CN104680515A - 一种图像真实性鉴定方法 - Google Patents
一种图像真实性鉴定方法 Download PDFInfo
- Publication number
- CN104680515A CN104680515A CN201410849757.8A CN201410849757A CN104680515A CN 104680515 A CN104680515 A CN 104680515A CN 201410849757 A CN201410849757 A CN 201410849757A CN 104680515 A CN104680515 A CN 104680515A
- Authority
- CN
- China
- Prior art keywords
- image
- detection
- window
- threshold value
- detect
- 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
本发明公开了一种图像真实性鉴定方法，包括：步骤1：对待检测图像进行计算机生成特征检测；步骤2：对通过计算机生成特征检测的图像进行色彩插值滤波器检测，若检测大于阈值，则判定图像为非真实图像，若检测小于通行阈值，则执行步骤3；步骤3：对通过色彩插值滤波器检测的图像进行基于可变窗口的检测，若检测大于阈值，则判定图像为非真实图像，若检测小于通行阈值，则执行步骤4；步骤4：对通过可变窗口检测的图像进行基于滑动窗口的检测，若检测大于阈值，则判定图像为非真实图像，若检测小于通行阈值，则执行步骤5；步骤5：对图像进行一致性检测，若检测大于阈值，则判定图像为非真实图像，若检测小于通行阈值，则判定为真实图像。
Description
技术领域
本发明属于数字内容安全技术领域，特别是一种基于JPEG压缩特征的数字图像真实性鉴定方法。
背景技术
数字图像是互联网时代最主要的信息载体之一，并且由于图像承载的信息更加直观、可信，数字图像正有取代文字成为首要信息载体的趋势。伴随数字图像的迅猛发展的还有数字图像的处理技术，目前成熟的图像处理软件有很多，Adobe Photoshop、Visio Viewer、iPhoto等专业图像处理软件的出现一般用户带来了极大的方便的同时，也给数字图像的使用带来了隐患。图像处理软件的功能非常强大，能够实现的功能并不局限于对照片的修饰方面，特别是在具有三维渲染功能的图像处理软件的帮助下，有经验的使用者能够使用图像处理软件制作出任意内容的照片。
在数字内容保护领域，现有的方法就是对待保护的内容嵌入数字水印，当出现争议时提取预先嵌入的水印信息进行提取比对，进而实现内容保护。但是采用数字水印技术等现有技术进行数字图像保护时还存在以下问题：
1.数字水印技术为事前防护技术。水印技术目前广泛应用于司法、商业和保险领域的数字图像保护，数字水印技术是在确认照片真实无误前提下，通过嵌入水印进行证物归档或者版权声明，无法证明图像自身是真实可信的。
2.数字水印技术会降低图像质量。数字水印技术将版权信息以可视或者非可视的方式嵌入数字图像，将导致数字图像质量下降，可能导致医疗影像、摄影等专业领域图像无法正常应用。
发明内容
本发明的目的在于提供一种图像真实性鉴定方法，用以解决上述现有技术的问题。
本发明一种图像真实性鉴定方法，其中，包括：
步骤1：对待检测图像进行计算机生成特征检测；
步骤2：对通过计算机生成特征检测的图像进行色彩插值滤波器检测，若检测大于阈值，则判定图像为非真实图像，检测结束，若检测小于通行阈值，则执行步骤3；
步骤3：对通过色彩插值滤波器检测的图像进行基于可变窗口的检测，若检测大于阈值，则判定图像为非真实图像，检测结束，若检测小于通行阈值，则执行步骤4；
步骤4：对通过可变窗口检测的图像进行基于滑动窗口的检测，若检测大于阈值，则判定图像为非真实图像，检测结束，若检测小于通行阈值，则执行步骤5；以及
步骤5：对图像进行一致性检测，若检测大于阈值，则判定图像为非真实图像，检测结束，若检测小于通行阈值，则判定为真实图像，检测结束。
根据本发明的图像真实性鉴定方法的一实施例，其中，还包括，在图像真实性鉴定过程中，如无法判定的情况，则进行对图像进行图像还原检测，图像还原检测包括：以一个大小固定的窗口为检测单元，通过将该窗口以逐像素匹配的方式实现记录所有可能的冲突区域，最后将匹配度超过阈值的冲突区域划定为重复区域，并通过算法支持像素相似性匹配、主成分匹配、以及尺度不变特征量匹配的方法判定图像为非真实图像或真实图像。
根据本发明的图像真实性鉴定方法的一实施例，其中，步骤1进一步包括：采用离散傅立叶变换、离散余弦变换以及离散小波变换的方式，将待检测图像从时域投射到变换域，并且结合待检测图像具体的类型，对待检测图像按照对应的分类要求进行聚集，再对特定频率、阶数或者系数分布进行统计形成分类特征，最后将待检测图像的分类特征放入对应的分类器中，进行分类判定。
