区域复制范文（精选4篇）
区域复制 第1篇
区域复制（copy-move）是数字图像伪造技术中最常用的一种图像篡改方式，由于其篡改的区域往往是人们视觉感兴趣部分，是图像信息的主体，是人们对新闻的认可、案件的取证的根据，如果图像中重要的信息被篡改后，伪造的图片带来虚假的信息和证据，混淆了人们对事实的认识。甚至会欺骗公众，影响司法公证和社会安定。因此，对区域复制篡改操作的取证技术研究是非常重要的。
1 区域复制移动篡改模型
区域复制篡改是把图像中的某一区域进行复制，粘贴到同一图像的不相交区域上以去除或增加图像中某一重要特征。复制区域分为二类：一类是纹理密集型区域，例如草地、植被等具有不规则模式的区域，该类型区域通常用于掩盖场景中的对象或人物；第二类是对象或人物区域，用于在图像场景中添加新的对象或人物。由于被复制的区域与粘贴区域来源于同一幅图像，它们有着一致的噪声、纹理、颜色等信息，且在做复制粘贴篡改的同时，造假者会对篡改的图像做滤波、加噪、有损压缩等操作，使得篡改区域与原图相融为一体，从而使得篡改后的图像更难被人辨别与检测。
根据分析，区域复制篡改模型可表达为式（1）:
其中，f(x,y）代表图像I(x,y）中的源复制区域，T表示一种几何相似变换（包括平移、旋转、缩放以及任意组合等线性变换），n(x,y）表示随机噪声（如噪声污染、模糊虑波、有损压缩等），g(x,y）表示经过修饰处理后的篡改区域。噪声的产生是由于图像在区域复制篡改后的后续处理，这也使得区域复制篡改检测更加困难。
图像的区域复制篡改检测问题可以描述为：给定一幅图像，其中可能包含位置和数量未知的区域复制篡改区域，通过一定的算法来识别并定位其中的篡改区域。由于复制的区域来自同一幅图像，图像的噪声成分等统计特性和图像来源特性一致，所以采用统计特征和图像来源特性的改变进行检测可靠性不高。对同幅图像复制粘贴篡改操作取证的主要依据是检测图像中存在两个完全相同或者相似的区域。
2 区域复制篡改检测关键技术
现有的检测算法在基于块匹配的前提下，待检测图像是大小为M×N的彩色图像，首先对图像进行预处理缩小图像尺寸，然后对图像从左至右从上至下以一个像素为移动距离，将图像划分成（M-B+1）×（N-B+1）个大小为B×B的图像块，并提取每一个图像块的特征向量组成表征图像的特征矩阵，接下来对该矩阵按行字典排序使得复制篡改区域成为相邻行，最后采用相似块检测算法确定篡改区域。具体的算法流程如图1所示。下文将针对特征向量的选取和相似块匹配技术进行分析。
2.1 特征向量的选取
特征向量选取是整个方法的关键，因为通过提取图像块的特征值可获得图像块的一个唯一、稳定的特征描述。一方面可以极大的降低计算复杂度，另一方面，好的特征向量可以消除噪声、重压缩及各种篡改处理对检测效率的影响。现有文献的特征向量均为经量化后的变换系数，量化的目的是为了增强检测算法的稳健性。
Fridrich等在文献[1]中采用的块特征为经过JPEG标准矩阵量化后的DCT块变换的系数。Popescu等在文献[2]中采用量化后的像素值的PCA变换系数。吴琼等在文献[3]中利用图像块SVD分解得到块特征向量。Mahdian等在文献[4]中采用了对模糊操作稳健的矩特征。王睿在文献[5]中选取7个不变矩作为各图像块的特征向量。
在这些特征向量中，文献[4]中的特征向量维数过低不足以描述块之间的差别，故检测效果不佳。文献[5]采用的特征因为矩的计算量问题导致算法处理一幅512×512的图像需要40分钟左右，过大的计算量限制了它的应用。特征向量的选取需要遵循三个方面的要求：
(1)特征向量的维数必须足够大，使得特征向量所包含信息足以描述不相似小块之间的区别。
