应用U-HRNet+SoftTripleLoss的HiFi-Net伪造图像检测技术研究

伪造图像若被不当利用会带来严重负面影响,不同伪造图像生成方法导致伪造属性差异,使得研究统一图像伪造检测、定位方法具有很大挑战性。该文提出一种应用U-HRNet+SoftTripleLoss的HiFi-Net伪造图像检测方法,首先采用U-HRNet替代HiFi-Net特征提取网络,其网络结构促进学习图像深层特征以获取更高级的语义信息,增加多个阶段、融合通道以改善高分辨率特征;其次引入SoftTripleLoss模块,学习无约束采样的伪造属性特征嵌入表示以改善特征嵌入分布,从而更好地区分细粒度伪造属性,进而提高细粒度伪造图像分类准确率。实验表明,使用上述技术构建的检测模型像素级别总体评价指标AUC、F1分别为0.9928、0.9760,较原文献模型提高0.0025、0.0082;图像级别总体评价指标细粒度属性分类准确率Acc达98.05%,较原文献模型提高1.23%。

基于局部块效应的JPEG伪造图像的盲取证

JPEG图像的块效应是判断图像是否被篡改的一个重要线索。本文基于对JPEG图像整体块效应的分析,定义了新的针对图像局部区域的块效应评价,并由此提出了一种有效的JPEG伪造图像盲取证方法。首先要获取待测图像在水平方向和垂直方向的差分图像,然后将两个不同方向的差分图像分别进行特定大小的分块处理,再计算每个分块区域的局部块效应评价,最后根据待测图像在不同区域局部块效应评价的明显差异分别从水平方向和垂直方向检测出图像被篡改区域的具体位置。实验结果表明,该方法可以有效的检测出经过JPEG双压缩的伪造图像,本文又进一步使用不同大小的滑块和不同的评价公式对伪造图像进行检测,并从抗干扰性和算法效率上比较不同算法的利弊,为寻找更优的JPEG伪造图像盲取证方法奠定了基础。

拼接篡改伪造图像的色彩偏移量不一致取证方法

拼接篡改是一种常见的伪造图像方法,根据拼接篡改伪造图像中拼接区域与原始区域之间存在的色彩偏移量的差异,提出一种基于偏色估计的拼接篡改伪造图像自动检测方法.首先将图像分为n×n大小的图像子块,利用改进的平均色差计算方法估计每一个子块的色彩偏移量;然后将分块之后的待检验图像的上、左、右3个径向方向上的尺度边缘子块的集合设定为参考区域;计算每一个子块与参考区域之间的偏色距离,最后与设定的偏色距离阈值进行比较后定位图像中的拼接区域,从而揭示拼接篡改图像中存在的色彩偏移量不一致现象.实验结果表明,该方法能够自动检测拼接篡改图像中的色彩偏移量不一致并定位拼接篡改区域,为拼接篡改伪造图像的取证提供了一类科学量化的检验依据.

基于噪声分布规律的伪造图像盲检测算法

提出了一种基于噪声分布规律的伪造图像盲检测方法。首先利用基于边缘保护的滤波方法检测出图像中的噪声;然后计算图像中同质区域噪声的均值、方差和信噪比等统计量,通过比较图像中同质区域的噪声分布规律的相似性程度实现伪造图像鉴别。实验证明该算法能有效地检测出伪造图像。

基于JPEG双量化特性的彩色伪造图像盲检测

现有的盲检测方法主要针对灰度图像和未压缩图像,很多算法都不能有效地检测彩色压缩伪造图像。本文提出了一种利用JPEG双量化失真特性实现彩色压缩伪造图像盲检测的方法。通过分析伪造图像的制作过程,可知由多幅JPEG图像拼接成的高质量彩色伪造图像中篡改区域和背景区域经历的双量化过程不同。根据这一特性,本文首先使用背景区域的初始量化表估计值对待检测图像进行再压缩处理,定义再压缩后图像各颜色分量的失真函数;然后根据各失真函数在图像不同区域的取值,由各颜色分量分别确定篡改区域;最后综合彩色图像各颜色分量的检测结果,最终识别出彩色图像篡改区域的位置和大小。仿真结果表明该方法不但可以有效地识别彩色伪造图像的篡改区域,而且比基于单一颜色分量的检测方法更加准确。

基于边缘特征的伪造图像盲检测算法

文章针对伪造图像中常用的羽化操作,提出了一种基于边缘特征的检测伪造图像的方法。首先介绍了羽化操作模型,然后定义了象素的方向特征,并将梯度的概念应用到彩色图像中,最后结合象素的方向特征相容度和梯度方向角相容度,定位出图像的伪造区域。实验证明,该算法可以很好地检测出图像的真伪。

