基于文字边缘失真特征的翻拍图像篡改定位

针对翻拍文档图像的篡改定位问题,提出一种基于文字边缘失真特征的翻拍图像篡改定位方法。从文字边缘分布、边缘梯度以及待检测文本与参考文本在边缘梯度上的差异3个方面构建了文字失真特征,并训练了一个基于深度神经网络的分类器进行决策。同时,为了评估检测方法的性能,构建了一个包含120张合法图像、1 200张翻拍篡改文档图像的数据集。实验结果表明:所提出的方法在跨库实验场景下词汇级别的ROC曲线下面积(area under ROC curve,AUC)和等错误率(equal error rate,EER)分别达到了0.84和0.23;与Forensic Similarity (128×128)和DenseFCN相比,所提出的特征结合LightDenseNet的方法在翻拍篡改文档数据集的跨库协议下,词汇级别的AUC指标分别提高了0.06和0.17。

基于AKAZE算子的抗翻拍自适应鲁棒性水印

针对现有抗翻拍攻击水印的鲁棒性不足以抵抗新型翻拍攻击且透明性不佳等问题,引入自适应思想,提出一种基于AKAZE算子的自适应水印算法。首先利用AKAZE算子定位出关键点,随后根据关键点间的距离与对图像边框的距离对关键点做初步的筛选,然后构建筛选后关键点邻域熵值、水印嵌入强度与嵌入前后的平均相似度三者之间的映射,构建完映射后可仅根据图像块的熵值自适应筛选关键点,并得到二次筛选后关键点邻域合适的嵌入率,最后在筛选后的关键点邻域中利用奇异值分解进行水印嵌入。实验结果表明,该水印算法在保持了良好的不可见性的同时具有极佳的鲁棒性,其性能较现有抗翻拍攻击水印算法有显著提高。