CN104616297A - 一种用于图像篡改取证的改进型sift算法 - Google Patents
一种用于图像篡改取证的改进型sift算法 Download PDFInfo
- Publication number
- CN104616297A CN104616297A CN201510037260.0A CN201510037260A CN104616297A CN 104616297 A CN104616297 A CN 104616297A CN 201510037260 A CN201510037260 A CN 201510037260A CN 104616297 A CN104616297 A CN 104616297A
- Authority
- CN
- China
- Prior art keywords
- image
- point
- unique point
- vector
- proper vector
- 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
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明的用于图像篡改取证的改进型SIFT算法,包括a).图像尺度空间的建立;b).特征点的定位;c).形成特征点的特征向量;d).特征向量的归一化处理;e).特征向量的序列化;f).篡改操作的判断;g).判断特征向量集的数目;h).平分特征向量集;i).匹配运算;j).反白标出。本发明的用于图像篡改取证的改进型SIFT算法,以特征点为中心、4 为半径的圆形窗口分为两个同心圆环,在中心圆和外围圆环内分别生成12维向量,以形成特征点24个方向的特征向量,改变了以往采用128维向量的形式,大大降低了向量匹配计算的计算量,使得特征向量的匹配计算效率更高,适于大量图片的篡改检测。
Description
技术领域
本发明涉及一种用于图像篡改取证的改进型SIFT算法,更具体的说,尤其涉及一种利用中心圆和外围圆环所形成的24维向量代替现有的128维向量以降低匹配运算耗时的用于图像篡改取证的改进型SIFT算法。
背景技术
SIFT(Scale Invariant Feature Transform)算法是David G Lowe于2004年提出的一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变的图像局部特征描述算子。SIFT特征匹配算法具有尺度不变特征变换特性,可以处理两幅图像之间发生的平移、旋转、仿射变换情况下的匹配问题,具有很强的匹配能力,SIFT及其扩展算法在同类描述子中具有最强的稳健性,当时主要用于图像识别、图像检索和图像匹配。
SIFT算法是基于图像的特征尺度的概念,通过与各个不同尺度中的特征点比较找出极值点,然后去除低对比度的点和边缘响应点并提取旋转不变特征描述符进行匹配的。第一阶段:SIFT特征的生成,即从多幅图像中提取对尺度缩放、旋转、亮度变化无关的特征向量。第二阶段:SIFT特征向量的匹配。SIFT特征的生成一般包括以下几个步骤:1. 构建尺度空间,检测极值点,获得尺度不变性。2. 特征点过滤并进行精确定位。3. 为特征点分配方向值。4. 生成特征描述子。
由于SIFT算法具有最强的稳健性,可利用其图像匹配方法来识别同一幅图或不同图中相似的图像内容,来实现图像篡改的取证。如图1所示,给出了SIFT中DoG尺度空间的建立示意图,图2给出了每个特征点用128维向量来表示的原理图,由于采用128维的特征点描述算子,计算资源有60%~80%的时间花费在这128维特征向量的匹配上,使其计算效率十分低下,如果图像数量较大,则不能满足实时性要求。
发明内容
本发明为了克服上述技术问题的缺点,提供了一种有效降低了特征点匹配运算耗时的用于图像篡改取证的改进型SIFT算法。
本发明的用于图像篡改取证的改进型SIFT算法,a).图像尺度空间的建立,对于待检测的是否存在篡改的图像,根据公式(1)所示的DoG算子计算公式建立其高斯差分尺度空间,形成DoG尺度空间金字塔;
(1)
在待检测图像二维平面空间和DoG尺度空间中同时检测局部极值以作为特征点,以使特征点具备良好的独特性和稳定性;b).特征点的定位,DoG尺度空间金字塔中除了最底层和最顶层外,中间层中的每个像素点通过跟同一尺度的相邻8个像素点以及相邻尺度的9个相邻点共为26个相邻像素点进行比较,记录下所检测到的局部极大值点和局部极小值点的位置和相应的尺度;c).特征向量的生成,根据圆具有很好的旋转不变性,在图像发生旋转后,特征点周围的区域不会发生变化的特点,以步骤b)中获取的特征点为中心、以4为半径的圆形窗口分为两个同心圆环,然后在中心圆和外围圆环内均统计12个梯度方向,并分别通过公式(2)和公式(3)求出特征点特征向量的模和方向:
