CN1900970A - 一种鲁棒的图像区域复制篡改检测方法 - Google Patents
一种鲁棒的图像区域复制篡改检测方法 Download PDFInfo
- Publication number
- CN1900970A CN1900970A CN 200610036600 CN200610036600A CN1900970A CN 1900970 A CN1900970 A CN 1900970A CN 200610036600 CN200610036600 CN 200610036600 CN 200610036600 A CN200610036600 A CN 200610036600A CN 1900970 A CN1900970 A CN 1900970A
- Authority
- CN
- China
- Prior art keywords
- image
- block
- region
- zone
- detecting method
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000013598 vector Substances 0.000 claims description 29
- 238000012360 testing method Methods 0.000 claims description 20
- 238000012546 transfer Methods 0.000 claims description 19
- 239000000284 extract Substances 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000006835 compression Effects 0.000 description 8
- 238000007906 compression Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 239000004744 fabric Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012805 post-processing Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 230000003467 diminishing effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Landscapes
- Editing Of Facsimile Originals (AREA)
Abstract
本发明提出一种基于图像块相似性比较的鲁棒区域复制篡改检测方法,属于多媒体信息安全领域。本发明方法包括以下步骤:1)抽取图像块特征;2)寻找相似块对;3)去除错误的匹配块对;4)判定篡改图像和定位篡改区域。本发明方法首先将待测图像分解成有重叠区域的小块,从中提取出每块的特征,然后选择恰当的阈值度量各分块的相似性得到相似块对,最后去除错误的匹配块对以定位出篡改区域。可以利用本发明有效地对此篡改后的图像作检测,因此对图像数据真伪性的判断等有着重要的实际意义。
Description
技术领域
本发明属于多媒体信息安全领域,具体涉及一种能对给定的数字图像f,判断它是否经过了区域复制篡改并能实现篡改的定位的鲁棒的图像区域复制篡改检测方法。
背景技术
高分辨率的数码相机,功能强大的个人电脑及各种图像处理软件的普及与应用,使得一般的用户都能很容易地实现对数字图像的篡改而不留下明显的痕迹。如今,眼见并不为实,如果虚假的相片被滥用,必将带来一些问题,如涉及到法律证据的真实性,数字媒体的版权,个人的隐私保护等,检测图像数据的真实性有着十分重要的意义。
区域复制篡改是把数字图像中的一块区域进行复制并粘贴到要去除的区域中,它是一种简单有效去除图像重要信息的篡改方法,如说明书附图2所示。由于在同一幅图像中有着一致的噪声、纹理、颜色等信息,人眼很难对篡改后的图像进行辨别。并且篡改者往往还会在“复制-粘贴”后添加一些后续操作,使得检测的难度大大增加。检测此形式的篡改对图像数据真伪性的判断等有着重要的实际意义。
发明内容
本发明提供一种鲁棒的图像区域复制篡改检测方法,本方法能够对给定数字图像f,判断它是否经过了区域复制篡改,若有则还需定位出篡改的区域,从而确认其图像数据的真伪性。
本发明方法利用了自然图像中的一些统计性质如:在同一幅自然图像中存在大面积的相似区域的可能性很小,图像块的“平均值”特性对一般的图像处理有操作较好的鲁棒性等。本发明的技术方案如下:本发明方法包括以下步骤:1)抽取图像块特征;2)寻找相似块对;3)去除错误的匹配块对;4)判定篡改图像和定位篡改区域。
