CN102226920A - 抗裁剪的jpeg图像压缩历史及合成篡改检测方法 - Google Patents
抗裁剪的jpeg图像压缩历史及合成篡改检测方法 Download PDFInfo
- Publication number
- CN102226920A CN102226920A CN 201110148271 CN201110148271A CN102226920A CN 102226920 A CN102226920 A CN 102226920A CN 201110148271 CN201110148271 CN 201110148271 CN 201110148271 A CN201110148271 A CN 201110148271A CN 102226920 A CN102226920 A CN 102226920A
- Authority
- CN
- China
- Prior art keywords
- image
- cutting
- compression
- detected
- synthetic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种抗裁剪的JPEG图像压缩历史及合成篡改检测方法,(1)计算待检测图像的压缩历史痕迹和裁剪位置;(2)判断待检测图像是否经过篡改操作;(3)将步骤2判断出的合成篡改图像进行篡改区域定位;按照步骤(2)的方式对RGB图像三个通道分别计算出差异图像,并且进行二值化处理,然后将得到的三个通道二值化图像进行逻辑与运算得到一幅新的二值图像,对其进行形态学腐蚀膨胀操作,映射回待测图像,即得到了篡改区域定位图像。本发明不仅可以解决JPEG图像经过裁剪后,由于其分块位置可能遭到破坏,从而使现有技术部分或完全失效的问题,还对背景区域被裁剪过的图像进行有效的检测与篡改区域定位。
Description
技术领域
本发明涉及一种图像检测方法,尤其是一种图像压缩历史及合成篡改检测方法。
背景技术
目前,随着数字图像应用的日益普及,数字图像编辑处理工具也越来越先进,利用这些工具可以容易地修改图像内容,并使得人眼难以觉察出伪造的痕迹。近年来,在政界、新闻出版界和科学界等领域,国内外已出现了不少令人震惊的数字图像篡改和伪造的案件,因此迫切需要对图像的真实性进行检验。传统上,在鉴别图像真伪时,采用事先在数字图像中嵌入数字水印或签名的方法——图像主动认证。但是,此方法不足以解决现实中案件图像往往无水印的问题。针对没有嵌入数字水印或签名的篡改图像,对其进行真伪的检验——图像被动认证,成为图像证据学领域新的研究方向。
图像被动认证是指不需要原图像的先验知识作参考,而直接依据某种认证方法对目标图像的真伪和来源进行鉴别和取证,也称为盲被动图像检测,它为图像认证开辟了一条新的道路。数字图像被动认证的主要目的是鉴别图像内容的真实性、完整性、原始性和一致性。图像被动认证技术可用于网络中图像过滤、电子政务和电子商务***中文书和证书图像的鉴定、法律证据图像的取证和军事图像信息的鉴别等,具有广阔的应用前景。
JPEG是数码相机和扫描仪等数字图像获取设备支持最广泛的图像压缩编码格式,也是网络中最流行的图像格式压缩编码之一,因此,基于JPEG的图像篡改检测有着非常重要的实用价值。
针对JPEG压缩特性,学者提出了多种被动取证的方法如:JPEG压缩历史检测,即从一个非压缩的位图文件估计该文件是否由JPEG压缩文件格式转换而来;估计JPEG 双重压缩原始量化步长;利用JPEG二次压缩进行合成图像检测;根据图像的块效应测度不一致性检测篡改区域;以及利用支持向量机对待测图像进行合成图像与自然图像的分类。
上述现有方法可概括为两类:一是利用两次压缩因子不一致性进行检测;二是利用JPEG压缩块位置不一致性进行检测。
然而,JPEG图像经过裁剪后,其分块位置可能遭到破坏,从而使上述方法部分或完全失效。如一幅JPEG图像经过裁剪后被另存为BMP格式文件,则JPEG压缩历史检测方法对此图像的检测将失效;在合成篡改检测中,如果合成图像的背景区域被裁剪过,则现有检测方法也将失效。
发明内容
本发明的目的是:提供一种抗裁剪的JPEG图像压缩历史及合成篡改检测方法,它能检测出非压缩格式图像的裁剪压缩历史痕迹及裁剪的位置,也能对背景图像被裁剪的JPEG图像合成篡改模式进行有效的检测与篡改区域定位,以克服现有技术的不足。