(2)
(3)
这样就形成了24个方向的特征向量;d).特征向量的归一化处理,设步骤c)中心圆生成的12维向量分别为,外围圆环生成的12维向量分别为;然后分别采用公式(4)和公式(5)分别对其进行归一化处理:
(4)
(5)
e).特征向量的序列化,对于求出的特征点的24维特征向量,按照最大向量在前、最小向量在后的前大后小顺序对其进行排序,以便在特征向量匹配时最大限度地保证旋转不变性;f).篡改操作的判断,设获取的待鉴定图像的特征点所对应的特征向量集为N个,按照步骤g)至j)判断同一幅图像中是否存在复制-粘贴的篡改操作;g).判断特征向量集的数目,判断当前剩余的特征向量数目N≥2是否成立,如果成立,则执行步骤h);如果不成立,则执行步骤j);h).平分特征向量集,从剩余的N个特征向量集中选取N/2个作为集合中的元素,另外N/2个特征向量集作为集合中的元素;i).匹配运算,将集合中的元素与集合中的元素进行匹配运算,并记录下匹配的特征点对,设该步骤中匹配特征点的数目为2m;将匹配特征点从N个特征向量中移除,当前剩余的特征向量数目N=N-2m;执行步骤g);j).反白标出,经过步骤g)至步骤j)的处理,即可获取图中所有的匹配特征点对,在图像中将匹配特征点对所在区域反白标出,反白标出的部分即为图像中存在复制-粘贴篡改操作的嫌疑区域。
本发明的用于图像篡改取证的改进型SIFT算法,步骤i)中所述的匹配运算中,对于集合中的某一个特征向量集,依次计算与集合中每个向量集的距离,如果最近距离除以次近距离小于设定的阈值,则判定特征向量集所对应的特征点与最近距离向量集所对应的特征点为一对匹配点。
本发明的用于图像篡改取证的改进型SIFT算法,步骤a)中所述的,,s为层坐标。
本发明的有益效果是:本发明的用于图像篡改取证的改进型SIFT算法,在特征点的特征向量集生成的过程中,以特征点为中心、4为半径的圆形窗口分为两个同心圆环,在中心圆和外围圆环内分别生成12维向量,以形成特征点24个方向的特征向量,改变了以往采用4像素×4像素小窗口计算8个方向共计128维向量的形式,大大降低了向量匹配计算的计算量,使得特征向量的匹配计算效率更高,适于大量图片的篡改检测。
在图像篡改检测的过程中,对获取的待鉴定图像的N个特征点的特征向量集,将其平分至向量集和中,依次对向量集与中的特征向量进行匹配检测,直至所有的特征向量集匹配检测完毕,可方便、有效地查找出同一幅图像中的匹配特征点对,最后通过将匹配特征点对对应的区域进行反白标出,即可将图像中存在复制-粘贴的区域直观、形象地显示出来。
附图说明
图1为DoG尺度空间建立的原理图;
图2为图像特征点的128维特征向量的建立原理图;
图3为本发明中利用以特征点为中心、4为半径的两个同心圆环建立特征点的24维特征向量的原理图;
图4为发明的用于图像篡改取证的改进型SIFT算法的流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
在绝大多处图像的篡改过程中,即使一幅图像中黏贴-复制有其它图像中的一部分,但为了掩盖篡改痕迹,通常会将图像中其它区域复制-黏贴到边缘区域,已达到复制部分与原图像的完美融合。如何有效、快速地将这种局部篡改图像检测出来,是识别伪图像的关键所在。
对于图像的SIFT算法,在图像发生平移、旋转的情况下仍能表现出优良的稳健性,因此可以采用SIFT算法来鉴别同一幅图像中是否存在复制-粘贴(如在Photoshop软件中复制-粘贴通常表现为仿制图章)区域。但现有的SIFT算法在特征点的匹配计算过程中,特征点的特征向量的维数为128个,使得特征点的匹配计算所处理的数据量十分庞大,耗时较多,不利于大量图像的快速鉴别。
如图4所示,给出了发明的用于图像篡改取证的改进型SIFT算法的流程图,其通过以下步骤来实现:
a).图像尺度空间的建立,对于待检测的是否存在篡改的图像,根据公式(1)所示的DoG算子计算公式建立其高斯差分尺度空间,形成DoG尺度空间金字塔;
(1)
在待检测图像二维平面空间和DoG尺度空间中同时检测局部极值以作为特征点,以使特征点具备良好的独特性和稳定性;
该步骤中,所述的,,s为层坐标。
b).特征点的定位,DoG尺度空间金字塔中除了最底层和最顶层外,中间层中的每个像素点通过跟同一尺度的相邻8个像素点以及相邻尺度的9个相邻点共为26个相邻像素点进行比较,记录下所检测到的局部极大值点和局部极小值点的位置和相应的尺度,局部极大值点和极小值点即为图像的特征点;
c).特征向量的生成,根据圆具有很好的旋转不变性,在图像发生旋转后,特征点周围的区域不会发生变化的特点,以步骤b)中获取的特征点为中心、以4为半径的圆形窗口分为两个同心圆环,然后在中心圆和外围圆环内均统计12个梯度方向,并分别通过公式(2)和公式(3)求出特征点特征向量的模和方向:
(2)
(3)