(2)为了保证字典排序后得到正确稳健的结果，低维的特征需要比高维的特征更加稳健，所以沿着字典排序的先后顺序，特征向量对小块的描述是“从粗到细”的。
(3)图像特征在图像经过缩小处理后仍具有稳健性。对于尺寸为M×N的图像，（M-B+1）×（N-B+1）×B2个浮点数值构成了它的局部特征。基于局部块特征的方法在储存局部块特征的时候需要较大的存储空间。随着相机传感器技术的发展，数码相机图片的分辨率越来越大。为了处理分辨率高的待检测图像，只能将图像缩小至能够处理的分辨率，因此，能在实际中应用的检测算法必须对图像缩小处理也是稳健的。
2.2 块匹配检测
如何在一幅图像中寻找并定位出篡改区域也是区域复制检测算法中需要解决的另一关键问题。在获得原图的特征矩阵后，需要寻找图像中的相似块，图像篡改检测中的块匹配运算常采用特征向量字典式排序匹配的方法，这种匹配方法对于精确复制的篡改检测非常有效，但是由于篡改者往往对复制部分的边缘进行了润饰，另外在图像的传播过程中也可能会引入噪声从而使得匹配检测失败。所以，如何消除错误块对的影响及定位出篡改区域也是算法的另一关键。
常用的相似性块检测方法有：基于直方图统计的检测方法、基于像素统计的检测方法和基于像素差的检测方法。吴琼在文献[3]中以按行字典排序并配合图像块的偏移位置信息，进行图像复制伪造区域的检测和定位；康晓兵在文献[6]中采用余弦相关系数达到相似性匹配的效果；文献[5]采用Pearson相关系数检测方法；骆伟祺在文献[7]中采用的是“主转移向量”方法去除错误的相似块对得到篡改的区域。
3 结束语
区域复制粘贴篡改利用了同一幅图像中有着相似的颜色、纹理、噪声等特性，使得篡改后的图像在视觉上很难被发觉，而且能十分简单地实现篡改，但是相对于其它一些更高级的篡改方法，其主要缺点为篡改后的图像的特征相对较明显。以后可以对以下两个方向进行研究：(1)篡改的区域很小（接近或小于图像的0.85%）；(2)篡改的区域经过旋转。
摘要：本文针对数字图像盲取证技术中的区域复制篡改类型,介绍了区域复制篡改模型及检测方法,并对区域复制篡改检测技术中的特征向量选取和块匹配检测技术进行了分析,最后展望了区域篡改检测技术的发展方向。
关键词：区域复制,特征向量,块匹配
参考文献
[1]Fridrich J,Soukal D,L ukás J.Detection of copy-move forgery indigital images[C].Proc.Digital Forensic Research Work-shop,Cleveland,OH,August 2003.
[2]Popescu A,Farid H.Exposing digital forgeries by detecting duplicatedimage regions[R].Computer Science,Dartmouth College,Tech.Rep.TR2004-515,2004.
[3]吴琼,李国辉,孙韶杰等.基于小波和奇异值分解的图像复制伪造区域检测[J].小型微型计算机系统,2008,29(4):730-733.
[4]Mahdian B,Saic S.Detection of copy-move forgery using a methodbased on blur moment invariants[J].Forensic Science International,2007,171:180-189.
[5]王睿,方勇.基于不变矩的Copy-Move型篡改图像盲检测方法[J].中国图像图形学报,2008,13(13):1938-1941.
[6]康晓兵,魏生民.傅里叶-梅林变换的图像复制篡改检测哦[J].计算机工程与应用,2008,(35):30-33.
