下载文档原格式
145ACADEMIC RESEARCH 学术研究摘要：随着互联网和数字图像处理技术的发展进步，对图像的真实性取证研究已成为信息安全领域的一项重要课题。
论文提出了一种采用指纹哈希特征的图像复制-粘贴篡改检测算法。
首先，对图像进行重叠分块，然后进行DCT变换并量化后，提取图像分块的指纹哈希特征，接着计算特征相似度以寻找可疑篡改匹配块，最后通过可疑块间的空间距离排除误检，确定篡改区域。
实验结果表明，论文算法能够有效检测并定位出图像复制粘贴篡改区域。
关键词：图像取证；复制-粘贴篡改；指纹哈希特征；相似度一、前言随着互联网和数字图像编辑处理技术的不断发展、进步，软、硬件功能越来越强大。
人们可以根据需要轻易地对一张图像进行编辑修改。
对图像的篡改方式有很多，其中，复制-粘贴是一种最简单并且普遍的篡改做法。
它包含同幅图复制-粘贴篡改和不同图复制-粘贴篡改[1]。
本文算法研究针对的是同幅图复制-粘贴篡改的检测，这种篡改方式指的是在一幅图像中复制该图像的部分区域并粘贴到该图像的其它区域以达到掩盖事实或增添信息的目的[2]。
被恶意篡改的图像如果在网络上传播无疑会对社会造成严重影响。
因此，针对图像复制-粘贴篡改的检测研究变得越来越重要[3]。
文献[4]首次提出对图像重叠分块，提取DCT系数的方式检测复制-粘贴篡改区域。
文献[5]提出了通过提取SURF特征点的方式寻找匹配点对，该方法可以定位篡改点，但不能定位篡改边界。
文献[6]提出了一种通过对图像子块进行DWT变换提取特征向量的方式，检测图像是否经过篡改。
把图像信号压缩到一个固定长度的哈希值，对于相同内容的区域，哈希值应相同[7]。
因此，本文提出一种采用指纹哈希特征[8]的图像复制-粘贴篡改检测方法，通过对图像重叠分块，计算每一分块的指纹哈希特征相似度，相似度高的判定为可疑篡改匹配块，最后通过可疑块间的空间距离排除误检，确定篡改区域。
二、篡改检测算法本文提出一种基于指纹哈希特征的图像复制-粘贴篡改检测算法，首先计算量化后的DCT系数平均值，并通过将大于或等于平均值的系数记为1，小于平均值的系数记为0的方式，生成图像分块的指纹哈希特征，然后将所有分块的指纹哈希特征进行字典排序，通过计算曼哈顿距离寻找相似的特征向量，如果相似度大于一定阈值，则判定为可疑篡改匹配块，最后根据可疑篡改匹配块的空间距离消除误匹配，并确定篡改区域。
基于奇异值优化的图像复制粘贴篡改检测算法李文龙;高尚【摘要】Digital image tampering detection is a burgeoning research fieldin digital forensics. As a most common way of image tampering, copy-move tampering is used to copy one part of the picture to another placeof the same picture to conceal objects or clone regions. We reviewed several methods proposed to achieve this goal, but we found those methods are not good in efficiency. So we present an improved singular value decomposition based detection algorithm for copy-move tampering, which make the dimensional of SVD eigenvectors lower and add the stepof vector similarity discrimination in order to improve the accuracy. Experimental results show this algorithm can detect the copy-move tampering regions effectively with the small amount of computation and high detection efficiency. What's more, it has good detection accuracy and strong robustness.%数字图像篡改检测是数字取证领域的一个迅速发展的研究方向。
基于模糊不变矩的复制粘贴伪造检测方法1引言当代，数字图像作为一种应用广泛的通信媒介，在各种各样的领域，如医学成像、数字取证及科学出版等，都扮演着举足轻重的角色。
但是各种高级图像处理算法以及相应图像处理软硬件的出现，使得非专业人士很容易处理图像，并使人肉眼很难甚至无法识别，但图像潜在的统计特征已经修改。