这样就形成了24个方向的特征向量;
如图3所示,给出了利用以特征点为中心、4为半径的两个同心圆环建立特征点的24维特征向量的原理图,在中心圆中建立了12维向量,在外围的圆环中建立了12维向量。
d).特征向量的归一化处理,设步骤c)中心圆生成的12维向量分别为,外围圆环生成的12维向量分别为;然后分别采用公式(4)和公式(5)分别对其进行归一化处理:
(4)
(5)
e).特征向量的序列化,对于求出的特征点的24维特征向量,按照最大向量在前、最小向量在后的前大后小顺序对其进行排序,以便在特征向量匹配时最大限度地保证旋转不变性;
f).篡改操作的判断,设获取的待鉴定图像的特征点所对应的特征向量集为N个,按照步骤g)至j)判断同一幅图像中是否存在复制-粘贴的篡改操作;
g).判断特征向量集的数目,判断当前剩余的特征向量数目N≥2是否成立,如果成立,则执行步骤h);如果不成立,则执行步骤j);
h).平分特征向量集,从剩余的N个特征向量集中选取N/2个作为集合中的元素,另外N/2个特征向量集作为集合中的元素;
i).匹配运算,将集合中的元素与集合中的元素进行匹配运算,并记录下匹配的特征点对,设该步骤中匹配特征点的数目为2m;将匹配特征点从N个特征向量中移除,当前剩余的特征向量数目N=N-2m;执行步骤g);
在该步骤中,所述的匹配运算,对于集合中的某一个特征向量集,依次计算与集合中每个向量集的距离,如果最近距离除以次近距离小于设定的阈值,则判定特征向量集所对应的特征点与最近距离向量集所对应的特征点为一对匹配点。
j).反白标出,经过步骤g)至步骤j)的处理,即可获取图中所有的匹配特征点对,在图像中将匹配特征点对所在区域反白标出,反白标出的部分即为图像中存在复制-粘贴篡改操作的嫌疑区域。
本发明的用于图像篡改取证的改进型SIFT算法,在特征点的特征向量集生成的过程中,以特征点为中心、4为半径的圆形窗口分为两个同心圆环,在中心圆和外围圆环内分别生成12维向量,以形成特征点24个方向的特征向量,改变了以往采用4像素×4像素小窗口计算8个方向共计128维向量的形式,大大降低了向量匹配计算的计算量,使得特征向量的匹配计算效率更高,适于大量图片的篡改检测。
Claims (3)
1.一种用于图像篡改取证的改进型SIFT算法,其特征在于,通过以下步骤来实现:
a).图像尺度空间的建立,对于待检测的是否存在篡改的图像,根据公式(1)所示的DoG算子计算公式建立其高斯差分尺度空间,形成DoG尺度空间金字塔;
(1)
在待检测图像二维平面空间和DoG尺度空间中同时检测局部极值以作为特征点,以使特征点具备良好的独特性和稳定性;
b).特征点的定位,DoG尺度空间金字塔中除了最底层和最顶层外,中间层中的每个像素点通过跟同一尺度的相邻8个像素点以及相邻尺度的9个相邻点共为26个相邻像素点进行比较,记录下所检测到的局部极大值点和局部极小值点的位置和相应的尺度,局部极大值点和极小值点即为图像的特征点;
c).特征向量的生成,根据圆具有很好的旋转不变性,在图像发生旋转后,特征点周围的区域不会发生变化的特点,以步骤b)中获取的特征点为中心、以4为半径的圆形窗口分为两个同心圆环,然后在中心圆和外围圆环内均统计12个梯度方向,并分别通过公式(2)和公式(3)求出特征点特征向量的模和方向:
(2)
(3)
这样就形成了24个方向的特征向量;
d).特征向量的归一化处理,设步骤c)中心圆生成的12维向量分别为,外围圆环生成的12维向量分别为;然后分别采用公式(4)和公式(5)分别对其进行归一化处理:
(4)
(5)
e).特征向量的序列化,对于求出的特征点的24维特征向量,按照最大向量在前、最小向量在后的前大后小顺序对其进行排序,以便在特征向量匹配时最大限度地保证旋转不变性;
f).篡改操作的判断,设获取的待鉴定图像的特征点所对应的特征向量集为N个,按照步骤g)至j)判断同一幅图像中是否存在复制-粘贴的篡改操作;
g).判断特征向量集的数目,判断当前剩余的特征向量数目N≥2是否成立,如果成立,则执行步骤h);如果不成立,则执行步骤j);
h).平分特征向量集,从剩余的N个特征向量集中选取N/2个作为集合中的元素,另外N/2个特征向量集作为集合中的元素;
i).匹配运算,将集合中的元素与集合中的元素进行匹配运算,并记录下匹配的特征点对,设该步骤中匹配特征点的数目为2m;将匹配特征点从N个特征向量中移除,当前剩余的特征向量数目N=N-2m;执行步骤g);
j).反白标出,经过步骤g)至步骤j)的处理,即可获取图中所有的匹配特征点对,在图像中将匹配特征点对所在区域反白标出,反白标出的部分即为图像中存在复制-粘贴篡改操作的嫌疑区域。
2.根据权利要求1所述的用于图像篡改取证的改进型SIFT算法,其特征在于:步骤i)中所述的匹配运算中,对于集合中的某一个特征向量集,依次计算与集合中每个向量集的距离,如果最近距离除以次近距离小于设定的阈值,则判定特征向量集所对应的特征点与最近距离向量集所对应的特征点为一对匹配点。
