论文研究-基于量化噪声的JPEG图像篡改检测.pdf

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。

论文研究-基于噪声方差估计的伪造图像盲检测方法.pdf

针对不同来源合成伪造数字图像提出了一种盲检测方法，不同数字图像背景噪声存在差异，因而伪造图像区域噪声方差不同。从待测图像小波分解后的高频子带中去除相应边缘区域的高频干扰，改进了噪声方差估计算法，并对所得噪声图像进行分块处理估计每一个分块的噪声方差，将方差相近的块进行融合，最后比较图像中纹理接近的同质区域，找出方差异常的位置。通过实验研究了方差估计精度，对不同来源的伪造图像进行了检测，结果表明算法提高了图像噪声方差的估计精度，在图像纹理接近的同质区域中可以定位图像的伪造区域。

利用对噪声的盲估计来检测篡改

由于有功能强大的计算机和图像处理软件的存在， 普通用户可以将数字图像篡改成他们想得到的任何形式。所以检测数字篡改变成了一个非常严峻的问题。每幅数字图像都包含固有的噪声，这些噪声一般均匀的分布在整幅图上。本文通过检测这些固有的噪声是否改变来检测图像是否被篡改了。对多幅图像进行操作，实验证明效果不错。

基于马尔科夫随机场的纹理图像分割方法研究_曹家梓.pdf

论文仅供学习和参考。 本文提出了一种改进的基于马尔科夫随机场( MＲF) 模型的纹理图像分割方法。利用分数阶微分运算对图像纹理细节和边缘轮廓信息的敏感性，将其引入图像纹理特征提取过程中，以获得完备的图像纹理信息，可以弥补传统算法中 MＲF 特征场对图像纹理信息描述不足的缺陷。此外，为准确划分图像中不同的纹理区域，利用模糊熵准则对分割结果进行进一步优化，以降低噪声干扰、减少区域内错分点。

利用模糊估计和传感器噪声检测篡改图像

由于有功能强大的计算机和图像处理软件的存在, 普通用户可以将数字图像篡改成他们想得到的任何形式。所以检测数字篡改变成了一个非常严峻的问题。在大多数情况下, 数字篡改图像是很逼真的, 但是在处理过程中也会留下一些痕迹。文章将图像的模糊估计和传感器的模板噪声检测篡改的方法结合起来, 对多幅图像操作, 实验证明有不错的检测效果。

图像噪声检测评估标准（干净像素点检测和噪声像素点检测）

本代码算法用于脉冲噪声、椒盐噪声等检测阶段的噪声或干净像素点正确检测率，误检率等评价标准的算法，基于matlab实现，附有代码注释。

基于稀疏表示的图像去噪算法研究

基于稀疏表示的图像去噪算法研究，是一篇很不错的论文

论文研究-基于噪声分布规律的伪造图像盲检测算法.pdf

提出了一种基于噪声分布规律的伪造图像盲检测方法。首先利用基于边缘保护的滤波方法检测出图像中的噪声；然后计算图像中同质区域噪声的均值、方差和信噪比等统计量，通过比较图像中同质区域的噪声分布规律的相似性程度实现伪造图像鉴别。实验证明该算法能有效地检测出伪造图像。

稀疏分解图像去噪

传统的去噪方法往往假设含噪图像的有用信息处在低频区域，而噪声信息处在高频区域，从而基于中值滤波、Wiener 滤波、小波变换等方法实现图像去噪，而实际上这种假设并不总是成立的。基于图像的稀疏表示，近几年来研究者们提出了基于过完备字典稀疏表示的图像去噪模型，其基本原理是将图像的稀疏表示作为有用信息，将逼近残差视为噪声。利用 K-SVD 算法求得基于稀疏和冗余的训练字典，同时针对 K-SVD 算法仅适合处理小规模数据的局限，通过定义全局最优来强制图像局部块的稀疏性。文献[28]提出了稀疏性正则化的图像泊松去噪算法，该算法采用 log 的泊松似然函数作为保真项，用图像在冗余字典下稀疏性约束作为正则项，从而取得更好的去噪效果。

opencv C/C++无参考单张视频图像噪声检测算法

原算法来源于Xinhao Liu和Masayuki Tanaka发表在TIP上的三篇论文，程序根据matlab工具箱源程序转换而来的C++版本，非原创算法，仅供参考