复制，复制，复制 第2篇
一个经营者把他计划给我看，请我帮他把把关，出出主意。在他的计划中，我看到非常多新奇的创意和想法。在现有的3个产品之外，他还想再做两个新产品。在现有的渠道之外，他还要添加3个新渠道。在现有的客户群之外，他还想增加两个新客户群。在现有的几个销售模式之外，他还想再尝试一个新模式。当他描述他对未来创意的时候，我看到他陶醉在自己的梦想中，他的眼神里充满了对新的一年无限的期待。
我感觉到，他希望从我这里得到对他一个人花费了大量心血做出来的计划的肯定和赞许。但我给他说：非常抱歉，在你的计划里，我看到的是创新，创新，再创新，却没有看到一点点更现实的复制。其实一个年度计划里70%应该是复制，30%才是创新。我问他：你总结过没有，在过去一年里，你们什么地方是做得好的?在你的计划里，有没有把已经经过验证的过往的创新复制，复制再复制?他说这些他没有多想，因为感觉那些事情大家都已经知道，重复一个已经会做的事情对他来说没有什么挑战性，他作为经营者首要任务是带领大家创新。
创新的确是重要的，
没有创新，没有独一无二的追求，一个企业不可能走远。但只知道创新，不知道把成功创新通过复制放大到无法再放大，这也是错的，而且这个错误可能是我们做经营者的(和员工)最容易犯的，也同时是最愚蠢的错误。
为什么说这个错误愚蠢?我们都知道老熊掰棒子的故事，我们都会嘲笑老熊的愚蠢。但很多公司众多创新的命运不是和老熊掌中的棒子一样，被拿起又被扔掉了吗?如果我们对过往通过艰难的创新取得的成果没有充分总结和利用，就继续做同样艰难的新的创新尝试，这不是舍近求远吗?
很多企业的大成功其实不是创新的成功，而是复制的成功，例如大部分连锁企业。有一些企业的做法甚至不是复制自己的成功，而是复制别人的成功，例如很多人认为腾讯就是这样成功的。应不应该复制别人的成功是另外一个问题，但复制自己的成功是没有任何道德问题的。易中的德国合作伙伴Haufe取得增长的一个秘诀就是收购别人的产品，然后用自己成熟的渠道把产品销售出去。这其实也是复制，和腾讯的做法没有太大的差别。
年底计划或预算的基础不应该是天马行空的创新，而应该是企业过往有意识试验(有意识地创新)及无意识经验(意想不到的成功)的总结。创新不是目的，复制才是目的。总结让复制成为可能，带领大家做好一年的总结，是年底时候经营者比创新更重要的任务。只有总结好了，才能把过往大家费了九牛二虎之力取得的经验发扬光大，才能取得事半功倍的结果。
对模式的总结，会让你的企业有更强的核心竞争力。对组织方式的总结，会让你的员工更有战斗力。对产品的总结，会让你的销售大大提高成功率。对人事的总结，会帮助你大大提高员工的积极性。对客户关系的总结，会让你的经营更长久稳定。
复制基金如何在“复制” 第3篇
关键词：复制基金；华夏回报；业绩
复制基金是证券投资基金行业内的一项金融创新，产生于金融业发达的美国，其在国外非常普遍。复制基金主要分为两种：一类是通过衍生产品来复制目标基金的市场表现；第二类是对母本基金的投资策略进行复制。我国的复制基金则属于后者。复制的子基金在投资风格、投资策略、资产配置比例、风险收益等方面与母本基金完全相同，以此期待能够取得与母本基金相同的业绩。复制基金的意义在于给投资者一个明确的预期——一个已有成功运作经验的新发基金。
一、华夏回报母子基金的复制理由
