CN102013101A - 一种经过模糊后处理的置换篡改图像盲检测方法 - Google Patents

一种经过模糊后处理的置换篡改图像盲检测方法 Download PDF

Info

Publication number
CN102013101A
CN102013101A CN 201010561393 CN201010561393A CN102013101A CN 102013101 A CN102013101 A CN 102013101A CN 201010561393 CN201010561393 CN 201010561393 CN 201010561393 A CN201010561393 A CN 201010561393A CN 102013101 A CN102013101 A CN 102013101A
Authority
CN
China
Prior art keywords
fuzzy
tampered
piece
sub
image
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.)
Pending
Application number
CN 201010561393
Other languages
English (en)
Inventor
王伟
方勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN 201010561393 priority Critical patent/CN102013101A/zh
Publication of CN102013101A publication Critical patent/CN102013101A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明公开了一种经过模糊后处理的置换篡改图像盲检测方法，该方法首先对经过模糊处理的篡改图像进行再次模糊变换，并对再次模糊前后的图像进行相同大小子块的划分；其次，对对应位置的子块分别进行二维傅立叶变换后取绝对值，再作自然对数变换后取绝对值，然后计算所有这种模糊前后对应子块频域系数对数的相关性大小；最后，根据相关系数的不同分类完成了待检图像模糊区域和未模糊区域的检测，实现了篡改区域的定位。该方法可以有效地检测经历不同模糊方式后处理的篡改图像，同时具有更低的复杂度、更好的抗高斯噪声和有损JPEG压缩的性能。