本发明是这样实现的:抗裁剪的JPEG图像压缩历史及合成篡改检测方法,(1)计算待检测图像的压缩历史痕迹和裁剪位置;(a)在待检测图像中逐点移动块效应提取算子进行计算,得到一幅块效应图像,将块效应图像分为大小为8*8不重叠的图像块K;(b)将得到的图像块K按对应的像素位置计算块效应矩阵BAM,再将得到的块效应矩阵BAM拉成一维向量,得到块效应曲线;(c)对块效应曲线进行DFT变换,并归一化其频谱图,然后计算压缩块效应测度,并用预设的测度阈值与其进行比较,来判断待检测图像是否经历过压缩历史操作;(d)计算压缩块效应测度大于预设的测度阈值的待检测图像的裁剪位置;(2)判断待检测图像是否经过篡改操作;根据步骤(1)计算得到的待检测图像的裁剪位置,将待检测图像裁剪掉该位置及其以前的行、列,得到裁剪处理图像;用不同的质量因子对该裁剪处理图像进行再压缩,计算出待检测图像背景区域的第一次压缩因子,计算用第一次压缩因子压缩前后图像的差异图像,并计算差异图像的标准方差,然后通过预设的方差阈值判断待测图像是否为合成篡改图像;(3)将步骤(2)判断出的合成篡改图像进行篡改区域定位;按照步骤(2)的方式对RGB图像三个通道分别计算出差异图像,并且进行二值化处理,然后将得到的三个通道二值化图像进行逻辑与运算得到一幅新的二值图像,对其进行形态学腐蚀膨胀操作,映射回待测图像,即得到了篡改区域定位图像。
步骤(d)计算压缩块效应测度大于预设的阈值的待检测图像的裁剪位置,是将步骤(a)中得到的块效应图像分为大小为8*7的图像块LK,然后以垂直方向从左至右计算图像块LK的块效应矩阵LBAM,并计算出裁剪位置所在的行;将块效应图像分为大小为7*8的不重叠的图像块CK,然后以水平方向从上至下计算块效应矩阵CBAM,并计算出裁剪位置所在的列。
所述的预设的测度阈值为0.15;方差阈值为4.46。
在上述的步骤中,用不同的质量因子对该裁剪处理图像进行再压缩,计算出待检测图像背景区域的第一次压缩因子,计算用第一次压缩因子压缩前后图像的差异图像,并作出EDq-q曲线,计算出则Hq-q曲线将在第一次压缩因子处出现的全局极大值,将全局极大值通过压缩阈值判断待测图像是否经过二次压缩。
在计算中,为了消除篡改区域的影响,因此还可以对差异图像进行排序,取前较小的50%数据求均值。
上述的压缩阈值为0.68。
测度阈值是通过大量图像的统计结果来确定,统计数据的图像库设计如下:取CASIA Tampered
Image Detection Evaluation Database中的44幅未压缩原始图像,分别用压缩因子q ∈{30,…,100}进行压缩,即得到3080幅一次压缩图像。
表1为测度阈值的部分统计数据
上述实验数据给出的是部分结果值,我们认为压缩质量因子q=100的为未压缩图像,其他压缩情况则认为是压缩图像,取0.15是因为它能很好区分这两类,区分的准确率高,所以取0.15为测度阈值。
方差阈值的确定方法是,在3080幅一次压缩图像中选取部分图像按q2-q1∈{5,10,15,20,25}的组合生成合成图像50幅,对这些图像进行如式(12)的计算统计得到TR=4.46。
压缩阈值的确定方法是,取出500幅一次压缩图像,再对其进行二次压缩得到500幅二次压缩图像,对这1000幅图像进行如式(11)的计算统计得到Th=0.68。
由于采用了上述技术方案,与现有技术相比,本发明通过计算待检测图像的压缩历史痕迹,判断待检测图像是否经过篡改操作,并计算出经过篡改操作的图像的裁剪位置,用不同的质量因子对该裁剪处理图像进行再压缩,计算出待检测图像背景区域的压缩因子,计算用该因子压缩前后图像的差异图像,并计算差异图像的标准方差,然后通过阈值判断待测图像是否为合成篡改图像;将判断出的合成篡改图像进行篡改区域用RGB图像三个通道分别计算出差异图像,并且进行二值化处理,然后将得到的三个通道二值化图像进行逻辑与运算得到一幅新的二值图像,对其进行形态学腐蚀膨胀操作,映射回待测图像,即得到了篡改区域定位图像。本发明不仅可以解决JPEG图像经过裁剪后,由于其分块位置可能遭到破坏,从而使现有技术部分或完全失效的问题,还对背景区域被裁剪过的图像进行有效的检测与篡改区域定位。本发明可应用在法庭犯罪证据、保险事故调查、新闻报道、电子票据、摄影竞赛、军事图像信息的鉴别等领域都会涉及到图像篡改检测问题,有效检测JPEG图像篡改痕迹,为以上相关领域解决相关问题提供有效的技术支持和协作。
附图说明
图1为本发明方法的流程图;
图2、图3为JPEG图像的篡改示意图;
图4为块效应提取算子;
图5是对图16进行计算得到的块效应矩阵的一维曲线图;
图6是对图16经过压缩裁剪的篡改模式后各裁剪情况下的块效应矩阵的一维曲线图;
图7为对非压缩图像的块效应曲线归一化频谱;
图8为对压缩图像的块效应曲线归一化频谱;
图9为计算图像裁剪位置的方法流程图;
图10为图2的裁剪计算结果图;
图11为图3的裁剪计算结果图;
图12为对图19的裁剪位置估计图;
图13为对图19计算得到的Hq-q曲线图;
图14为对图19进行篡改区域定位的二值图像;
图15为对图19检测的最终篡改区域定位图像;