所述步骤1)抽取图像块的特征的具体方法是:首先把待测图像f(设其大小为M*N)分解为b×b大小有重叠区域的块Bi,i=1...(M-b+1)(N-b+1),对于每一个图像分块按如下的方式提取其七个特征:c1,c2,c3分别记录图像块红、绿、蓝三个颜色通道的平均值,c4,c5,c6,c7是图像块Y通道四个方向上part(1)所占的比值,特征向量V(i)=(c1,c2,c3,c4,c5,c6,c7)表示了图像块Bi的信息,将所有的V(i)保存于数组A中。
所述步骤2)寻找相似块对的方法是:将存于数组A中所有特征向量先按字典排序,然后两两比较各图像块的特征向量,若图像块Bi,Bj中对应的7个特征的绝对差小于:[2.5,1.5,3.0,0.006,0.005,0.005,0.005],且对应块间的距离大于L,则认为Bi,Bj是相似块对,并按如下方法记录块对的“转移向量”d:d=(dx,dy),dx=x1-x2,dy=y1-y2,其中(x1,y1),(x2,y2)是两个图像块的左上角位置的坐标。
所述步骤3)去除错误的匹配块对的方法是:统计步骤2)中的“转移向量”,令出现频率最多的一个作为“主转移向量”,把“转移向量”不等于“主转移向量”的所有块对认为是错误的匹配块对给去除掉,在剩下的块对中寻找出最大的两个连通分量,并把连通分量中的空洞区域填补上。
所述步骤4)判定篡改图像和定位篡改区域的方法是:假设在步骤3)得到了两个区域R1,R2,若满足:
min(|R1|,|R2|)>αM*N*0.85% ||R1|-|R2||/max(|R1|,|R2|)<Tr
则认为图像f经过了区域复制篡改,R1,R2是检测到的篡改区域。
本发明方法能够对给定的数字图像f,判断它是否经过了区域复制篡改,若有则还需定位出篡改的区域,从而确认其图像数据的真伪性。与现有的一些检测方法相比,本发明能更有效地抵抗更多、更强的后处理攻击,并且算法的实现仅需在图像的空域上进行,效率也较高。
附图说明
图1是图像块Y通道上的四种分块模式示意图;
图2是区域复制篡改示意图;
图3是篡改区域间对应块间具有统一的转移向量示意图;
图4是测试图例1;
图5是测试图例1在加不同强度白噪声下的检测正确率与错误率;
图6是测试图例1在不同质量因子压缩下的检测正确率与错误率;
图7是本方法与文献[1]所述方法的实验结果比较(测试例子1);
图8是利用本方法对100幅图像进行不同强度的加噪、JPEG压缩,在不同篡改块大小下检测正确率与错误率的平均值。
具体实施方式
下面结合附图对本发明作进一步说明。
本发明方法包括以下步骤:1)抽取图像块特征;2)寻找相似块对;3)去除错误的匹配块对;4)判定篡改图像和定位篡改区域。
1)抽取图像块的特征
假设待检测的图像为f,其大小为M*N。首先将f分解为有重叠区域的b×b(设定b=16)大小的图像块,设图像块为Bi i=1...(M-b+1)(N-b+1)。对于每个图像块Bi,我们记录其七个“平均值”的特征。
首先利用c1,c2,c3记录图像块Bi的红、绿、蓝三个颜色通道的平均值。
然后利用公式:
Y=0.299R+0.587G+0.114B
将Bi转换到Y通道,并按图1的方式将Y按图中分解模式等分为两个部分,设为Part(1)和Part(2)。利用c4,c5,c6,c7记录Part(1)灰度占Y的比例。既:
ci=sum(part(1))/sum(part(1)+part(2)) i=4,5,6,7
从而得到图像块Bi的特征向量V(i)=(c1,c2,c3,c4,c5,c6,c7),将所有的特征向量存于数组A中。
2)寻找相似块对
首先对数组A的(M-b+1)(N-b+1)个特征向量作字典排序。然后两两比较它们的相似程度,若两个特征向量对应特征的差的绝对值小于我们设定的阈值:
[2.5,1.5,3.0,0.006,0.005,0.005,0.005]
并且两个对应图像块间的距离大于L(设定L=50)。则认为是相似块对,并按如下方法记录块对间的“转移向量”d。
d=(dx,dy) dx=x1-x2,dy=y1-y2
其中(x1,y1),(x2,y2)是两个图像块的左上角位置的坐标。
3)去除错误的匹配块对
由于自然图像临近区域的相似性影响,并非所有2中找到的相似块对都出自于篡改的区域D1,D2。如图2、3所示,从区域复制篡改的过程看,所有来之D1,D2的对应块都有统一的转移向量,并且与其他相似块对的转移向量相比,其出现的概率往往是最大的。据此,我们利用“主转移向量”方法去除错误的匹配块对并实现定位。其步骤如下:首先统计2中的所有转移向量,然后选择频率出现最多的作为“主转移向量”,把“转移向量”不等于“主转移向量”的所有块对认为是错误的匹配块对给去除掉。在剩下的块对中寻找出最大的两个连通分量,并把连通分量中的空洞区域填补,得到两个区域:R1,R2。
3)判定篡改图像和定位篡改区域
由于在一般的图像中也会存在相似的区域,但其面积一般较小。经过大量的实验,我们设置了如下规则判断待测图像是否经过了区域复制篡改操作。若在3中得到了两个区域R1,R2,并且它们满足:
min(|R1|,|R2|)>αM*N*0.85% ||R1|-|R2||/max(|R1|,|R2|)<Tr
则认为图像f经过了区域复制篡改,R1,R2是检测到的篡改区域。其中α=61%,Tr=6%。
下面给出一些检测的例子与实验的统计数据。