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。

基于噪声方差估计的伪造图像盲检测方法

针对不同来源合成伪造数字图像提出了一种盲检测方法,不同数字图像背景噪声存在差异,因而伪造图像区域噪声方差不同。从待测图像小波分解后的高频子带中去除相应边缘区域的高频干扰,改进了噪声方差估计算法,并对所得噪声图像进行分块处理估计每一个分块的噪声方差,将方差相近的块进行融合,最后比较图像中纹理接近的同质区域,找出方差异常的位置。通过实验研究了方差估计精度,对不同来源的伪造图像进行了检测,结果表明算法提高了图像噪声方差的估计精度,在图像纹理接近的同质区域中可以定位图像的伪造区域。

伪造图像司法鉴定技术研究

网声像资料的真伪鉴定已成为现代司法鉴定领域中较为重要的组成部分,与此相关的各种司法争议和伪证现象日益突出。面对司法鉴定发展中的严峻形势,人们意识到有必要利用先进的图像处理技术来解决伪造图像的司法鉴定问题。本文介绍了图像取证技术的研究背景,研究内容,以及各种伪造技术手段,最后阐述了司法取证中伪造图像的主要鉴定技术方法。

基于自动编码器的深度伪造图像检测方法

基于深度学习的图像伪造方法生成的图像肉眼难辨,一旦该技术被滥用于制作虚假图像和视频,可能会对国家政治、经济、文化造成严重的负面影响,也可能会对社会生活和个人隐私构成威胁。针对上述问题,提出了一种基于自动编码器的深度伪造Deepfake图像检测方法。首先,借助高斯滤波对图像进行预处理,提取高频信息作为模型输入;然后,利用自动编码器对图像进行特征提取,并在编码器中添加注意力机制模块以获取更好的分类效果;最后,通过消融实验证明,采用所提的预处理方法和添加注意力机制模块有助于伪造图像检测。实验结果表明,与ResNet50、Xception以及InceptionV3相比,所提方法在数据集样本量较小且包含的场景丰富时,可以有效检测多种生成方法所伪造的图像,其平均准确率可达97.10%,明显优于对比方法,且其泛化性能也明显优于对比方法。

利用小波域同态滤波的伪造图像检测方法

针对伪造图像中常用的模糊操作,提出一种伪造图像的检测方法,该方法首先对伪造图像进行小波域同态滤波,增强处于高频段的人为模糊边缘,然后利用数学形态方法腐蚀掉自然边缘,保留增强的模糊边缘,最后对腐蚀后的边缘图像进行区域标定,从而定位出伪造区域。实验证明该算法相对基于传统同态滤波伪造检测方法,能够较准确定位伪造区域,降低误检率。

基于复合特征的复制粘贴伪造图像盲检测

提出了一种基于复合图像特征的复制粘贴伪造图像盲检测算法。复合图像特征由一维特征矩、二维特征矩、马尔科夫特征组成,从时空、局部和全局综合提取图像特征描述,提高了图像特征描述符的表示能力。本文所提的伪造图像盲检测算法基于复合图像特征,分析图像块间的相似度,搜索复制粘贴伪造区域。通过哥伦比亚大学伪造图像数据集的测试结果表明,在灰度值变化明显和细节轮廓清晰的图像中,所提算法能达到比较理想的检测效果,准确率较高。

采用低层特征的深度伪造图像检测方法

针对当前深度伪造图像检测方法使用复杂神经网络计算量大的缺陷,提出一种采用低层特征的深度伪造图像检测方法。首先对图像进行ELA处理和SRM滤波,提取ELA图像和噪声图像,然后根据它们的灰度图像像素个数转化为低层特征,最后通过三层全连接网络和softmax实现二分类。与当前几种热门方法进行比较实验,结果表明,该方法网络结构简单,在分类器的AUC值为99.55%,EER值为2.5%,计算量指标比其他方法好。对图像预处理提取低层特征可以有效提高分类精度,减少计算量。

基于Java语言的伪造图像识别检测算法

由于一幅图像中的信息非常复杂,所以对图像的处理需要考虑图像的许多特性。利用这些特性,伪造者可以通过构建一个或者多个组合来操作一张数码照片,从而使它们的检测更加困难。为了对伪造图像进行识别检测,在此提出了一种新的图像检测算法。该算法将图像分割成若干区域,通过对比比对区域的相似度来确认图像中是否存在复制区域,从而判断该图像是否伪造。在测试部分,通过案例测试证明了提出的方法具有较好的鲁棒性。

