摘要：为解决目前复制粘贴伪造检测算法鲁棒性较差、检测精度低等不足,提出非抽样小波变换(UWT)耦合泽尼克矩(Zernike)的复制移动图像伪造检测算法。利用非抽样小波变换将输入图像分解为近似系数LL和详细系数HH,得出块与块间的相似性和差异度;划分重叠块,计算图像子块间距;根据LL相似性和HH差异性排序分类;引入泽尼克矩,构建距离矩阵,进行图像特征匹配,对图像进行伪造检测。实验结果表明,该算法具有很好的平移不变性和幅值旋转不变性,抗后处理性能好,精测精度高,漏检率和误检率低。

摘要：为解决当前图像复制移动伪造检测算法的识别精度受阈值参数影响较大、无法消除图像特征误配、以及鲁棒性不佳等不足,提出随机样本一致策略耦合模糊局部二值模式算子的图像伪造检测算法。引入逐像素自适应Wiener滤波,过滤图像分块;基于局部二值模式LBP(local binary patterns),引入模糊集理论,设计模糊二值模式算子,提取图像特征;基于字典排序,对特征矢量进行排序;嵌入K-d树,定义识别多数规则,设计高效块匹配算法,精确检测真实的伪造分块;利用随机样本一致算法,消除图像分块误配。仿真结果表明,与当前伪造检测技术相比,该算法的检测精度更高,具有更强的鲁棒性。

摘要：为解决当前图像伪造检测技术仅局限于单一伪造形式的检测,难以适应各种复杂的组合篡改识别,使其识别精度与通用性能不佳等不足,提出多尺度特征提取耦合双分类器的图像伪造检测算法。分别利用Curve-let变换、Gabor变换、LBP(local binary pattern)与DCT(discrete cosine transform)变换采集输入图像的特征信息,融合这些提取特征,形成图像的多尺度特征;引入隐马尔科夫和支持向量机,设计双分类器的真伪决策模型,将多尺度特征视为识别依据,利用双分类器决策出真实图像和篡改图像。实验结果表明,与当前伪造检测前算法相比,所提算法具有更高的检测精度与鲁棒性,能够有效地对复制区发生旋转、模糊和噪声的复制-粘贴和拼接伪造完成精确检测。

摘要：为提高图像伪造内容的检测精度,对向量点积耦合相似聚类的图像伪造检测算法进行研究。利用Forstner检测算子提取图像的特征点,将特征点作为中心,建立不同步长的同心圆区域,以30°角为步长构建角度盘,求取梯度累计直方图,改进SURF生成特征向量的过程,输出特征描述符;求取特征描述符之间的余弦,形成向量点积,构造双阀值匹配机制,完成特征点的匹配;利用归一化互相关函数,度量特征点的相似性,根据其相似度完成特征点的聚类。仿真分析结果表明,与当前图像伪造检测算法相比,所提算法具有更高的检测效率与精度。

摘要：为解决当前图像伪造检测算法大多针对单一的伪造形式(复制-粘贴或者拼接),使其通用性弱,检测精度不佳的不足,提出基于Gabor小波变换耦合局部相位量化的图像伪造检测算法。将图像转换为YCbCr色度空间,在Cr通道上进行Gabor小波变换,得到每个尺度和方向的Gabor图像;定义局部相位量化(local phase quantization,LPQ)技术,利用LPQ的相位特征模糊不变性,准确提取每个Gabor图像的LPQ特征值,依据LPQ特征值构建整个图像的特征向量;利用支持向量机进行决策分类,完成图像内容伪造检测。测试结果表明,与当前伪造检测算法相比,所提算法具有更高正确率和检测精度,能够较好适用于不同图像伪造手段的检测。