根据本发明的图像真实性鉴定方法的一实施例，其中，步骤2包括：对图像进行特征提取和分块，从时域投射到变换域，对每个分块进行色彩插值模型匹配，分类至特定的插值模型中，以进行图像真实性的判定。
根据本发明的图像真实性鉴定方法的一实施例，其中，步骤3包括：对图像进行适当分块，每个分块进行DCT差值特征提取，根据每个分块的DCT差值特征情况判定该分块是否经历多次JPEG压缩。
根据本发明的图像真实性鉴定方法的一实施例，其中，步骤4包括：假定待检测图像的分辨率为M×N，则检测过程如下：1.确定一个检测窗口，窗口大小m×n，将该检测窗口置于该待检测图像的左上角；2.记录检测窗口的DCT系数矩阵；3.按照对该检测窗口进行DCT差值特征提取，根据检测窗口的DCT差值特征情况判定该检测窗口是否经历多次JPEG压缩，并且结合DCT系数矩阵，记录不同压缩比例下该检测窗口的DCT系数矩阵的差值情况；4.判断检测窗口是否达图像的右下角，若没有到达图像的右下角，则将检测窗口循环右移一个像素，并跳转到2；5.根据各检测窗口记录的JPEG压缩特征，对图像进行JPEG压缩过程判定。
根据本发明的图像真实性鉴定方法的一实施例，其中，该步骤5包括：将图像各区域的计算机生成图像特征、色彩插值滤镜特征和多重JPEG压缩特征进行组合，形成一个具有三个不相关特征的向量，将各区域的向量进行一致性检测和分类，可得到图像的一致性检验分类，如果通过检测则判定图像为为真实图像，否则，则判定为非真实图像
综上，本发明为了解决数字图像真实性鉴定问题，结合对计算机生成图像特征、色彩插值滤镜特征、多重JPEG压缩特征以及这些特征的一致性分析，提出了一种图像真实性鉴定方法，方法首先分别利用计算机生成图像特征分析、色彩插值滤镜特征分析、多重JPEG压缩特征分析以及图像内容修改还原分析等技术手段对图像进行检测，当各类分析手段均无法判定时，将各类特征进行一致性分析，实现对图像的真实性鉴定。
附图说明
图1所示为本发明的图像真实性鉴定系统的模块图；
图2所示为本发明图像真实性鉴定方法的工作流程图；
图3所示计算机生成图像检测工作流程图；
图4所示为色彩插值滤波器检测工作流程图。
具体实施方式
为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
图1所示为本发明的图像真实性鉴定系统的模块图，如图1所示，数字图像真实性鉴定系统包括6个模块，包括：计算机生成图像检测模块11，用于对待测图像进行分类，将计算机生成的图像与相机拍摄的图像进行区分。色彩插值滤波器检测模块12，用于基于相机色彩插值矩阵对相机拍摄的图像进行区域划分，对可疑区域进行标注。基于可变窗口的检测模块13，用于对可疑区域进行可变窗口、固定解析网格的JPEG压缩特征检测，实现对可疑区域JPEG压缩特征的初步筛查。基于滑动窗口的检测模块14，用于对可疑区域进行小窗口、可变解析网格的JPEG压缩特征检测，实现对可以区域JPEG压缩特征的精确还原。图像修改还原模块15，用于基于相邻像素块相似比例、不变矩等特征，对图像修改进行还原。一致性检验模块16，用于当图像各类特征均为超过阈值时，对图像的色彩插值特征、JPEG压缩特征和噪声特征等进行一致性检验。
图2所示为本发明图像真实性鉴定方法的工作流程图，如图2所示，如图2所示，基于数字图像真实性鉴定系统简述图像真实性鉴定方法的工作流程，包括：
步骤1：对待检测图像进行计算机生成特征检测，若检测大于阈值，则判定图像为非真实图像，检测结束，若检测小于通行阈值，则进入色彩插值滤波器检测步骤；
步骤2：对通过计算机生成特征检测的图像进行色彩插值滤波器检测，若检测大于阈值，则判定图像为非真实图像，检测结束，若检测小于通行阈值，则进入基于可变窗口的检测步骤；
步骤3：对通过色彩插值滤波器检测的图像进行基于可变窗口的检测，若检测大于阈值，则判定图像为非真实图像，检测结束，若检测小于通行阈值，则进入基于滑动窗口的检测步骤；
步骤4：对通过可变窗口检测的图像进行基于滑动窗口的检测，若检测大于阈值，则判定图像为非真实图像，检测结束，若检测小于通行阈值，则进入步骤5；
步骤5：对图像进行一致性检测，若检测大于阈值，则判定图像为非真实图像，检测结束，若检测小于通行阈值，则判定为真实图像，检测结束。
参考图2，本发明的图像真实性鉴定方法进一步包括：
步骤1：计算机生成图像检测，包括：
计算机生成图像在制作过程中，制作者通过各种绘图工具和技巧处理图像，因此图像的连续性、相关性等特征与制作者和所制作题材有关，不具备固定的模式。但是对于相机拍摄的照片，由于相机制作工艺限制以及成像规则限制，其各种统计特征都会呈现特定的规律，将这些规律进行统计和整理，就行成了对计算机生成照片进行鉴定的方法。
