CN104102861A - 一种基于文件头和压缩参数的jpeg图片原始性检测方法 - Google Patents

一种基于文件头和压缩参数的jpeg图片原始性检测方法 Download PDF

Info

Publication number
CN104102861A
CN104102861A CN201410340251.4A CN201410340251A CN104102861A CN 104102861 A CN104102861 A CN 104102861A CN 201410340251 A CN201410340251 A CN 201410340251A CN 104102861 A CN104102861 A CN 104102861A
Authority
CN
China
Prior art keywords
jpeg
eigenwert
extract
picture
primitiveness
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
CN201410340251.4A
Other languages
English (en)
Inventor
陈超
黄继武
骆伟祺
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.)
Shenzhen University
Sun Yat Sen University
Original Assignee
Shenzhen University
Sun Yat Sen University
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 Shenzhen University, Sun Yat Sen University filed Critical Shenzhen University
Priority to CN201410340251.4A priority Critical patent/CN104102861A/zh
Publication of CN104102861A publication Critical patent/CN104102861A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
    • G06F21/16—Program or content traceability, e.g. by watermarking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Technology Law (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)

Abstract

本发明公开一种基于文件头和压缩参数的JPEG图片原始性鉴别方法，其包括以下步骤：从待检测的图片的文件头和压缩参数中提取N维特征，N为正整数，并根据各特征的属性设置其特征值为A或B；构建决策模型：统计N维特征中A或B出现的个数并设置一个阈值T，T为自然数，如果A的个数大于阈值T，则图片非原始图片，否则图片为原始图片；依据决策模型对待检测的图片做检测判断。本发明适用于多媒体取证中的JPEG图片原始性鉴别，具有简单有效、检测准确率高的优点。