图16为一幅原始非压缩图像;
图17、图18、图19为合成篡改测试例图;
注:图17、图18是CASIA Tampered Image Detection Evaluation Database中的原始JPEG图像,图19是合成篡改的JPEG图像,篡改区域有两个,其中篡改区域一是将图17中骑车人复制粘贴到图17中其它位置,同时进行适当大小角度调整,篡改区域二是将图18中红衣外国人截取粘贴到图17中,最后对整幅图像进行裁剪并另存为JPEG格式图像。
具体实施方式
本发明的实施例1:抗裁剪的JPEG图像压缩历史及合成篡改检测方法:
1、计算待检测图像的压缩历史痕迹和裁剪位置。
如图2、图3所示,通常拿到一幅JPEG图像,篡改者可能会对其进行裁剪再另存为非压缩格式的图像,或者对其裁剪再另存为JPEG图像,这些操作会破坏JPEG压缩的块网格及使前一次的量化表信息丢失。其检测过程如下:
(1)将待检测图像I(x,y)与如图4所示的块效应提取算子进行运算,即得到一幅块效应图像D(x,y)
(2)将D(x,y)分成8*8不重叠的块K1,K2,……,Kn,n=(M/8)*(N/8),M和N分别是D(x,y)的行和列数。如下式计算块效应矩阵
式中BAM(i,j)是一个8*8的块效应矩阵,将其拉成一维向量,即得到块效应曲线。图5是对图16计算得到的块效应曲线,图6是对图16经过压缩并裁剪不同行列后计算得到的块效应曲线,可以看到非压缩图像的块效应曲线无任何规律,而具有压缩裁剪痕迹的图像块效应曲线出现明显周期,且随裁剪行列数的不同曲线出现不同的平移量。
(3)对块效应曲线进行DFT变换,记其归一化频谱图为V,由图7、图8对比可以看到,如果图像具有JPEG压缩历史,在1/8,2/8,3/8频率处将出项峰值。为检测图像的压缩历史痕迹,定义压缩效应测度为
图像受压缩损失量越大,其压缩效应测度就会越大,当λ >T λ 则认为其经历过压缩操作,其中Tλ=0.15。即用本方法可以检测裁剪图像的JPEG压缩历史痕迹。
(4)下一步则计算图像被裁剪位置,计算过程如图9所示,首先将式(1)计算得到的块效应图像分成8*7不重叠的块LK1,LK2,……,LKn,n1=(M/8)*(N/7),然后以垂直方向从左至右计算块效应矩阵
同理,将块效应图像分成7*8不重叠的块CK1,CK2,……,CKn,n1=(M/7)*(N/8),然后以水平方向从上至下计算块效应矩阵
为了消除图像内容的影响,分别将块效应矩阵LBAM(i,j)、CBAM(i,j)按式(6)、式(7)计算
f(k)是一个1*8的一维向量,则其偏移坐标8的极大值坐标k即为裁剪位置所在的行或列(若无偏移极大值,则k=8),设待检测图像被裁剪掉的行(或列)数为count,则满足k=8-count mod 8。图10为图2所示篡改模式的检测结果,估计得到待检测图像的裁剪行位置为k1=7,裁剪位置所在的行为k2=5列,图11为图3所示篡改模式的检测结果,估计得到待测图像的裁剪行位置为k1=6,裁剪位置所在的列为k2=4。
本发明的实施例2:另选一待检测图片图19,判断待测图像是否经过篡改操作,然后进行如下操作:
(1)用步骤1方法计算图19的裁剪位置,检测结果如图12所示,裁剪行位置为k1=6,裁剪列位置为k2=7,
然后将待检测图像裁剪掉6行7列,得到一幅新的图像记为I(x,y)。
(2)从JPEG头文件中读取当前量化表Q2,计算其与不同量化因子q(1~100) 对应的量化表的距离,距离最小的量化表对应的质量因子即为当前的质量因子q2,即
计算得到q2=90。
(3)估计其是否经历二次JPEG压缩(当两次压缩因子q1≠q2认为图像经历二次压缩)。用q 对图像I(x,y)进行再压缩(q∈[30,…,q2-1]),记再压缩图像为Iq(x,y),计算I(x,y)与Iq(x,y)之间的差值,如下式
其中G为图像的通道个数,对于RGB图像,G=3。如果图像经历过质量因子q的压缩,则其Difq的值将明显小于Difq+1和Difq−1。对Difq进行排序,取前较小的50%数据求均值(为了消除篡改区域的影响),记为EDq,画出EDq-q曲线,则在q=q1处将出现局部极小值,为了更好定位极小值,进行如下计算
则Hq-q曲线将在q1处出现一个全局极大值Hq(max)。当Hq(max)>Th
,则判定待测图像经过二次压缩,且q1为Hq(max)对应的q值。如图13所示,q1=75。
(4) 图像经过二次压缩可能存在两种情况,一种是正常二次压缩,另一种是经过合成篡改再压缩,下一步则判断图像是否为合成篡改图像。将式(9)中质量因子为q1=75的Dif75(m,n)取出,计算方差
当σ大于TR则判定待测图像为合成篡改图像,σ小于TR则判定为正常二次压缩图像,其中TR=4.46。本发明进行说明的例子中σ=6.425,大于阈值TR,则判定待测图像为合成篡改图像。