图3所示计算机生成图像检测工作流程图，如图3所示，在检测过程中，特征提取采用的方法是离散傅立叶变换(Discrete FourierTransform,DFT)，离散余弦变换(Discrete Cosine Transformation,DCT)以及离散小波变换(Discrete Wavelet Transform,DWT)的方式，将图像从时域投射到变换域，并且结合图像具体的类型(分类方式包括室内照片、室外照片、人物照片、运动照片等)对图像信息按照对应的分类要求进行聚集，再对特定频率、阶数或者系数分布进行统计形成分类特征，最后将图像的分类特征放入对应的分类器中，利用已经学习好的分类器对图像进行分类判定。
步骤2：进行色彩插值滤波器检测，包括：
数字照相机的感光核心部件能够根据光强产生对应的电信号，但是目前的感光核心中，感光单元记录的只是光强，无法记录颜色。要拍摄彩色照片，必须借助三色合成的办法，分别记录三种颜色，再将颜色进行合成。人眼对绿色的感知能力是敏感的，因此目前数字照相机大多采用Bayer CFA颜色滤镜，采用Bayer滤镜的相机拍摄的图像的每个像素只有一种颜色，需要对图像中的颜色进行插值处理，对于不同品牌的相机，采用的颜色滤镜以及颜色合成算法都是有区别的，但是在同幅图像中，色彩插值滤镜应该保持一致性，通过对图像的色彩插值滤镜进行检测，就能实现对照片的来源鉴定。
图4所示为色彩插值滤波器检测工作流程图，如图4所示，在检测过程中，首先对图像进行特征提取，提取方式与计算机生成图像检测模块类似，将图像分块后，从时域投射到变换域，对每个分块进行色彩插值模型匹配，分类至特定的插值模型中，将分类结果进行再次训练，给出图像真实性的判定。
步骤3：进行基于可变窗口的检测，包括：
JPEG图像是目前使用最广泛的图像格式，对于一幅经过篡改了的数字图像，其原始素材照片是JPEG格式的图像，中间过程使用的素材照片也是JPEG格式的图像，并且最终输出的照片也是JPEG格式。如果能够在图像中检测到多次JPEG压缩的痕迹，就能够直接指证图像的真实性遭到了破坏。假设待测图像D经过了两次JPEG压缩，第一次压缩的质量因子为p1，第二次压缩的质量因子为p2，，经过双重JPEG压缩的图像中一定存在两种区域：被篡改过的区域Ic和没有被篡改的区域Iw。对图像进行适当分块，将得到的分块记为B(1,1)，……B(m,n)，待检测的图像D就是由所有的这些分块构成的集合，即D＝{B(1,1)，……B(m,n)}。引入下面的D的两个子集：
Bc＝{B(i,j)|B(i,j)中包含有篡改的区域}
Bw＝{B(i,j)|B(i,j)中不包含有篡改的区域}
如果Bc不为空集，则说明待测图像D真实性遭到了破坏。
对D中的每个分块进行DCT差值特征提取，根据每个分块的特征情况判定该区块是否经历多次JPEG压缩，结合上文假设，可判定图像真实性是否遭到破坏。
步骤4：进行基于滑动窗口的检测，包括：
对于多次JPEG压缩采用相同质量因子的情况，需要采用基于滑动窗口的检测方法。假定待检测图像D的分辨率为M×N，则检测过程如下：
1.确定一个检测窗口T，窗口大小m×n(是8×8的整数倍)，将窗口T置于图像D的左上角；
2.记录T处的DCT系数矩阵TQ(若T不与图像DCT变换网格重合，则进行一次无损JPEG压缩，并以此为该处的DCT系数)；
3.按照可变窗口检测方法，对T处进行JPEG压缩特征分析，并且结合TQ，记录不同压缩比例下T处的DCT系数矩阵的差值情况；
4.若检测窗口T没有到达图像的右下角，则将检测窗口T循环右移一个像素，并跳转到2；
5.根据不同窗口记录的JPEG压缩特征，对图像进行JPEG压缩过程判定。
步骤5：进行一致性检测，包括：
在计算机生成图像特征、色彩插值滤镜特征、多重JPEG压缩特征的检测过程中，除能够根据预设的阈值、分类模型对图像的真实性进行判定外，还能对图像各分块的区域特征进行描述。一致性检测将图像各区域的计算机生成图像特征、色彩插值滤镜特征、多重JPEG压缩特征进行组合，形成一个具有三个不相关特征的向量，将各区域的向量进行一致性检测和分类，可得到图像的一致性检验分类。
对于一较佳实施例，在图像真实性鉴定过程中，如无法判定的情况，则进行对图像进行图像还原检测，包括：
图像修改还原检测以一个大小固定的窗口为检测单元，通过将该窗口以逐像素匹配的方式实现记录所有可能的冲突区域，最后将匹配度超过阈值的冲突区域划定为重复区域。匹配的算法支持像素相似性匹配，主成分匹配，尺度不变特征量匹配等方法。
本发明为了解决数字图像真实性鉴定问题，结合对计算机生成图像特征、色彩插值滤镜特征、多重JPEG压缩特征以及这些特征的一致性分析，提出了一种图像真实性鉴定方法，方法分别利用计算机生成图像特征分析、色彩插值滤镜特征分析、多重JPEG压缩特征分析以及图像内容修改还原分析等技术手段对图像进行检测，当各类分析手段均无法判定时，将各类特征进行一致性分析，实现了对图像的真实性鉴定。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (7)
1.一种图像真实性鉴定方法，其特征在于，包括：
