基于Benford模型的自然图像与计算机生成图像的鉴别

针对目前自然图像和计算机生成图像的鉴别方法鉴定准确率不高的问题,提出了一种基于Benford模型的自然图像与计算机生成图像的鉴别方法.本算法利用DCT域AC系数首位有效数字的Benford曲线分布,分别对图像的RGB三个色彩通道进行统计,以3条概率分布曲线的重合程度作为鉴别取证的依据,对2类图像进行正确分类.实验结果表明,该方法可有效地鉴别自然图像和计算机生成图像,与已有算法相比具有更高的识别率,鉴别准确率达97.17%,且计算量小、易于实现,为图像取证、数字防伪鉴别等提供可靠的依据.

DCT域统计特性的图像重采样检测

针对现存重采样检测算法仅能适用于无损图像检测的现状,提出了一种适用范围更广、鲁棒性更强的图像重采样检测方法。本算法克服了以往算法中下采样检测效果较差的局限并对幅度较小的插值操作也有较好的检测效果。借助DCT域AC系数首位有效数字的概率分布分别对RGB3个色彩通道进行统计,以3条概率曲线的拟合程度为依据对重采样操作进行检测。实验结果表明本方法对于常用的图像重采样方法都有较高的检测率。