基于颜色分量间相关性的图像拼接篡改检测方法

由于目前数码相机在获取自然图像时,都存在着某种颜色滤波阵列（CFA）插值效应,使得图像颜色分量间具有很大的相关性。针对此问题提出基于CFA插值产生插值特性的图像拼接篡改检测方法。首先对图像颜色分量进行CFA插值预测,得到预测误差;然后计算图像块预测误差的局部加权方差得到图像块的CFA特征;最后根据高斯混合参数模型,对提取特征进行分类得到篡改区域。在标准拼接篡改图像数据集中的实验结果显示,此方法能够有效地检测出图像篡改区域的精确位置。     

基于局部能量方差特性的数字图像取证

在数字图像取证领域,如何高效甄别自然图像和计算机生成图像受到越来越多的关注。文中介绍一种数字图像取证算法,通过傅里叶变换计算图像像素之间的相关性,并利用频域的局部抖动来区别照相机拍摄的自然图像和计算机生成的图像。同时提出对计算机生成图像采取插值处理和对自然图像进行缩放处理的反取证方法,并且分析这两种反取证技术的应对方法。与Gallagher等的方法相比,文中基于数字图像局部能量方差特性的取证准确率更高,且能有效抵抗图像的反取证。     

基于谱相关性的数字图像真伪鉴别

如何区分逼真的计算机生成图像和真实的自然图像,是数字图像取证领域的一个重要研究方向。提出了一种基于谱间相关性的图像真伪鉴别算法。在单CCD数码成像过程中,每个像素只采集单一颜色值,缺失的颜色值通过颜色滤波阵列插值获得,而基于颜色滤波阵列插值的去马赛克方法会引起彩色图像三个颜色分量之间较高的谱间相关性。算法利用小波变换和标准互相关系数提取颜色组件谱间相关性,作为区分和识别特征。通过在标准图像库上的实验测试,表明所提取特征有效捕获了二类图像的差别,并具有较高的检测率。     

联合OC-SVM和MC-SVM的图像来源取证方法

为了解决现有图像来源取证方法在相机样本较多时准确性较差、无法对未知模型的图像来源取证以及可扩展性差的问题,提出了一种基于一类和多类支持向量机联合的图像来源取证方法.算法利用协方差的统计相关性提高了CFA插值系数的估计精度,并以SFFS算法选择的特征作为分类器输入.采用OC-SVM(一类支持向量机)和MC-SVM(多类支持向量机)联合的策略进行图像来源分类,有效地解决了对未知模型图像来源的鉴别问题以及可扩展性差的问题.实验表明,该方法对28种相机拍摄的图像进行来源取证,能够达到平均90.4%的鉴别正确率,同时对于3种训练模型以外的未知相机模型拍摄图像,能够达到平均79.3%的检测正确率.     

JPEG压缩对相机型号来源取证的影响分析

针对实际取证场景中经网络传输的 JPEG 压缩图像,分析了基于彩色滤波阵列（CFA）插值系数特征、局部二进制模式（LBP）以及图像质量（IQM）和高阶小波统计特征这3种典型的相机型号来源取证方法的性能,评估了社交平台和网络媒体情况下已有来源取证算法的性能。实验结果表明,随着图像压缩质量的下降,相机型号来源鉴别准确率迅速下降,已有方法在实际应用中的性能仍然有待提高。     

基于CFA插值的图像篡改检测算法

利用数码相机拍摄自然图像时,往往存在彩色滤波阵列（ CFA）插值效应,CFA插值使得图像三颜色分量之间具有很大的相关性。提出一种利用自然图像颜色通道之间的相关性来检测图像篡改操作的方法。首先,利用后验概率的方法对各颜色通道进行建模,从而准确估计出CFA插值产生的噪声;然后,利用高斯滤波器滤波并提取CFA插值特征;最后,根据提取出的特征进行分类并定位篡改区域。实验结果表明：该算法能够有效地对篡改的图像进行检测和定位。     