步骤1：对待检测图像进行计算机生成特征检测；
步骤2：对通过计算机生成特征检测的图像进行色彩插值滤波器检测，若检测大于阈值，则判定图像为非真实图像，检测结束，若检测小于通行阈值，则执行步骤3；
步骤3：对通过色彩插值滤波器检测的图像进行基于可变窗口的检测，若检测大于阈值，则判定图像为非真实图像，检测结束，若检测小于通行阈值，则执行步骤4；
步骤4：对通过可变窗口检测的图像进行基于滑动窗口的检测，若检测大于阈值，则判定图像为非真实图像，检测结束，若检测小于通行阈值，则执行步骤5；以及
步骤5：对图像进行一致性检测，若检测大于阈值，则判定图像为非真实图像，检测结束，若检测小于通行阈值，则判定为真实图像，检测结束。
2.如权利要求1所述的图像真实性鉴定方法，其特征在于，还包括，在图像真实性鉴定过程中，如无法判定的情况，则进行对图像进行图像还原检测，包括：
以一个大小固定的窗口为检测单元，通过将该窗口以逐像素匹配的方式实现记录所有可能的冲突区域，最后将匹配度超过阈值的冲突区域划定为重复区域，并通过算法支持像素相似性匹配、主成分匹配、以及尺度不变特征量匹配的方法判定图像为非真实图像或真实图像。
3.如权利要求1所述的图像真实性鉴定方法，其特征在于，步骤1进一步包括：采用离散傅立叶变换、离散余弦变换以及离散小波变换的方式，将待检测图像从时域投射到变换域，并且结合待检测图像具体的类型，对待检测图像按照对应的分类要求进行聚集，再对特定频率、阶数或者系数分布进行统计形成分类特征，最后将待检测图像的分类特征放入对应的分类器中，进行分类判定。
4.如权利要求1所述的图像真实性鉴定方法，其特征在于，步 骤2包括：对图像进行特征提取和分块，从时域投射到变换域，对每个分块进行色彩插值模型匹配，分类至特定的插值模型中，以进行图像真实性的判定。
5.如权利要求1所述的图像真实性鉴定方法，其特征在于，步骤3包括：对图像进行适当分块，每个分块进行DCT差值特征提取，根据每个分块的DCT差值特征情况判定该分块是否经历多次JPEG压缩。
6.如权利要求1所述的图像真实性鉴定方法，其特征在于，步骤4包括：
假定待检测图像的分辨率为M×N，则检测过程如下：
1.确定一个检测窗口，窗口大小m×n，将该检测窗口置于该待检测图像的左上角；
2.记录检测窗口的DCT系数矩阵；
3.按照对该检测窗口进行DCT差值特征提取，根据检测窗口的DCT差值特征情况判定该检测窗口是否经历多次JPEG压缩，并且结合DCT系数矩阵，记录不同压缩比例下该检测窗口的DCT系数矩阵的差值情况；
4.判断检测窗口是否达图像的右下角，若没有到达图像的右下角，则将检测窗口循环右移一个像素，并跳转到2；
5.根据各检测窗口记录的JPEG压缩特征，对图像进行JPEG压缩过程判定。
7.如权利要求1所述的图像真实性鉴定方法，其特征在于，该步骤5包括：将图像各区域的计算机生成图像特征、色彩插值滤镜特征和多重JPEG压缩特征进行组合，形成一个具有三个不相关特征的向量，将各区域的向量进行一致性检测和分类，可得到图像的一致性检验分类，如果通过检测则判定图像为为真实图像，否则，则判定为非真实图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410849757.8A CN104680515A (zh) | 2014-12-30 | 2014-12-30 | 一种图像真实性鉴定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410849757.8A CN104680515A (zh) | 2014-12-30 | 2014-12-30 | 一种图像真实性鉴定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104680515A true CN104680515A (zh) | 2015-06-03 |
Family
ID=53315508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410849757.8A Pending CN104680515A (zh) | 2014-12-30 | 2014-12-30 | 一种图像真实性鉴定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104680515A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105719188A (zh) * | 2016-01-22 | 2016-06-29 | 平安科技（深圳）有限公司 | 基于多张图片一致性实现保险理赔反欺诈的方法及服务器 |
| CN106296697A (zh) * | 2016-08-15 | 2017-01-04 | 东南大学 | 一种基于二维滑动窗dft快速计算的图像篡改检验方法 |
