一种缩放情况下区分原始区域和篡改的方法

为了在检测结果中区分出原始区域和粘贴区域,提出一种基于尺度不变特征转换(SIFT)和重采样痕迹的图像盲检测算法。该算法首先将图像分成互不重叠块,利用SIFT算法找出每个块中的关键点,对关键点匹配;然后在每个块中以匹配关键点的中心为种子进行区域生长得到篡改区域;最后分析每个图像块的频谱图,计算出缩放因子,区分原始区域和复制区域。实验结果表明,该算法简便快捷,在能够对篡改区域进行准确定位的同时,并能区分原始区域和复制区域。     

基于RG-SIFT的图像复制粘贴篡改取证算法

在以审判为中心背景下的刑事诉讼制度改革中,图像证据的审查与采信尤为重要.数字图像篡改操作中最为常见的就是复制粘贴,通过复制图像中的一块区域粘贴到其他部分,以达到增加或掩盖部分图像内容,同时伴随着几何变换以增加真实性.当前存在的检测类似篡改的算法大多数只能应对某种几何变换,计算复杂性较高且不能应对多区域复制粘贴的情况.为此,提出一种利用颜色和纹理信息提取尺度不变特征的方法,通过检测图像颜色通道下的局部不变性特征提取关键点,并使用层次聚类算法进行聚类,对关键点匹配结果进行仿射变换估计,最后使用随机抽样一致算法去除无匹配关键点.实验结果表明,该算法能够较好的处理经过多种变换的多区域复制粘贴篡改检测,能够在公安图像检验鉴定工作中发挥作用.     

图像内区域复制粘贴篡改鉴定

区域复制粘贴篡改检测算法是以图像块匹配为基础的,然而传统的匹配算法计算量大,匹配速度慢,效率低下.针对现有的图像内区域复制粘贴检测算法计算量大,时间复杂度高的问题提出一种有效快速的检测与定位篡改区域算法.首先利用小波变换获取图像低频区域,然后对得到的图像低频部分进行分割,然后对分割后得到的每个图像块进行DCT变换,通过特征向量排序缩小匹配空间,最后通过经验阈值进行真伪鉴定,实验结果表明该算法过程中除掉图像冗余,减少检测块数,降低了时间复杂度,提高了检测效率.     

抗翻转的图像复制-粘贴篡改检测算法

图像的复制-粘贴篡改是常见的图像篡改方法之一。现有基于SIFT特征的算法能够有效地检测复制-粘贴篡改,但由于SIFT特征本身不能抵抗翻转,因此,这些方法不能检测出具有翻转操作的复制-粘贴篡改。基于SIFT特征,提出了一种抗翻转的图像复制-粘贴篡改检测算法。通过在检测框架中引入图像预处理操作,不仅能够有效地检测出存在翻转的复制-粘贴篡改块,而且能够抵抗旋转、缩放等图像处理行为。同时,在SIFT关键点匹配环节提出了ng2NN匹配方法,提高了算法的检测效果。实验结果证明了所提出算法在抵抗翻转、缩放、旋转以及检测多重复制-粘贴篡改等方面的有效性。     

基于深度特征提取和图神经网络匹配的图像复制粘贴篡改检测

针对图像中特征提取不均匀、单尺度超像素划分对伪造定位结果影响较大的问题,提出一种基于深度特征提取和图神经网络(graph neural network,GNN) 匹配的图像复制粘贴篡改检测(cope-move forgery detection,CMFD) 算法。首先将图像进行多尺度超像素分割并提取深度特征,为保证特征点数目充足,以超像素为单位计算特征点分布的均匀度,自适应降低特征提取阈值;随后引入新的基于注意力机制的GNN特征匹配器,进行超像素间的迭代匹配,且用随机采样一致性(random sample consensus,RANSAC) 算法消除误匹配;最后将多尺度匹配结果进行融合,精确定位篡改区域。实验表明,所提算法具有良好的性能,也证明了GNN在图像篡改检测领域的可用性。     

一种改进的SIFT篡改检测算法

本文针对数字图像的复制粘贴盲检测进行了研究,传统的筛选特征描述部分不充分检测图像信息,基于统计分布特征和一致性约束理论提出了一种改进的SIFT篡改检测算法。首先,建立DOG尺度空间特征点检测方法以提取关键点。然后; 在主要方向生成的过程中基于最大色散方法选择,此外,该方法基于统计特征生成特征描述的精确坐标、尺度值、像素区域尺寸值、边界标记、边界角和曲率。最后,基于一致性约束新的匹配方法将介绍。实验结果为TPR值为98.03%,FPR值为7.99%,验证了本文提出的方法的可行性和有效性。该算法对篡改区域的平移、缩放和旋转有较强的鲁棒性。     