Description

一种经过模糊后处理的置换篡改图像盲检测方法
技术领域
本发明涉及一种经过模糊后处理的置换篡改图像盲检测方法，该方法基于模糊区域具有再次模糊的不敏感性，通过计算再次模糊前后图像对应位置子块频域系数的对数相关性大小实现了模糊区域的检测。在图像信息安全领域有广泛的应用前景。
背景技术
随着计算机技术和图像处理技术的不断发展，低成本、高性能图像处理软件的不断推出，图像信息非常容易地被篡改，如何检测图像的原始性已经成为当前研究的热点问题。数字图像的篡改方式有很多，最常见的方式是由两幅或两幅以上的数字图像,通过置换各自的一部分生成的图像，我们把这类篡改图像称为置换图像。由于置换操作容易产生视觉上的畸变，通常会对篡改后的图像进行模糊后处理，以消除置换留下的人眼可观察的遗留痕迹。
针对经过模糊后处理的置换篡改图像，现有方法提出通过检测这种模糊遗留痕迹可以有效地实现篡改区域的检测与定位。目前，模糊检测方法主要有：基于频域谱分离的高斯模糊检测、基于模糊半径估计的散焦模糊检测、基于局部异常色调率的彩色图像模糊检测、基于形态学滤波的边缘模糊检测、基于小波变换系数规律性的局部模糊检测和基于像素局部相关性的局部模糊检测。虽然这些方法在模糊检测方面都有一定的效果，但是，它们具有本身的局限性：要么只能检测某种特定模糊类型、要么需要知道模糊参数的先验信息、要么算法的计算复杂度较高、要么对噪声或JPEG压缩比较敏感等。在没有先验信息的情况下，现有算法对经历不同类型模糊后处理的置换篡改图像则具有较高的误检率。
发明内容
本发明的目的在于针对现有技术存在的不足，提出了一种经过模糊后处理的置换篡改图像盲检测方法，该方法利用模糊区域具有再次模糊的不敏感性，计算再次模糊前后图像对应位置子块频域系数的对数相关性大小，根据相关系数的不同分类实现了模糊区域的检测。
为了达到上述目的，本发明采用下述技术方案：
一种经过模糊后处理的置换篡改图像盲检测方法。其特征在于首先对经过模糊处理的篡改图像进行再次模糊变换（本发明选取最常用的高斯模糊作为再次模糊方式），并对再次模糊前后的图像进行相同大小子块的划分；其次，对对应位置的子块分别进行二维傅立叶变换后取绝对值，再作自然对数变换后取绝对值，然后计算所有这种模糊前后对应子块频域系数对数的相关性大小；最后，根据相关系数的不同分类完成了待检图像模糊区域和未模糊区域的检测，实现了篡改区域的定位。
上述经过模糊后处理的置换篡改图像盲检测方法具体步骤如下：
1、对一幅大小为                                                
Figure 558859DEST_PATH_IMAGE001
经过模糊后处理的置换篡改图像
Figure 806300DEST_PATH_IMAGE002
进行再次高斯模糊操作，得到模糊图像
Figure 877024DEST_PATH_IMAGE003
，其中
Figure 930431DEST_PATH_IMAGE004
，
Figure 894845DEST_PATH_IMAGE005
；
2、将篡改图像和模糊图像
Figure 854897DEST_PATH_IMAGE003
分别进行大小为
Figure 711994DEST_PATH_IMAGE006
不相重叠的子块划分，得到子块
Figure 343964DEST_PATH_IMAGE007
和，其中
Figure 40841DEST_PATH_IMAGE009
，
Figure 623001DEST_PATH_IMAGE010
；
3、对对应位置的子块
Figure 171794DEST_PATH_IMAGE007
、
Figure 197519DEST_PATH_IMAGE008
分别求频域系数对数变换的绝对值，得到
Figure 464552DEST_PATH_IMAGE011
、；
4、计算与
Figure 515576DEST_PATH_IMAGE012
的相关性大小，而两矩阵相关性可引入公式(1)进行描述：
Figure 944600DEST_PATH_IMAGE014
       (1)
这里，
Figure 467985DEST_PATH_IMAGE015
和
Figure 84780DEST_PATH_IMAGE016
表示
Figure 60826DEST_PATH_IMAGE011
和的对应元素点，
Figure 182683DEST_PATH_IMAGE017
、
Figure 517850DEST_PATH_IMAGE018
为
Figure 433722DEST_PATH_IMAGE011
、 的均值，其中，
Figure 10514DEST_PATH_IMAGE019
，
Figure 454265DEST_PATH_IMAGE020
；
5、重复步，完成所有对应子块相关系数的计算，构造特征空间
Figure 739938DEST_PATH_IMAGE022
；
6、在特征空间中，利用模糊区域具有再次模糊的不敏感性，取与预设阈值相比较，认为
