基于SIFT算法的篡改图像识别技术研究
发布时间：2021-02-27 15:45
图像在人们日常生活中越来越常用,应用范围无处不在,随之图像的真假也愈发的难辨。各种图像处理软件的普及与易于使用也使篡改图像越来越多,当这些篡改图像作为证据或者在网上被广泛转发时,一些重要的线索被篡改混淆视听,这样会对人们的生活造成非常重要的影响,因此图像篡改检测技术的研究具有非常重要的意义。关于图像篡改检测算法的研究,目前最常见的是基于复制粘贴篡改的研究,其主要算法主要有基于图像块和基于关键点的图像篡改检测算法。SIFT算法是目前运用最为广泛的基于关键点的图像篡改检测算法,但也存在不少缺点,例如图像篡改检测的准确性差和耗时高等问题。本文基于SIFT算法存在的问题进行研究,针对SIFT算法提取的特征维度高,耗时长、占用计算机资源大等问题,本文采用K-means算法进行降维处理,提高算法运行速度;SIFT算法在图像篡改区域难以准确判断,本文利用RANSAC算法对误匹配点进行剔除,提高在篡改区域定位时的准确性;针对SIFT算法在提取图像特征时,只提取了图像的灰度特征从而丢失了图像的颜色信息,本文将SIFT算法提取的特征与图像的CIE Lab颜色空间特征相结合,丰富关键点信息;本文还提出了一种...
【文章来源】：沈阳理工大学辽宁省
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 图像处理技术国内外研究现状
1.3 数字图像检测技术
1.3.1 数字图像主动取证技术
1.3.2 数字图像盲检测技术
1.4 本文主要内容及创新点
1.5 文章结构
第2章 图像篡改检测相关算法及原理
2.1 图像复制粘贴篡改检测算法综述
2.1.1 基于图像块的复制粘贴篡改检测技术
2.1.2 基于特征点的复制粘贴篡改检测技术
2.2 图像复制粘贴篡改检测算法模型
2.3 图像复制粘贴篡改检测算法
2.4 图像篡改检测特征提取算法
2.4.1 SIFT算法
2.4.2 SURF算法
2.5 图像特征匹配算法
2.5.1 KNN算法
2.6 SIFT算法的一般改进
2.6.1 PCA-SIFT算法
2.6.2 K-means改进的SIFT算法
2.6.3 RGB-SIFT算法
2.7 本章小结
第3章 改进的SIFT算法
3.1 算法流程
3.2 SIFT篡改检测算法原理
3.2.1 尺度空间极值点检测
3.2.2 提取关键点
3.2.3 精确定位特征点位置
3.2.4 特征点匹配
3.3 SIFT-SVD算法
3.3.1 SVD算法
3.3.2 SIFT-SVD算法步骤
3.4 LAB-SIFT图像检测算法
3.4.1 LAB-SIFT图像检测算法流程
3.4.2 基于CIE LAB颜色空间提取特征
3.5 本章小结
第4章 研究结果与讨论
4.1 SIFT算法检测
4.1.1 SIFT算法检测仿真结果图
4.1.2 SIFT算法检测结果
4.2 SIFT-SVD算法检测
4.2.1 SIFT-SVD算法检测仿真结果图
4.2.2 SIFT-SVD算法检测结果
4.3 SIFT-LAB算法检测
4.3.1 SIFT-LAB算法检测仿真结果图
4.3.2 SIFT-LAB 算法检测结果
4.4 仿真结果分析
4.5 本章小结
结论
参考文献
攻读硕士学位期间发表的论文和获得的科研成果
致谢
【参考文献】：
期刊论文
[1]MapReduce框架下基于抽样的分布式K-Means聚类算法[J]. 杨杰明,吴启龙,曲朝阳,杨烁,阚中峰,高冶. 吉林大学学报(理学版). 2017(01)
[2]基于混合灰度序模式的图像复制-粘贴篡改盲鉴别算法[J]. 朱叶,申铉京,陈海鹏. 吉林大学学报(工学版). 2017(04)
[3]基于动态K均值聚类算法的SAR图像分割[J]. 邢涛,黄友红,胡庆荣,李军,王冠勇. 中国科学院大学学报. 2016(05)
[4]基于改进SIFT算法的图像复制粘贴篡改检测[J]. 李昆仑,孙硕. 计算机科学. 2016(S1)
[5]利用SIFT特征的非对称匹配图像拼接盲检测[J]. 杜振龙,杨凡,李晓丽,郭延文,沈钢纲. 中国图象图形学报. 2013(04)
[6]基于Lambert光照模型的图像真伪盲鉴别算法[J]. 陈海鹏,申铉京,吕颖达,金玉善. 计算机研究与发展. 2011(07)
[7]基于小波变换的JPEG2000图像篡改检测[J]. 吉建华,高旭膦. 微计算机信息. 2010(17)
[8]SIFT和旋转不变LBP相结合的图像匹配算法[J]. 郑永斌,黄新生,丰松江. 计算机辅助设计与图形学学报. 2010(02)
[9]基于SIFT的图像复制遮盖篡改检测技术[J]. 李生红,张爱新,郑燕双,朱彤,金波. 解放军理工大学学报(自然科学版). 2009(04)
[10]基于双JPEG压缩统计特性的图像篡改检测方法[J]. 岳红原,黄坚. 南京工程学院学报(自然科学版). 2009(02)
