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Tamura纹理特征的Copy-Move图像篡改盲检测

针对图像盲认证中一种常见的Copy-Move型图像篡改,提出了基于图像的Tamura纹理特征的Copy-Move型篡改区域的检测和定位算法。该算法提取每一图像块的Tamura纹理特征组成图像的特征向量,用字典排序法对特征向量进行排序,利用欧式距离计算图像块的相似性,以检测和定位被篡改的图像区域。实验结果表明,该算法能有效地检测和定位被篡改的图像区域。

区分来源和目标区域的图像copy-move伪造检测方法

Copy-move是一种常用的图像伪造手段,它通过复制图像的某一区域,移动并粘贴到同一图像的其他位置,达到掩盖重要信息或伪造虚假场景的目的。近年来,为了防止copy-move被用于违法犯罪,copy-move伪造检测技术迅猛发展,在维护社会运行秩序和信息安全方面发挥着积极作用。本文提出一种基于条件生成对抗网络(conditional Generative Adversarial Networks,cGANs)的copy-move伪造检测方法。针对图像copy-move伪造检测,该方法优化设计了cGANs的损失函数,并使用适量的弱监督样本来提升网络性能。不同于目前大部分检测算法,该方法不仅可以定位出图像中的相似区域,还可以有效区分伪造来源区域和伪造目标区域。实验结果表明,本文所提出的方法在检测准确率上显著优于现有方法。

DWT在数字图像Copy-Move篡改检测中的应用研究

本文主要分析了离散小波变化(DWT)在数字图像Copy-Move篡改检测中的应用,介绍了Copy-Move篡改检测的研究现状,描述了离散小波变化的概念和特点以及它在Copy-Move篡改检测中的可达到图像降维减少检测运算量的作用。最后展望了Copy-Move篡改检测技术未来的发展趋势。

基于稳健关键点的图像Copy-Move篡改检测算法

针对传统基于关键点的数字图像Copy-Move篡改方法中运算耗时和精度不高问题,提出了一种图像Copy-Move篡改检测方案.首先利用SIFT方法提取图像基础特征,并利用离散小波变换(DWT)和高斯随机矩阵对SIFT特征向量进行降维,实现特征匹配.然后通过利用RANSAC方法,计算了复制区域和粘贴区域之间的仿射变换矩阵,并消除错误匹配的异常值.最后对MICC-F220标准图像库中的图像进行了实验仿真.实验结果表明,新方法在运算耗时间和检测精度方面上有了很大提高,同时对于篡改区域经过平移、旋转和缩放等几何变换以及经过JEPG压缩、Wiener滤波和添加椒盐噪声的篡改操作也具有良好的鲁棒性.

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。

基于软件行为指纹的自检测防窜改技术研究

对软件的行为进行抽象建模,通过安全hash函数计算软件的行为指纹,并通过自检测防窜改技术检测软件行为指纹,保护客户端软件的完整性和安全性。给出了软件的行为建模和检测,以及自检测防窜改系统,并作了系统安全性分析。

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BAG误匹配的JPEG窜改图像的被动检测算法

当JPEG图像被窜改时,通过检测人工的块状网格BAG(block artifact grid)误匹配的痕迹,可以判定待检测图像是否被窜改过,但这种算法有较高的虚警率,提出一种改进算法。首先利用BAG误匹配原理检测图像,再在疑似窜改区域检测竖直方向和水平方向上是否同时存在相邻BAG的边缘,从而将窜改区域与偶发噪声点区域分开,最后对全图进行形态学处理,进一步消除噪声。实验证明,该算法可以在有效检测窜改区域的情况下,降低算法的虚警率,在数字图像的被动检测领域有广泛的应用前景。

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。

基于均匀兴趣点和二进制描述的图像篡改检测研究

随着各种图像编辑工具的发展,图像伪造活动呈上升趋势。此类活动由攻击者实施,目的是诽谤他人和网站,或者获取金钱利益、勒索等。图像伪造通过多种方式进行,其中,一种是Copy-move图像伪造。Copy-move图像伪造的基本过程如下:Copy图像中存在的对象,并使用Copy的对象或将Copy的对象放置在同一图像的不同位置来创建新的图像,因此需要伪造检测系统来保护图像的真实性。提出了一种有效的Copy-move伪造检测技术,该方法首先采用子块和迭代的自适应选取阈值的特征点检测方法提取关键点,采用rBRIEF算法来刻画被提取的点,在匹配阶段结合SLIC分割算法和RANSAC算法分离正确的匹配,最后利用优化的零均值归一化互相关(ZNCC)算法对重复的区域进行定位和标记。大量实验证明,所提算法可以节省计算时间,并且能更准确地检测重复区域。

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。

运用DWT和ORB的图像篡改检测方法

针对数字图像常见的区域复制篡改方式和实时特征提取要求,结合离散小波变换(DWT)和ORB特征提取算法,提出了一种高效的数字图像区域复制篡改检测方法。该方法首先使用DWT将图像分解为LL、LH、HL、HH四部分;然后将ORB算法作用于LL部分,提取关键点,构建二进制描述向量r BRIEF;最后使用汉明距离匹配相似关键点,达到检测图像篡改的目的。通过实验结果证明,该方法不仅可以有效地检测出区域复制篡改图像,同时对平移、旋转、噪音和综合攻击后的篡改图像具备一定的鲁棒性,且与SIFT等算法相比具有更短的检测时间和更少的存储空间。

一种基于改进加权序贯检测的协作频谱感知算法

通过序贯检测可以提高协作频谱感知的准确度,但是在具有频谱感知数据窜改(spectrum sensing data falsification,SSDF)节点的环境下,系统感知性能急剧下降。为了解决上述问题,提出了一种基于加权序贯检测(weighted sequential probability ratio test,WSPRT)的频谱感知融合算法。通过给每个节点赋予信誉度权值,设置合理的信誉度奖惩方案来区分SSDF节点,从而优化系统感知性能。仿真实验表明,所提出的算法减少了SSDF节点带来的影响,提高了系统的检测准确率和稳定性。