3.根据权利要求1或2所述的用于图像篡改取证的改进型SIFT算法,其特征在于:步骤a)中所述的,,s为层坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510037260.0A CN104616297A (zh) | 2015-01-26 | 2015-01-26 | 一种用于图像篡改取证的改进型sift算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510037260.0A CN104616297A (zh) | 2015-01-26 | 2015-01-26 | 一种用于图像篡改取证的改进型sift算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104616297A true CN104616297A (zh) | 2015-05-13 |
Family
ID=53150730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510037260.0A Pending CN104616297A (zh) | 2015-01-26 | 2015-01-26 | 一种用于图像篡改取证的改进型sift算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104616297A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427350A (zh) * | 2015-12-28 | 2016-03-23 | 辽宁师范大学 | 基于局部四元数指数矩的彩色图像复制篡改检测方法 |
CN106504237A (zh) * | 2016-09-30 | 2017-03-15 | 上海联影医疗科技有限公司 | 确定匹配点对的方法及图像获取方法 |
CN107025647A (zh) * | 2017-03-09 | 2017-08-08 | 中国科学院自动化研究所 | 图像篡改取证方法及装置 |
CN107038693A (zh) * | 2015-10-27 | 2017-08-11 | 富士通天株式会社 | 图像处理设备和图像处理方法 |
CN107392949A (zh) * | 2017-07-17 | 2017-11-24 | 湖南优象科技有限公司 | 基于局部不变特征的图像区域复制篡改检测方法 |
WO2018161298A1 (zh) * | 2017-03-09 | 2018-09-13 | 中国科学院自动化研究所 | 图像篡改取证方法及装置 |
CN109410115A (zh) * | 2018-10-31 | 2019-03-01 | 山东省计算中心(国家超级计算济南中心) | 基于sift特征点的自适应容量图像盲水印嵌入与提取方法 |
CN110147800A (zh) * | 2019-05-20 | 2019-08-20 | 哈尔滨工业大学 | 基于sift的图像复制粘贴篡改盲检方法 |
US10580135B2 (en) | 2016-07-14 | 2020-03-03 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for splicing images |
CN111008955A (zh) * | 2019-11-06 | 2020-04-14 | 重庆邮电大学 | 多尺度图像块匹配的快速复制粘贴篡改检测方法 |
CN112926617A (zh) * | 2019-12-06 | 2021-06-08 | 顺丰科技有限公司 | 包装变更检测方法、装置、云端计算机设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968777A (zh) * | 2012-11-20 | 2013-03-13 | 河海大学 | 一种基于重叠区域sift特征点的图像拼接方法 |
CN103077528A (zh) * | 2013-02-25 | 2013-05-01 | 南京大学 | 基于DCCD-Laplace和SIFT描述符的快速影像匹配方法 |
CN103136751A (zh) * | 2013-02-05 | 2013-06-05 | 电子科技大学 | 一种改进型sift图像特征匹配算法 |
