针对数字图像版权中的复制粘贴篡改问题，提出FI-SURF (flip invariant SURF)算法。研究了当图像经过镜像翻转后SURF (speeded-up robust features)特征描述符的排列变化关系。提取SURF特征点后，将其特征描述符重新排序，即使复制粘贴区域经过镜像翻转，对应的特征点依然可以进行匹配。实验证明，FI-SURF算法在保留SURF算法运算速度快、顽健性强等优点的前提下，可有效检测出经过镜像翻转的复制粘贴区域，计算出复制粘贴区域的轮廓。

研究假设视频同源帧插入、异源帧插入、替换、删除篡改能够导致视觉内容发生变化,并致力于以底层特征为基础建立这种微小变化数学模型。首先,提取RGB3个通道的彩色直方图作为底层特征,采用直方图相交法定义视频帧之间的颜色内容一致性值;其次,采用拉依达准则设定阈值,一旦待检测视频帧的颜色内容一致性值小于自适应阈值,则判定该帧被篡改了。实验结果表明该假设是合理,有效的,所设计的算法能够检测出道路监控视频、背景相对复杂视频中的同源帧插入、异源帧插入、替换、删除的篡改。

针对现有大部分水印算法功能单一且无法实现完全盲检测的局限性，提出一种同时进行版权保护和内容认证的全盲双功能数字水印算法。算法采取子块区域分割的思想，水印产生和嵌入分别利用同一个子块的不同区域。通过判别两个最大奇异值均值的最高位奇偶性产生特征水印，然后自适应地调整相邻区域相同位置的两个离散余弦变换交流系数的大小，实现水印的嵌入。检测端通过产生的特征水印和盲提取的认证水印实现全盲的版权鉴别和内容认证。相比于已报道的一些水印方案，本文提出的水印算法对于常见的攻击具有更好的顽健性，可以实现版权保护功能，同时对于恶意的图像篡改又有较好的敏感性，可以准确定位篡改的区域。

这是一个三分类改为二分类的检测

针对JPEG地质资料的复制-移动篡改，提出一种结合SURF特征匹配与JPEG块伪影特征矩阵因子的篡改区域检测方法。首先运用SURF算法提取图像特征点并进行特征点匹配，根据剔除伪匹配点后的匹配对计算仿射变换参数，定位复制-移动区域，然后通过引入JPEG块伪影特征矩阵因子实现篡改区域的定位。结果表明：相比其他算法，本方法能够更有效地探测JPEG地质资料的复制-移动篡改，并精确定位篡改区域。

图像篡改检测matlab代码JPG 和 TIF 图像中的篡改检测 这是在特伦托大学多媒体数据安全课程竞赛中使用的代码。 我们的结果获得了更高的分数 (31)。 根据我们面临的一些问题，对算法进行了细微的修改。 代码中有趣的部分是它评估每个算法的输出是否是正确结果的方式，可以找到。 在评估之前对每个结果进行编辑也很重要。 还有一个名为 spaghetti code 的文件夹，里面有一些测试用例和其他不是特别有用的部分。 你可以下载一些测试图片 要运行代码，请执行函数 getmap(Path)，其中 Path 是我们要分析的图像的路径。 请求的输出将写入目录“DEMO_RESULTS”中。 请注意，为了正确使用代码，必须包含 SUPPORT 目录（添加文件夹和子文件夹） 如果你想在多个图像上运行代码，你可以在 SUPPORT 目录中找到脚本 tests.m； 在这种情况下，您需要指定：包含伪造图像的目录的路径、包含真实伪造地图的目录以及要分析的 number_of_images 使用的算法来自

投影与光照方向一致性的图像篡改检测

SIFT-SURF-and-FAST-算法 本项目是对不同图像篡改检测算法的比较研究。 比较研究基于在不同标准（例如特征点的数量、特征描述符等）中获得的结果来评估算法的性能。 这些研究是了解算法行为及其对所得结果的影响的重要资源。 我们主要专注于算法 SIFT、SURF 和 FAST。

阿里天池安全Ai挑战者计划图像篡改检测 博主此次比赛rank23 这是在在学校做宣讲时的材料 包括深度学习入门指导，比赛所需知识获取方式，常见比赛类型解读以及此次比赛的TOP选手方案解读

JPEG图像篡改引入的双重压缩会导致篡改区域的原始压缩特性发生改变，因此可以利用篡改区域压缩特性的不一致性来检测图像的篡改。利用该原理，提出了一种基于量化噪声的JPEG图像篡改检测算法。算法对待检测图像进行分块，计算每块的量化噪声，求取图像块的量化噪声服从均匀分布和高斯分布的概率，从而检测出篡改过的双重压缩区域。实验结果表明：该算法能有效检测双重压缩的JPEG图像篡改，并能定位出篡改区域。