基于纹理免疫的JPEG预压缩图像降尺度因子检测

图像编辑工具的普及导致JPEG图像越来越容易被篡改,其中重采样操作方法通过几何变换能够使伪造的图像更加逼真,因此对JPEG图像进行重采样检测至关重要。传统的光谱分析法依据差分图像相邻极值的间隔遵循几何分布,以及在直方图上的峰值呈现周期性,通过峰值分析对下采样因子进行估计,但由于图像纹理统计特征的周期性干扰了直方图的提取,导致检测准确性较低。提出一种用于JPEG预压缩图像降尺度因子检测的纹理免疫块效应分析算法,利用快速导向滤波对图像进行预处理,并去除图像的纹理和噪声。使用Canny算子对滤波后的图像进行边缘检测,以减轻周期性边缘的干扰,对图像进行交叉差分,从而凸显块效应,提高JPEG图像降尺度因子估计的准确性。在此基础上,结合极大似然估计和谱分析得出降尺度因子的估计值,减小估计误差。实验结果表明,该算法能有效削弱图像纹理对重采样估计的影响,具有较强的纹理免疫能力。     

基于再采样的图像重采样伪作检测

重采样是图像篡改中的一种典型操作,针对现有重采样伪作检测算法对于JPEG压缩格式的图像检测效果不理想,也无法准确估计其中的缩放因子的问题,提出了基于再采样的图像重采样检测算法。该算法先将待检验的JPEG图像以缩放因子小于1进行再次重采样,以削弱JPEG压缩对算法的影响,再利用重采样信号二阶导数具有的周期性来进行重采样操作检测。实验结果表明,该算法具有很强的抗JPEG压缩能力,同时能够准确估计真实的缩放因子。另外,该算法对于经过不同缩放因子而得到的图像进行合成时的重采样操作,也有明显的检测效果。     

基于再采样的图像重采样伪作检测

重采样是图像篡改中的一种典型操作,针对现有重采样伪作检测算法对于JPEG压缩格式的图像检测效果不理想,也无法准确估计其中的缩放因子的问题,提出了基于再采样的图像重采样检测算法。该算法先将待检验的JPEG图像以缩放因子小于1进行再次重采样,以削弱JPEG压缩对算法的影响,再利用重采样信号二阶导数具有的周期性来进行重采样操作检测。实验结果表明,该算法具有很强的抗JPEG压缩能力,同时能够准确估计真实的缩放因子。另外,该算法对于经过不同缩放因子而得到的图像进行合成时的重采样操作,也有明显的检测效果。     

基于EM算法的人像合成图像的检测

数字篡改图像即使做的很逼真,没有留下肉眼可见的篡改证据,但图像原先的统计学规律已经改变.以人像合成图像为例,为了使篡改图像更逼真,篡改者需要改变图像大小、旋转图像或拉伸图像的某部分,这些操作需要把原图像重采样到新图像上去.虽然这种重采样通常难以察觉,但图像内部的相关性还是可以作为图像被篡改的证据.这种周期性可以通过EM算法(期望最大化算法)检测出来,从而通过检测合成图像的重采样可作为图像篡改的证据.     

一种针对手写体图像的取证算法

数字图像取证是信息安全领域的研究热点.在手写体图像方面,现有的取证算法对于图像采用各种重采样技术的篡改,其检测效果并不理想.在本文中,我们根据源区域和篡改区域的特征值不变性,提出一种简单有效的盲取证算法.该算法实现了手写体图像篡改的自动检测和篡改区域的定位,并且比现有的重采样检测方法对相同的手写体图像具有更好的检测率,尤其是在图像中的字有模糊、缺损的情况下检测的优势更明显.实验结果表明,对于经过各种重采样处理的手写体图像,该算法比现有取证算法的检测率高20%,当虚警率小于1%时,本算法的检测率达96.9%以上.     

基于重采样痕迹的图像伪造检测

检测重采样痕迹是数字取证中判断图像是否被篡改的有效途径之一。针对现有重采样检测方法大多只考虑单次重采样情况,对再次经历重采样的伪造图像不能有效区分定位篡改区域这一问题,提出一种基于重采样痕迹的图像伪造检测算法。首先定义出能够描述并区分不同重采样痕迹的两个特征量,将待测图像重叠分块,计算每块的特征量,然后利用特征量的不一致性检测定位篡改区域。实验结果表明,该方法能够区分旋转与缩放的操作历史痕迹,进行篡改伪造图像的自动判断与篡改区域定位;并且当伪造图像再次经历重采样操作后,仍能区分出图像中的不同插值区域,即对再次重采样操作具有一定的鲁棒性。     

重采样图像的盲检测技术

数字图像取证技术是一门不依赖任何图像先验知识而对图像来源和内容真实性进行认证的新兴技术。重采样检测是数字图像取证的一个重要分支,已成为当前的研究热点。详细分析对比了两类图像重采样盲检测算法：基于期望值最大化的重采样检测和基于差分周期特性的重采样检测,并对当前应用和后续研究进行相关论述。     

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。     

一种适用于有损压缩图像的重采样检测算法

有损压缩与重采样操作在图像像素间产生的相关统计特性导致有损压缩图像难以被检测。为解决该问题,提出一种适用于无损图像的重采样检测算法,利用插值信号的周期性对图像频域特征进行分析,通过估算插值系数实现重采样检测。实验结果表明,该算法鲁棒性强、应用范围广,对于JPEG有损压缩图像的重采样检测具有较高的正确率。     

