼接区域的边缘与自然图像边缘之间的差异,则可以更准确地检测出图像中的篡改区域。因此,提出了一种基于USM增强的边缘羽化拼接图像检测方法。首先,对待检测的拼接图像进行UMS增强,扩大拼接图像中羽化边缘与自然边缘特征的差异性。然后,计算增强后图像边缘像素的羽化半径。最后,寻找半径相似的边缘像素,定位图像中的拼接篡改区域。实验结果表明,在拼接图像中存在与羽化边缘相似的边缘时,该方法能更准确地检测出拼接区域。     

使用希尔伯特-黄变换的医学图像检索

使用希尔伯特-黄变换对医学图像进行分解并将分解产生的内蕴模态函数及其二维希尔伯特变换的幅值作为纹理特征,提取后的特征用于医学图像检索.根据图像内局部极值点的几何分布,提出了一种新的基于聚类算法的边界处理方法.实验中使用的纹理特征包括基于希尔伯特-黄变换得到的特征和对比用的Gabor特征、纹理谱特征和多尺度复杂性及多尺度分维数特征.初步的实验结果表明:采用希尔伯特-黄变换可以有效地描述医学图像的纹理信息,并取得较好的图像检索结果.     

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...     

自适应块分割的快速BEMD算法研究

基于径向基函数的分块二维经验模态分解算法在拼接处的不连续失真较严重。为此,提出一种改进的分块二维经验模态分解算 法。通过计算相邻图像块的最小对称相似性,确定相邻图像块间的重叠尺寸,利用自适应无缝拼接算法,对图像分解结果进行融合。实验结果表明,该算法能较好地改善拼接失真现象。