基于优化因子耦合比值制约规则的图像复制-粘贴篡改检测算法

当前较多的图像伪造检测算法直接将未经优化的图像特征提取结果用于篡改检测,忽略了伪图像特征的影响,导致其不能较为准确地检测伪造内容。对此,本研究提出了一种优化因子耦合比值制约规则的方法,用于检测伪造图像。首先,引入高斯差分(Difference of Gaussian,DoG)算子,通过比较像素点与其邻域点像素值的方法来提取图像特征。再利用DoG算子的二次Taylor展开式,构造优化因子,从提取的图像特征中筛选出不稳定的伪特征,以提高伪造内容的检测准确度。随后,在图像特征点的极坐标系中,建立特征点的8邻域区,用以计算特征向量。然后,通过特征向量求取特征点间的欧式距离信息,以及通过归一化互相关(Normalizedcrosscorrelation,NCC)函数求取特征点间的互相关信息,从而完成图像特征的匹配。最后,借助特征点间欧氏距离信息构造比值制约规则,对匹配特征点进行归类,以识别篡改内容。实验结果表明,较当前图像篡改检测方法而言,在各种几何变换操作下,本研究提出的算法具有更高的检测精度与鲁棒性,能够较为完整地检测出篡改内容。

基于分数阶四元数Zernike矩和改进PatchMatch算法的有效复制-粘贴篡改检测算法（英文）

提出一种有效检测复制-粘贴伪造的算法.在该算法中,首先,采用可靠的基于顺序统计的近似最近邻搜索算法(ROSANNA)改进PatchMatch算法的传播过程;然后,从彩色篡改图像中提取分数阶四元数Zernike矩(FrQZMs)特征;最后,采用改进的PatchMatch算法对提取的FrQZMs特征进行匹配.在2个公开数据集(FAU和GRIP数据集)上的实验结果表明,所提出的算法较现有算法不仅在客观标准F值上还是在视觉上均表现更优.此外,所提算法对于一些攻击具有较好的鲁棒性,比如加性高斯白噪声、JPEG压缩、旋转和缩放攻击.

基于曲率度量耦合仿射制约策略的图像复制-粘贴篡改检测算法

针对当前较多图像复制-粘贴篡改检测算法主要依靠对特征点间的距离进行度量来完成特征匹配,忽略了特征点间的仿射关系,使其在几何变换条件下的篡改检测检测正确性不高的问题,将特征点间的仿射关系引入到特征匹配过程中,提出基于曲率度量耦合仿射制约策略的图像复制-粘贴篡改检测算法。该算法主要是通过像素点曲率和特征点仿射关系来完成图像复制-粘贴篡改检测。首先,采用Sobel边缘检测方法提取图像的边缘轮廓,通过计算边缘轮廓上像素点的曲率值来获取图像特征。然后,通过计算特征点邻域中的Haar小波值,生成特征向量。利用特征向量构造特征点间的仿射关系模型,计算特征点间的仿射关系值,用于建立仿射制约策略,完成特征匹配。最后,借助于SURF算法完成特征点的集群,对复制-粘贴篡改区域进行定位,获取检测结果。实验结果显示,较当前的复制-粘贴篡改检测方法而言,所提算法具有更高的检测正确性与鲁棒性,能够更好地适应缩放、旋转等伪造内容的检测。

颜色度量因子耦合局部特征聚类的图像复制-粘贴篡改检测算法

针对当前较多图像复制-粘贴篡改检测算法主要依靠图像的灰度信息来检测图像特征,没有考虑图像的色彩特征,使其存在误检与漏检的不足,引入余弦调制高斯滤波(cosine modulated Gaussian,CMG),设计了基于颜色度量因子与局部特征聚类的图像复制-粘贴篡改检测算法。利用CMG来求取图像的尺度响应值,并通过极值计算来提取图像的候选特征点;再利用像素点的光谱反射模型来建立颜色度量因子,从候选特征点中确定图像的鲁棒特征点。构建特征点的邻域圆,并求取该圆域中的四元数指数矩(quaternion exponent moments,QEM),从而得到相应的特征向量;利用特征向量来计算特征点间的欧氏距离,完成图像的特征匹配。最后,利用匹配点对的R、G、B值,形成特征点的局部特征,实现图像特征的聚类,准确定位复制-粘贴伪造内容。仿真结果显示,较当前的复制-粘贴伪造检测方法而言,对于简单的复制-粘贴篡改和复杂组合篡改,所提方法都具备更高的检测精度与鲁棒性。

