一种新的图像拷贝篡改检测方法

针对图像的区域拷贝篡改提出了一种新的检测方法,即基于LPP-SIFT(Locality Preserving Projection-Scale Invariant Feature Transform)的检测算法.该算法利用SIFT提取图像的特征点,结合LPP特征映射,生成低维特征点描述子,然后依据向量角度比率得到匹配点对,匹配点对聚集的区域即为拷贝篡改区域.实验表明该算法能够有效地检测定位区域拷贝篡改图像,且对于拷贝区域的旋转、缩放以及图像的JPEG压缩、噪声添加等操作具有较强的鲁棒性.     

一种改进的SURF古籍图像复制粘贴篡改检测算法

针对古籍图像复制粘贴篡改检测需求设计了一种算法.该算法以SURF算法为基础,引入小波变换并改进,清除图像中的噪声斑点,提高了Hessian矩阵构建的准确性;引入SLIC(Simple Linear Iterative Clustering)算法并改进,对图像进行分块,减少了图像匹配检索用时;改进欧氏距离匹配阈值选取方式,降低了特征点检测误匹配率;引入图像局部色彩方差,提升图像特征点匹配准确性.结合多种类型的古籍图像篡改实例,并与当前其他主流算法就检测结果进行比较分析.结果表明,该算法在匹配检测准确度和检测用时方面更具优势,更能有效地鉴定出篡改的图像信息.     

图像模糊篡改盲取证

针对图像篡改人工模糊润饰操作,提出了一种新的盲取证技术。首先用保持边缘平滑滤波结构增强源图像模糊区域,并对滤波图像进行边缘检测;然后采用能量比和信息熵构建模糊边缘约简规则来检测源图像自然强边缘;接着设计模糊隶属度函数,计算源图像每个像素的模糊隶属度,并用该隶属度集合对初始模糊边缘图像进行处理,得到模糊边缘图像;最后对前面的图像进行融合并经过闭运算处理,得到准确清晰的人工模糊边缘。实验结果显示,本文算法能够很好地区分模糊边缘与自然强边缘,篡改区域的定位效果较好。     

一种用于篡改证明的小波域图像水印算法

数字技术的发展，以数字方式存储的多媒体信息越来越容易被篡改，传统手段应用在数字多媒体的保护中缺点显现．提出一种新的用于数字图像篡改证明的小波域脆弱水印算法．算法中引入了人眼视觉模型，使得算法有好的视觉隐蔽性．同时，谊算法很好的克服了之前数字水印算法对篡改的综合分析能力弱的缺陷．此外，该算法能够用于多灰度级图像水印的嵌入．以嵌入多灰度级水印的数字图像为对象，对频域改动分析和局部空间篡改检测的试验结果都表明该方案是行之有效的．     

一种用于篡改证明的小波域图像水印算法

提出了一种新的用于数字图像篡改证明的小波域脆弱水印算法。算法中引入了人眼视觉模型，使得算法有好的视觉隐蔽性。同时，该算法很好的克服了之前数字水印算法对篡改的综合分析能力弱的缺陷。此外，该算法能够用于多灰度级图像水印的嵌入。以嵌入多灰度级水印的数字图像为对象，对频域改动分析和局部空间篡改检测的试验结果都表明该方案是行之有效的。     

基于混合灰度序模式的图像复制-粘贴篡改盲鉴别算法

针对目前复制-粘贴篡改盲检测算法对光照变换操作鲁棒性较差的问题,提出了一种基于混合灰度序模式(Mixed Intensity Order Pattern,MIOP)的复制-粘贴篡改盲鉴别算法。首先,对待检测图像提取高斯差分区域(Difference of Gaussians,DOG)。其次,利用MIOP特征描述区域。最后,匹配特征并利用RANSAC(RANdom SAmple Consensus)去除误匹配,确定图像的复制-粘贴篡改区域。实验结果表明:本文算法不仅对几何变换和光照操作的检测率较高,且对高斯模糊、噪声和JPEG重压缩等后处理操作鲁棒性较好。     

面向JPEG图像篡改的盲取证技术综述

简要阐述了目前国内外学者在JPEG图像篡改的被动取证技术方面的主要研究成果。基于篡改和检测方法的不同,目前检测方法可分为双重JPEG压缩检测方法和JPEG块效应不一致性检测方法。对两类检测方法的代表性方法进行了性能评价,指出了其存在的问题,并对JPEG图像篡改盲取证技术进行了展望。     

一种基于小波变换的图像盲水印算法

数字水印技术作为数字产品版权保护的一项新技术,已受到越来越多的关注,基于小波变换的数字水印技术也成为当前的一个研究热点。为保证水印的隐蔽性和鲁棒性,提出了一种基于小波变换的图像盲水印算法,即在嵌入之前先对水印做置乱处理,然后将水印信息与扩频序列进行扩频调制后,结合人眼视觉系统的纹理掩蔽特性和刚刚可分辨门限嵌入到载体图像的小波变换域。最后利用扩频序列的自相关函数特征检测出水印信息,检测过程中不需要原始载体图像。实验结果表明,该算法嵌入水印后不易被察觉,检测出的水印效果好,对JPEG有损压缩、裁剪、噪声干扰和低通滤波有较强的鲁棒性。     

一种图像分割算法的选择方法

提出了一种基于模糊联想神经网络图像分割算法的选择方法。通过树型小波变换提取图像特征,再用模糊联想分类神经网络将待分割图像划分为灰度图像或纹理图像,并根据分类结果确定分割算法。     