如图4所示,图4(a)是原始的图像,图4(b)是篡改后图像。在没有经过任何后处理操作,利用本专利方法得到的检测正确率为0.99123,错误率为0.1045。其中正确率错误率的定义如下:
图5、图6是经过添加高斯噪声、有损的JPEG后处理操作的检测结果,图示下方表示检测的正确率与错误率(r,w),图5(a)表示对篡改后图像添加SNR为20db的白高斯噪声后的检测结果,图5(b)、图5(c)分别对应添加30db和40db后的检测结果。图6(a)表示对篡改后图像进行质量因子为40的JPEG压缩后的检测结果,图6(b)、图6(c)分别对应以质量因子为65,90JPEG压缩后的检测结果。图7是利用本发明方法与文献[1]方法的实验对比。文献[1].A.C.Popescu and H.Farid.Exposing digital forgeriesby detecting duplicated image regions.Technical Report TR2004-515,Dartmouth College,Aug.2004。可以看到本方法更具鲁棒性。
此外,本发明方法还能抵抗以下的攻击:高斯模糊(n1=n2=5,方差σ=1)及混合操作(先进行高斯模糊,然后加SNR 24db白高斯噪声,最后作质量因子为60的JPEG压缩),以上例子的检测结果如下表1所示:
表1
正确率/错误率 | 高斯模糊 | 混合操作 |
测试例子1 | 0.9891/0.1093 | 0.9845/0.0984 |
为了进一步地测试本方法的有效性及对各种后续操作的鲁棒性,我们随机选取了100幅图像(大小均为300*400)进行测试,对于每一幅图像,我们随机地选取一个方块进行复制,并把它粘贴到同一图像中的不相交的区域中,然后再对这些篡改后的图像进行不同的操作:高斯模糊,加高斯白噪声,有损JPEG压缩,及其它们的混合操作。在测试中我们选取方块大小分别是32*32,48*48,64*64,80*80。
表2列出了没有进行后操作下的检测结果。从表2中数据可以看到,所有图像的正确率高达99.9%,而错误率均低于5%。
表2
无后续处理操作 | 32×32 | 48×48 | 64×64 | 80×80 |
正确率均值 | 0.9998 | 0.9999 | 0.9998 | 1.0000 |
错误率均值 | 0.0491 | 0.0254 | 0.0219 | 0.0191 |
误判率 | 0.04 | 0.01 | 0.00 | 0.00 |
表3~表6与图8列出了100幅图像在不同大小篡改区域,经不同的后处理操作下的检测结果。表3是高斯模糊检测结果,表4是添加高斯白噪声的误判率,表5是有损JPEG压缩下的误判率,表6是混合操作下的检测结果。
表3
高斯模糊 | 32×32 | 48×48 | 64×64 | 80×80 |
正确率均值 | 0.9464 | 0.9677 | 0.9766 | 0.9797 |
错误率均值 | 0.0926 | 0.0613 | 0.0439 | 0.0371 |
误判率 | 0.07 | 0.02 | 0.00 | 0.00 |
表4
AWGN | 20db | 24db | 28db | 32db | 36db | 40db |
32×32 | 0.20 | 0.08 | 0.06 | 0.06 | 0.06 | 0.05 |
48×48 | 0.04 | 0.01 | 0.01 | 0.01 | 0.01 | 0.01 |
64×64 | 0 | 0 | 0 | 0 | 0 | 0 |
80×80 | 0.01 | 0.01 | 0 | 0 | 0 | 0 |
表5
JPEG | 40 | 50 | 60 | 70 | 80 | 90 |
32×32 | 0.18 | 0.13 | 0.12 | 0.12 | 0.13 | 0.12 |
48×48 | 0.03 | 0.03 | 0.01 | 0.01 | 0.01 | 0.01 |
64×64 | 0 | 0 | 0 | 0 | 0 | 0 |
80×80 | 0 | 0 | 0 | 0 | 0 | 0 |
表6
混合操作 | 32×32 | 48×48 | 64×64 | 80×80 |
正确率均值 | 0.9037 | 0.9326 | 0.9521 | 0.9505 |
错误率均值 | 0.1295 | 0.0869 | 0.0646 | 0.0618 |
误判率 | 0.13 | 0.02 | 0 | 0 |
从上述的表格与图示可以看到,本发明方法有较好的检测与定位功能。即使篡改图像在经过不同的后处理操作:如加噪、模糊、有损的JPEG压缩等。都能很好地识别出图像的篡改区域,是一种鲁棒的区域复制篡改检测技术。
Claims (5)
1、一种鲁棒的图像区域复制篡改检测方法,其特征是本发明方法包括以下步骤:1)抽取图像块特征;2)寻找相似块对;3)去除错误的匹配块对;4)判定篡改图像和定位篡改区域。