伪造图像典型篡改操作的检测

在图像篡改中常使用几何变换、JPEG(Joint Photographic Experts Group)压缩以及模糊操作,其特性是图像伪作检测的依据。首先定义兼顾重采样和JPEG压缩特性的块度量因子,将待测图像重叠分块计算块度量因子,利用其值的不一致性来检测定位篡改区域。实验结果表明,与现有针对性单一的检测方法相比,该方法可以检测更多篡改组合模式下的篡改操作并能有效定位出篡改区域,且对于有损JPEG压缩具有较好的鲁棒性。其次,提出一种检测模糊痕迹的方法。利用一定的模糊核对待测图像进行再次模糊,计算模糊前后两图像的像素差值,根据差值图像值的不同分类完成模糊篡改区域的定位。实验结果表明,该方法能实现对不同模糊方式的盲检测,且对JPEG压缩的抵抗能力较好,同时与现有基于分块检测的方法相比,大大降低了计算复杂度且能检测出较细小的模糊痕迹。

同源复制-粘贴伪造图像的检验研究

针对一类通过同源复制一粘贴形成的伪造图像，提出了一种基于统计直方图与代数运算方法的图像检验技术，首先根据人工经验将待检验图像分为若干关键区域，然后利用直方图技术对选取的关键区域进行统计特性分析，最后选择统计特征相近的区域进行代数运算，根据代数运算的结果对图像中是否存在同源复制一粘贴篡改现象进行判断，并定位篡改区域。实验表明，本文提出的方法对同源复制粘贴形成的伪造图像具有较好的检验效果。

基于贝叶斯模型细粒度的伪造图像的定位分析

根据去马赛克算法的处理方式,对于经过图像处理软件处理过的图像,在不知道相机去马赛克算法的前提下,计算图像像素的均值和方差构建预测滤波器,估计高斯混合模型参数,结合贝叶斯原理,假设先验概率在分割图像为每一B×B块基础上估计状态的后验概率。在不需要事先知道伪造区域的位置基础上,统计篡改概率。进而细粒度的定位伪造图像的位置。

计算机伪造图像的司法鉴定技术研究

随着现代计算机信息科学技术的成熟与广泛应用,用计算机图形图像处理技术伪造图像已经变得轻而易举。特别是当前利用计算机技术伪造图像的各类新型犯罪活动越来越猖獗,因此,刑事技术人员必须研究计算机伪造图像的特点和伪造图像的司法检验鉴定技术。计算机伪造图像的识别与鉴定作为视听资料鉴定的重要组成部分,则必须建立在计算机伪造图像取证的基础上,通过利用数字图像的EXIF信息和哈希值对其进行初步审查,再采用主动取证技术与被动盲检测技术来达到对数字图像文件内容进行认证的最终目的。

像素预测误差耦合似然映射的移动-复制图像伪造检测算法

为了解决当前图像伪造定位技术因使用了颜色滤波阵列(CFA)插值,易形成颜色插值噪声而降低分辨率,导致其难以检测微小篡改区域,使其伪造检测精度较低等不足,提出了像素预测误差耦合似然映射的图像伪造检测算法。分析了颜色滤波阵列CFA插值函数,并从图像中提取绿色分量;嵌入权重因子,构造预测误差及其权重方差计算函数;根据预测误差与贝叶斯理论,定义伪造特征统计函数,识别出趋于零的特征值;根据特征统计特性,建立其似然率模型,输出伪造映射,完成检测。仿真结果表明:与当前图像伪造定位机制相比,所提算法拥有更强的鲁棒性,能识别定位出微小伪造像素,且拥有更高的曲线下面积(AUC)值与理想的接收机工作特性(ROC)曲线。

基于最近邻搜索耦合近邻损耗聚类的图像伪造检测算法

目的为了解决当前图像伪造检测算法在对图像进行伪造检测时,主要依靠全局搜索的方式来完成特征点匹配,导致其检测效率较低,且在对复杂伪造图像进行检测时,易出现检测精度不高和检测错误的不足。方法提出基于最近邻搜索耦合近邻损耗聚类的图像伪造检测算法。首先引入积分图像的方法,对图像进行预处理,借助Hessian矩阵行列式来提取特征点。利用特征点构建圆形区域,通过求取圆形区域内Haar小波响应获取特征点的特征描述符。然后通过特征描述符建立KD树索引,利用最近邻搜索方法代替SURF中全局搜索的方法,对SURF进行改进,完成特征点的匹配。最后,利用特征点间的近邻关系求取近邻函数值,通过近邻函数值对特征点进行聚类,完成图像的伪造检测。结果实验结果显示,与当前图像伪造检测算法相比,所提算法具有更高的检测效率以及更高的检测正确度。结论所提算法具备较高的检测精度,在印刷防伪与信息安全等领域具有较好的应用价值。