华夏回报母基金成立于2002年10月9日，子基金华夏回报二号成立于2006年8月14日。此时，母基金的单位净值为1.244元，基金规模25.35亿元，基金份额为17.83亿份；子基金成立时，发行规模71.26亿元，51.19亿份，基金资产规模比母基金竟然超出45.91亿元，上证指数为1888点，正处于上升通道。笔者在对国内其他复制基金进行研究同样发现，我国推出复制基金与国外进行基金复制的初衷并不一样：在国外，当一只基金的规模达到一定程度，为了便于基金经理投资管理运作、保护投资者的利益，基金公司通常会对规模过大、净值过高、历史悠久的基金进行复制。反观我国的母本基金，他们成立的历史并不算悠久，华夏回报母子基金成立时间前后相差不到4年，母基金的规模更不能称之为“大”，净值也并不算高。因此，我国基金公司发行复制基金的理由并不是那么的“充分”。倘若子基金成立之后不能取得如母基金一样的优秀的业绩，那么对于投资者来说，是极不负责任的，也是“有失道德”的。接下来，我们追寻其业绩“复制“的轨迹。
二、华夏回报母、子基金业绩情况
华夏回报二号成立于2006年8月14日，子基金成立以来，华夏回报二号与华夏回报的业绩对比如表1：
根据华夏回报母、子基金自成立以来的各季度业绩进行统计，结果显示，在子基金成立前两年多时期里，业绩差异比较明显，2008年2季度以前的业绩差距都超过2%（绝对值）。而到了2009年以后，母子基金之间的业绩差异显著减小。
三、华夏回报复制基金各时间段业绩分析
（一）复制基金成立初期业绩情况
华夏回报复制基金刚成立时，与母本基金的业绩差距达到8.14%，差异较大（如表2）。
通过其他复制基金的研究发现国内六只复制基金刚成立初期，子基金的业绩与母本基金的业绩不约而同地都存在较大的差距。笔者认为成立初期具有特殊性，存在业绩差距是不可避免的，具体原因：一是子基金建仓时所处的股市情况不同，其中隐含的市场机会和市场风险均不同；二是子基金的仓位与母本基金不同，在今后股市上升时所获取的收益与母本基金会有差异；三是成立初期在个股选择上，子基金会受到一定的限制，如某基金公司旗下各基金对某只股票的持有比例总和已接近10%的持股上限，或者某只股票股价涨幅过大，再上涨的空间有限。因此，复制基金在成立初期难以达到“复制效果”。鉴于此，复制基金成立初期存在业绩差异存在客观原因影响，本文不作为研究的重点，而是研究经过一段时间运作之后业绩存在差异的深层原因。
（二）复制基金业绩存在明显差异的原因探析
笔者选取了经过一段时间运作后华夏回报母子基金业绩出现较为明显差异的几个季度，分别分析其股票仓位比例、重仓股、行业配置以及基金经理配置，探讨基金业绩较大差异的深层原因。
1、股票仓位分析
根据华夏回报母、子基金的2007年3季度报告统计显示，母、子基金的股票占资产比例都不一样，差异比较明显，高达21.91%，如表3。
2、重仓股情况
在华夏回报母、子基金的业绩相差较为明显（相差13.78%，绝对值）的2007年3季度中，母、子基金的重仓股也有明显差异，前十位的重仓股排序均不一致，仅有苏宁电器为两者共同持有，但是持有比例则不同，华夏回报为1.88%，华夏回报二号则为2.52%。具体如下表：
3、行业配置情况
通过对两者的行业配置进行统计，亦有着明显差异，在金融与保险业，两者相差为6.18%；在食品与饮料业，相差为5.25%；在交通运输与仓储业，相差为3.88%，两者的行业配置合计亦相差明显，为23.91%。具体如下图：
综上所述，我们可以得出结论：在华夏回报母、子基金的净值增长率存在明显差异的时期，母、子基金在股票仓位比例、重仓股配置、行业配置存在不同程度的差别。这些差别是造成母子基金业绩出现较大差距的非常重要的原因。对其他5对复制基金的业绩研究也得出同样的结论。
（三）复制基金业绩差异不大的原因探析
那么在复制基金业绩差距不大的时候，在母子基金的股票仓位比例、重仓股配置、行业配置、基金经理配置方面是否也相差不大呢？通过对母、子基金无明显差异的季度统计分析可知，当母、子基金的股票占资产比例配置、重仓股配置、行业配置以及基金经理配置等方面差异不大时，母、子基金的业绩也会存在较小的差距，这时是真正做到了“复制业绩”的。因此，业绩差距小并不是偶然形成，是基金公司真正履行了“复制”责任所致，篇幅有限在此不赘述。