基于特征点和密度聚类的图像复制-粘贴篡改盲鉴别算法

针对数字图像复制-粘贴篡改盲鉴别方法存在的时间复杂度高、篡改定位不够精确等问题,提出了一种基于二进制描述符和密度聚类的数字图像复制-粘贴篡改的盲鉴别算法。该方法使用二进制描述符AKAZE提取特征点并描述特征,以降低特征计算的时间复杂度;使用基于密度的聚类算法DBSCAN去除错误匹配;最后通过仿射变换整幅图像对篡改区域进行定位。通过不同数据集上的实验结果表明:本文算法准确率最高可达到95%以上,误检率基本在10%以下,有效降低了时间复杂度,在可靠性和篡改定位准确率方面具有更优越的性能。     

JPEG合成图像的盲篡改检测及定位

提出一种经过JPEG压缩且保存为BMP格式的图像盲篡改检测方法。该算法基于原始量化表不一致性实现篡改定位。首先根据压缩图像特性定位DCT块;然后依据块划分估计原始量化表;最后计算图像块偏离量化表程度,并寻找合适阈值,实现篡改区域的自动检测和定位。改进原始量化表估计算法的实验结果表明:改进算法能实现直流(DC)分量的量化系数估计,并提高量化表估计的正确率,且能有效检测单次JPEG压缩图像的篡改及定位。     

一种运动模糊图像的快速恢复算法

根据运动造成的图像模糊的特点,建立了原始图像与模糊图像间的关系,在此基础上利用最大熵原理实现了对图像的快速恢复,得到较好的效果。由于仅对图像的局部进行处理,因此可以实现对图像的并行处理,从而可大大提高处理速度。     

一种新的模糊图像边缘检测方法

边缘检测技术是图像预处理中最重要和最困难的任务之一，本提出了一种新的模糊图像边缘检测算法，算法中图像所对应的模糊特征平面通过一个基于阈值的隶属函数来提取，在模糊特征平面上应用模糊增强算子对低灰度区域的大部分象素进行衰减运算，对高灰度区域的大部分象素进行增强运算来提高两个区域之间的对比度，图像的边缘采用min或max算子来提取，仿真结果表明，该算法是一种有效的边缘检测方法。     

基于卷积神经网络的图像拼接篡改检测算法

为了进一步提高篡改检测率,提出了一种基于卷积神经网络(CNN)的图像篡改检测算法(SCNN)。虽然CNN能够直接从数据中学习分类特征,但是在其标准形式中,它倾向于学习与图像内容相关的特征。为了克服图像取证任务中的这一问题,提出了一种新的图像预处理层来共同抑制图像内容并自适应地学习特征。使用CASIA V2.0中75%的图像对SCNN进行训练和验证,并使用CASIA V2.0中的其余图像和哥伦比亚未压缩数据集中的所有图像进行测试。实验结果表明,本文SCNN框架明具有一定有效性及鲁棒性。     

一种基于模糊梯度算法的图像边缘检测方法

图像的边缘是图像最基本的特征.进行了图像分割、模板匹配和图像识别等方面的研究,无不例外都会使用到图像的边缘.对图像边缘检测方法中的模糊梯度算法进行了探讨,并提出了一种改进方法,得到了较好的检测效果.     

彩色图像的篡改检测及自恢复算法

数字水印是图像认证的有效手段之一.利用小波变换提出一种计算简单的彩色图像水印算法,将一个图像的主要内容嵌入该图像自身之中,用均值量化的方法在亮度信号中嵌入水印,实现篡改检测和定位篡改区域;用多余的色度空间嵌入亮度信号和色度信号,用于恢复被篡改的图像内容.该算法可以获取较高的峰值信噪比,具有很好的鲁棒性.实验结果表明,该算法对删除、替换等恶意图像篡改具有良好的检测、定位和自修复能力.     

一种人工模糊的伪造图像盲检测方法

针对模糊操作常常用来掩饰伪造拼接合成图像的拼接边缘但使边缘宽度增大的特点,提出了一种基于边缘宽度的伪造图像检测方法,该方法通过确定图像的边缘像素,计算边缘的宽度,去除较细边缘保留宽边缘等手段确定伪造数字图像的篡改区域。经实验验证,文中方法能有效地检测出伪造图像中经过模糊操作的边缘,从而确定伪造区域。     

图像属性的自适应盲水印算法

提出一种基于图像属性和小波包变换的盲数字水印算法.算法利用小波包变换对图像特征的稀疏表示特性,将图像分成不同内容属性的区域:平滑区、边缘区和纹理区;找出各区域块中视觉重要信息的位置,并将水印嵌入其中;水印嵌入强度取决于图像内容.算法很好地解决了水印鲁棒性和不可见性之间的矛盾.实验结果表明,该算法能够抵抗JPEG压缩、加噪和任意裁剪等攻击,具有很强的鲁棒性.     

一种改进的水下偏振图像融合算法研究

针对传统图像融合算法造成的对比度低、细节信息模糊等问题,提出了一种改进的基于二维离散小波变换的图像融合算法.利用光强度相机和分焦平面相机同时对水下运动目标进行探测,获得光强图像和偏振图像.将计算得到的偏振度图像和偏振角图像先进行简单的融合处理,再将融合后的偏振特征图像与光强图像采用改进的二维离散小波变换进行分解,得到低频分量和高频分量.对于低频部分,提出一种基于区域方差加局部能量相结合的图像融合算法;高频部分采用一种基于Sobel算子的图像融合算法.最后将低频分量与高频分量进行二维离散小波重构,得到结果图像.仿真结果表明,与传统图像融合算法相比,该算法获得的融合图像有效地拉升了目标与背景的对比度,增强了水下图像视觉效果,有利于准确识别水下运动目标.