Description

一种基于文件头和压缩参数的JPEG图片原始性检测方法
技术领域
本发明涉及多媒体内容取证领域，更具体地，涉及一种基于文件头和压缩参数的JPEG图片原始性检测方法。
背景技术
随着数字图像处理技术的快速发展，借助专业的图像编辑软件例如Photoshop、ACDsee、GIMP和美图秀秀等，即使普通用户也能篡改数字图像而不留下明显的视觉痕迹，这使得数字图像的真实性不断受到质疑，颠覆了人们“眼见为实”的传统观念。近年来，数字图像的篡改已经影响到政治、法律、传媒等方方面面，因此图像认证技术变得十分重要。
图像认证技术可分为主动认证和被动认证两类。典型的主动认证技术包括数字水印和数字签名。这两种方法都需要事先对图片附加额外的信息，认证时从图片中提取相应信息，然后与事先附加信息进行匹配判别。而在实际的应用中，更多的情况下我们不可能获得有效的附加信息，因此主动认证方法有很大局限性。这种情况下，就需要借助于被动式的认证技术。图像被动认证技术不需要任何附加的信息，而是利用和分析图像的一些内在特征，来达到认证的目的。
针对JPEG图像的原始性的被动取证算法主要分为两部分：基于信号处理的方式和基于文件头和码流的方式。由于JPEG有损压缩模式中存在编解码的取整和截断误差，大多数基于信号处理方式的算法涉及统计相关性，但是这类算法有一个较强假设前提，即事先假设有或者没有某种方式的篡改，例如判别有没有粘贴-复制操作，因此实际应用中当需要判别一种未知的篡改种类的图片时，往往会出现误判；又由于JPEG特殊的编码格式，其文件头和码流结构在图像篡改前后会出现较大的差异，因此基于文件头信息的被动取证也涌现出来，但是此类算法不仅需要庞大的数据库支撑，而且鲁棒性较差，不能抵抗反取证操作。
因此，从实际应用角度出发，亟需一种准确率较高、鲁棒性较高、不需要庞大数据库支持的被动取证算法。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷(不足)，提供一种高效并且简单的基于文件头和压缩参数的JPEG图片原始性检测方法。
为解决上述技术问题，本发明的技术方案如下：
当原始JPEG图片经过图像编辑软件重新压缩，会在JPEG文件头、全图的JPEG的压缩参数和缩略图的JPEG压缩参数上留下痕迹，本发明提出一种基于文件头和压缩参数的JPEG图片原始性检测方法，包括以下步骤：
S1：从待检测的图片的文件头和压缩参数中提取N维特征，N为正整数，并根据各特征的属性设置其特征值为A或B；
S2：构建决策模型：统计N维特征中A或B出现的个数并设置一个阈值T，T为自然数，如果A或B的个数大于阈值T，则图片非原始图片，否则图片为原始图片；
S3：依据决策模型对待检测的图片做检测判断。
由于实验样本不可能覆盖所有型号的数码相机，所以考虑到误检，可以通过阈值T进行控制。
在一种优选的方案中，所述N＝13，T＝0，即只要13维特征中有一项或一项以上的特征值为0，则判断该图片非原始图片。
在一种优选的方案中，所述A＝0，B＝1，N维特征及其特征值的设置方法为：
从文件头的EXIF信息提取特征：
(1)比较文件头EXIF信息里的“DateTime”属性值与“DateTimeDigitized”属性值，若两个属性值不为空且不同，则特征值为0，否则为1；
(2)提取文件头EXIF信息里的“Software”属性值，如果属性值里含有图像编辑软件的信息，则特征值为0，否则为1；
(3)判断文件头里是否有“App0”标记位，如果有则特征值为0，否则为1；
根据全图的JPEG压缩参数提取特征：
(4)提取全图的JPEG的量化表，如果与第一图像处理软件固有的全图量化表相同，则特征值为0，否则为1；
(5)提取全图的量化表标记位“FFDB”的个数，如果个数等于1，则特征值为1，否则为0；
(6)提取全图的哈夫曼表，如果和JPEG编码的默认哈夫曼表相同，则特征值为1，否则为0；
(7)提取全图的JPEG的哈夫曼表标记位“FFC4”的个数，如果个数等于1，则特征值为1，否则为0；
(8)提取全图的YCbCr采样率，如果是2×2或者是2×1，则特征值为1，否则为0；
根据缩略图的JPEG压缩参数提取特征：
(9)提取缩略图的JPEG的量化表，如果与第二图像处理软件固有的缩略图量化表相同，则特征值为0，否则为1，
(10)提取缩略图中量化表标记位“FFDB”的个数，如果个数等于1，则特征值为1，否则为0；
