共查询到10条相似文献,搜索用时 31 毫秒
1.
图像篡改过程会留下一些痕迹破坏自然图像的一致性,为图像的盲取证提供了线索。该文针对篡改过程中的JPEG重压缩操作,根据原始离散余弦变换(DCT)系数与重压缩后DCT系数的映射关系,提出一种新的图像重压缩概率模型来描述重压缩前后DCT系数统计特性的变化,并结合贝叶斯准则,利用后验概率表示JPEG篡改图像中存在的 DQ(Double Quantization)效应,通过后验概率密度图实现篡改区域的定位。实验表明,该方法能够快速并准确实现篡改区域的自动检测和定位,尤其是当第2次压缩因子小于第1次压缩因子时,正确率相对于传统算法有明显的提高。该方法不仅能检测Photoshop等图像编辑软件制作的手工合成篡改图像,同样也适用于图像智能编辑算法如图像修复算法和图像重排算法制作的篡改图像。 相似文献
2.
基于色调处理技术的图像认证算法 总被引:3,自引:0,他引:3
基于色调处理技术,该文给出了一种有效可行且具有自修复能力的图像认证算法。首先,基于误差扩散色调处理技术将水印图像4bit色调量化,井依据混沌置乱算子,将色调结果置乱,然后构造平均误差最小的特征集合C,最后依据误差扩散数据隐藏算法将置乱后水印图像隐藏于原始图像中;在认证端,从接收到的图像提取其中所隐藏水印信息并进行逆置乱,比较接收到的图像和反置乱后的隐藏信息,判断内容发生变化的位置,并依据所提取的水印信息修复被篡改图像。实验结果表明,该算法对删除、替换、篡改等破坏图像内容的恶意操作有精确的检测和定位,以及自修复能力。 相似文献
3.
基于卷积神经网络的图像篡改检测算法利用卷积神经网络的学习能力可以实现不依赖于单一图像属性的图像篡改检测,弥补传统图像篡改检测方法依赖单一图像属性、适用度不高的缺陷。利用深层多神经元的单一网络结构的图像篡改检测算法虽然可以学习更高级的语义信息,但检测定位篡改区域效果并不理想。该文提出一种基于级联卷积神经网络的图像篡改检测算法,在卷积神经网络所展示出来的普遍特性的基础上进一步探究其深层次的特性,利用浅层稀神经元的级联网络结构弥补以往深层多神经元的单一网络结构在图像篡改检测中的缺陷。该文提出的检测算法由级联卷积神经网络和自适应筛选后处理两部分组成,级联卷积神经网络实现分级式的篡改区域定位,自适应筛选后处理对级联卷积神经网络的检测结果进行优化。通过实验对比,该文算法展示了较好的检测效果,且具有较高的鲁棒性。 相似文献
4.
基于混沌置乱的分块自嵌入水印算法 总被引:18,自引:0,他引:18
针对分块自嵌入水印算法的安全性和不能有效判断图像篡改块的问题,提出一种基于混沌置乱的分块自嵌入算法.该算法将由图像块生成的水印按空间位置生成二值水印图像,利用混沌序列对其置乱加密后嵌入到图像的最低位,认证时根据设定的阈值能有效定位图像内容被篡改的图像块.实验仿真和理论分析表明,该算法在保持原算法篡改恢复效果的基础上,无论是否有水印被改变,均能有效判断图像内容被篡改的图像块,且具有更高的安全性. 相似文献
5.
《无线电通信技术》2015,(3):34-37
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。 相似文献
6.
研究图像的篡改识别问题,由于数字图像能够被轻易的篡改并且很难发现改动痕迹,对篡改像素不融合现象识别不清,导致图像篡改很难被肉眼识别。为解决上述问题,从篡改者的角度对目前流行的篡改手段做了新的分类,详细分析了各种篡改取证技术的优缺点。提出了一种基于统计特征分类的盲检测算法,实验表明,从图像的双谱幅值和相角检测可以准确识别出篡改后的图像,为篡改图像的识别提供了依据。 相似文献
7.
8.
9.
提出一种图像空域分析下的图像篡改检测算法。首先,利用GPAC分割出相似性区域;然后,利用双边滤波对相似性区域的灰度图进行去噪,并得到其噪声图像;最后,通过比较噪声图像的灰度值分布是否相同或噪声分布规律相似性程度来判断图像的真伪,并判断出其篡改方式。通过实验证明该算法能有效的检测出篡改图像。 相似文献
10.
提出了一种新颖的用于图像认证的半易损水印算法,该算法提取图像在小波低频域的特征信息生成两个水印,一个水印主要用于篡改定位,另一个水印主要用于区分图像所经历的偶然修改和恶意篡改,从而提供了一种有效的图像选择认证机制.此外,该算法的水印生成和嵌入都在图像本身中进行,图像认证时不需要原始图像和任何有关水印的附加信息,从而提高了水印的安全性和保密性.实验结果表明,此算法能很好地将对图像内容的恶意篡改和偶然修改区分开来,并可以给出内容篡改的位置. 相似文献