基于离散切比雪夫变换的图像接缝裁剪篡改检测

接缝裁剪(Seam Carving)作为近些年来热门的图像缩放技术之一,常被用于图像恶意篡改。当前对Seam Carving篡改的检测方法并不多,并均是针对JPEG格式图像,且在篡改比例较小时,检测准确率不高。文中方法利用离散切比雪夫变换后系数矩阵中的分布特点来提取特征以达到对图像接缝裁剪篡改的检测,并且该方法适用于多种图像格式,在小比例篡改的情况下依然保持较高的分类准确。利用离散切比雪夫变换(Discrete Tchebichef Transform,DTT)得到变换后的系数矩阵,提取Seam Carving篡改的痕迹,实现了对Seam Carving的篡改检测。所提方法首先将待检测图像分成8×8不重叠块,对每一个8×8块进行DTT变换,得到变换后的DTT系数矩阵;然后在每一块中分别计算DTT系数间的差异,再通过系数差异直方图得到统计矩阵,从统计矩阵中提取特征;最后使用支持向量机(Support Vector Machine,SVM)进行训练得到预测模型,实现对图像Seam Carving篡改的检测。实验结果表明,所提方法不仅适用于JPEG格式和TIFF格式的篡改图像,对小比例篡改也能达到较高的检测准确率。

基于Seam Carving的双向接缝裁剪图像重定向

在比较现有图像重定向技术方法基础上,针对传统Seam Carving方法,其图像边缘重要度图的表征内容感知存在忽视了图像内容主体与边缘关系的问题,提出一种双向接缝裁剪的图像重定向改进方法.该方法通过结合检测边缘的梯度能量图和检测内容的显著性图,突出重要对象主体和保护重要边缘信息,同时延缓裁剪细缝穿过重要信息的可能性,能够保持重定向图像的重要部分与图像整体之间的布局合理关系.以SIFT Flow算法作为质量评估参考,利用实验数据集和多组对比实验,验证了本研究图像重定向改进方法具有良好的视觉改善效果.