(11)提取缩略图的哈夫曼表，如果和JPEG编码的默认哈夫曼表相同，则特征为1，否则为0；
(12)提取缩略图的JPEG的哈夫曼表标记位“FFC4”的个数，如果个数等于1，则特征值为1，否则为0；
(13)提取缩略图的YCbCr采样率，如果是2×1，则特征值为1，否则为0。
由于第一图像处理软件固有的全图量化表，所以对应维的特征可以用来检测图像是否被第一图像处理软件编辑过。同理，因为第二图像处理软件固有的的缩略图的量化表，所以对应维的特征可以用来检测图像是否被第二图像处理软件编辑过。
在一种优选的方案中，所述第一图像处理软件为Photoshop，第二处理软件为Photoshop或ACDsee。因为Photoshop才有其固有的全图量化表，所以对应的这维特征是用来排除Photoshop，同理，因为Photoshop和ACDsee才有其固有的缩略图的量化表，所以对应的这维特征是用来排除Photoshop和ACDsee的。
与现有技术相比，本发明技术方案的有益效果包括：
本发明从JPEG压缩和编码的根源出发，统计原始JPEG图片和经过软件压缩后的JPEG的多种区别，因此本发明具有较高的准确率和鲁棒性，不需要庞大数据库支持等优点。本发明的决策模型，通过将N维特征中0出现的个数与预设的阈值T比较，得到决策结果，因此可以根据检测样本的不同设置不同的阀值T，从而提高了检测的准确率；本发明的检测过程，只需要从头文件、全图以及缩略图中提取N维特征并设置其特征值，即可根据决策模型进行判断，因此简便方法较现有技术更为简便。
附图说明
图1为JPEG图片篡改的一般过程。
图2为本发明图片原始性鉴别的流程。
具体实施方式
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
当原始JPEG图片经过图像编辑软件重新压缩，会在JPEG文件头、全图的JPEG的压缩参数和缩略图的JPEG压缩参数上留下痕迹，如图2所示，本发明提出一种基于文件头和压缩参数的JPEG图片原始性鉴别方法，包括以下步骤：
S1：从待检测的图片的文件头和压缩参数中提取13维特征，并根据各特征的属性设置其特征值为0或1；
S2：构建决策模型：统计N维特征中0出现的个数并设置一个阈值T，T为自然数，如果A的个数大于阈值T，则图片非原始图片，否则图片为原始图片；
S3：依据决策模型对待检测的图片做检测判断。
因为由于实验样本不可能覆盖所有型号的数码相机，所以考虑到误检，可以通过阈值T进行控制。在具体实施过程，设置T＝0，即只要13维特征中有一项或一项以上的特征值为0，则判断该图片非原始图片。
在具体实施过程中，所述13维特征及其特征值的设置方法为：
从文件头的EXIF信息提取特征：
(1)比较文件头EXIF信息里的“DateTime”属性值与“DateTimeDigitized”属性值，若两个属性值不为空且不同，则特征值为0，否则为1；
(2)提取文件头EXIF信息里的“Software”属性值，如果属性值里含有如果属性值里含有图像编辑软件的信息，如“Photoshop”、“ACD Systems”、“GIMP”、“meitu”，则特征值为0，否则为1；
(3)判断文件头里是否有“App0”标记位，如果有则特征值为0，否则为1；
根据全图的JPEG压缩参数提取特征：
(4)提取全图的JPEG的量化表，如果与Photoshop软件固有的全图量化表相同，则特征值为0，否则为1；
(5)提取全图的量化表标记位“FFDB”的个数，如果个数等于1，则特征值为1，否则为0；
(6)提取全图的哈夫曼表，如果和JPEG编码的默认哈夫曼表相同，则特征值为1，否则为0；
(7)提取全图的JPEG的哈夫曼表标记位“FFC4”的个数，如果个数等于1，则特征值为1，否则为0；
(8)提取全图的YCbCr采样率，如果是2×2或者是2×1，则特征值为1，否则为0；
根据缩略图的JPEG压缩参数提取特征：
(9)提取缩略图的JPEG的量化表，如果与Photoshop或ACDsee软件固有的缩略图量化表相同，则特征值为0，否则为1，
(10)提取缩略图中量化表标记位“FFDB”的个数，如果个数等于1，则特征值为1，否则为0；
(11)提取缩略图的哈夫曼表，如果和JPEG编码的默认哈夫曼表相同，则特征为1，否则为0；