US20130155058A1 (en) * | 2011-12-14 | 2013-06-20 | The Board Of Trustees Of The University Of Illinois | Four-dimensional augmented reality models for interactive visualization and automated construction progress monitoring |
EP2639762A1 (en) * | 2010-11-08 | 2013-09-18 | Nec Corporation | Image verification apparatus |
CN104182973A (zh) * | 2014-08-11 | 2014-12-03 | 福州大学 | 基于圆形描述算子csift的图像复制粘贴检测方法 |
-
2015
- 2015-01-26 CN CN201510037260.0A patent/CN104616297A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2639762A1 (en) * | 2010-11-08 | 2013-09-18 | Nec Corporation | Image verification apparatus |
US20130155058A1 (en) * | 2011-12-14 | 2013-06-20 | The Board Of Trustees Of The University Of Illinois | Four-dimensional augmented reality models for interactive visualization and automated construction progress monitoring |
CN102968777A (zh) * | 2012-11-20 | 2013-03-13 | 河海大学 | 一种基于重叠区域sift特征点的图像拼接方法 |
CN103136751A (zh) * | 2013-02-05 | 2013-06-05 | 电子科技大学 | 一种改进型sift图像特征匹配算法 |
CN103077528A (zh) * | 2013-02-25 | 2013-05-01 | 南京大学 | 基于DCCD-Laplace和SIFT描述符的快速影像匹配方法 |
CN104182973A (zh) * | 2014-08-11 | 2014-12-03 | 福州大学 | 基于圆形描述算子csift的图像复制粘贴检测方法 |
Non-Patent Citations (1)
Title |
---|
周琳娜等: ""基于SIFT圆形描述符算子的复制粘贴取证技术"", 《2011司法鉴定理论与实践研讨会论文集》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107038693A (zh) * | 2015-10-27 | 2017-08-11 | 富士通天株式会社 | 图像处理设备和图像处理方法 |
CN105427350B (zh) * | 2015-12-28 | 2018-12-07 | 辽宁师范大学 | 基于局部四元数指数矩的彩色图像复制篡改检测方法 |
CN105427350A (zh) * | 2015-12-28 | 2016-03-23 | 辽宁师范大学 | 基于局部四元数指数矩的彩色图像复制篡改检测方法 |
US11416993B2 (en) | 2016-07-14 | 2022-08-16 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for splicing images |
US10580135B2 (en) | 2016-07-14 | 2020-03-03 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for splicing images |
US11893738B2 (en) | 2016-07-14 | 2024-02-06 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for splicing images |
CN106504237A (zh) * | 2016-09-30 | 2017-03-15 | 上海联影医疗科技有限公司 | 确定匹配点对的方法及图像获取方法 |
CN107025647A (zh) * | 2017-03-09 | 2017-08-08 | 中国科学院自动化研究所 | 图像篡改取证方法及装置 |
WO2018161298A1 (zh) * | 2017-03-09 | 2018-09-13 | 中国科学院自动化研究所 | 图像篡改取证方法及装置 |