Figure 410588DEST_PATH_IMAGE022
较大对应的区域为模糊区域；
7、根据相关系数
Figure 831205DEST_PATH_IMAGE022
的可分性完成了模糊区域和未模糊区域的分类，进而实现了置换篡改区域的检测与定位。
上述第3步骤中求频域系数对数变换的绝对值的步骤如下：
(1)      将对应位置的子块
Figure 481936DEST_PATH_IMAGE007
、
Figure 329807DEST_PATH_IMAGE008
代入公式（2）、（3）求频域变换
Figure 192720DEST_PATH_IMAGE024
           ( 2)
Figure 603979DEST_PATH_IMAGE025
  （3）
得到频域系数
Figure 180323DEST_PATH_IMAGE026
、
Figure 402357DEST_PATH_IMAGE027
，其中，
Figure 814884DEST_PATH_IMAGE028
、
Figure 767184DEST_PATH_IMAGE029
；
(2)     分别对频域变换系数
Figure 886449DEST_PATH_IMAGE026
、
Figure 341701DEST_PATH_IMAGE027
求绝对值，得到
Figure 241524DEST_PATH_IMAGE030
、
Figure 994586DEST_PATH_IMAGE031
；
(3)     对得到的
Figure 30675DEST_PATH_IMAGE030
、
Figure 594511DEST_PATH_IMAGE031
作自然对数变换，得到
Figure 981630DEST_PATH_IMAGE032
、
Figure 272803DEST_PATH_IMAGE033
；
(4)     分别对、求绝对值，得到
Figure 959502DEST_PATH_IMAGE036
、
Figure 260558DEST_PATH_IMAGE037
。
本发明方法与现有技术相比较，具有如下显而易见的突出实质性特点和显著优点：该发明旨在提供一种经过模糊后处理的置换篡改图像盲检测方法，该发明方法首先对经过模糊后处理的篡改图像进行再次高斯模糊变换,并对再次模糊前后的图像进行相同大小子块的划分；其次，对对应位置的子块分别进行二维傅立叶变换后取绝对值，再作自然对数变换后取绝对值，然后计算所有这种模糊前后对应子块频域系数对数的相关性大小；最后，根据相关系数的不同分类完成了待检图像模糊区域和未模糊区域的检测，实现了篡改区域的定位。具体特点和优点为：
1)    针对现有技术只能检测某种特定模糊类型的不足，利用模糊区域具有再次模糊的不敏感性，通过对经过模糊后处理的置换篡改图像进行再次模糊，提出了一种经历不同类型模糊后处理的置换篡改图像盲检测方法。
2)    对现有模糊检测技术中需要知道一些模糊参数的先验信息的不足，提出只要对待检测图像进行再次高斯模糊变换，根据再次模糊前后对应位置子块频域系数的对数相关性大小实现了模糊区域的检测。
3)    由于本方法只需要计算再次模糊前后图像对应位置子块频域系数的对数相关性大小，计算复杂度较低。
4)    针对现有技术对高斯噪声和有损JPEG压缩较为敏感，本发明方法则具有较好的鲁棒性。
本发明提供的置换篡改图像盲检测方法能在没有先验信息的情况下，对经历不同类型模糊后处理的置换篡改图像均能达到较高检测正确率，同时，相比现有的方法，本发明方法对高斯噪声和有损JPEG压缩具有更好的鲁棒性。在图像信息安全领域有广泛的应用前景。
附图说明
图1为本发明一个实施例的置换篡改图像盲检测方法框图；
图2是图1示例盲检测结果图。图中，从上到下置换篡改图像依次经历进一步模糊、高斯模糊、方框模糊、镜头模糊、动感模糊和形状模糊后处理。其中，a、b为原始图像，c为置换篡改图像，d为高斯模糊图像，e为相关系数构造的特征空间，f为检测定位结果；
图3为本发明方法对加性高斯白噪声的鲁棒性；
图4为像素局部相关方法对加性高斯白噪声的鲁棒性；
图5为本发明方法对JPEG压缩的鲁棒性；
图6为像素局部相关方法对JPEG压缩的鲁棒性；
图7为两种方法复杂度比较。
具体实施方式
本发明的一个优选实施例结合附图祥述如下：本发明旨在提供一种经过模糊后处理的置换篡改图像盲检测方法，如图1所示。首先对经过模糊后处理的篡改图像进行再次高斯模糊变换,并对再次模糊前后的图像进行相同大小子块的划分；其次，对对应位置的子块分别进行二维傅立叶变换后取绝对值，再作自然对数变换后取绝对值，然后计算所有这种模糊前后对应子块频域系数对数的相关性大小；最后，根据相关系数的不同分类完成了待检图像模糊区域和未模糊区域的检测，实现了篡改区域的定位。[0015] 具体步骤为：
1、对一幅大小为经过模糊后处理的置换篡改图像
Figure 239195DEST_PATH_IMAGE002
进行再次高斯模糊操作，得到模糊图像
Figure 273011DEST_PATH_IMAGE003
，其中，
