导读:本文包含了图像伪造论文开题报告文献综述及选题提纲参考文献，主要关键词:图像伪造检测,FAST算法,同心圆梯度特征,HSI颜色分量
图像伪造论文文献综述
尹晓叶[1]（2019）在《基于FAST算子与多特征匹配的图像伪造检测算法》一文中研究指出当前图像伪造检测算法大多采用最近邻与次近邻比值法进行特征匹配来完成图像伪造检测,存在较多的错误检测以及漏检测现象,基于此提出了一种基于FAST算子与多特征匹配的图像伪造检测算法.首先,基于FAST算法与Bresenham方法,构造以像素点为中心的圆形区域,提取图像特征;然后,通过梯度直方图统计法判定特征点的主方向,以特征点为中心建立两级同心圆,并通过求取同心圆在指定方向上的梯度特征,生成特征向量和特征描述子;最后,提取特征点的HSI颜色分量,将HSI颜色分量以及特征点的特征向量作为双重特征,设计了双重特征匹配法则,实现特征匹配.引入Hough变换,对匹配特征点进行聚类,定位伪造内容.实验结果显示,与当前图像匹配算法相比,所提算法具有更高的检测正确度与鲁棒性能.(本文来源于《西南师范大学学报(自然科学版)》期刊2019年08期）
颜普,苏亮亮,邵慧,吴东升[2]（2019）在《基于多支持区域局部亮度序的图像伪造检测》一文中研究指出图像伪造检测是目前数字图像处理领域中的一个研究热点,其中复制-粘贴是最常用的伪造手段。由于伪造区域在粘贴前会被进行一定的尺度、旋转、JPEG压缩、添加噪声等操作,这使得检测伪造区域具有一定的挑战性。针对图像复制-粘贴伪造技术,提出一种基于多支持区域局部亮度序模式(LIOP)的图像伪造检测算法。首先,利用最大稳定极值区域(MSER)算法提取具有仿射不变性的区域作为支持区域;其次,利用非抽样Contourlet变换得到不同尺度、不同分辨率和不同方向的多个支持区域;然后,在每个支持区域上提取同时具有旋转不变性和单调亮度不变性的LIOP描述子,并利用双向距离比值法实现特征初匹配;接着,采用空间聚类将匹配的特征进行归类,进而用随机抽样一致性(RANSAC)算法对每个归类进行几何变换参数估计;最后,使用必要的后处理等操作来检测出伪造区域。实验表明,提出的算法具有较高的伪造检测精度与可信度。(本文来源于《计算机应用》期刊2019年09期）
魏佳,李军,曹记东[3]（2019）在《基于DWT和聚类方法的图像复制粘贴伪造检测方法研究》一文中研究指出随着图像处理软件的发展,修改图像变得越来越容易,其中常见的修改方式是图像内部的复制粘贴修改。如何快速、有效检测图像的复制粘贴修改区域,已经成为一个急需解决的问题。目前,很多检测技术虽然可以检测出复制粘贴区域,但是其运算量较大,检测速度较慢。基于此,提出了一种基于离散小波变换和聚类方法的数字图像区域复制粘贴检测方法。该方法首先对图像进行离散小波变换,降低图像的数据量;其次,分别对叁个子图进行聚类;最后,综合四个子图的聚类结果,得到图像中的复制粘贴伪造区域。实验结果表明,该方法能快速、有效检测出复制粘贴修改区域,并且具有较高的准确率。(本文来源于《信息与电脑(理论版)》期刊2019年02期）
如先姑力·阿布都热西提,亚森·艾则孜,米日古丽·艾则孜[4]（2018）在《基于灰度差分统计法的图像复制与移动伪造检测方法》一文中研究指出针对数字图像中复制-移动伪造的检测,提出一种结合灰度差分统计法(GDS)特征提取和多层感知机(MLP)神经网络分类器的检测方法。首先,将图像转换为灰度图像,并获得图像的灰度差分矩阵。然后,根据灰度分布、距离分布等信息,利用灰度差分统计法构建5个特征构成特征向量。最后,基于提取的特征,通过MLP神经网络进行分类,以此来检测该图像块是否为伪造区域。在实验中,将提出的GDS特征与传统SIFT特征进行了比较,结果表明,该方法能够有效检测出伪造区域,具有较高的准确性。(本文来源于《微型电脑应用》期刊2018年10期）
如先姑力·阿布都热西提,亚森·艾则孜[5]（2018）在《基于DWT和形态学滤波的图像伪造检测方法》一文中研究指出针对图像中复制-移动和拼接形式的图像伪造检测,提出一种基于离散小波变换(DWT)和形态学滤波的图像伪造检测方法;首先,将图像转换为灰度图,通过应用DWT获得LH、HL和HH子带;然后,通过阈值判断来获得伪造图像区域的边缘,并通过形态学滤波来连接边缘使其清晰化;最后,提取伪造区域的SIFT特征,并通过相似性检测来寻找图像中与伪造区域相似的区域,以此来确定伪造类型;实验结果表明,该方法能够准确检测出伪造区域和伪造类型。(本文来源于《计算机测量与控制》期刊2018年08期）