基于SVD和直方图的JPEG图像篡改盲检测算法

现有的大多数图像篡改检测算法不能够很好地检测多次篡改区域,针对此不足,提出了一种有效的基于SVD和直方图的JPEG图像篡改盲检测算法。该算法首先以设定的窗口块在待检测图像上依次滑动一个像素得到每个单独的滑窗分块,每个分块用奇异值分解(SVD)值表征;然后字典排序所有分块量化后的SVD值矩阵,并通过统计排序后的矩阵的偏移频率来得到直方图;最后通过直方图设定阈值以判断分块是否属于复制粘贴块。实验结果表明,该算法不仅能对单次篡改区域进行准确定位,还能较好地检测到多次篡改区域。     

一种基于逆序广义2近邻的图像多重复制粘贴篡改检测算法

为了解决数字图像多重复制粘贴篡改检测问题,克服广义2近邻(g2NN)算法对匹配特征点漏检的缺点,该文提出逆序广义2近邻(Rg2NN)算法。在计算匹配特征点时,该算法采用逆序方式计算特征点之间的匹配关系,可以更加准确地计算出所有与待检测特征点相匹配的特征点。实验证明,Rg2NN算法比g2NN算法计算出来的匹配特征点更加准确,提高了g2NN算法对多重复制粘贴篡改图像的检测能力,当图像中的一块区域被复制后在多处粘贴,或多块区域被复制粘贴时可以准确计算出复制粘贴区域。     

基于统计噪声水平分析的图像拼接检测

图像拼接是最常用的图像篡改操作之一,针对篡改图像噪声水平不一致性的现象,本文提出了一种基于统计噪声水平分析的图像拼接检测方法。首先,将检测图像分割成大小相同的非重叠图像块,然后,利用一种非参数估计算法来估计每个图像块的噪声值,并且采取聚类法对图像块的噪声值进行聚类,聚类结果分为可疑部分和非可疑部分两大类。最后,通过一个由粗到细的两阶段策略对篡改区域进行定位。哥伦比亚未压缩图像拼接检测评估图像库的实验结果表明,本文方法能够准确地估计图像块的噪声和定位出拼接区域,性能优于现有方法。     

数字图像复制粘贴篡改盲取证算法研究与实现

针对数字图像检测中一类常见的复制－粘贴图像篡改,提出了一种基于小波变换和奇异值分解的检测算法。该算法利用小波变换提取图像的低频分量,对低频分量分块提取奇异值特征,然后将特征矢量进行按行字典排序,并且配合图像块的偏移位置信息,进行图像复制伪造区域的检测和定位。实验表明该算法大大减小了特征向量的维数,从而提高了相似块的匹配检测效率。为了更方便快捷的检测图像是否被恶意篡改,设计了简单明了的系统检测界面,只需载入待检测的图像并输入相应的参数就能进行检测,最后将检测结果返回给界面,而且系统完成了篡改检测算法的DSP硬件实现,该算法将有利于推动数字图像取证技术的理论研究与应用推广的发展。     

基于圆域分割耦合法则的图像篡改检测算法

为降低图像伪造算法的错误检测率和漏检测率,利用互相关函数(CCF),设计了基于圆域分割耦合最优相关法则的图像复制-粘贴篡改检测算法。引入FAST算子,计算像素点及其邻点的灰度值,准确提取图像特征点,并利用特征点对应的直方图信息求取其主方向;同时,在该方向上建立特征点的邻域圆,对该圆域进行分割,计算每个分割区域的梯度特征,获取相应的特征向量;利用互相关函数对特征点间的相关程度进行计算,构建最优相关法则,完成特征匹配。利用匹配特征点的特征向量,计算特征点间的欧氏距离,对特征点进行集群,定位复制-粘贴篡改内容,实现伪造检测。实验结果表明：相对已有的伪造检测技术,所提算法具备更高的检测准确率,且对旋转、缩放等内容修改表现出更高的鲁棒性。     

基于Radon和解析Fourier-Mellin变换的篡改图像盲检测算法

复制粘贴（Copy-Move）是一种极为常见的图像篡改方式。为了快速有效地检测图像经过旋转、缩放等操作后的篡改图像,本文提出了一种基于Radon和解析Fourier-Mellin变换的篡改图像盲检测方法。文章首先对图像进行分块,之后将图像块进行Radon和解析Fourier-Mellin变换,并提取计算变换结果后的矩特征值,最后计算矩特征值的相关性。本文算法不需要对灰度图像进行二值化与归一化处理,而是直接从图形的Radon变换与Fourier-Mellin变换的结果中提取不变特征,理论分析与实验结果表明,本文提出算法的检测结果优于基于正交矩的检测方法,而且对均值为0的白噪声的鲁棒性显著高于基于正交矩的检测方法。      

基于帧差法和自适应阈值区域生长的红外运动目标检测

针对具有背景干扰、信噪比低的红外图像,提出了一种基于帧差法和自适应区域生长的红外运动目标检测方法.首先对红外图像进行了高帽变换,以抑制大面积背景的干扰,相邻帧图像间做帧差,初步提取目标区域;其次分析了红外目标的特性,针对其特性提出了一种基于灰度等级的自适应阈值分割方法;最后以帧差法检测的目标质心为种子点,以自适应阈值为分割准则,在预处理后的图像中进行区域生长,最终实现了红外运动目标的检测.结果表明,所提算法可抑制大面积背景的干扰,实现单个和多个红外运动目标的完整提取和检测.     