判定图19为合成篡改图像后,下一步考虑的问题则是定位出篡改区域。对于RGB图像则按式(10)分别对3个通道进行计算,记R通道计算结果为R_Difq1,G通道计算结果为G_Difq1,B通道计算结果为B_Difq1。然后分别进行二值化处理,记为R_bw 、G_bw及B_bw,将三个通道的处理结果进行逻辑与运算,如下式
图14是对图19进行如上计算得到的二值图像BW,可以看到会存在一些零散的误判点,进一步将其进行形态学腐蚀膨胀处理,映射回待测图像,即得到了篡改区域定位图像,如图15所示,实验结果表明本发明能准确地定位合成图像的篡改区域。
Claims (6)
1.一种抗裁剪的JPEG图像压缩历史及合成篡改检测方法,其特征在于:(1)计算待检测图像的压缩历史痕迹和裁剪位置;(a)在待检测图像中逐点移动块效应提取算子进行计算,得到一幅块效应图像,将块效应图像分为大小为8*8不重叠的图像块K;(b)将得到的图像块K按对应的像素位置计算块效应矩阵BAM,再将得到的块效应矩阵BAM拉成一维向量,得到块效应曲线;(c)对块效应曲线进行DFT变换,并归一化其频谱图,然后计算压缩块效应测度,并用预设的测度阈值与其进行比较,来判断待检测图像是否经历过压缩历史操作;(d)计算压缩块效应测度大于预设的测度阈值的待检测图像的裁剪位置;(2)判断待检测图像是否经过篡改操作;根据步骤(1)计算得到的待检测图像的裁剪位置,将待检测图像裁剪掉该位置及其以前的行、列,得到裁剪处理图像;用不同的质量因子对该裁剪处理图像进行再压缩,计算出待检测图像背景区域的第一次压缩因子,计算用第一次压缩因子压缩前后图像的差异图像,并计算差异图像的标准方差,然后通过预设的方差阈值判断待测图像是否为合成篡改图像;(3)将步骤(2)判断出的合成篡改图像进行篡改区域定位;按照步骤(2)的方式对RGB图像三个通道分别计算出差异图像,并且进行二值化处理,然后将得到的三个通道二值化图像进行逻辑与运算得到一幅新的二值图像,对其进行形态学腐蚀膨胀操作,映射回待测图像,即得到了篡改区域定位图像。
2.根据权利要求1所述的抗裁剪的JPEG图像压缩历史及合成篡改检测方法,其特征在于:步骤(d)计算压缩块效应测度大于预设的阈值的待检测图像的裁剪位置,是将步骤(a)中得到的块效应图像分为大小为8*7的图像块LK,然后以垂直方向从左至右计算图像块LK的块效应矩阵LBAM,并计算出裁剪位置所在的行;将块效应图像分为大小为7*8的不重叠的图像块CK,然后以水平方向从上至下计算块效应矩阵CBAM,并计算出裁剪位置所在的列。
3.根据权利要求1所述的抗裁剪的JPEG图像压缩历史及合成篡改检测方法,其特征在于:所述的预设的测度阈值为0.15;方差阈值为4.46。
4.根据权利要求1所述的抗裁剪的JPEG图像压缩历史及合成篡改检测方法,其特征在于:在用不同的质量因子对该裁剪处理图像进行再压缩时,先计算出待检测图像背景区域的第一次压缩质量因子,再计算用第一次压缩因子压缩前后图像的差异图像,并作出EDq-q曲线,计算出则Hq-q曲线将在第一次压缩因子处出现的全局极大值,将全局极大值通过压缩阈值判断待测图像是否经过二次压缩。
5.根据权利要求4所述的抗裁剪的JPEG图像压缩历史及合成篡改检测方法,其特征在于:对差异图像进行排序,取前较小的50%数据求均值。
6.根据权利要求4所述的抗裁剪的JPEG图像压缩历史及合成篡改检测方法,其特征在于:压缩阈值为0.68。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110148271 CN102226920B (zh) | 2011-06-03 | 2011-06-03 | 抗裁剪的jpeg图像压缩历史及合成篡改检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110148271 CN102226920B (zh) | 2011-06-03 | 2011-06-03 | 抗裁剪的jpeg图像压缩历史及合成篡改检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102226920A true CN102226920A (zh) | 2011-10-26 |
CN102226920B CN102226920B (zh) | 2013-04-17 |
Family