李晓红,杨玉香,姜春峰[6]（2018）在《基于旋转灰度特征与位移约束的图像伪造检测算法》一文中研究指出当前图像伪造检测方法主要依靠近邻比值法来实现图像内容的真伪决策,由于近邻比值法的判断条件单一,该类算法的检测精度不佳.因此,本文提出了旋转灰度特征耦合位移约束的图像伪造检测算法.首先,根据图像像素点,构造十字约束法则,对FAST算法予以改进,以提取待检测图像中的特征点;然后,利用像素点的梯度特征形成直方图,通过直方图峰值获取特征点的主方向;再用特征点的灰度值来构造旋转灰度特征模型,用于获取特征向量,生成特征描述子;用特征点的位置以及角度特征,构造了位移约束规则,并且在位移约束规则下,通过归一化互相关函数对特征点的相似性进行度量,完成特征点匹配.最后,引入均值漂移模型,对图像中的伪造内容完成区域定位,实现图像的伪造检测.实验结果表明:与当前图像伪造检测算法相比,本文算法不仅具有更高的检测精度以及检测效率,而且还具有更好地鲁棒性能.(本文来源于《新疆大学学报(自然科学版)》期刊2018年03期）
刘琴琴,邱建林[7]（2018）在《基于向量点积与相似聚类的图像伪造检测算法》一文中研究指出为提高图像伪造内容的检测精度,对向量点积耦合相似聚类的图像伪造检测算法进行研究。利用Forstner检测算子提取图像的特征点,将特征点作为中心,建立不同步长的同心圆区域,以30°角为步长构建角度盘,求取梯度累计直方图,改进SURF生成特征向量的过程,输出特征描述符;求取特征描述符之间的余弦,形成向量点积,构造双阀值匹配机制,完成特征点的匹配;利用归一化互相关函数,度量特征点的相似性,根据其相似度完成特征点的聚类。仿真分析结果表明,与当前图像伪造检测算法相比,所提算法具有更高的检测效率与精度。(本文来源于《计算机工程与设计》期刊2018年06期）
杨泽[8]（2018）在《伪造数字图像检测算法研究》一文中研究指出在二十一世纪,我们已经步入了一个信息化时代,图像作为人们日常获取外界信息最直观的媒介之一,它在我们的生活与生活当中起着举足轻重的作用,随着数字图像的处理的技术不断地的进步,各种图像编辑软件功能不断地丰富与强大,这就使得图像篡改与伪造技术变得更加的容易,普通用户就可以很熟练的去运用这些图像编辑软件去篡改与伪造一些图像,以达到让人无法查觉的地步。长期以来,一些伪造的图像应用于新闻媒体、医学、军事、科学研究、和法律诉讼等领域,这就对与图像的信息安全带来了巨大的考验与挑战,这会对人们的生活乃至社会带来一定的负面影响。因此对于图像的伪造检测已经成为了信息安全领域一个重要的研究方向,数字图像伪造检测主要是通过将伪造的图像与原始图像分开来确定数字图像的真实性。随着信息技术发展,数字图像伪造的技术和手段在不停的改进,面对技术进步带来的各种伪造手段,研究者都要积极的采取解决方案去应对,因此对于伪造数字图像检测就变成了一个刻不容缓的研究课题。本文主要针对基于深度学习生成彩色伪造图像的技术,提出了两种有效的针对于该伪造技术的检测算法,主要的研究工作如下:(1)构造伪造图像的数据集,本文主要是通过去复现有的基于深度学习的方法来构建伪造图像数据集,该方法通过一个设计好的深度卷积神经网络端到端的去生成彩色伪造图像,该方法在训练的时候加入了类平衡来增加结果中颜色的多样性,实现了对灰度图像全自动地进行上色。生成的伪造图像效果十分逼真,可以达到以假乱真的效果。(2)提出了一种基于高斯混合分布相似度测量的彩色伪造图像检测算法,首先提取训练集低层特征来拟合高斯混合分布,求解高斯混合分布参数,然后提取每张测试集图像特征并且以求解得到的参数为先验,通过EM-adaptation算法重新拟合高斯混合分布,通过蒙特卡洛采样的方法来对两个高斯混合分布进行相似度测量,来进行伪造图像真伪鉴别。(3)提出了另外一种通过VLAD的方式对自然图像和伪造图像训练集特定的低层特征进行编码,然后用编码后的特征作为SVM的输入,去训练SVM分类器,最后对图像真伪进行检测方法。(本文来源于《云南师范大学》期刊2018-05-27）
