基于改进显著图和局部特征匹配的copy-move窜改检测

检测整幅窜改图像的方法增加了许多非必要的计算量,为了降低计算复杂度和进一步提高检测精确率,提出了一种基于改进显著图和局部特征匹配的copy-move窜改检测方法。首先,结合图像梯度改进显著图,分离出包含图像高纹理信息的局部显著区域;其次,只对该局部区域采用SIFT(scale invariant feature transform)算法提取特征点;然后,对显著性小的图像采用密度聚类和二阶段匹配策略,对显著性大的图像采用超像素分割和显著块特征匹配的策略;最后,结合PSNR和形态学操作来定位窜改区域。在两个公开数据集上进行实验,该方法的平均检测时间小于10 s,平均检测精确率大于97%,均优于所对比的方法。实验结果表明,该方法能够大幅缩减检测时间、有效提高检测精确率,并且对几何变换和后处理操作也都具有较好的鲁棒性。

基于Harris兴趣点和空域均值信息的图像复制粘贴窜改检测算法

提出了一种基于兴趣点检测和特征匹配的图像复制粘贴窜改检测方法。首先采用Harris算子检测图像中的角点作为兴趣点,然后提取以兴趣点为中心的邻域内空域的五个均值特征形成特征向量,最后记录相等位移矢量的发生频率并通过阈值化处理得到匹配的兴趣点,从而标志复制粘贴区域。仿真实验表明,该算法不仅可以有效检测多区域复制粘贴窜改操作,而且能够有效抵抗多种窜改后处理操作,包括加性高斯白噪声,JPEG压缩,对比度、亮度和曝光度调整以及JPEG压缩和加噪的混合操作。

用于图像认证和窜改检测的稳健图像摘要

提出了一种用于图像认证和窜改检测的稳健图像摘要,该算法利用Zernike矩的幅度和修正后的相位旋转不变性生成图像摘要(图像hash),图像hash之间的相似性用汉明距离度量。仿真结果表明,该方法对大部分内容不变的图像操作具有鲁棒性。不同图像对hash之间的汉明距离远大于阈值,因此该方法可用于图像认证。同时该方法还可以检测图像窜改并可以定位图像窜改的位置。

基于SIFT的区域复制窜改检测算法

提出了一种区域复制窜改检测算法,用于检测同幅图像中经几何变换的区域复制窜改问题。先利用SIFT算法提取出图像中SIFT关键点后,再用欧式距离找出所有匹配的关键点,最后根据同一幅自然图像不存在互相匹配的特征点这一特性,判定图像是否被窜改以及定位出被窜改的区域。实验结果表明,算法不仅可以检测出伪造图像中经平移变换的窜改区域,还可以检测出经旋转、缩放以及两者组合的几何变换。与其他的区域复制窜改算法相比,算法对伪造图像的检测有了较大的改进。

基于Tchebichef矩的区域复制窜改检测算法

提出了一种新的数字图像被动认证算法,用于检测同幅图像的区域复制窜改问题。算法首先利用离散小波变换提取图像的低频分量,再对低频分量进行分块并提取每一块的离散正交Tchebichef矩特征;然后将特征矢量进行字典排序,比较相邻两组特征矢量的相似性;最后利用阈值判别实现窜改伪造区域的检测和定位。实验结果证明,算法能较好地检测及定位出图像中复制与窜改区域,且具有运算量小、检测效率高、鲁棒性好等特点。

基于频域水印的人脸图像窜改检测认证方法

以DeepFake为代表的AI换脸技术为人们的生活带来诸多负面影响,现有的人脸窜改检测算法鲁棒性较弱,缺乏可解释性。针对这一问题提出一种离散小波变换(DWT)、离散余弦变换(DCT)、奇异值分解(SVD)相结合的人脸频域水印算法(face frequency-domain watermarking,Face-FW),通过提取图像人脸特征并压缩加密生成二值水印嵌入图像频域以达到检测人脸窜改、认证原人脸归属人的目的,同时提出动态特征融合算法以降低Face-FW适用范围。选取人脸图像标准数据集CASIA-FaceV5和IMDB-WIKI部分图像嵌入水印并窜改人脸生成测试集CASIA-DF和IMDB-DF。实验结果表明,Face-FW在两个测试集上分别有97.6%和96.9%的检测窜改成功率,优于对比方法,并且算法能够根据非特征融合水印提供人脸认证,具有较强的鲁棒性和可解释性。