基于期望最大化算法的音频取证中的篡改检测

音频取证中的插值检测是信号篡改检测的重要方面。因为信号的篡改经常伴随着重采样操作,而重采样后的插值信号会引入周期性信息。应用期望最大化（EM）算法能针对这种周期信息估计参数,从而检测出信号是否被篡改。为了使EM算法迭代效果更好,更适用于音频信号的插值检测问题,提出针对音频信号的特点,引入音频幅度直方图,排除短时静音和增加样本点数的方法。另外还提出了用频谱统计矩作为特征的方法,使统计分类稳定有效。最后通过音频取证中检测信号是否重采样的统计分类实验,表明整个检测流程能达到较高的准确率,并且在局部篡改实验中也同样有效。     

结合聚合通道和复频域特征的防震锤检测算法

为了解决目前输电线路防震锤的检测采用数字图像处理的方法时,受到复杂背景的影响,导致防震锤检测精度偏低的问题,提出一种结合多尺度聚合通道特征(ACF)和复频域特征在图像复杂背景下防震锤的检测算法。首先,引入聚合通道特征,分别提取图像颜色特征、梯度幅值和梯度方向直方图特征金字塔,构建多尺度ACF;同时,使用多方向对偶树复小波变换(M-DTCWT)对图像进行多尺度多方向复频域变换,在分解得到的低频子带图像中提取图像的形状特征和纹理特征;然后,使用Relief-F算法将得到的ACF特征和复频域特征进行加权融合;最后,采用Adaboost分类器和非极大值抑制算法(NMS)实现图像中防震锤的检测。实验结果表明,该算法与传统提取图像的单特征识别方法相比,提高了在复杂背景下对防震锤检测的精度。     

Scaling factor estimation on JPEG compressed images by cyclostationarity analysis

Scaling factor estimation is one of the most important topics in image forensics. The existing methods mainly employ the peak of the Fourier spectrum of the variance on image difference to detect the scaling factor. However, when the image is compressed, there will be additional stronger peaks which greatly affect the detection ability. In this paper, a novel method to estimate the scaling factor on JPEG compressed images in the presence of image scaling before the compression is proposed. We find the squared image difference can more effectively obtain the resampling characteristics, and we will mathematically show its periodicity. To further improve the detection ability, we analyze the flat block. It also produces periodic peaks in the spectrum, meanwhile which are enhanced by JPEG compression. To solve this problem, a method based on interpolation on the flat block is developed to remove these influences. The experimental results demonstrate that the proposed detection method outperforms some state-of-the-art methods.

     

复合域的显著性目标检测方法

目的 针对显著性目标检测方法生成显著图时存在背景杂乱、检测区域不准确的问题,提出基于复合域的显著性目标检测方法。方法 首先,在空间域用多尺度视网膜增强算法对原图像进行初步处理;然后,在初步处理过的图像上建立无向图并提取节点特征,重构超复数傅里叶变换到频域上得到平滑振幅谱、相位谱和欧拉谱,通过多尺度高斯核的平滑,得到背景抑制图;同时,利用小波变换在小波域上的具有多层级特性对图像提取多特征,并计算出多特征的显著性图;最后,利用提出的自适应阈值选择法将背景抑制图与多特征的显著性图进行融合,选择得到最终的显著图。结果 对标准测试数据集MSRA10K和THUR15K中的图像进行显著性目标检测实验,同目前较流行的6种显著性目标检测方法对比,结果表明上述问题通过本文方法得到了很好地解决,即使在背景复杂的情况下,本文算法的准确率、召回率均高于对比算法,在MSRA10K数据集中,平均绝对误差（MAE）值为0.106,在THUR15K数据集中,平均绝对误差（MAE）值降低至0.068,平均结构性指标S-measure值为0.844 9。结论 基于复合域的显著性目标检测方法,融合多个域的优势,在抑制杂乱的背景的同时提高了准确率,适用于自然景物、生物、建筑以及交通工具等显著性目标图像的检测。     

一种鲁棒性的遥感图像地域分类新方法

目前遥感图像分类算法面临的主要问题是分类精度与算法复杂度的矛盾及算法缺乏鲁棒性。为此,提出了一种基于特征空间重采样的非参数化核密度估计聚类与边缘检测相融合的多模型鲁棒性遥感图像分类方法。首先对遥感图像进行边缘检测以获取图像中每个像素的边缘梯度和方向信息;然后利用重采样策略,在联合域中对新的样本集合进行加权均值平移滤波,找到图像各区域的核密度函数局部最大值,通过迭代移动附近的数据点到此局部最大值;最后对各个分割区域进行合并,得到最终的分类图。实验结果表明,算法可获得高精度的遥感图像分类结果,且具有很强的鲁棒性。     

基于形态滤波的小波融合图像增强算法

研究图像优化问题。针对目前常用的空域或频域图像存在各种噪声干扰降低了图像的清晰度,为了在降低图像噪声,保护图像细节和边缘信息,提出一种形态滤波的小波融合图像增强算法MWF。首先分别采用巴特沃斯低通滤波和形态学高帽处理对含噪图像进行滤波,得到两幅过滤的图像,再将这两幅图像分别进行离散小波变换,然后利用变换结果在小波域内依据融合规则进行融合,最后对融合结果进行反变换得到清晰的图像。得到的图像是通过空域滤波和频域增强方法的结合,综合了两种方法各自的优点,仿真结果表明,MWF算法对混合噪声干扰有较好的抑制作用,并实现了图像增强的效果,为图像优化提供了依据。