2、根据权利要求书1所述的图像区域复制篡改检测方法,其特征是所述步骤1)抽取图像块的特征的具体方法是:首先把待测图像f(设其大小为M*N)分解为b×b大小有重叠区域的块Bi,i=1...(M-b+1)(N-b+1),对于每一个图像分块按如下的方式提取其七个特征:c1,c2,c3分别记录图像块红、绿、蓝三个颜色通道的平均值,c4,c5,c6,c7是图像块Y通道四个方向上part(1)所占的比值,用特征向量V(i)=(c1,c2,c3,c4,c5,c6,c7)表示了图像块Bi的信息,并将所有的V(i)保存于数组A中。
3、根据权利要求书1所述的图像区域复制篡改检测方法,其特征是所述步骤2)寻找相似块对的方法是:将存于数组A中所有特征向量先按字典排序,然后两两比较各图像块的特征向量,若图像块Bi,Bj中对应的7个特征的绝对差小于:[2.5,1.5,3.0,0.006,0.005,0.005,0.005],且对应块间的距离大于L,则认为Bi,Bj是相似块对,并按如下方法记录块对间的“转移向量”d:d=(dx,dy),dx=x1-x2,dy=y1-y2,其中(x1,y1),(x2,y2)是两个图像块的左上角位置的坐标。
4、根据权利要求书1所述的图像区域复制篡改检测方法,其特征是所述步骤3)去除错误的匹配块对的方法是:统计步骤2)中的“转移向量”,令出现频率最多的一个作为“主转移向量”,把“转移向量”不等于“主转移向量”的所有块对认为是错误的匹配块对给去除掉,在剩下的块对中寻找出最大的两个连通分量,并把连通分量中的空洞区域填补上。
5、根据权利要求书1所述的图像区域复制篡改检测方法,其特征是所述步骤4)判定篡改图像和定位篡改区域的方法是:假设在步骤3)得到了两个区域R1,R2,若满足:
min(|R1|,|R2|)>αM*N*0.85% ||R1|-|R2||/max(|R1|,|R2|)<Tr
则认为图像f经过了区域复制篡改,R1,R2是检测到的篡改区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100366009A CN100440255C (zh) | 2006-07-20 | 2006-07-20 | 一种鲁棒的图像区域复制篡改检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100366009A CN100440255C (zh) | 2006-07-20 | 2006-07-20 | 一种鲁棒的图像区域复制篡改检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1900970A true CN1900970A (zh) | 2007-01-24 |
CN100440255C CN100440255C (zh) | 2008-12-03 |
Family
ID=37656850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006100366009A Expired - Fee Related CN100440255C (zh) | 2006-07-20 | 2006-07-20 | 一种鲁棒的图像区域复制篡改检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100440255C (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010148539A1 (en) * | 2009-06-26 | 2010-12-29 | Intel Corporation | Techniques to detect video copies |
CN101504655B (zh) * | 2009-03-06 | 2011-03-23 | 中山大学 | 一种基于彩色关系特征的图像近似拷贝检测方法 |
CN102013101A (zh) * | 2010-11-27 | 2011-04-13 | 上海大学 | 一种经过模糊后处理的置换篡改图像盲检测方法 |
CN101685496B (zh) * | 2008-09-27 | 2011-10-19 | 中国科学院计算技术研究所 | 一种视频片段拷贝检测方法 |
CN102693522A (zh) * | 2012-04-28 | 2012-09-26 | 中国矿业大学 | 一种彩色图像区域复制篡改检测方法 |
CN103093195A (zh) * | 2013-01-09 | 2013-05-08 | 天津大学 | 基于边界能量的数字图像区域克隆识别技术 |
WO2014198029A1 (en) * | 2013-06-13 | 2014-12-18 | Microsoft Corporation | Image completion based on patch offset statistics |
CN106056122A (zh) * | 2016-05-26 | 2016-10-26 | 中山大学 | 一种基于kaze特征点的图像区域复制粘贴篡改检测方法 |
WO2016192213A1 (zh) * | 2015-06-04 | 2016-12-08 | 深圳市中兴微电子技术有限公司 | 一种图像特征提取方法和装置、存储介质 |
