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。

基于亮度特征耦合信息量制约的图像复制-粘贴篡改检测算法

为了克服当前较多图像篡改检测算法主要通过比较特征点的距离来完成伪造内容的识别,忽略了特征点邻域所含的信息量,导致检测结果中存在较多的漏检和误检等问题,采用图像的亮度特征和信息量特征,设计了一种新的图像篡改检测算法。首先,引入Forstner算子,计算图像像素点的Robert梯度,从图像中精确获取特征点;其次,在图像特征的邻域中,通过均值模型来计算图像的亮度特征,将其与像素点的灰度差异特征相结合,以构造健壮的特征向量;再次,采用互相关函数来计算图像特征的关联度,采用信息熵来评估图像特征邻域所含信息量;并以图像特征间的关联度与信息量特征为依据,对图像特征进行匹配;最后,利用图像特征的特征向量,获取匹配点间的距离值,实现匹配点的归类,获取检测结果。实验结果表明:与当下篡改检测算法相比,在多种几何内容变化下,所提算法具备更高的检测准确度,所含的漏检和误检信息最少。

基于能量约束与结构相似聚类的图像篡改检测

借助能量约束与结构相似聚类机制,设计了一种新的图像内容伪造检测算法。首先,借助Hessian算子,利用盒式滤波器来生成Hessian行列式,以准确检测图像特征。然后,通过计算图像的Haar小波值,求取图像的方向信息,以构建图像特征的邻域窗口。再计算该邻域窗口内像素点的曲率信息,构成鲁棒性较好的特征向量。最后,对图像特征进行欧氏距离度量,并联合图像的区域能量特征,完成度量结果的约束,以实现图像特征的精确匹配。采用结构相似度(SSIM)函数,聚类匹配结果识别伪造区域,实现准确的检测。仿真数据表明,较当前内容检测技术而言,在多种几何变换干扰下,本文算法具有更高的检测准确性与鲁棒性。