CN107025647B (zh) * | 2017-03-09 | 2020-02-28 | 中国科学院自动化研究所 | 图像篡改取证方法及装置 |
CN107392949A (zh) * | 2017-07-17 | 2017-11-24 | 湖南优象科技有限公司 | 基于局部不变特征的图像区域复制篡改检测方法 |
CN107392949B (zh) * | 2017-07-17 | 2019-11-05 | 湖南优象科技有限公司 | 基于局部不变特征的图像区域复制篡改检测方法及检测装置 |
CN109410115A (zh) * | 2018-10-31 | 2019-03-01 | 山东省计算中心(国家超级计算济南中心) | 基于sift特征点的自适应容量图像盲水印嵌入与提取方法 |
CN110147800A (zh) * | 2019-05-20 | 2019-08-20 | 哈尔滨工业大学 | 基于sift的图像复制粘贴篡改盲检方法 |
CN111008955A (zh) * | 2019-11-06 | 2020-04-14 | 重庆邮电大学 | 多尺度图像块匹配的快速复制粘贴篡改检测方法 |
CN112926617A (zh) * | 2019-12-06 | 2021-06-08 | 顺丰科技有限公司 | 包装变更检测方法、装置、云端计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104616297A (zh) | 一种用于图像篡改取证的改进型sift算法 | |
CN103400384A (zh) | 结合区域匹配和点匹配的大视角图像匹配方法 | |
CN106056122B (zh) | 一种基于kaze特征点的图像区域复制粘贴篡改检测方法 | |
CN103473551A (zh) | 基于sift算子的台标识别方法及系统 | |
CN104778701A (zh) | 一种基于rgb-d传感器的局部图像描述方法 | |
CN104182973A (zh) | 基于圆形描述算子csift的图像复制粘贴检测方法 | |
CN104240231A (zh) | 基于局部结构二进制模式的多源图像配准 | |
CN104050675B (zh) | 基于三角形描述的特征点匹配方法 | |
Chen et al. | Robust affine-invariant line matching for high resolution remote sensing images | |
Fan et al. | Registration of multiresolution remote sensing images based on L2-siamese model | |
CN102663733B (zh) | 基于特征组对的特征点匹配方法 | |
Yuan et al. | Combining maps and street level images for building height and facade estimation | |
CN104123554A (zh) | 基于mmtd的sift图像特征提取方法 | |
CN114331879A (zh) | 一种均衡化二阶梯度直方图描述子的可见光与红外图像配准方法 | |
CN103336964B (zh) | 一种基于模值差镜像不变性的sift图像匹配方法 | |
JP2003141546A (ja) | 画像処理方法 | |
CN105590086A (zh) | 一种基于视觉标签识别的物品防盗检测方法 | |
CN105631860A (zh) | 基于局部排序方向直方图描述子的图像同名点提取方法 | |
CN107993230A (zh) | 基于三角网格综合特征的图像篡改检测方法 | |
CN104143191A (zh) | 一种基于纹理元的遥感图像变化检测方法 | |
Soni et al. | Improved block-based technique using surf and fast keypoints matching for copy-move attack detection | |
Yuan et al. | Structure flow-guided network for real depth super-resolution | |
CN107229935B (zh) | 一种三角形特征的二进制描述方法 | |
CN105825504B (zh) | 一种基于mscr区域特征的图像复制检测方法 | |
CN111768368B (zh) | 一种基于最大稳定极值区域的图像区域复制篡改检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150513 |