(12)提取缩略图的JPEG的哈夫曼表标记位“FFC4”的个数，如果个数等于1，则特征值为1，否则为0；
(13)提取缩略图的YCbCr采样率，如果是2×1，则特征值为1，否则为0。
本发明方法的原理如下：
当原始JPEG图片按图1所示的过程经过图像编辑软件重新压缩，或多或少会在JPEG文件头、全图的JPEG压缩参数和缩略图的JPEG压缩参数上留下痕迹。故在本实施例中使用了13维特征，这些特征在不同的数码相机之间不存在差异性，而在数码相机和图像处理软件之间差异较大。
下面对13维特征分别做出解释：
“DateTime”属性值表示保存图片的时间，“DateTimeDigitized”属性值表示拍摄图片的时间。因此当JPEG是原始图片时，如果文件头里有这些属性值，这两个属性值是一样的；当JPEG被篡改后，“DateTime”的值是篡改后保存图片的时间，因此两个属性值就不一致。
“Software”属性值表示JPEG图片被哪一种软件保存。一些图片处理软件在篡改图片后，会将该属性值设置成自己的logo，例如软件名称Photoshop和美图秀秀等。
“App0”标记位，数码相机不使用这个标记位，而经过图像处理软件保存后，会有此标记位。
全图的JPEG的量化表，Photoshop使用其固有的，不同于目前所有相机的量化表，因此通过该特征，可以判别是否经过Photoshop处理。
全图的量化表标记位的个数，数码相机使用1个标记位，而图像处理软件，例如Picasa，GIMP使用多个标记位。
全图的哈夫曼表，数码相机采用和Independent JPEG Group所发布的JPEG程序中默认的哈夫曼表，而图像处理软件可以使用最优哈夫曼表等。
全图的哈夫曼表标记位的个数，数码相机使用1个标记位，而图像处理软件，例如Picasa，GIMP使用4个标记位。
全图的YCbCr采样率，数码相机一般采用2×2和2×1的形式，图像软件有可能采用其他形式，例如美图秀秀和Photoshop通常采用1×1。
缩略图的量化表，Photoshop和ACDSee使用不同于相机的量化表，因此通过该特征，可以判别是否经过Photoshop和ACDSee处理。
缩略图的量化表标记位的个数，数码相机使用1个标记位，而图像处理软件，例如Picasa，GIMP使用多个标记位。
缩略图的哈夫曼表，数码相机采用和Independent JPEG Group所发布的JPEG程序中默认的哈夫曼表，而Photoshop使用其固有的表。
缩略图的哈夫曼表标记位的个数，数码相机使用1个标记位，而图像处理软件，例如Picasa，GIMP等使用4个标记位。
缩略图的YCbCr采样率，相机采用2×1，经过有些图像处理软件，例如Photoshop采用2×2。
采用本发明的实验及其结果：
(1)同库实验
①选取正样本：选取2600张原始JPEG图片，来源于26种不同型号的数码照相机，相机型号如表1所示。
表1
②构造负样本：对原始JPEG分别用表2所列举的7中不同图像处理软件重新保存成JPEG格式；从所有软件处理后的图片中，随机选择2600张。
表2
③选取一半的正样本和负样本用于训练，另一半用于测试。根据训练数据，在本实施例中提出了以上决策模型，用该决策模型进行测试，给出分类结果。实验结果的准确率为100％。
(2)跨库实验
为了验证本发明的扩展性和鲁棒性，选择了31种不同于训练集的相机，相机型号如表3所示，得到1500张原始的JPEG和1500张经过上述7种软件压缩后的JPEG，运用上述决策模型进行检测，实验结果的准确率为100％。
表3
以上两种实验的实验结果充分说明本发明对于鉴定JPEG图片是否是原始的还是经过图像处理软件保存而来，有着较高的准确率和鲁棒性，对于打击恶意篡改行为有着重要价值。
本发明从JPEG压缩和编码的根源出发，统计原始JPEG图片和经过软件压缩后的JPEG的多种区别，因此本发明具有较高准确率和鲁棒性，不需要庞大数据库支持等优点。本发明的检测过程，只需要从头文件、全图以及缩略图中提取13维特征并设置其特征值，即可根据决策模型进行判断，因此简便方法较现有技术更为简便；本发明的决策模型，通过将13维特征中0出现的个数与预设的阈值T比较，得到决策结果，因此可以根据检测样本的不同设置不同的阀值T，从而提高了检测的准确率。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (4)