四、对于复制基金的几点思考
（一）基金公司不应借道复制基金来实现规模扩张
从文中第一部分提到的基金公司发行复制基金的时间和母子基金的规模对比，不禁引发人们的质疑：母本基金的业绩既然是优秀的，也并未出现规模过大导致操作不便的情况，为何人们不继续认购母本基金，而对复制后的子基金趋之若鹜？导致最终出现子基金的规模大于母基金的情况。究其原因是由于子基金的发行的单位净值为1元，相比发行时母本基金的单位净值1.244元，相对“便宜”。实际上基金的单位净值对于投资收益并无任何影响，但是，市场上大众投资者严重缺乏基金投资理念的教育，显然，基金公司是利用了投资者欠科学的投资理念并在我国股市处于牛市行情之时，打着“优质基金”的宣传口号，实现基金公司资产规模的扩张的目的。
（二）复制基金的监管
2008年3月我国证监会发布的《证券投资基金管理公司公平交易制度指导意见》（下文简称《指导意见》）中规定，如果分析期内，基金公司管理的投资风格相似的不同投资组合间业绩差异超过5%，基金公司应就此在监察稽核季度报告和年度报告中做专项分析。
在《指导意见》颁布之前，一些基金公司的母、子基金出现的超过绝对值5%业绩差异的季度不在少数，如华夏回报基金有4个季度。而《指导意见》颁布之后，我们发现母、子基金之间的业绩差异极少出现超过5%的差异。究竟是《指导意见》的颁布有效地促使基金经理尽责，还是因为经过了较长时间运作母子基金投资组合趋于相同进而实现了业绩趋同呢？我们不得而知了。
在国外对于复制基金的监管其实是相当自由的，监管层讨论的重点不是能不能设立复制基金，而是在设立复制基金时，需要“复制”到怎样的程度才能打上“复制基金”的标签，然后方可在基金销售是宣传目标基金的历史表现。这样的监管思路是符合复制基金运作规律的。因为本文认为，我国监管层可以借鉴这种做法：首先让准子基金运作一段时间，待到其真正开始复制母基金业绩之时才允许基金公司用复制“优质基金”的口号向社会公众进行宣传，这样才不会产生误导投资者的情形。
参考文献：
[1]刘晓青.谈谈复制基金[J].国际金融，2006（09）：64-65
[2]赵迪.海富通精选：复制基金缘何业绩悬殊[J].股市动态分析：基金·理财，2009（02）：56-56
[3]姚备.复制基金续佳绩[J].招商周刊，2007（12）：67-67
[4]陈默.复制基金业绩难达“优质基金”初衷[N].证券时报，综合，2008-04-21（B02）
[5]黄祎妮，郑世凤.复制基金：熊市的尴尬[N].21世纪经济报道，基金，2008-12-18（12）
区域复制 第4篇
随着当今网络技术的快速发展, 以及摄像器件的小型化和便捷化, 数字影像已经成为我们获取信息的主要方式之一。然而, 伴随着数字图像处理算法和编辑软件的迅速发展和普及, 数字图像或视频很容易通过图像处理软件被篡改。被篡改的图像有时候人眼不容易辨别出来, 导致人们容易被篡改后的影像所误导[1,2]。
数字图像篡改检测技术作为被动图像认证的技术存在很多种检测方式, 包括区域复制的检测、图像重采样检测技术、多次JPEG压缩图像的检测、基于噪声分布不一致性的检测、图像模糊润饰检测等, 这些方法都有其优点和局限性[1,2]。