程伟,孟聪龄,李业学[9]（2018）在《基于扩张块的建筑图像伪造检测》一文中研究指出为减少图像伪造检测的计算复杂度并提高精度,设计基于扩展块与随机样本一致性的建筑图像伪造检测方案。利用建筑图像轮廓,通过块扩展技术提取建筑图像特征;将图像划分为相同尺寸的重迭块,提取每个块的显着特征;根据得到的特征对块进行分组,将组中相邻3个块组合成一个储存区;通过构建一个连接矩阵,将不符合要求的子块删除;从储存区剩余的块中,计算块的总面积,检测伪造子块;引入RANSCA(random sample consensus algorithm),对匹配结果进行优化。实验结果表明,与当前图像伪造检测方案相比,提出的方案的精度与效率更高,对模糊、噪声、JPEG压缩等伪造具有更强的检测性能。(本文来源于《计算机工程与设计》期刊2018年05期）
柴建伟,刘婷[10]（2018）在《改进的SIFT耦合特征点集群的图像伪造检测算法》一文中研究指出针对当前图像伪造检测算法进行图像伪造检测时主要通过设定比例阀值来实现特征匹配,存在检测误差大、鲁棒性不强等不足,提出了改进的SIFT耦合特征点集群的图像伪造检测算法.首先,采用二进小波变换提取伪造图像的低频子带以用于特征点检测;然后,基于特征点邻域旋转不变纹理特性,改进了SIFT机制,生成新的特征描述子对其进行描述,减少误匹配,并提出了自适应匹配策略,通过搜索最优比例阀值,以提高算法检测精度及鲁棒性;最后,通过构建特征点的均值漂移向量,对特征点均值和特征点的偏差进行度量,实现特征点的集群,从而完成图像的伪造检测.仿真结果显示:跟当前的伪造检测方法相比,本文方法具有更高的检测精度与鲁棒性,呈现出较好的ROC特性.(本文来源于《西南师范大学学报(自然科学版)》期刊2018年03期）
图像伪造论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
图像伪造检测是目前数字图像处理领域中的一个研究热点,其中复制-粘贴是最常用的伪造手段。由于伪造区域在粘贴前会被进行一定的尺度、旋转、JPEG压缩、添加噪声等操作,这使得检测伪造区域具有一定的挑战性。针对图像复制-粘贴伪造技术,提出一种基于多支持区域局部亮度序模式(LIOP)的图像伪造检测算法。首先,利用最大稳定极值区域(MSER)算法提取具有仿射不变性的区域作为支持区域;其次,利用非抽样Contourlet变换得到不同尺度、不同分辨率和不同方向的多个支持区域;然后,在每个支持区域上提取同时具有旋转不变性和单调亮度不变性的LIOP描述子,并利用双向距离比值法实现特征初匹配;接着,采用空间聚类将匹配的特征进行归类,进而用随机抽样一致性(RANSAC)算法对每个归类进行几何变换参数估计;最后,使用必要的后处理等操作来检测出伪造区域。实验表明,提出的算法具有较高的伪造检测精度与可信度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
图像伪造论文参考文献
[1].尹晓叶.基于FAST算子与多特征匹配的图像伪造检测算法[J].西南师范大学学报(自然科学版).2019
[2].颜普,苏亮亮,邵慧,吴东升.基于多支持区域局部亮度序的图像伪造检测[J].计算机应用.2019
[3].魏佳,李军,曹记东.基于DWT和聚类方法的图像复制粘贴伪造检测方法研究[J].信息与电脑(理论版).2019
[4].如先姑力·阿布都热西提,亚森·艾则孜,米日古丽·艾则孜.基于灰度差分统计法的图像复制与移动伪造检测方法[J].微型电脑应用.2018
[5].如先姑力·阿布都热西提,亚森·艾则孜.基于DWT和形态学滤波的图像伪造检测方法[J].计算机测量与控制.2018
[6].李晓红,杨玉香,姜春峰.基于旋转灰度特征与位移约束的图像伪造检测算法[J].新疆大学学报(自然科学版).2018
[7].刘琴琴,邱建林.基于向量点积与相似聚类的图像伪造检测算法[J].计算机工程与设计.2018
[8].杨泽.伪造数字图像检测算法研究[D].云南师范大学.2018
[9].程伟,孟聪龄,李业学.基于扩张块的建筑图像伪造检测[J].计算机工程与设计.2018
[10].柴建伟,刘婷.改进的SIFT耦合特征点集群的图像伪造检测算法[J].西南师范大学学报(自然科学版).2018