1.一种基于文件头和压缩参数的JPEG图片原始性检测方法，其特征在于，包括以下步骤：
S1：从待检测的图片的文件头和压缩参数中提取N维特征，N为正整数，并根据各特征的属性设置其特征值为A或B；
S2：构建决策模型：统计N维特征中A或B出现的个数并设置一个阈值T，T为自然数，如果A的个数大于阈值T，则图片非原始图片，否则图片为原始图片；
S3：依据决策模型对待检测的图片做检测判断。
2.根据权利要求1所述的基于文件头和压缩参数的JPEG图片原始性检测方法，其特征在于，所述N＝13，T＝0。
3.根据权利要求2所述的基于文件头和压缩参数的JPEG图片原始性检测方法，其特征在于，所述A＝0，B＝1，N维特征及其特征值的设置方法为：
(1)比较文件头EXIF信息里的“DateTime”属性值与“DateTimeDigitized”属性值，若两个属性值不为空且不同，则特征值为0，否则为1；
(2)提取文件头EXIF信息里的“Software”属性值，如果属性值里含有图像编辑软件的信息，则特征值为0，否则为1；
(3)判断文件头里是否有“App0”标记位，如果有则特征值为0，否则为1；
(4)提取全图的JPEG的量化表，如果与第一图像处理软件固有的全图量化表相同，则特征值为0，否则为1；
(5)提取全图的量化表标记位“FFDB”的个数，如果个数等于1，则特征值为1，否则为0；
(6)提取全图的哈夫曼表，如果和JPEG编码的默认哈夫曼表相同，则特征值为1，否则为0；
(7)提取全图的JPEG的哈夫曼表标记位“FFC4”的个数，如果个数等于1，则特征值为1，否则为0；
(8)提取全图的YCbCr采样率，如果是2×2或者是2×1，则特征值为1，否则为0；
(9)提取缩略图的JPEG的量化表，如果与第二图像处理软件固有的缩略图量化表相同，则特征值为0，否则为1；
(10)提取缩略图中量化表标记位“FFDB”的个数，如果个数等于1，则特征值为1，否则为0；
(11)提取缩略图的哈夫曼表，如果和JPEG编码的默认哈夫曼表相同，则特征为1，否则为0；
(12)提取缩略图的JPEG的哈夫曼表标记位“FFC4”的个数，如果个数等于1，则特征值为1，否则为0；
(13)提取缩略图的YCbCr采样率，如果是2×1，则特征值为1，否则为0。
4.根据权利要求3所述的基于文件头和压缩参数的JPEG图片原始性检测方法，其特征在于，所述第一图像处理软件为Photoshop，第二处理软件为Photoshop或ACDsee。
CN201410340251.4A 2014-07-16 2014-07-16 一种基于文件头和压缩参数的jpeg图片原始性检测方法 Pending CN104102861A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410340251.4A CN104102861A (zh) 2014-07-16 2014-07-16 一种基于文件头和压缩参数的jpeg图片原始性检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410340251.4A CN104102861A (zh) 2014-07-16 2014-07-16 一种基于文件头和压缩参数的jpeg图片原始性检测方法