基于红外面阵扫描图像的配准和融合

针对红外面阵扫描图像的连续拼接,提出了一种基于灰度特征的配准和融合算法。该算法首先利用Harris算子对待拼接图像的特定区域进行角点检测,并提出了一种自适应阈值方法,用于提取特征明显的兴趣点,同时限定兴趣点的个数;其次选择合适的窗口大小,利用互相关归一化(NCC)函数,对拼接图像兴趣点邻域灰度范围进行图像匹配,获得图像变换关系;最后提出了一种基于双线性变换和渐入渐出相结合的图像融合算法。结果表明,自适应阈值角点检测后的兴趣点特征明显,分布均匀且数目被阈值很好地约束,图像配准精度高,采用本文融合算法后的拼接图像,重叠区域过度平缓,不存在拼接缝和灰度跳变现象。     

顽健合成图像篡改检测及定位

针对自然图像与高度仿真的计算机生成图像的合成图像篡改检测问题,提出在YCbCr颜色空间基于差分直方图和中心对称局部二进制模式提取图像块颜色和纹理特征的方法,通过训练后验概率支持向量机模型对待测图像块进行识别.在不重叠分块情况下先大致判断篡改区域,然后在该区域内逐像素分块判别,最终实现篡改区域精确定位.实验结果表明,对128 dpi×128 dpi图像块的识别率达到94.75％,高于现有方法;对合成图像篡改区域能够实现精确定位,且对旋转、缩放操作表现出较好的顽健性.     

基于逻辑校准的多分类残差网络的肺分割算法

针对图像噪声以及血管、支气管等因素引起的肺分割困难的问题,提出了一种基于逻辑校准的多分类残差网络分割算法.该算法将图像区域划分为肺、背景及边界三类,通过扩大不同类型间的差异来提升分割准确率.算法先将图像分割为固定尺寸区域,然后利用残差网络提取纹理特征进行分类训练与测试,实现粗分割.最后对边界区域阈值处理实现细分割.利用公开数据集对该算法进行了测试,实验结果表明,此分割算法在召回率、精确率以及交并比等方面均优于当下前沿的分割网络之一的U-Net,分别达到99.79％,98.13％和97.83％,可为后续的肺部疾病临床诊断提供参考依据.     

基于Word Embedding的遥感影像检测分割

遥感影像检测分割技术通常需提取影像特征并通过深度学习算法挖掘影像的深层特征来实现.然而传统特征（如颜色特征、纹理特征、空间关系特征等）不能充分描述影像语义信息,而单一结构或串联算法无法充分挖掘影像的深层特征和上下文语义信息.针对上述问题,本文通过词嵌入将空间关系特征映射成实数密集向量,与颜色、纹理特征的结合.其次,本文构建基于注意力机制下图卷积网络和独立循环神经网络的遥感影像检测分割并联算法（Attention Graph Convolution Networks and Independently Recurrent Neural Network,ATGIR）.该算法首先通过注意力机制对结合后的特征进行概率权重分配;然后利用图卷积网络（GCNs）算法对高权重的特征进一步挖掘并生成方向标签,同时使用独立循环神经网络（IndRNN）算法挖掘影像特征中的上下文信息,最后用Sigmoid分类器完成影像检测分割任务.以胡杨林遥感影像检测分割任务为例,我们验证了提出的特征提取方法和ATGIR算法能有效提升胡杨林检测分割任务的性能.     

基于自适应半脆弱水印的图像篡改检测方案

为保护数字图像版权和检测恶意篡改,实现高精度篡改定位,在充分挖掘图像特性的基础上,设计一种基于自适应半脆弱水印技术的图像篡改检测算法。算法根据感知特性将水印自适应嵌入到图像LSBs中,利用多数原则恢复水印信号,结合数学形态学滤波进行篡改检测与定位。仿真实验证实了该方案的有效性,在抵抗通常的内容保持攻击操作的同时,能实现精准篡改检测与定位。     

基于标记点的直升机旋翼动态三维测量方法

为快速方便地获取直升机旋翼动态三维坐标,提出了一种基于编码标记点和立体视觉的旋翼动态三维测量方法,该方法首先采用平面标定法及Bouguet校正算法实现立体标定和图像校正;其次,依据标记点形状和灰度特征,采用图像二值化和连通域标记等方法检测并定位编码标记点的中心,确定标记点像素坐标;然后,采用邻域扫描法对编码点进行解码,得到标记点的码值,并依据码值实现左右视图中同名标记点匹配;最后,利用投影方程求出标记点三维坐标,实现直升机旋翼动态三维测量。仿真实验结果表明该方法精度高,实际测量误差不超过0.3mm,可满足旋翼动态三维测量的要求。