CN107292269A (zh) * | 2017-06-23 | 2017-10-24 | 中国科学院自动化研究所 | 基于透视失真特性的人脸图像鉴伪方法、存储、处理设备 |
CN107636733A (zh) * | 2015-04-09 | 2018-01-26 | 菲利格拉德私人有限公司 | 验证印刷物品的真实性的方法和数据处理终端 |
CN108109141A (zh) * | 2017-12-18 | 2018-06-01 | 辽宁师范大学 | 基于超像素多特征匹配的同源局部复制检测方法 |
CN111784708A (zh) * | 2020-07-03 | 2020-10-16 | 上海骏聿数码科技有限公司 | 图像防篡改检验方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060020830A1 (en) * | 2002-10-09 | 2006-01-26 | Roberts David K | Localisation of image tampering |
US7228006B2 (en) * | 2002-11-25 | 2007-06-05 | Eastman Kodak Company | Method and system for detecting a geometrically transformed copy of an image |
-
2006
- 2006-07-20 CN CNB2006100366009A patent/CN100440255C/zh not_active Expired - Fee Related
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101685496B (zh) * | 2008-09-27 | 2011-10-19 | 中国科学院计算技术研究所 | 一种视频片段拷贝检测方法 |
CN101504655B (zh) * | 2009-03-06 | 2011-03-23 | 中山大学 | 一种基于彩色关系特征的图像近似拷贝检测方法 |
RU2505859C2 (ru) * | 2009-06-26 | 2014-01-27 | Интел Корпорейшн | Технологии для детектирования видеокопии |
GB2483572A (en) * | 2009-06-26 | 2012-03-14 | Intel Corp | Techniques to detect video copies |
WO2010148539A1 (en) * | 2009-06-26 | 2010-12-29 | Intel Corporation | Techniques to detect video copies |
CN102013101A (zh) * | 2010-11-27 | 2011-04-13 | 上海大学 | 一种经过模糊后处理的置换篡改图像盲检测方法 |
CN102693522A (zh) * | 2012-04-28 | 2012-09-26 | 中国矿业大学 | 一种彩色图像区域复制篡改检测方法 |
CN103093195A (zh) * | 2013-01-09 | 2013-05-08 | 天津大学 | 基于边界能量的数字图像区域克隆识别技术 |
CN103093195B (zh) * | 2013-01-09 | 2016-01-06 | 天津大学 | 基于边界能量的数字图像区域克隆真假混淆辨别方法 |
WO2014198029A1 (en) * | 2013-06-13 | 2014-12-18 | Microsoft Corporation | Image completion based on patch offset statistics |
CN107636733A (zh) * | 2015-04-09 | 2018-01-26 | 菲利格拉德私人有限公司 | 验证印刷物品的真实性的方法和数据处理终端 |
WO2016192213A1 (zh) * | 2015-06-04 | 2016-12-08 | 深圳市中兴微电子技术有限公司 | 一种图像特征提取方法和装置、存储介质 |
CN106295478A (zh) * | 2015-06-04 | 2017-01-04 | 深圳市中兴微电子技术有限公司 | 一种图像特征提取方法和装置 |
CN106056122A (zh) * | 2016-05-26 | 2016-10-26 | 中山大学 | 一种基于kaze特征点的图像区域复制粘贴篡改检测方法 |
CN106056122B (zh) * | 2016-05-26 | 2019-05-17 | 中山大学 | 一种基于kaze特征点的图像区域复制粘贴篡改检测方法 |