Figure 36753DEST_PATH_IMAGE005
；
2、将篡改图像
Figure 175610DEST_PATH_IMAGE002
和模糊图像
Figure 759039DEST_PATH_IMAGE003
分别进行大小为
Figure 946437DEST_PATH_IMAGE006
不相重叠的子块划分，得到子块
Figure 931711DEST_PATH_IMAGE007
和
Figure 428420DEST_PATH_IMAGE008
，其中
Figure 499144DEST_PATH_IMAGE009
，；
3、对对应位置的子块
Figure 330014DEST_PATH_IMAGE007
、
Figure 810674DEST_PATH_IMAGE008
分别求频域系数对数变换的绝对值，得到
Figure 290066DEST_PATH_IMAGE011
、
Figure 147163DEST_PATH_IMAGE012
。其中，求频域系数对数变换的绝对值具体步骤如下：
1)      将对应位置的子块
Figure 779133DEST_PATH_IMAGE007
、
Figure 430694DEST_PATH_IMAGE008
代入下面两式求频域变换
Figure 476011DEST_PATH_IMAGE038
得到频域系数、
Figure 697935DEST_PATH_IMAGE027
，其中，
Figure 902651DEST_PATH_IMAGE028
、；
2)      分别对频域变换系数、
Figure 950745DEST_PATH_IMAGE027
求绝对值，得到
Figure 377178DEST_PATH_IMAGE030
、
Figure 379769DEST_PATH_IMAGE031
；
3)      对得到的
Figure 90105DEST_PATH_IMAGE030
、
Figure 254370DEST_PATH_IMAGE031
作自然对数变换，得到
Figure 495996DEST_PATH_IMAGE032
、
Figure 974381DEST_PATH_IMAGE033
；
4)      分别对
Figure 352273DEST_PATH_IMAGE034
、
Figure 139969DEST_PATH_IMAGE035
求绝对值，得到
Figure 603312DEST_PATH_IMAGE011
、
Figure 947706DEST_PATH_IMAGE012
；
4、计算
Figure 383366DEST_PATH_IMAGE011
与
Figure 889434DEST_PATH_IMAGE012
的相关性大小
Figure 307251DEST_PATH_IMAGE013
，而两矩阵相关性可引入公式进行描述：
Figure 127439DEST_PATH_IMAGE040
。这里，
Figure 479923DEST_PATH_IMAGE015
和
Figure 343843DEST_PATH_IMAGE016
表示
Figure 719460DEST_PATH_IMAGE011
和的对应元素点，
Figure 799598DEST_PATH_IMAGE017
、
Figure 913047DEST_PATH_IMAGE018
为
Figure 838278DEST_PATH_IMAGE011
、
Figure 269DEST_PATH_IMAGE012
 的均值，其中，
Figure 327345DEST_PATH_IMAGE019
，；
5、重复
Figure 945594DEST_PATH_IMAGE021
步，完成所有对应子块相关系数的计算，构造特征空间
Figure 973593DEST_PATH_IMAGE022
；
6、在特征空间中，利用模糊区域具有再次模糊的不敏感性，取
Figure 92859DEST_PATH_IMAGE022
与预设阈值
Figure 548111DEST_PATH_IMAGE023
相比较，认为
Figure 447934DEST_PATH_IMAGE022
较大对应的区域为模糊区域；
7、根据相关系数
Figure 203925DEST_PATH_IMAGE022
的可分性完成了模糊区域和未模糊区域的分类，进而实现了置换篡改区域的检测与定位。
从图2 可以看出，本盲检测方法能够有效地检测出经历不同类型模糊后处理的置换篡改图像，实现了篡改区域的准确定位。
图3—图6给出了本发明方法与其他检测方法在高斯白噪和有损JPEG压缩情况下的性能比较，表明了本方法具有更好的鲁棒性。
图7给出了本发明方法与其他检测方法在不同图像大小情况下的时间消耗。从表中可以看出本发明方法在时间消耗方面显示极大优势，并随着图像的阶数的增大，时间节省更加明显。
总之，无论是从检测模糊类型，还是从算法的鲁棒性和复杂度，均表明本发明方法能够更有效地检测出经过模糊后处理的置换篡改图像，实现了篡改区域的准确定位。