ID=44807885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110148271 Expired - Fee Related CN102226920B (zh) | 2011-06-03 | 2011-06-03 | 抗裁剪的jpeg图像压缩历史及合成篡改检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102226920B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102413328A (zh) * | 2011-11-11 | 2012-04-11 | 中国科学院深圳先进技术研究院 | Jpeg图像双重压缩检测方法及*** |
CN102521614A (zh) * | 2011-12-20 | 2012-06-27 | 中山大学 | 一种翻拍数字图像的鉴定方法 |
CN102521606A (zh) * | 2011-11-29 | 2012-06-27 | 中南大学 | 一种对jpeg图像的像素块分类方法及基于此的图像篡改检测和被篡改区域定位方法 |
CN102547371A (zh) * | 2012-02-27 | 2012-07-04 | 中山大学 | 一种基于h.264/avc视频二次压缩检测方法 |
CN102903100A (zh) * | 2012-09-06 | 2013-01-30 | 宁波大学 | 一种数字照片图像压缩历史的检测方法 |
WO2014075564A1 (zh) * | 2012-11-15 | 2014-05-22 | 腾讯科技(深圳)有限公司 | 图片压缩方法及装置 |
CN108174223A (zh) * | 2016-12-07 | 2018-06-15 | 中国科学院深圳先进技术研究院 | 估计jpeg压缩位图量化步长的方法及*** |
CN109871777A (zh) * | 2019-01-23 | 2019-06-11 | 广州智慧城市发展研究院 | 一种基于注意力机制的行为识别*** |
CN110276129A (zh) * | 2019-06-21 | 2019-09-24 | 贵州大学 | 基于燃烧控制***控制燃烧炉供给燃料当量比的方法、***及装置 |
CN112767337A (zh) * | 2021-01-12 | 2021-05-07 | 杭州海康威视数字技术股份有限公司 | 一种烟盒检测方法和装置 |
CN112801960A (zh) * | 2021-01-18 | 2021-05-14 | 网易(杭州)网络有限公司 | 图像处理方法及装置、存储介质、电子设备 |
CN116091907A (zh) * | 2023-04-12 | 2023-05-09 | 四川大学 | 一种基于非互斥三元对比学习的图像篡改定位模型及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1703722A (zh) * | 2002-10-09 | 2005-11-30 | 皇家飞利浦电子股份有限公司 | 图像篡改的定位 |
US6975733B1 (en) * | 1999-09-10 | 2005-12-13 | Markany, Inc. | Watermarking of digital images using wavelet and discrete cosine transforms |
CN1900973A (zh) * | 2006-07-20 | 2007-01-24 | 中山大学 | 一种jpeg图像合成区域的检测方法 |
CN1916958A (zh) * | 2006-07-20 | 2007-02-21 | 中山大学 | 一种jpeg图像的篡改检测方法 |
-
2011
- 2011-06-03 CN CN 201110148271 patent/CN102226920B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6975733B1 (en) * | 1999-09-10 | 2005-12-13 | Markany, Inc. | Watermarking of digital images using wavelet and discrete cosine transforms |
CN1703722A (zh) * | 2002-10-09 | 2005-11-30 | 皇家飞利浦电子股份有限公司 | 图像篡改的定位 |
CN1900973A (zh) * | 2006-07-20 | 2007-01-24 | 中山大学 | 一种jpeg图像合成区域的检测方法 |
CN1916958A (zh) * | 2006-07-20 | 2007-02-21 | 中山大学 | 一种jpeg图像的篡改检测方法 |
Non-Patent Citations (3)
