借助能量约束与结构相似聚类机制，设计了一种新的图像内容伪造检测算法。首先，借助Hessian算子，利用盒式滤波器来生成Hessian行列式，以准确检测图像特征。然后，通过计算图像的Haar小波值，求取图像的方向信息，以构建图像特征的邻域窗口。再计算该邻域窗口内像素点的曲率信息，构成鲁棒性较好的特征向量。最后，对图像特征进行欧氏距离度量，并联合图像的区域能量特征，完成度量结果的约束，以实现图像特征的精确匹配。采用结构相似度(SSIM)函数，聚类匹配结果识别伪造区域，实现准确的检测。仿真数据表明，较当前内容检测技术而言，在多种几何变换干扰下，本文算法具有更高的检测准确性与鲁棒性。

为降低图像伪造算法的错误检测率和漏检测率，利用互相关函数(CCF)，设计了基于圆域分割耦合最优相关法则的图像复制-粘贴篡改检测算法。引入FAST算子，计算像素点及其邻点的灰度值，准确提取图像特征点，并利用特征点对应的直方图信息求取其主方向；同时，在该方向上建立特征点的邻域圆，对该圆域进行分割，计算每个分割区域的梯度特征，获取相应的特征向量；利用互相关函数对特征点间的相关程度进行计算，构建最优相关法则，完成特征匹配。利用匹配特征点的特征向量，计算特征点间的欧氏距离，对特征点进行集群，定位复制-粘贴篡改内容，实现伪造检测。实验结果表明：相对已有的伪造检测技术，所提算法具备更高的检测准确率，且对旋转、缩放等内容修改表现出更高的鲁棒性。

当前较多图像篡改检测算法主要是依靠测量图像间的距离来匹配像素特征, 以此来实现图像的篡改检测, 但其没有考虑图像特征间显著特征的关联性, 导致检测结果存在误检等弊端。为此, 设计了灰度差异耦合显著特征的图像复制-粘贴篡改检测算法。首先, 借助Harris算子, 从待检测图像中提取初始特征, 并利用像素点间的灰度差异信息, 删除伪特征, 以得到准确度较高的图像特征。然后, 将Haar小波作为求取图像特征方向信息的依据, 利用图像锐度信息, 获取特征向量。采用傅里叶变换来计算图像特征的显著信息, 利用其对图像特征实施匹配。最后, 对匹配图像特征进行聚类计算, 以辨别出图像中的篡改内容。实验数据表明, 较当前伪造检测算法而言, 所提算法不仅具有更少的错误检测内容, 而且拥有更强的健壮性, 能抵御多种仿射变换对篡改检测的干扰。

当前较多图像篡改检测方法主要通过对图像特征间的距离进行测量来完成特征匹配，忽略了图像的色彩信息，导致检测结果中存在较多的误检测和漏检测现象。对此，本文将色彩信息引入到图像特征匹配过程中，设 计了一种采用色彩制约模型的篡改检测算法。利用 Laplacian算子与 Harris算子提取图像特征，并利用像素点的红 (R)、绿(G)、蓝(B)三原色信息，结合特征描述符建立色彩制约模型，对特征点间的色彩信息进行度量，再 借助该度量值与特征点间的距离测量值共同完成图像特征匹配，充分剔除误匹配现象，有效提高匹配准确度。该算法还根据特征点间距离方差构造距离惩罚模型，对匹配后的图像特征进行聚类，准确识别篡改内容。通过实 验结果发现，与其他篡改检测算法相比，本文算法不仅对伪造内容具备更高的检测准确度，而且对模糊及旋转等内容操作也具有更好的适应性。

针对现有图像盲取证方法在多重镜像篡改检测效果较差的问题,提出一种基于近似最近邻(ANN)搜索的图像篡改检测方法。提取图像的BRISK(Binary Robust Invariant Scalable Keypoints)特征描述子,获得图像的二值特征向量。利用PatchMatch计算特征间的偏移量并借助传导策略优化搜索相似图像块,实现篡改区域的初步检测。利用最小均方线性模型计算拟合误差移除误匹配点,精确定位篡改区域。在CASIA V2.0图像数据集和哥伦比亚大学图像数据集上进行实验,实验结果表明,该算法能够准确且高效地检测经复杂几何形变的篡改区域,特别是对多重镜像篡改检测的准确率更高。