由于这些情况的出现，各种数字图像伪造检测方法应运而生。
目前，数字图像伪造检测方法主要分为主动方法和被动方法两类。
主动方法通过事先在图像中嵌入数字水印或数字签名,实现对图像篡改的检测;被动方法又叫盲取证，它不需要图像事先嵌入信息，具有更广泛的应用，因此成为一个新兴的热点研究方向。
Farid在文献[1]中综述了目前盲取证正在进行的研究方向，其中复制粘贴是数字图像伪造最为典型的一种。
在复制粘贴中，图像的一部分被复制到同一图像的另一部分，试图掩藏某一目标物或某一区域。
由于复制粘贴伪造在原始图像区域和粘贴区域之间引入了一种相似性,因此，可以以这种相似性为基础，通过寻找完全相同的图像区域来达到检测的目的。
近些年，国际上对复制粘贴取证已有一些初步的研究。
文献中,Fridrich提出了一种先利用重叠块对图像进行分块，然后对图像块的DCT量化系数进行字典排序，来检测图像复制伪造区域的算法。
Popescu和Farid也提出了一种类似的检测图像重复区域的算法p]。
该算法对图像块使用主成分分析(PCA)来达到降维的目的，将得到的降维特征作为该图像块的特征描述，以减少特征空间的维数。
但Fridrich方法是针对未进行后处理的图像进行检测，抗后处理的能力不足。
Farid方法的抗后处理能力上有加强，但在模糊处理的情形下，会出现较高的误判率。
针对一些常用的图像后处理方法，本文提出一种基于模糊不变矩的复制粘贴检测方法，提高了方法的抗后处理能力和鲁棒性。
2算法思想伪造者在创建复制区域后，通常会利用润饰等图像处理方法来淡化复制区域的痕迹。
基于 LBP 的图像复制篡改检测欧红玉;陈曦;宋燕辉;孔凡凤【摘要】针对比较常见的图像的复制-粘贴篡改技术，提出一种基于局部二值模式LBP（ local binary pattern ）的检测算法。
首先把需要检测的已经被篡改的图像分成大小相同的重叠块，每块的纹理特征用LBP（旋转不变）向量去表示，从而得到被检测图像的特征矢量；然后对得到的特征矢量进行字典排序，并结合检测图像块的位移矢量，准确定位并检测出图像中的被篡改区域。
实验结果表明：在抗旋转处理和效率方面该算法均优于经典的基于PCA的检测算法。
%Aiming at quite common technique of image copy-move forgery, in this paper we propose a detection algorithm which is based on local binary pattern .First, we divide the tampered image to be detected into multiple overlapping blocks with the same size , the textural features on each block are represented with rotation invariant LBP vectors , therefore the feature vectors of the detecting image are got . Secondly , we sort the derived feature vectors in dictionary order , locate and detect the tampered region in the image by combining the displacement vectors of imageblocks .Experimental results show that our algorithm performs better than the classical detection algorithm based on PCA ( principal component analysis ) in terms of the robustness against rotating operation and the efficiency .【期刊名称】《计算机应用与软件》【年(卷),期】2013(000)009【总页数】4页(P170-172,178)【关键词】图像区域复制粘贴篡改;旋转不变LBP;特征矢量【作者】欧红玉;陈曦;宋燕辉;孔凡凤【作者单位】华中科技大学湖北武汉 430074; 长沙通信职业技术学院湖南长沙410115;长沙理工大学湖南长沙 410114;华中科技大学湖北武汉 430074; 长沙通信职业技术学院湖南长沙410115;长沙通信职业技术学院湖南长沙410115【正文语种】中文【中图分类】TP3计算机、数码产品早已进入我们的生活中，像photoshop等图像处理软件技术也逐渐被大家所掌握，使用者可以轻松地对图像进行复制-粘贴、合成、图像渲染效果处理等各种操作，推翻了人们“眼见为实”的传统理念。
