基于LBC的计算机生成图像盲鉴别算法

针对现有的计算机生成图像盲鉴别算法选用的分类特征维度较高、通用性差等问题,提出了一种基于局部二进制计数模式的计算机生成图像盲鉴别算法。首先,将原始图像由RGB颜色空间转换为HSV颜色空间;然后,提取HSV颜色空间图像及其下采样图像的局部二进制计数模式矩阵,求取矩阵归一化直方图;最后,将上述直方图作为分类特征送入SVM分类器,实现计算机生成图像的盲鉴别。实验结果表明,该算法可以有效地鉴别自然图像和计算机生成图像,与现有算法相比具有更高的识别率和较低的特征维度。

基于量化颜色特征和SURF检测器的图像盲鉴别算法

针对现有图像复制粘贴篡改检测中提取的特征对于彩色图像内容描述不全面且匹配时间过长的问题,研究了运用量化颜色特征和SURF检测器的数字图像盲鉴别算法。该算法在特征提取过程中将HSV模糊量化颜色特征和SURF检测器结合,形成全面描述彩色图像内容的FCQ-SURF特征,并在特征匹配阶段将K-Means聚类和KNN方法结合来提高匹配效率。实验结果显示,在CASIA 1.0和FAU彩色图像测试库上,所提算法能很好地检测和定位彩色图像的复制粘贴篡改,在图像的多重篡改攻击和多区域篡改方面也得到了很好的检测效果。实验数据结果说明,该算法对彩色图像复制粘贴篡改检测的正确率较高,且匹配时间较有优势。

基于Lambert光照模型的图像真伪盲鉴别算法

依据Lambert光照模型,提出了基于Lambert光照模型的图像真伪盲鉴别算法.针对无限光源图像和局部光源图像,根据其实际的光强度与计算出的光强度之间的误差函数以及光源对光线的约束函数,分别提出了相应的算法用以计算图像中不同区域的光源方向,并根据这些不同区域的光源方向是否一致判定图像是否被篡改,从而对图像真伪进行盲鉴别.实验结果及分析表明,针对这2种图像各自提出的光源方向计算方法,能够准确地计算出图像中不同区域的光源方向,从而有效地鉴别出图像的真伪.

基于彩色LBP的隐蔽性复制-粘贴篡改盲鉴别算法

现有的复制–粘贴盲鉴别算法大多忽略图像彩色信息,导致对隐蔽性篡改方式的检测率较低,基于此,本文提出一种基于彩色局部二值模式(Color local binary patterns,Co LBP)的隐蔽性复制–粘贴盲鉴别算法.算法首先对彩色图像进行预处理,即建立彩色LBP纹理图像,从而实现彩色信息与LBP纹理特征的融合;其次重叠分块并提取灰度共生矩阵(Gray level co-occurrence matrix,GLCM)特征;最后,提出改进的kd树和超平面划分标记split搜索方法,快速匹配图像块,并应用形态学操作去除误匹配,精确定位复制–粘贴区域.实验结果表明,本算法对隐蔽性复制–粘贴篡改定位准确,并对模糊、噪声、JPEG重压缩后处理操作有很好的鲁棒性.

基于SIFT的数字图像盲检测算法研究

针对图像区域的复制-变换-移动-粘贴篡改,建立了相应的篡改模型,提出了基于SIFT标记图特征向量的盲鉴别算法,能够有效地检测并定位经过旋转、缩放变换的篡改区域,而且能够抵抗高斯模糊、高斯白噪声和JPEG重压缩等后处理。与基于传统SIFT特征向量的检测算法相比,该算法对篡改区域的缩放变换具有更高的鲁棒性。