Title |
---|
《IEEE International Conference on Acoustics, Speech and Signal Processing, 2007》 20070420 Weiqi Luo et al A novel method for detecting cropped and recompressed image block 217-220 1-6 , * |
《应用科学学报》 20080531 李晟 等 利用JPEG压缩特性的合成图像检测 281-287 1-6 第26卷, 第3期 * |
《电子与信息学报》 20100228 郑二功 等 针对一类JPEG图像伪造的被动盲取证 394-399 1-6 第32卷, 第2期 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102413328A (zh) * | 2011-11-11 | 2012-04-11 | 中国科学院深圳先进技术研究院 | Jpeg图像双重压缩检测方法及*** |
CN102413328B (zh) * | 2011-11-11 | 2013-11-06 | 中国科学院深圳先进技术研究院 | Jpeg图像双重压缩检测方法及*** |
CN102521606A (zh) * | 2011-11-29 | 2012-06-27 | 中南大学 | 一种对jpeg图像的像素块分类方法及基于此的图像篡改检测和被篡改区域定位方法 |
CN102521614A (zh) * | 2011-12-20 | 2012-06-27 | 中山大学 | 一种翻拍数字图像的鉴定方法 |
CN102547371A (zh) * | 2012-02-27 | 2012-07-04 | 中山大学 | 一种基于h.264/avc视频二次压缩检测方法 |
CN102547371B (zh) * | 2012-02-27 | 2014-02-19 | 中山大学 | 一种基于h.264/avc视频二次压缩检测方法 |
CN102903100A (zh) * | 2012-09-06 | 2013-01-30 | 宁波大学 | 一种数字照片图像压缩历史的检测方法 |
US9325996B2 (en) | 2012-11-15 | 2016-04-26 | Tencent Technology (Shenzhen) Company Limited | Method and apparatus for image compression |
WO2014075564A1 (zh) * | 2012-11-15 | 2014-05-22 | 腾讯科技(深圳)有限公司 | 图片压缩方法及装置 |
CN108174223A (zh) * | 2016-12-07 | 2018-06-15 | 中国科学院深圳先进技术研究院 | 估计jpeg压缩位图量化步长的方法及*** |
CN109871777A (zh) * | 2019-01-23 | 2019-06-11 | 广州智慧城市发展研究院 | 一种基于注意力机制的行为识别*** |
CN109871777B (zh) * | 2019-01-23 | 2021-10-01 | 广州智慧城市发展研究院 | 一种基于注意力机制的行为识别*** |
CN110276129A (zh) * | 2019-06-21 | 2019-09-24 | 贵州大学 | 基于燃烧控制***控制燃烧炉供给燃料当量比的方法、***及装置 |
CN112767337A (zh) * | 2021-01-12 | 2021-05-07 | 杭州海康威视数字技术股份有限公司 | 一种烟盒检测方法和装置 |
CN112767337B (zh) * | 2021-01-12 | 2023-08-04 | 杭州海康威视数字技术股份有限公司 | 一种烟盒检测方法和装置 |
CN112801960A (zh) * | 2021-01-18 | 2021-05-14 | 网易(杭州)网络有限公司 | 图像处理方法及装置、存储介质、电子设备 |
CN112801960B (zh) * | 2021-01-18 | 2024-04-09 | 杭州网易智企科技有限公司 | 图像处理方法及装置、存储介质、电子设备 |
CN116091907A (zh) * | 2023-04-12 | 2023-05-09 | 四川大学 | 一种基于非互斥三元对比学习的图像篡改定位模型及方法 |