图像篡改被动检测技术一览：基于特征提取和卷积神经网络的篡改检测作者丨正蜀黍编辑丨极市平台本文聚焦于归纳和总结数字图像篡改被动检测方法，对基于特征提取和基于卷积神经网络的两类篡改检测方法进行全面论述，分析其中不足与问题，并讨论了数字图像篡改被动检测技术未来的发展趋势。
>>加入极市CV技术交流群，走在计算机视觉的最前沿目录•0 前言•1 基于特征提取的传统篡改检测▪ 1.1 复制黏贴篡改检测方法▪ 1.2 拼接组合篡改检测方法•2 基于卷积神经网络的篡改检测•3 未来发展趋势▪面向互联网共享环境下的数字图像篡改检测研究▪面向大规模图像数据集的数字图像篡改检测研究0前言随着图像编辑技术的不断发展，人们可以轻松地篡改图像内容或者操纵图像生成过程，使得图像的真实性和完整性受到挑战，严重影响了人们对新闻报道、军事经济中图像真实度的信任。
在已有的研究范围里，学者们将图像内容篡改类型总体分为两类：（1）复制粘贴篡改（Copy-move）（2）拼接组合篡改（Splicing）复制粘贴篡改是指是在同一幅图像上，将部分区域复制粘贴到该图中的其它位置；拼接组合篡改是指将一幅图像中的某个区域拷贝到另一幅图像中以生成新的图像。
数字图像篡改检测按照是否预先在数字图像中嵌入附加信息可以分为主动检测和被动检测（也叫盲检测）两种[1]，篡改主动检测技术主要包括数字签名技术和数字水印技术，这两种方法的共同点是：需要图像提供方进行摘要信息的提取或者水印的嵌入，即在实际检测时需要图像提供方进行配合，这一条件在实际操作中很难满足。
因此无须对数字图像进行预前处理的数字图像篡改被动检测技术成为当前图像检测领域的研究热点。
数字图像篡改被动检测技术大体上被分为两类：（1）基于特征提取的传统篡改检测技术（2）基于卷积神经网络的篡改检测技术在早期的研究中，研究者大多将注意力集中在图像本身的统计信息和物理特性上，采用基于图像的特征提取方法来检测篡改区域，比如从镜头失真矫正、颜色插值、传感器噪声等图像生成过程中不同的处理信号入手，大量的篡改被动检测算法和数学模型被提出[2-5]，在信息受限的场景中得到良好的应用，进一步地促进了数字图像取证领域的发展。
一种区域复制图像篡改检测的效率改进方法作者：林伟铭来源：《中国新通信》2014年第20期【摘要】提出一种在区域复制图像篡改检测中的块匹配检测的效率提高方法。
将待匹配的图像分块进行简单分类，被划分为不同类的分块之间具有明显的区别，根据不同分类将所有的图像分块划分为多个分块队列。
在分块相似度匹配的过程中，只有分类一致或接近的分块队列才进行匹配计算，避免了具有明显区别的图像分块匹配过程，从而大量降低分块匹配的次数，提高算法运行效率。
实验结果表明，提出的改进方法与原算法的检测结果基本一致，而算法运行时间有较大幅度减少。
【关键词】图像篡改区域复制篡改检测效率改进一、引言随着当今网络技术的快速发展，以及摄像器件的小型化和便捷化，数字影像已经成为我们获取信息的主要方式之一。
然而，伴随着数字图像处理算法和编辑软件的迅速发展和普及，数字图像或视频很容易通过图像处理软件被篡改。
被篡改的图像有时候人眼不容易辨别出来，导致人们容易被篡改后的影像所误导[1-2]。
数字图像篡改检测技术作为被动图像认证的技术存在很多种检测方式，包括区域复制的检测、图像重采样检测技术、多次JPEG压缩图像的检测、基于噪声分布不一致性的检测、图像模糊润饰检测等，这些方法都有其优点和局限性[1-2]。
区域复制篡改是通过同一图像上的复制-粘贴操作，将图像中原有的某些信息遮盖隐藏的一种常用的篡改手段。
针对该篡改方式，Fridrich等人首先提出了对图像进行分块，然后对图像分块DCT系数量化后进行字典排序，寻找相似块从而找出复制区域的算法[3]。
Farid等人对图像分块进行PCA降低维度与量化，再使用字典排序方法寻找相似图像区域[4]。
Li G H等人先对图像进行DWT变换再进行分块，提取分块的奇异值进行字典排序检测相似图像分块[5]。
魏为民等人将图像进行两种不同的分块：不重叠分块和单像素滑动重叠分块，对两组分块进行haar小波变换，在两组小块之间使用小波变换的低频子带进行Pearson相关系数的计算进行相似分块的匹配检测[6]。
基于WLD特征的图像复制粘贴篡改检测算法
武健;张大兴;刘志发
【期刊名称】《电子科技》
【年(卷),期】2017(30)7
【摘要】针对图像检测中一类常见的复制一粘贴篡改问题,提出一种基于WLD特征的图像复制粘贴篡改检测与定位的算法.算法先将待检测图像按照滑动窗口的方式划分为若干个相互重叠的图像子块,然后分别提取各个子块的WLD矢量特征,再对特征进行矩阵变换和字典排序,通过计算相似度,得出篡改检测及定位的结果.实验结果表明,该算法能够有效检测和定位出一处和多处区域复制-粘贴篡改.