Publications (1)

Publication Number Publication Date
CN104102861A true CN104102861A (zh) 2014-10-15

Family

ID=51671005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410340251.4A Pending CN104102861A (zh) 2014-07-16 2014-07-16 一种基于文件头和压缩参数的jpeg图片原始性检测方法

Country Status (1)

Country Link
CN (1) CN104102861A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107193838A (zh) * 2016-03-15 2017-09-22 四川效率源信息安全技术股份有限公司 一种自动化检验jpeg图片是否正常的方法
CN110929110A (zh) * 2019-11-13 2020-03-27 北京北信源软件股份有限公司 一种电子文档检测方法、装置、设备及存储介质
CN111325113A (zh) * 2020-02-03 2020-06-23 支付宝(杭州)信息技术有限公司 图像检测方法、装置、设备及介质
CN113421232A (zh) * 2021-06-09 2021-09-21 南京苏宁软件技术有限公司 图片防篡改方法、装置、计算机设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101222568A (zh) * 2007-12-11 2008-07-16 江苏科技大学 基于多元信息嵌入的图像采集器及多元信息采集方法
CN101894238A (zh) * 2010-08-09 2010-11-24 中国人民解放军海军工程大学 基于双重认证的word文档电子印章系统及方法
CN102542037A (zh) * 2011-12-26 2012-07-04 广州商景网络科技有限公司 一种证照原图鉴别方法及系统
CN102957906A (zh) * 2011-08-29 2013-03-06 广州九游信息技术有限公司 图像分类压缩方法和系统
CN103839083A (zh) * 2014-02-25 2014-06-04 中山大学 一种jpeg图片量化表篡改的检测方法
CN103914655A (zh) * 2014-03-17 2014-07-09 北京奇虎科技有限公司 一种检测下载文件安全性的方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101222568A (zh) * 2007-12-11 2008-07-16 江苏科技大学 基于多元信息嵌入的图像采集器及多元信息采集方法
CN101894238A (zh) * 2010-08-09 2010-11-24 中国人民解放军海军工程大学 基于双重认证的word文档电子印章系统及方法
CN102957906A (zh) * 2011-08-29 2013-03-06 广州九游信息技术有限公司 图像分类压缩方法和系统
CN102542037A (zh) * 2011-12-26 2012-07-04 广州商景网络科技有限公司 一种证照原图鉴别方法及系统
CN103839083A (zh) * 2014-02-25 2014-06-04 中山大学 一种jpeg图片量化表篡改的检测方法
CN103914655A (zh) * 2014-03-17 2014-07-09 北京奇虎科技有限公司 一种检测下载文件安全性的方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107193838A (zh) * 2016-03-15 2017-09-22 四川效率源信息安全技术股份有限公司 一种自动化检验jpeg图片是否正常的方法
CN110929110A (zh) * 2019-11-13 2020-03-27 北京北信源软件股份有限公司 一种电子文档检测方法、装置、设备及存储介质
CN111325113A (zh) * 2020-02-03 2020-06-23 支付宝(杭州)信息技术有限公司 图像检测方法、装置、设备及介质
CN113421232A (zh) * 2021-06-09 2021-09-21 南京苏宁软件技术有限公司 图片防篡改方法、装置、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
Cao et al. Contrast enhancement-based forensics in digital images
Kang et al. Copy-move forgery detection in digital image
CN103914839B (zh) 一种基于隐写分析的图像拼接篡改检测方法及装置
Kang et al. Identifying tampered regions using singular value decomposition in digital image forensics
CN105657547B (zh) 一种相似视频和盗版视频的检测方法及装置
CN104598933A (zh) 一种基于多特征融合的图像翻拍检测方法
CN106060568B (zh) 一种视频篡改检测及定位方法
CN103067713B (zh) 一种位图jpeg压缩检测的方法及系统
López et al. Digital video source identification based on container’s structure analysis
CN104102861A (zh) 一种基于文件头和压缩参数的jpeg图片原始性检测方法
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
CN108650491A (zh) 一种面向监控系统的视频水印检测方法
CN103561271A (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
CN103839083A (zh) 一种jpeg图片量化表篡改的检测方法
Roy et al. New tampered features for scene and caption text classification in video frame
Cattaneo et al. A possible pitfall in the experimental analysis of tampering detection algorithms
CN103985078A (zh) 一种抗打印扫描图文混合的数字水印嵌入与提取方法
Bakas et al. Mpeg double compression based intra-frame video forgery detection using cnn
Tan et al. Detecting computer generated images based on local ternary count
CN113569719B (zh) 视频侵权判定方法、装置、存储介质及电子设备
Li et al. Distinguishing computer graphics from photographic images using a multiresolution approach based on local binary patterns
Cattaneo et al. Experimental evaluation of an algorithm for the detection of tampered JPEG images
Zhao et al. Source camera identification based on coupling coding and adaptive filter
CN103533377A (zh) 一种基于h.264/avc视频的删帧篡改检测方法
Sharma et al. A review of passive forensic techniques for detection of copy-move attacks on digital videos

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20141015