基于轮廓波局部高斯模型与全变差的彩色滤波阵列插值

彩色图像的彩色滤波阵列(CFA)插值是从单传感器数字相机通过CFA获得的采样图像中重构完整RGB图像的过程。针对Bayer格式图像提出了一种基于轮廓波局部高斯模型与全变差的彩色图像CFA插值算法。为进一步提高图像边缘插值质量,将图像梯度的稀疏性结合到图像插值过程中,并且图像梯度的稀疏性用彩色全变差(CTV)来衡量。实验结果表明,该算法比现有的图像插值算法在峰值信噪比与主观视觉效果两方面均有显著提高。     

基于高阶累积量的图像鉴别方法仿真研究

在签别伪图像问题的研究中,随着图像处理技术的提升,计算机合成的图形越来越逼真,如何准确区分自然图像和计算机图形,成为图像认证研究的重要内容.由于利用自然图像和计算机图形在高阶统计特性上的不同的特点,提出一种新的高阶统计特征与预测误差矩阵相结合的分类鉴别方法.利用三级正交镜像滤波器(QMF)提取图像的各级分量,并求出各级分量及其预测误差矩阵的高阶累积量作为特征数据,然后利用支持向量机( SVM)进行训练和鉴别.实验结果表明对于实验所用的图像库具有99.10％的高鉴别率,能够有效鉴别自然图像和计算机图形,同时方法复杂程度较低、具有良好的鲁棒性及稳定性.     

基于冗余性的图像重采样检测

数字图像取证中,目前的重采样检测算法都是检测图像中是否存在插值过程引入的周期性,而周期性的判定一般通过在频域的幅度谱中寻找峰值来进行,进而通过峰值的位置来计算重采样因子。但是由于重采样过程中的频率混叠问题导致了重采样因子不能完全确定。针对这个问题,本文提出一种时域中计算重采样因子的方法。重采样图像中每个像素行（或列）和相邻行（或列）的冗余性大小不同,并且冗余性大小呈现出周期性的分布。通过检测此特征就可以实现对重采样的取证,并且确定重采样因子。实验显示,在未压缩的图像中算法可以正确地估计出所有重采样因子,在压缩图像中本文的算法较之前的算法也有明显的优势。     

面向真实性鉴别的数字图像盲取证技术综述

数字图像盲取证技术作为一种不依赖任何预签名提取或预嵌入信息来鉴别图像真伪和来源的技术, 正逐步成为多媒体安全领域新的研究热点, 且有着广泛的应用前景. 首先简要描述了图像盲取证技术要解决的问题和任务. 根据图像鉴别使用的取证特征, 将用于真实性鉴别的图像盲取证技术划分为三类: 基于图像伪造过程遗留痕迹的盲取证技术、基于成像设备一致性的盲取证技术和基于自然图像统计特性的盲取证技术, 然后分别阐述了这三类取证技术的基本特征和典型方法, 对不同算法进行了性能比较和总结. 最后综合近年来国内外学者在面向真实性鉴别的图像盲取证技术方面的主要研究成果, 探讨了图像盲取证技术存在的问题及未来研究方向.     

噪声方差和纹理复杂度分析的源相机识别

针对源相机识别问题,提出了一种利用噪声方差和纹理复杂度分析的源相机识别新方法。首先围绕CFA插值和小波去噪,讨论了传统的模式噪声提取方法的不足,接着重点讨论利用噪声方差以及根据模糊聚类去除高纹理复杂区域进行模式噪声提取的新方法。实验表明所提取的模式噪声不仅能更好地反映数码相机的模式噪声特性,而且对来自三种不同相机的照片的平均识别率提高了近6.3%。     