摘要：现有的图像伪造检测算法主要是借助局部像素与恒虚警率来决策真伪,且忽略了源图像的强烈空间相关性,使算法鲁棒性不佳,难以检测微小尺寸伪造;对此,根据成像传感器的独特随机特性,设计传感器模式噪声检测思想;并提出了凸优化机制耦合传感器模式噪声的图像伪造检测算法;基于光响应非均匀性噪声,联合马尔可夫随机场与贝叶斯规则,设计传感器模式噪声;并构造最佳图像标记像素的先验概率模型;嵌入贝叶斯规则,代替恒虚警率,考虑源图像的强烈空间依赖性,联合整个图像像素,确定最大概率标记像素映射;设计凸优化机制,将图像伪造检测转换为凸问题,提高算法检测效率;并分析了不同伪造区域尺寸对算法检测的影响;仿真结果表明:与当前图像伪造检测算法相比,文章算法具备更好的接收机工作特征;以及更高的检测精度与检测效率。

摘要：当前基于光响应非均匀性噪声的伪造检测算法使用了滤色器阵列,容易产生颜色插值噪声,严重影响了其噪声的提取精度及相关性检测的分辨率;且没有考虑源相机的相关性,借助局部像素统计决策进行目标识别,削弱了算法检测精度。提出了颜色解耦光响应非均匀性(,CD-PRNU color decoupled photo response non-uniformity)噪声融合凸优化方案的图像伪造检测算法。设计颜色解耦光响应非均匀性噪声;并构造了CD-PRNU噪声残留的数学计算模型;再嵌入Bayes原理,形成贝叶斯最小风险决策,利用图像全局像素,完成伪造目标检测。同时提出凸优化方案,将真伪决策演变为凸问题,降低算法复杂度。仿真结果显示:该算法能够更有效地检测出微小尺寸伪造目标,且其误检率更低。

摘要：针对当前图像伪造检测算法难以有效识别相似区域,且其检测精度依赖于参数和阈值的选择,使其自适应能力较差等不足,提出局部二值模式耦合K-D树的复制-粘贴图像伪造检测算法。基于传统的LBP,设计具有均匀不变性、旋转不变性以及旋转均匀不变性的3种LBP,将其组合形成多尺度LBP(MLBP),利用MLBP提取图像特征,得到3组特征矩阵;引入K-D树,寻找其最优邻域,获取对应的3个相似特征矩阵,通过判断3个特征矩阵中至少两个特征值相同来识别该区域是否被篡改;引入随机抽样一致性策略,降低图像块的误匹配率,提高检测精度。实验结果表明,与当前图像伪造检测技术相比,该检测算法的检测精度更高,能有效识别出旋转、缩放、模糊以及噪声等伪造形式。

摘要：为提高对模糊、噪声、压缩、旋转等篡改区域的检测精度与鲁棒性,提出基于离散余弦变换与Gaussian径向基函数的复制-移动篡改检测算法。将色彩图像变换为灰度图像,将其划分为一定大小的重叠子块;对每个字块进行离散余弦变换(discrete cosine transform,DCT),利用DCT分量表示子块;根据DCT分量构建图像的系数矩阵,引入一个高斯径向基函数(Gaussian radial basis function,RBF)核PCA(principal components analysis,PCA),将其系数矩阵的特征值作为块的特征表示;计算不同块之间的Euclidean距离作为不同区域的相似性,并与给定的阈值比较,完成伪造检测。实验结果表明,与当前篡改检测技术相比,所提算法具有更好的检测精度和效率。

摘要：为降低当前图像伪造检测算法的复杂度并提高其检测精度,提出一种圆形特征筛选机制耦合随机样本一致性优化的快速图像真伪决策算法。将检测图像划分为大小一致的子块,进行DCT变换,获得每个图像块的DCT系数,利用DCT系数来表示图像块;构建圆形特征筛选机制,将每个图像块中的DCT低频系数提取出来,降低每个子块的特征维度;引入字典排序机制,对每个特征向量进行排序,利用先验阈值对特征进行匹配;引入随机样本一致性优化策略,对特征匹配进行提纯,降低图像块的误匹配率,对图像真伪完成决策判断。实验结果表明,与当前图像伪造检测算法相比,该算法具有更高的检测精度和更低的误检率,检测效率更高。