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。

基于快速分块的复制-粘贴图像检测算法

针对目前复制-粘贴篡改检测算法计算复杂度高和运行时间长的问题,提出一种基于交叠块的共轭不变矩匹配算法,并着重对快速分块以及共轭不变矩的离散计算和匹配提出改进思路。首先,计算原图像(亮度图像)的局部亮度变化,对亮度图像和局部亮度变化图像运用基于矩阵的分块方法划分交叠块并计算每个交叠块的共轭不变矩。然后根据共轭不变矩的特征值进行字典排序,将具有相近特征值的交叠块划分成组。最后,在每个具有相近特征的组中进行相似性比较,找出篡改区域。实验结果表明这种新的算法能够快速检测到复制-粘贴区域,不仅对图像平移和旋转等几何变换具有很好的检测效果,而且对后处理操作诸如改变对比度、高斯模糊、亮度调整等图像后处理操作同样具有鲁棒性。与基于传统亮度图像的不变矩、尺度不变特征转换(SIFT)、离散余弦变换(DCT)以及局部二值模式(LBP)算法相比,共轭不变矩算法在计算复杂度和运行时间上均有优势,并能够克服传统亮度不变矩以及SIFT算法在检测平坦区域和模糊处理的篡改图像时出现的误检情况。

基于SIFT的快速复制粘贴篡改检测算法

针对传统图像复制粘贴篡改算法计算量大、耗时长的缺陷,提出一种基于SIFT图像特征点的快速篡改检测算法.首先利用SIFT算法针对图像的特征点进行检测,对于图像特征点的主方向以及描述子,采用Haar小波变换来确定;针对特征点维度较高需进行降维处理,采用PCA算法,最后使用优化的最近邻BBF搜索算法进行特征点的快速匹配,最终成功地检测出图像的复制粘贴篡改.

基于圆域分割耦合法则的图像篡改检测算法

为降低图像伪造算法的错误检测率和漏检测率,利用互相关函数(CCF),设计了基于圆域分割耦合最优相关法则的图像复制-粘贴篡改检测算法。引入FAST算子,计算像素点及其邻点的灰度值,准确提取图像特征点,并利用特征点对应的直方图信息求取其主方向;同时,在该方向上建立特征点的邻域圆,对该圆域进行分割,计算每个分割区域的梯度特征,获取相应的特征向量;利用互相关函数对特征点间的相关程度进行计算,构建最优相关法则,完成特征匹配。利用匹配特征点的特征向量,计算特征点间的欧氏距离,对特征点进行集群,定位复制-粘贴篡改内容,实现伪造检测。实验结果表明:相对已有的伪造检测技术,所提算法具备更高的检测准确率,且对旋转、缩放等内容修改表现出更高的鲁棒性。

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。

基于双信息统计与引力聚类的图像篡改检测算法

目的为了解决当前图像复制-粘贴篡改检测算法的鲁棒性与检测精准度不佳等问题。方法将图像的颜色信息引入伪造检测过程,提出双信息统计机制耦合引力聚类的图像复制-粘贴篡改检测算法。首先,利用Hessian矩阵来准确提取图像的特征点。然后,利用图像的梯度直方图来描述图像的方向特征,并联合图像的颜色信息,构造双信息统计机制,获取图像的特征向量。计算特征向量间的欧氏距离,构造近似测量模型,对图像特征进行匹配。最后,利用引力聚类方法,实现图像特征点的聚类,精准检测复制-粘贴篡改内容。结果与当前图像复制-粘贴篡改检测方法相比,所提算法具有更高的检测精准度,以及更好的鲁棒性。结论所提方案可以准确检测并定位出伪造内容,在图像水印、信息安全领域具有一定的参考价值。

基于色彩制约耦合距离惩罚的图像篡改检测

当前较多图像篡改检测方法主要通过对图像特征间的距离进行测量来完成特征匹配,忽略了图像的色彩信息,导致检测结果中存在较多的误检测和漏检测现象。对此,本文将色彩信息引入到图像特征匹配过程中,设计了一种采用色彩制约模型的篡改检测算法。利用Laplacian算子与Harris算子提取图像特征,并利用像素点的红(R)、绿(G)、蓝(B)三原色信息,结合特征描述符建立色彩制约模型,对特征点间的色彩信息进行度量,再借助该度量值与特征点间的距离测量值共同完成图像特征匹配,充分剔除误匹配现象,有效提高匹配准确度。该算法还根据特征点间距离方差构造距离惩罚模型,对匹配后的图像特征进行聚类,准确识别篡改内容。通过实验结果发现,与其他篡改检测算法相比,本文算法不仅对伪造内容具备更高的检测准确度,而且对模糊及旋转等内容操作也具有更好的适应性。

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。