区域复制篡改是通过同一图像上的复制-粘贴操作, 将图像中原有的某些信息遮盖隐藏的一种常用的篡改手段。针对该篡改方式, Fridrich等人首先提出了对图像进行分块, 然后对图像分块DCT系数量化后进行字典排序, 寻找相似块从而找出复制区域的算法[3]。Farid等人对图像分块进行PCA降低维度与量化, 再使用字典排序方法寻找相似图像区域[4]。Li G H等人先对图像进行DWT变换再进行分块, 提取分块的奇异值进行字典排序检测相似图像分块[5]。魏为民等人将图像进行两种不同的分块:不重叠分块和单像素滑动重叠分块, 对两组分块进行haar小波变换, 在两组小块之间使用小波变换的低频子带进行Pearson相关系数的计算进行相似分块的匹配检测[6]。刘潘梅等人提出在文献[6]的基础上对haar小波变换后的低频子带再次进行PCA降维, 得到的1结果作为分块特征向量进行Pearson相关系数的计算[7]。
本文针对魏为民等人提出的算法进行改进, 将该算法中两组分块队列中的重叠分块队列进行分类, 形成多个子队列。不重叠分块队列中的分块不需要与所有的重叠分块进行比较, 而是与部分子队列中的分块进行比较。从而可以较大的提高算法运行速度。
二、基于分类比较的算法描述
2.1原始算法
首先对魏为民等人提出的算法进行简要描述:
(1) 将图像按两种分块方式分别分块, 形成2组分块队列。分块方式分别为不重叠分块和单像素滑动重叠分块, 如图1所示:
假设待测图像大小为M×N, 分块大小为b×b。那么不重叠分块数量为 (M/b) × (N/b) (M, N不是b的整数倍则取整) 单像素滑动重叠分块数量为 (M-b+1) × (N-b+1) 。如此就形成2组分块队列, 不重叠分块队列中的分块用Bj表示, 另一个队列的分块用Bi表示。
(2) 对每一个分块Bj和Bi进行haar小波变换, 使用低频子带c Aj或c Ai作为分块Bj或Bi的特征向量:
(3) 将2组队列分块的特征向量进行匹配检测, 匹配算法使用Pearson相关系数检测方法:
上式中X和Y分别表示两组队列分块的特征向量c Aj和c Ai, 计算结果为两个特征向量的相关系数, 当相关系数超过门限值就认为两个分块相似, 可能是复制篡改区域。匹配过程的复杂度可以从下图看出:
上图中, 可以看到每个不重叠分块的特征向量都要与所有重叠分块的特征向量进行匹配运算。匹配的次数为 (M/b) × (N/b) × (M-b+1) × (N-b+1) 。分块尺寸会影响复杂度, 分块越大匹配次数越低, 但是分块太大容易超出篡改区域的尺寸, 所以一般分块尺寸大小选择为16×16。
2.2基于分类比较的改进算法
我们观察一副图像可以发现, 图像的所有分块中, 很多的分块具有很明显的区别, 如下图所示, 图中A、B、C三个分块具有很明显的区别:
那么对于前一小节所述的不重叠分块组中的分块是否需要与另一个队列的所有重叠小块进行匹配运算呢?答案是否定的。因此, 可以根据某种分类依据, 属于同一类的分块才进行Pearson相关系数计算进行匹配。即可以将重叠分块队列按分类标准分成几个子队列, 而每个不重叠分块选择其中分类接近的部分子队列进行匹配计算, 而不是与所有重叠分块进行匹配计算, 从而大大减少了匹配的次数。如下图所示:
对于分类方式, 本文使用分块的低频子带所有像素数值之和来进行分类。依据主要有三点:首先相似分块的像素和会比较接近;其次所有像素值之和对均值为零的噪声具有较好的抵抗能力;最后是该分类计算比较简单。不同的分类方式具有各自优缺点, 当然有其他分类方式会具有更好性能, 但可能计算比较复杂。
根据分块大小为16×16来进行分类设计:
(1) 16×16分块的小波变换的低频子带为8×8像素, 对每个像素值除2后, 其值范围为[0, 255], 其所有像素之和范围是[0, 16320]。将该范围分为32个区间, 每个区间的范围大小是510。即可以将重叠分块划为32个子队列。