Claims (2)

1.一种经过模糊后处理的置换篡改图像盲检测方法，其特征在于具体步骤如下：
a.对一幅大小为                                                
Figure 245953DEST_PATH_IMAGE001
经过模糊后处理的置换篡改图像
Figure 352974DEST_PATH_IMAGE002
进行再次高斯模糊操作，得到模糊图像
Figure 132711DEST_PATH_IMAGE003
，其中
Figure 465603DEST_PATH_IMAGE004
，
Figure 279975DEST_PATH_IMAGE005
；
b.将篡改图像
Figure 289389DEST_PATH_IMAGE002
和模糊图像分别进行大小为
Figure 693005DEST_PATH_IMAGE006
不相重叠的子块划分，得到子块
Figure 361884DEST_PATH_IMAGE007
和
Figure 542198DEST_PATH_IMAGE008
，其中
Figure 296528DEST_PATH_IMAGE009
，
Figure 971223DEST_PATH_IMAGE010
；
c.对对应位置的子块、
Figure 924452DEST_PATH_IMAGE008
分别求频域系数对数变换的绝对值，得到
Figure 353028DEST_PATH_IMAGE011
、
Figure 628152DEST_PATH_IMAGE012
；
d.计算
Figure 271623DEST_PATH_IMAGE011
与
Figure 544472DEST_PATH_IMAGE012
的相关性大小
Figure 273394DEST_PATH_IMAGE013
，而两矩阵相关性可引入公式(1)进行描述：
Figure 530370DEST_PATH_IMAGE014
    (1)
这里，
Figure 28347DEST_PATH_IMAGE015
和
Figure 799994DEST_PATH_IMAGE016
表示
Figure 688316DEST_PATH_IMAGE011
和
Figure 570821DEST_PATH_IMAGE012
的对应元素点，
Figure 923305DEST_PATH_IMAGE017
、
Figure 52804DEST_PATH_IMAGE018
为、
Figure 849039DEST_PATH_IMAGE012
的均值，其中，，；
d.重复
Figure 547239DEST_PATH_IMAGE021
步，完成所有对应子块相关系数的计算，构造特征空间
Figure 771547DEST_PATH_IMAGE022
；
e.在特征空间中，利用模糊区域具有再次模糊的不敏感性，取
Figure 833044DEST_PATH_IMAGE022
与预设阈值
Figure 55078DEST_PATH_IMAGE023
相比较，认为
Figure 467605DEST_PATH_IMAGE022
较大对应的区域为模糊区域；
f.根据相关系数
Figure 682554DEST_PATH_IMAGE022
的可分性完成了模糊区域和未模糊区域的分类，进而实现了置换篡改区域的检测与定位。
2.根据权利要求1所述的一种经过模糊后处理的置换篡改图像盲检测方法，上述步骤(3)中求频域系数对数变换的绝对值的具体步骤如下：
将对应位置的子块
Figure 864137DEST_PATH_IMAGE007
、
Figure 53810DEST_PATH_IMAGE008
代入公式（2）、（3）求频域变换
Figure 891316DEST_PATH_IMAGE024
  （2）
（3）
得到频域系数
Figure 948975DEST_PATH_IMAGE026
、
Figure 309549DEST_PATH_IMAGE027
，其中，
Figure 696668DEST_PATH_IMAGE028
、
Figure 4153DEST_PATH_IMAGE029
；
分别对频域变换系数
Figure 894749DEST_PATH_IMAGE026
、
Figure 878754DEST_PATH_IMAGE027
求绝对值，得到
Figure 487590DEST_PATH_IMAGE030
、
Figure 661082DEST_PATH_IMAGE031
；
对得到的
Figure 796397DEST_PATH_IMAGE030
、
Figure 764353DEST_PATH_IMAGE031
作自然对数变换，得到
Figure 860485DEST_PATH_IMAGE032
、
Figure 509773DEST_PATH_IMAGE033
；
分别对
Figure 374960DEST_PATH_IMAGE034
、
Figure 513818DEST_PATH_IMAGE035
求绝对值，得到
Figure 284196DEST_PATH_IMAGE011
、。
CN 201010561393 2010-11-27 2010-11-27 一种经过模糊后处理的置换篡改图像盲检测方法 Pending CN102013101A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201010561393 CN102013101A (zh) 2010-11-27 2010-11-27 一种经过模糊后处理的置换篡改图像盲检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201010561393 CN102013101A (zh) 2010-11-27 2010-11-27 一种经过模糊后处理的置换篡改图像盲检测方法