扩散修复是一种常见的小面积图像篡改手段,考虑到扩散修复引入的模糊效应,提出了一种梯度域导向滤波增强的图像扩散修复取证算法。因伪造图像在未修复区域结构纹理清晰,而模糊效应会导致修复区域纹理发生一定的改变,所以梯度域导向滤波能够保留未修复区域的纹理结构,从而突显修复区域的模糊效应。鉴于篡改信息在不同颜色通道里均有不同程度的体现,对输入图像的各个颜色通道分别进行梯度域导向滤波增强,从多角度捕捉图像修复带来的影响。实验结果表明,该方法不仅可以有效检测和定位扩散修复区域,且比现有的方法检测性能更好。

利用自嵌入技术提出一种同时实现版权保护和内容认证的双功能图像水印算法.在嵌入端, 首先将原始图像划分成互不重叠的子块, 将各子块每个像素的最低m位置0, 然后将最低m位置0后的子块进行奇异值分解, 通过提取奇异值范数的最高位奇偶性产生原始鲁棒特征水印, 然后再将原始鲁棒特征水印嵌入各子块每个像素的最低m位得到含水印图像.检测端从攻击的含水印图像提取鲁棒特征水印的过程与嵌入端产生原始鲁棒特征水印的过程类似, 并且通过计算提取的鲁棒特征水印与原始鲁棒特征水印之间的归一化相关度进行版权鉴别, 通过判断提取的鲁棒特征水印与攻击图像各子块每个像素的最低m位的一致性实现篡改检测进行内容认证.理论分析和实验结果都表明算法具有非常好的不可见性.实验结果还表明, 算法不仅在抵抗添加噪音、剪切、JPEG压缩、平滑、重采样和几何攻击如随机删除行、向右偏移列、向下偏移行表现出很强的鲁棒性, 而且能够精确定位出篡改位置和区分篡改类型.因此, 算法具有版权保护和内容认证双重功能.

在充分考虑图像视觉感知特性的基础上，提出一种图像自适应半脆弱水印算法。首先利用图像亮度、纹理特性确定水印嵌入比特深度；然后采用自适应LSB 替换方法嵌入水印信息，水印嵌入强度依赖于载体图像特征；最后应用优化像素调整进一步提高水印透明性。实验结果表明，算法对偶然攻击有一定的鲁棒性而对恶意攻击比较敏感，且能有效识别图像攻击类型。此外，理论分析与仿真实验均说明本文算法比同类算法具有更高的透明性，其隐秘图像PSNR 值要高约2.90 dB。

针对现有的图像区域复制篡改检测算法其后处理的鲁棒性较差,且时间复杂度高的问题,提出了一种有效的检测与定位篡改区域算法。该算法通过对图像进行小波分解,将低频图像进行块分解,提取每块的Zernike矩特征,并将特征向量排序;然后,为每个特征向量搜索阈值符合的相似特征向量;最后,利用区域面积阈值去除错误的相似块对,并结合数学形态学定位篡改区域。实验结果表明,该算法不仅能有效地对抗常规的后处理操作,而且只在1/4图像上搜索块空间,提高了运算效率。本方法可用于面向图像内容的真实性鲁棒取证。

提出一种基于奇异值分解和混沌映射的图像脆弱认证水印算法,将混沌映射的初值敏感性应用到图像的篡改检测中。对图像子块进行奇异值分解,同时利用Logistic混沌映射产生认证水印;然后利用Logistic混沌映射设计了一个子块与子块之间的映射函数,将认证水印序列嵌入在相应映射块的LSB上。实验结果表明,算法不仅对篡改非常敏感,而且能够有效地抵抗拼贴攻击和区分篡改图像内容与篡改水印。