抗压缩的照片图像与真实感计算机图形识别

数字图像取证是计算机取证、信息安全领域的一门新学科。为实现照片图像与真实感计算机图形的可靠识别,提出一种基于图像稀疏表示的数字图像取证方法,该方法在抵抗压缩方面具有较好性能,从而保证图像压缩不会改变照片图像与真实感计算机图形的真实性本质。Tetrolet变换为保护图像局部几何结构,在L1-范数最小约束下搜索4×4图像块的最优覆盖(Covering)形式,获得图像的稀疏表示。观察自适应值c的统计分布,得到一幅图像中117种Covering出现次数的归一化直方图,从而得到图像的HoC(histogram of covering)特征。实验结果表明,在饱和度(S)分量提取的HoC特征能够很好地刻画照片图像与真实感计算机图形在局部几何结构上的不同统计特性,算法在识别能力、泛化能力,尤其是抵抗压缩能力上表现出良好性能,能够应用于图像真实性检测及照片图像与计算机图形的自动分类。     

基于三次拉格朗日插值的自适应图像缩放

传统的插值算法由于低通滤波效应通常会使目标图像边缘模糊,难以得到满意的视觉效果.为了取得较好的图像缩放质量,提出一种基于三次拉格朗日插值的自适应图像缩放算法.该算法首先计算目标像素点周围三组源像素点的方差,选取方差最小的一组源像素点,然后采用三次拉格朗日插值公式求得目标像素点的灰度值.实验结果表明,本文算法所得的目标图像边缘清晰,且算法复杂度较低,便于硬件实现,可以实现实时图像缩放.     

基于误差修正的自适应边缘保持图像插值

传统插值算法容易产生细节模糊和边缘锯齿效应,而边缘是图像的重要信息,直接影响插值图像的视觉效果。为了解决这一问题,提出了一种新的基于误差修正的自适应边缘保持插值算法。首先将原图像向插值图像进行映射,再定义一个3×3的滑动窗口,用水平和垂直两个模板确定边缘类型,根据边缘类型进行插值,最后对仍未定义像素点用插值误差定理进行处理,总体上对所有像素都进行了分情况插值处理。实验结果表明,本算法有效地保持了图像的边缘信息,能够获得视觉质量较好的插值图像,且算法比较简单,容易实现。     

Extraction of major object features using VQ clustering for content-based image retrieval

An image representation method using vector quantization (VQ) on color and texture is proposed in this paper. The proposed method is also used to retrieve similar images from database systems. The basic idea is a transformation from the raw pixel data to a small set of image regions, which are coherent in color and texture space. A scheme is provided for object-based image retrieval. Features for image retrieval are the three color features (hue, saturation, and value) from the HSV color model and five textural features (ASM, contrast, correlation, variance, and entropy) from the gray-level co-occurrence matrices. Once the features are extracted from an image, eight-dimensional feature vectors represent each pixel in the image. The VQ algorithm is used to rapidly cluster those feature vectors into groups. A representative feature table based on the dominant groups is obtained and used to retrieve similar images according to the object within the image. This method can retrieve similar images even in cases where objects are translated, scaled, and rotated.     

基于统计量的计算机图形检测模型

自然图像和计算机图形的鉴别可采用模式识别的方法。采用统计矩特征量和基于颜色滤波阵列的统计量来建立模型,以捕获自然图像和计算机图形在图像内容上的不同相关性。选用哥伦比亚大学自然图像和计算机图形数据库来测试该模型,采用人工神经网络作为分类器进行训练和测试。实验结果表明,该模型的识别率高,稳定性好,具有较好的应用前景。     

一种基于小波变换的多聚焦图像融合方法

提出了一种改进的基于小波变换的多聚焦图像融合方法。该方法采用小波变换对源图像进行多尺度分解,得到高频和低频图像;对高频分量采用基于邻域方差加权平均的方法得到高频融合系数,对低频分量采用基于局部区域梯度信息的方法得到低频融合系数;进行小波反变换得到融合图像。采用均方根误差、信息熵以及峰值信噪比等评价标准,将该方法与传统融合方法的融合效果进行了比较。实验结果表明,该方法所得融合图像的效果和质量均有明显提高。