基于空间域的图像噪声检测技术

图像处理的噪声检测技术，和一般的检测方式不同的在于，这篇文章讲的是，先检测出可能的噪声点（包含部分物体边缘也被误检），然后再根据邻域判断，是否是边缘区域，然后屏蔽边缘，得到真正的噪声点（噪声点相对图像中的物体边缘比较孤立，所以可以通过检测邻域的方式来进行判断）

数字图像处理matlab函数-噪声估计、白平衡、gamma校正等

数字图像处理中的matlab函数-噪声估计、白平衡、gamma校正等，具有针对性，很实用的程序。

图像篡改方向的论文

图像篡改论文，对以后从事图像方面的很有用

论文研究-噪声图像边缘检测方法的研究.pdf

对图像中常见的高斯噪声和椒盐噪声的特性进行了分析，对含有这两种噪声的数字图像的边缘检测方法进行了研究，尤其对基于顺序形态学的噪声图像边缘检测方法进行了深入的分析研究，基于顺序形态学理论提出了针对分别含有高斯噪声和椒盐噪声的图像边缘检测方法。通过仿真验证表明，对于含有以上两种噪声的图像，提出的方法不仅能够去除噪声而且能够提取出准确清晰的边缘。

一种基于邻域噪声评价法的图像去噪算法（清晰版）

摘　　　要: 常用的经典脉冲噪声滤波方法在去除图像脉冲噪声的过程中,常常造成图像细节信息的丢失, 导致图像模糊不清·为了克服这一缺陷,提出了一种新的基于局部相似度分析和邻域噪声评价的图像去噪算 法·该算法通过分析图像中各像素点的局部相似度来确定图像的轮廓和噪声,再通过邻域脉冲噪声评价法检 测出脉冲噪声点,使图像处理仅处理噪声点而保持轮廓像素点不变,更有效地改善了噪声检测精度,并保护了 图像的细节特征·实验结果表明,这种新算法较其他经典滤波器具有更有效的图像去噪和细节信息保护性能, 具有一定的应用价值·

论文研究-基于数学形态学的彩色噪声图像边缘检测算法.pdf

针对已有的数学形态学边缘检测算法对彩色噪声图像检测到的彩色边缘信息不够完整、清晰，提出了一种基于HSI色彩空间的多尺度多结构元的数学形态学边缘检测算法，采用以尺度和结构两个单位元素进行横向和纵向的拓展，以面的形式对彩色噪声图像进行全面的边缘检测。基于这种理念分别对H和S两个携带颜色信息的分量进行边缘检测，最后将两分量的边缘信息通过加权合成得到彩色图像的彩色边缘。实验证明，该算法的去噪效果明显，得到的彩色边缘轮廓清晰、细节丰富，对彩色边缘的提取具有可行性和有效性。

论文研究-基于噪声方差估计的小波阈值图像去噪新方法.pdf

大多数小波阈值去噪方法需要根据噪声方差来计算相应的阈值，所以噪声方差的估计将直接影响阈值去噪的效果。在两种常用的小波域噪声方差估计方法的基础上，提出一种新的阈值求取方法，实验证明这种方法能在一定程度上提高去噪图像的信噪比，并且提高运算速度。

论文研究-基于正则化方法的图像盲去模糊.pdf

针对标准化稀疏先验的正则化方法估计复杂模糊核时的不准确性，引入图像的预处理，提出了一种图像盲去模糊的新方法。该方法将图像盲去模糊分为三个步骤：利用双边滤波器和冲击滤波器对图像进行预处理，使得图像的噪声降低、边缘突出，有利于模糊核的估计；对预处理后的图像，利用基于标准化稀疏先验的正则化方法估计模糊核；根据估计出的模糊核利用TV正则化方法对图像进行非盲去卷积。采用快速迭代收缩阈值算法和快速总变分图像复原算法分别求解模糊核估计模型和图像非盲去卷积模型。实验结果表明，针对单幅模糊图像，该方法可以估计出准确的模糊核，对噪声具有鲁棒性，并且提高了图像复原速度，具有较好的图像恢复效果。

添加噪声后的图像边缘检测

包含有所有传统图像加有高斯噪声和椒盐噪声边缘检测matlab程序，亲测可用,有canny,sobel,prewitt,roberts,log等算子