CN116091907B (zh) * | 2023-04-12 | 2023-08-15 | 四川大学 | 一种基于非互斥三元对比学习的图像篡改定位模型及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102226920B (zh) | 2013-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102226920B (zh) | 抗裁剪的jpeg图像压缩历史及合成篡改检测方法 | |
Kwon et al. | CAT-Net: Compression artifact tracing network for detection and localization of image splicing | |
Kang et al. | Robust median filtering forensics using an autoregressive model | |
Iakovidou et al. | Content-aware detection of JPEG grid inconsistencies for intuitive image forensics | |
Bianchi et al. | Detection of nonaligned double JPEG compression based on integer periodicity maps | |
Cao et al. | Contrast enhancement-based forensics in digital images | |
Dirik et al. | Image tamper detection based on demosaicing artifacts | |
CN103678299B (zh) | 一种监控视频摘要的方法及装置 | |
US9646358B2 (en) | Methods for scene based video watermarking and devices thereof | |
Muhammad et al. | Blind copy move image forgery detection using dyadic undecimated wavelet transform | |
CN103561271B (zh) | 静止摄像头拍摄的运动目标被移除视频空域篡改检测方法 | |
Niu et al. | Robust median filtering detection based on local difference descriptor | |
CN101877127A (zh) | 基于梯度剖面的图像无参考质量评价方法及*** | |
CN104244016B (zh) | 一种h264视频内容篡改检测方法 | |
CN102957915A (zh) | 针对双重jpeg压缩图像的篡改检测及篡改定位方法 | |
US12002195B2 (en) | Computer vision-based anomaly detection method, device and electronic apparatus | |
CN102521606B (zh) | 一种对jpeg图像的像素块分类方法及基于此的图像篡改检测和被篡改区域定位方法 | |
CN102693522A (zh) | 一种彩色图像区域复制篡改检测方法 | |
CN101916442A (zh) | 一种利用glcm特征的篡改图像鲁棒定位方法 | |
CN112801037A (zh) | 一种基于连续帧间差异的人脸篡改检测方法 | |
Li et al. | Robust median filtering detection based on the difference of frequency residuals | |
CN101706944A (zh) | 基于量化表估计的检测jpeg图像篡改的方法 | |
CN103544692A (zh) | 基于统计学判断的双重压缩jpeg图象篡改盲检测方法 | |
Tralic et al. | JPEG image tampering detection using blocking artifacts | |
Nirmalkar et al. | A review of image forgery techniques and their detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130417 Termination date: 20180603 |
|
CF01 | Termination of patent right due to non-payment of annual fee |