【总页数】4页(P47-50)
【作者】武健;张大兴;刘志发
【作者单位】杭州电子科技大学计算机学院,浙江杭州310018;杭州电子科技大学计算机学院,浙江杭州310018;杭州电子科技大学计算机学院,浙江杭州310018【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.一种基于逆序广义2近邻的图像多重复制粘贴篡改检测算法 [J], 李岩;刘念;张斌;袁开国;杨义先
2.基于奇异值优化的图像复制粘贴篡改检测算法 [J], 李文龙;高尚
3.基于分组SIFT的图像复制粘贴篡改快速检测算法 [J], 肖斌; 景如霞; 毕秀丽; 马建峰
4.基于SIFT关键点的新闻图像复制粘贴篡改检测算法 [J], 王金磊
5.基于超像素形状特征的图像复制粘贴篡改检测算法 [J], 魏伟一;王立召;王婉茹;赵毅凡
因版权原因，仅展示原文概要，查看原文内容请购买。
图像复制粘贴篡改检测研究1选题的背景及研究意义由于功能强大的编辑软件和高性能的数码相机的逐步发展，编辑、篡改数字图片变得越来越简单，如Photoshop、ACD-See、3DSMax等软件让人无法区分篡改图片跟真实图片。
现如今数字图片被广泛运用于主流媒体、科学期刊、法庭以及医学中。
虽然大部分人对数字图像的修改只是为了增强图像的视觉效果，但也不乏一些人根据个人意愿肆意篡改数字图像以制造虚假新闻、伪造证据等，篡改伪造图像如被大量用于科学、法庭、媒体、军事等，无疑将造成严重的后果。
例如，2004年美国总统大选期间，出现的总统候选人与反战明星同台演出的伪造照片；美国驻伊拉克士兵特德.博顿瑞尔克斯和一名伊拉克男孩合影照片中，小孩所举硬纸板上“欢迎海军陆战队”字样，被几易其稿，并在网上流传[1]。
数字图像取证技术[2]就是对数字图像的篡改、伪造和隐密性进行分析、鉴别和认证，进而鉴定数字图像内容的真实性。
取证方法大体可分为三类：脆弱水印(Fragile Watermarking)方法，数字签名(Digital Signature)方法，被动取证(Passive Authentication)方法。
前两种方法属于主动取证，需要预先在原始图像嵌入信息或者提取签名，并依赖第三方认证，应用时有一定的局限性。
被动取证方法则不依赖任何预嵌入信息或者预提取签名，仅根据图像本身对图像的真实性和来源进行鉴别。
数字图像被动取证是数字图像领域的新兴前沿领域，目前仍处于起步阶段。
数字图像取证是一个开放的研究领域，融合各种学科、结合不同背景探索势必会给这一领域带来更多的研究成果。
研究成果将为各个领域图像真实完整性的鉴别提供技术支持，将为社会的稳定和发展带来不容忽视的作用，因而具有十分深刻的科学意义和现实意义。
2 与本课题相关的国内外研究动态及现状分析2.1国内外研究动态由于数字图像盲取证[3] [4]的创新空间大,挑战性高并具有深刻的现实意义,许多研究机构、院校以及公司开始探索研究这个领域。
基于模糊不变矩和区域生长的图像盲检测算法刘潘梅;吴建源【期刊名称】《贵州师范学院学报》【年(卷),期】2011(027)006【摘要】An image authentication algorithm based on blurred-invariant and region growing is proposed.The algorithm uses 24 blurred-invariants as the image block＇s feature according the image blurring theory and invariant theory by analyzing the characteristics of%提出了基于模糊不变矩和区域生长的篡改盲检测算法。
该算法根据图像模糊原理,分析复制-粘贴篡改区域的特点,采用24个模糊不变矩表示图像子块特征;通过子块特征的相似度确定篡改区域的侯选种子,再根据侯选种子的邻域块对的相似度找出篡改区域的真种子,并通过中心连接区域生长法从真种子中生长出经过模糊的篡改区域。
本算法对粘贴区域被模糊使之融入到背景之中的篡改图有较好的检测性能。
【总页数】4页(P14-17)【作者】刘潘梅;吴建源【作者单位】广东培正学院计算机科学与工程系,广东广州510830;广东培正学院计算机科学与工程系,广东广州510830【正文语种】中文【中图分类】TP391【相关文献】1.基于不变矩的Copy-Move型篡改图像盲检测方法 [J], 王睿;方勇2.基于小波和不变矩的图像copy-move篡改盲检测 [J], 周治平;张小祥;孙子文3.人工模糊图像边缘的盲检测算法 [J], 贾福运;陈明志4.基于Krawtchouk不变矩的复制——粘贴篡改盲检测算法 [J], 黄子龙;张政保;文家福;刘会英5.基于SIFT和区域生长的图像复制粘贴盲检测算法 [J], 池静;张婷;杨振宇因版权原因，仅展示原文概要，查看原文内容请购买。
基于奇异值优化的图像复制粘贴篡改检测算法李文龙;高尚【期刊名称】《电子设计工程》【年(卷),期】2015(0)11【摘要】Digital image tampering detection is a burgeoning research fieldin digital forensics. As a most common way of image tampering, copy-move tampering is used to copy one part of the picture to another placeof the same picture to conceal objects or clone regions. We reviewed several methods proposed to achieve this goal, but we found those methods are not good in efficiency. So we present an improved singular value decomposition based detection algorithm for copy-move tampering, which make the dimensional of SVD eigenvectors lower and add the stepof vector similarity discrimination in order to improve the accuracy. Experimental results show this algorithm can detect the copy-move tampering regions effectively with the small amount of computation and high detection efficiency. What's more, it has good detection accuracy and strong robustness.%数字图像篡改检测是数字取证领域的一个迅速发展的研究方向。