CN107292269A (zh) * | 2017-06-23 | 2017-10-24 | 中国科学院自动化研究所 | 基于透视失真特性的人脸图像鉴伪方法、存储、处理设备 |
CN107292269B (zh) * | 2017-06-23 | 2020-02-28 | 中国科学院自动化研究所 | 基于透视失真特性的人脸图像鉴伪方法、存储、处理设备 |
CN108109141A (zh) * | 2017-12-18 | 2018-06-01 | 辽宁师范大学 | 基于超像素多特征匹配的同源局部复制检测方法 |
CN108109141B (zh) * | 2017-12-18 | 2021-11-19 | 辽宁师范大学 | 基于超像素多特征匹配的同源局部复制检测方法 |
CN111784708A (zh) * | 2020-07-03 | 2020-10-16 | 上海骏聿数码科技有限公司 | 图像防篡改检验方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN100440255C (zh) | 2008-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1900970A (zh) | 一种鲁棒的图像区域复制篡改检测方法 | |
Popescu et al. | Exposing digital forgeries by detecting duplicated image regions | |
Wang et al. | Detection of image region duplication forgery using model with circle block | |
Li et al. | Localization of diffusion-based inpainting in digital images | |
Yang et al. | Source camera identification based on content-adaptive fusion residual networks | |
Kang et al. | Copy-move forgery detection in digital image | |
CN102693522A (zh) | 一种彩色图像区域复制篡改检测方法 | |
Kumar et al. | A fast DCT based method for copy move forgery detection | |
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 | |
Wang et al. | Robust license plate recognition based on dynamic projection warping | |
CN104244016B (zh) | 一种h264视频内容篡改检测方法 | |
CN102521821A (zh) | 数字图像中一种自动识别和定位篡改区域的方法 | |
CN113361474B (zh) | 基于图像块特征提取的双流网络图像伪造检测方法及系统 | |
Wandji et al. | Detection of copy-move forgery in digital images based on DCT | |
Hou et al. | Detection of hue modification using photo response nonuniformity | |
CN111652875A (zh) | 一种视频伪造检测方法、系统、存储介质、视频监控终端 | |
Maind et al. | Image copy move forgery detection using block representing method | |
Ernawan et al. | Three layer authentications with a spiral block mapping to prove authenticity in medical images | |
Wang et al. | Keypoints-based image passive forensics method for copy-move attacks | |
CN100399353C (zh) | 一种基于图像特征的电子印章认证方法 | |
Shao et al. | Forensic scanner identification using machine learning | |
CN1710610A (zh) | 一种抗数模模数变换过程的数字水印防伪方法 | |
CN1925546A (zh) | 一种数码相机jpeg图像的真伪鉴别方法 | |
CN107563970A (zh) | 一种视频图像马赛克的检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20081203 Termination date: 20100720 |