| CN107451990A (zh) * | 2017-06-13 | 2017-12-08 | 宁波大学 | 一种使用非线性引导滤波的照片图像篡改检测方法 |
| CN108898128A (zh) * | 2018-07-11 | 2018-11-27 | 宁波艾腾湃智能科技有限公司 | 一种通过照片匹配数字化三维模型的防伪方法及设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102096894A (zh) * | 2010-12-30 | 2011-06-15 | 浙江工商大学 | 一种实现篡改区域精确定位的图像脆弱水印算法 |
| CN103440617A (zh) * | 2013-09-18 | 2013-12-11 | 黄良永 | 提高医学图像安全的图像处理方法 |
-
2014
- 2014-12-30 CN CN201410849757.8A patent/CN104680515A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102096894A (zh) * | 2010-12-30 | 2011-06-15 | 浙江工商大学 | 一种实现篡改区域精确定位的图像脆弱水印算法 |
| CN103440617A (zh) * | 2013-09-18 | 2013-12-11 | 黄良永 | 提高医学图像安全的图像处理方法 |
Non-Patent Citations (4)
| Title |
|---|
| 卢燕飞等: ""基于颜色差异特性的图像篡改检测"", 《北京交通大学学报》 * |
| 周响金等: ""基于JPEG量化失真的合成图像盲检测"", 《计算机应用研究》 * |
| 周文兵等: ""基于多特征融合的图像拼接检测"", 《计算机工程与应用》 * |
| 郑二功等: ""针对一类JPEG图像伪造的被动盲取证"", 《电子与信息学报》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105719188A (zh) * | 2016-01-22 | 2016-06-29 | 平安科技（深圳）有限公司 | 基于多张图片一致性实现保险理赔反欺诈的方法及服务器 |
| WO2017124990A1 (zh) * | 2016-01-22 | 2017-07-27 | 平安科技（深圳）有限公司 | 基于多张图片一致性实现保险理赔反欺诈的方法、系统、设备及可读存储介质 |
| CN105719188B (zh) * | 2016-01-22 | 2017-12-26 | 平安科技（深圳）有限公司 | 基于多张图片一致性实现保险理赔反欺诈的方法及服务器 |
| US10410292B2 (en) | 2016-01-22 | 2019-09-10 | Ping An Technology (Shenzhen) Co., Ltd. | Method, system, apparatus, and storage medium for realizing antifraud in insurance claim based on consistency of multiple images |
| CN106296697A (zh) * | 2016-08-15 | 2017-01-04 | 东南大学 | 一种基于二维滑动窗dft快速计算的图像篡改检验方法 |
| CN107451990A (zh) * | 2017-06-13 | 2017-12-08 | 宁波大学 | 一种使用非线性引导滤波的照片图像篡改检测方法 |
| CN107451990B (zh) * | 2017-06-13 | 2019-11-15 | 宁波大学 | 一种使用非线性引导滤波的照片图像篡改检测方法 |
| CN108898128A (zh) * | 2018-07-11 | 2018-11-27 | 宁波艾腾湃智能科技有限公司 | 一种通过照片匹配数字化三维模型的防伪方法及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zheng et al. | A survey on image tampering and its detection in real-world photos | |
| Korus | Digital image integrity–a survey of protection and verification techniques | |
| Gallagher et al. | Image authentication by detecting traces of demosaicing | |