Publications (1)

Publication Number Publication Date
CN102013101A true CN102013101A (zh) 2011-04-13

Family

ID=43843265

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201010561393 Pending CN102013101A (zh) 2010-11-27 2010-11-27 一种经过模糊后处理的置换篡改图像盲检测方法

Country Status (1)

Country Link
CN (1) CN102013101A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102567987A (zh) * 2011-11-28 2012-07-11 贵州大学 图像合成篡改中人工模糊操作痕迹的检测方法
CN102592151A (zh) * 2012-01-13 2012-07-18 中山大学 一种数字图像中值滤波的盲检测方法
CN103208100A (zh) * 2013-03-19 2013-07-17 南京工业大学 基于模糊不变形黎曼测度的模糊润饰图像模糊核反演方法
CN104424641A (zh) * 2013-09-07 2015-03-18 无锡华御信息技术有限公司 一种关于图像模糊篡改检测的方法
CN106097379A (zh) * 2016-07-22 2016-11-09 宁波大学 一种使用自适应阈值的图像篡改检测与定位方法
CN106228557A (zh) * 2016-07-26 2016-12-14 浙江捷尚视觉科技股份有限公司 基于二次jpeg压缩的图像篡改区域检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1525387A (zh) * 2003-01-30 2004-09-01 ���ǵ�����ʽ���� 检测图像模糊性的设备和方法
CN1900970A (zh) * 2006-07-20 2007-01-24 中山大学 一种鲁棒的图像区域复制篡改检测方法
CN1979558A (zh) * 2005-11-30 2007-06-13 中国科学院半导体研究所 一种基于高维空间点分布分析法的图像复原方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1525387A (zh) * 2003-01-30 2004-09-01 ���ǵ�����ʽ���� 检测图像模糊性的设备和方法
CN1979558A (zh) * 2005-11-30 2007-06-13 中国科学院半导体研究所 一种基于高维空间点分布分析法的图像复原方法
CN1900970A (zh) * 2006-07-20 2007-01-24 中山大学 一种鲁棒的图像区域复制篡改检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《光学精密工程》 20070615 周曲，等 相关系数分析在模糊图像参数识别中的应用 第15卷, 第06期 2 *
《高技术通讯》 20090725 王睿，等 一种图像局部模糊检测方法及其在被动图像认证中的应用 第19卷, 第07期 2 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102567987A (zh) * 2011-11-28 2012-07-11 贵州大学 图像合成篡改中人工模糊操作痕迹的检测方法
CN102592151A (zh) * 2012-01-13 2012-07-18 中山大学 一种数字图像中值滤波的盲检测方法
CN102592151B (zh) * 2012-01-13 2014-08-06 中山大学 一种数字图像中值滤波的盲检测方法
CN103208100A (zh) * 2013-03-19 2013-07-17 南京工业大学 基于模糊不变形黎曼测度的模糊润饰图像模糊核反演方法
CN103208100B (zh) * 2013-03-19 2014-08-20 南京工业大学 基于模糊不变形黎曼测度的模糊润饰图像模糊核反演方法
CN104424641A (zh) * 2013-09-07 2015-03-18 无锡华御信息技术有限公司 一种关于图像模糊篡改检测的方法
CN106097379A (zh) * 2016-07-22 2016-11-09 宁波大学 一种使用自适应阈值的图像篡改检测与定位方法
CN106097379B (zh) * 2016-07-22 2018-11-09 宁波大学 一种使用自适应阈值的图像篡改检测与定位方法
CN106228557A (zh) * 2016-07-26 2016-12-14 浙江捷尚视觉科技股份有限公司 基于二次jpeg压缩的图像篡改区域检测方法
CN106228557B (zh) * 2016-07-26 2018-11-02 浙江捷尚视觉科技股份有限公司 基于二次jpeg压缩的图像篡改区域检测方法

Similar Documents

Publication Publication Date Title
Chen et al. Visual depth guided color image rain streaks removal using sparse coding
Kang et al. Automatic single-image-based rain streaks removal via image decomposition
Huang et al. An efficient visibility enhancement algorithm for road scenes captured by intelligent transportation systems
CN104933721B (zh) 基于颜色滤波阵列特性的拼接图像篡改检测方法
Richao et al. Detection of object-based manipulation by the statistical features of object contour
CN109447073B (zh) 一种基于张量鲁棒主成分分析的红外弱小目标检测方法
Derpanis et al. Classification of traffic video based on a spatiotemporal orientation analysis
CN102013101A (zh) 一种经过模糊后处理的置换篡改图像盲检测方法
Park et al. Single image haze removal with WLS-based edge-preserving smoothing filter
US7561732B1 (en) Method and apparatus for three-dimensional shape estimation using constrained disparity propagation
CN104408728A (zh) 一种基于噪声估计的伪造图像检测方法
CN102231844B (zh) 基于结构相似度和人眼视觉的视频图像融合性能评价方法
CN114782298B (zh) 一种具有区域注意力的红外与可见光图像融合方法
Mursi et al. An improved SIFT-PCA-based copy-move image forgery detection method
Chen et al. Visual depth guided image rain streaks removal via sparse coding
Bahrami et al. Splicing detection in out-of-focus blurred images
CN104376311A (zh) 一种基于核贝叶斯压缩感知的人脸识别方法
CN112489073B (zh) 基于帧间高级特征差分的零样本视频前景分割方法
CN106023184A (zh) 一种基于各向异性中心环绕差异的深度显著性检测方法
Wang et al. Saliency detection using mutual consistency-guided spatial cues combination
CN102968793B (zh) 基于dct域统计特性的自然图像与计算机生成图像的鉴别方法
CN112668532A (zh) 基于多阶段混合注意网络的人群计数方法
CN112149596A (zh) 一种异常行为检测方法、终端设备及存储介质
CN109871779B (zh) 掌纹识别的方法及电子设备
CN101600115A (zh) 一种剔除图像稳像系统周期性特征块的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20110413