博士论文
[1]数字图像复制—粘贴篡改盲取证关键技术研究[D]. 朱叶.吉林大学 2017
[2]数字图像盲鉴别的关键理论与技术研究[D]. 吕颖达.吉林大学 2015
硕士论文
[1]基于局部纹理特征的数字图像拼接盲鉴别算法研究[D]. 石泽男.吉林大学 2017
[2]基于改进SIFT算法的图像匹配研究[D]. 冯文斌.燕山大学 2017
[3]数字签名技术研究[D]. 孙文高.西安电子科技大学 2010
本文编号：3054446
【文章来源】：沈阳理工大学辽宁省
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 图像处理技术国内外研究现状
1.3 数字图像检测技术
1.3.1 数字图像主动取证技术
1.3.2 数字图像盲检测技术
1.4 本文主要内容及创新点
1.5 文章结构
第2章 图像篡改检测相关算法及原理
2.1 图像复制粘贴篡改检测算法综述
2.1.1 基于图像块的复制粘贴篡改检测技术
2.1.2 基于特征点的复制粘贴篡改检测技术
2.2 图像复制粘贴篡改检测算法模型
2.3 图像复制粘贴篡改检测算法
2.4 图像篡改检测特征提取算法
2.4.1 SIFT算法
2.4.2 SURF算法
2.5 图像特征匹配算法
2.5.1 KNN算法
2.6 SIFT算法的一般改进
2.6.1 PCA-SIFT算法
2.6.2 K-means改进的SIFT算法
2.6.3 RGB-SIFT算法
2.7 本章小结
第3章 改进的SIFT算法
3.1 算法流程
3.2 SIFT篡改检测算法原理
3.2.1 尺度空间极值点检测
3.2.2 提取关键点
3.2.3 精确定位特征点位置
3.2.4 特征点匹配
3.3 SIFT-SVD算法
3.3.1 SVD算法
3.3.2 SIFT-SVD算法步骤
3.4 LAB-SIFT图像检测算法
3.4.1 LAB-SIFT图像检测算法流程
3.4.2 基于CIE LAB颜色空间提取特征
3.5 本章小结
第4章 研究结果与讨论
4.1 SIFT算法检测
4.1.1 SIFT算法检测仿真结果图
4.1.2 SIFT算法检测结果
4.2 SIFT-SVD算法检测
4.2.1 SIFT-SVD算法检测仿真结果图
4.2.2 SIFT-SVD算法检测结果
4.3 SIFT-LAB算法检测
4.3.1 SIFT-LAB算法检测仿真结果图
4.3.2 SIFT-LAB 算法检测结果
4.4 仿真结果分析
4.5 本章小结
结论
参考文献
攻读硕士学位期间发表的论文和获得的科研成果
致谢
【参考文献】：
期刊论文
[1]MapReduce框架下基于抽样的分布式K-Means聚类算法[J]. 杨杰明,吴启龙,曲朝阳,杨烁,阚中峰,高冶. 吉林大学学报(理学版). 2017(01)
[2]基于混合灰度序模式的图像复制-粘贴篡改盲鉴别算法[J]. 朱叶,申铉京,陈海鹏. 吉林大学学报(工学版). 2017(04)
[3]基于动态K均值聚类算法的SAR图像分割[J]. 邢涛,黄友红,胡庆荣,李军,王冠勇. 中国科学院大学学报. 2016(05)
[4]基于改进SIFT算法的图像复制粘贴篡改检测[J]. 李昆仑,孙硕. 计算机科学. 2016(S1)
[5]利用SIFT特征的非对称匹配图像拼接盲检测[J]. 杜振龙,杨凡,李晓丽,郭延文,沈钢纲. 中国图象图形学报. 2013(04)
[6]基于Lambert光照模型的图像真伪盲鉴别算法[J]. 陈海鹏,申铉京,吕颖达,金玉善. 计算机研究与发展. 2011(07)
[7]基于小波变换的JPEG2000图像篡改检测[J]. 吉建华,高旭膦. 微计算机信息. 2010(17)
[8]SIFT和旋转不变LBP相结合的图像匹配算法[J]. 郑永斌,黄新生,丰松江. 计算机辅助设计与图形学学报. 2010(02)
[9]基于SIFT的图像复制遮盖篡改检测技术[J]. 李生红,张爱新,郑燕双,朱彤,金波. 解放军理工大学学报(自然科学版). 2009(04)
[10]基于双JPEG压缩统计特性的图像篡改检测方法[J]. 岳红原,黄坚. 南京工程学院学报(自然科学版). 2009(02)
博士论文
[1]数字图像复制—粘贴篡改盲取证关键技术研究[D]. 朱叶.吉林大学 2017
[2]数字图像盲鉴别的关键理论与技术研究[D]. 吕颖达.吉林大学 2015
硕士论文
[1]基于局部纹理特征的数字图像拼接盲鉴别算法研究[D]. 石泽男.吉林大学 2017
[2]基于改进SIFT算法的图像匹配研究[D]. 冯文斌.燕山大学 2017
[3]数字签名技术研究[D]. 孙文高.西安电子科技大学 2010
本文编号：3054446
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3054446.html
