基于SIFT 与 K-means 的图像复制粘贴篡改检测

针对基于 SIFT 的图像篡改检测算法存在的时间复杂度高、鲁棒性低等问题,提出一种改进的 SIFT 算法。 该算法利用 K-means 算法对 SIFT 特征向量矩阵的列向量进行聚类,通过选取与整体差异最小的列向量作为初始聚类中心,最终提取该初始聚类中心所在类的特征向量进行匹配,从而大大降低了特征向量的维数。 相比于 PCA-SIFT 算法只能够线性降维,该算法还考虑了局部特征的非线性关系。实验结果表明,与 PCA-SIFT 算法相比,该算法具有更高的检测效率及检测正确率,并对旋转、缩放操作具有较强的鲁棒性