电子文档的窜改检测与定位系统原型

针对电子文档的安全保护问题，提出了Microsoft Word文档的窜改快速定位技术与方法，设计了相应的防窜改定位系统原型。该系统可以与现有的备份服务器系统结合使用，大大减少备份更新的时间。模拟结果表明，该系统不仅能够进行窜改检测，而且可以将窜改行为定位在一定范围内。

面向电力场景的双通道图像拼接窜改检测模型

随着电力生产智能化的推进,电力图像被广泛应用。然而由于图像编辑软件的发展导致部分电力图像被恶意窜改,严重影响电力生产进程。其中以拼接窜改最为常见。基于深度学习技术,提出了一种双通道CenterNet的图像拼接窜改检测模型。原色图像通道提取窜改图像的色调、纹理等特征,隐写分析通道发掘图像窜改区域的噪声特征。同时设计了一种基于注意力机制的特征融合模块,自适应地对双通道的特征进行加权融合,以增强检测模型的特征识别能力。实验结果表明,所提模型可以达到更优的检测性能,在电力图像的窜改检测应用中具有实际意义。

面向特征融合的图像多窜改检测与定位算法

现有的图像窜改检测方法大多只针对某一种窜改方式,且存在窜改区域边界检测精度不高的问题,对此,提出了一种基于U型网络的双流编码器—解码器架构的图像窜改检测方法。首先利用编码器与解码器之间跳跃连接的方式来融合窜改图像中的低级和高级特征,并使用空洞卷积和CBAM注意力机制对编码器输出的特征进行融合,使得网络对不同尺度大小的窜改区域都有较好的定位性能;其次为了提高网络对窜改区域的边界检测精度,使用图像形态学方法制作了窜改边界数据集;最后使用多损失函数来同时优化网络的性能,即采用交叉熵和均方根损失函数来分别度量预测图的窜改区域损失和窜改边界损失。在CASIA、Columbia、NIST16、Coverage四个公开数据集上的实验结果表明,所提方法可以有效地检测出拼接和复制—粘贴两种窜改方式所伪造图像的窜改区域,输出像素级别的窜改区域定位图,且与其他主流窜改检测方法相比,所提方法在CASIA和Columbia数据集上的AUC值达到最高,在Columbia数据集上的F 1值达到最高。

基于局部二值模式的中值滤波检测算法

针对数字图像处理及窜改中一种常用的处理模式——中值滤波,提出一种基于局部二值模式(LBP)的中值滤波窜改检测方法。首先对待测图像利用基于中心对称像素的局部二值模式算子(C-LBP)定位其特征提取区域,随后基于局部区域中像素之间的关系提出一种改进型的局部二值模式算子,并将其直方图统计作为最终的检测特征。实验证明,与其他传统滤波检测算法相比,该算子不仅大大降低了计算时间,而且在低维度的条件下取得了较高的检测率,是一种有效的中值滤波检测算子。

基于混沌的医学图像窜改定位零水印算法

针对医学信息遭遇窜改、窃取等信息安全问题,提出了一种基于混沌的零水印算法。利用Arnold置乱算法对原始载体图像进行k次置乱,然后提取置乱图像每一个像素的最低有效位与二值水印作异或运算来构造零水印,实际嵌入的水印图像通过混沌映射加密来隐藏水印信息。提取水印后对原水印图像与提取的水印取绝对差,若遭遇窜改,则能定位窜改位置及窜改形状。实验证明,混沌系统的大密钥空间和对初值的敏感性增加了算法的鲁棒性,并且算法在常规攻击下依然能准确定位窜改位置及形状。

一种有效的脆弱型文本数字水印技术

给出一种有效的用于文本认证的脆弱型数字水印方案。通过提取文本的分块特征,结合密钥技术,该方案能够有效地检测文本是否被窜改,并能定位窜改发生的位置,从而可达到检验文本完整性的目的。而在作完整性检验时,该方案并不需要其他的辅助性认证数据。实验表明,该方案是一种比较有效的文本认证方案。

基于音频基频特征的鲁棒零水印算法

为了将数字音频水印技术与音频内容相结合,基于人声和乐器的基频稳定的特点,从音乐中提取出基频并据此设计一种鲁棒零水印方法。首先通过正规化分谐波叠加算法提取基频,然后采用K-means算法对基频特征进行编码加强其稳定性,最后与水印图像异或生成零水印序列。此外,发生恶意窜改时,对比零水印中的基频信息得到不一致的部分,即可确定恶意窜改区域。实验结果表明,此算法在常规攻击及抖动攻下均具有良好的稳定性,且可实现窜改检测。