| Hsu et al. | Detecting image splicing using geometry invariants and camera characteristics consistency | |
| Swaminathan et al. | Digital image forensics via intrinsic fingerprints | |
| Aditya | Survey on passive methods of image tampering detection | |
| Battiato et al. | Multimedia forensics: discovering the history of multimedia contents | |
| Li et al. | Distinguishing computer graphics from photographic images using local binary patterns | |
| Singh et al. | Detection and localization of copy-paste forgeries in digital videos | |
| CN104680515A (zh) | 一种图像真实性鉴定方法 | |
| Tsai et al. | Using decision fusion of feature selection in digital forensics for camera source model identification | |
| Zhang et al. | Distinguishing photographic images and photorealistic computer graphics using visual vocabulary on local image edges | |
| El-Shafai et al. | A comprehensive taxonomy on multimedia video forgery detection techniques: challenges and novel trends | |
| Peng et al. | Identification of natural images and computer generated graphics based on hybrid features | |
| Li et al. | Distinguishing computer graphics from photographic images using a multiresolution approach based on local binary patterns | |
| Patil et al. | AlexNet based pirate detection system | |
| CN112116565A (zh) | 篡改翻拍图像的对抗样本生成方法、设备及存储介质 | |
| Conotter | Active and passive multimedia forensics | |
| Sankar et al. | Feature based classification of computer graphics and real images | |
| Nirmalkar et al. | A review of image forgery techniques and their detection | |
| Ng | Statistical and geometric methods for passive-blind image forensics | |
| Hashem et al. | Passive aproaches for detecting image tampering: a review | |
| Rajalakshmi et al. | IR image disruptor with embedded code tracker | |
| Aminu Mustapha | Passive video forgery detection using frame correlation statistical features/Aminu Mustapha Bagiwa | |
| Bagiwa | Passive Video Forgery Detection Using Frame Correlation Statistical Features |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150603 |
|
| WD01 | Invention patent application deemed withdrawn after publication |