(2) 重叠分块组中的分块根据低频子带的像素值之和分别划分到32个子队列中。而每个不重叠分块也根据低频子带的像素值之和标识其对应子队列。这里要注意的是, 不重叠分块子带的像素值之和可能落在区间边缘, 所以不重叠分块不仅要与对应的子队列进行匹配, 还要与其前后两个子队列即共三个子队列进行匹配计算。这样就能保证所有低频子带像素和的距离在510以内的分块都能进行匹配计算。如下图所示, 对应子队列4的分块要与子队列3, 4, 5里的分块进行匹配计算:
上述分类将重叠分块划分为32个子队列, 其中队列的数量对复杂度和性能有一定的影响。划分的队列越多, 队列里的分块越少, 因此算法速度就越快。但是队列多表示队列的数值范围减少, 就容易导致漏判的情况出现。本文采用32个队列, 每个队列范围510, 经过测试发现, 两个复制分块的低频子带像素和的差值很少超过510的值。
三、实验结果
采用以下两张纂改后的图像对本文提出的改进算法与文献[6]中的原算法进行比较:
在算法实现的过程中, 考虑到2.1节中的式 (1) 里的以下部分只与分块一一对应:
所以可以在建立队列的时候就将所有分块计算好式 (2) 和式 (3) 并保存。在分块匹配的过程中就可以减少这部分的重复计算。可以一定程度上提高算法运行效率。原方法与本文提出的方法在仿真过程中都采用了该方式提高运行效率。
仿真测试的平台是intel CPU酷睿双核主频2.2GHz、内存2G、Windows XP系统与Matlab 7.0。测试结果如下:
运行时间:
从检测结果来看, 原算法和改进算法的结果基本一致, 都可以检测出复制区域。但是也都存在误判的情况。而从运行时间来看改进后的算法耗时是原算法的1/3左右, 运行效率有较大提升。
四、结束语
本文在文献[6]的算法基础上设计了一种利用分类比较的方法, 将图像分块分为多个不同分类的子队列, 通过只比较分类接近的分块子队列来大幅度的降低分块匹配次数。该方法可以适用于其他基于块相似度匹配的算法, 可以在基本保持性能的前提下, 提高算法效率。
参考文献
[1]王喜兰.数字图像篡改中的人工模糊被动盲取证技术研究[D].中国硕士学位论文全文数据库, 2011.05.
[2]方君丽.自然图像复制粘贴和模糊操作篡改盲取证[D].中国硕士学位论文全文数据库, 2009.06.
[3]Fridrich J, Soukal D, Lukas J.Detection of copy-move forgery in digital images[C]//Proceedings of Digital Forensic Research Workshop, Cleveland, 2003.
[4]Popescu A C, Farid H.Exposing digital forgeries by detecting duplicated image regions.TR2004-515[R].Dartmouth College, 2004.
[5]Li G H, Wu Q, Tu D, et al.A sorted neighborhood approach for detecting duplicated regions in iage forgeries base on DWT and SVD[C]//Proceedings of 2007 IEEE International Conference on Multiedia and Expo.Beijing, China:IEEE, 2007:1750-1753.
[6]魏为民, 王朔中, 唐振军.一类数字图像篡改的被动认证[J].东南大学学报:自然科学版, 2007 (A01) :58-61.