基于SIFT的图像复制粘贴篡改检测.pdf 10页

'˖ڍመ੾᝶஠ڙጲ敨整整数攺支支敷敷敷攮数敡数敥敲攮敥敤敵攮散敮基于SIFT的图像复制粘贴篡改检测杨培，夏明，杨高波中国湖南大学信息科学与工程学院，长沙，攴攱攰攰攸攲摘要：图像在进行复制攭粘贴篡改操作时，往往经过缩放、旋转等操作以便迷惑观察者，而且图像中复制粘贴篡改区域距离有时会相对较近。针对这种情况，本文中提出了一种基于敓敉敆敔关键点的篡改检测改进算法。首先采用敓敉敆敔描述符提取图像的敓敉敆敔关键点，采用递归折半的敧攲敮敮匹配策略对关键点进行匹配，然后提出了一种基于匹配向量方向投票的策略对关键点进行分类，随后通过敒敁敎敓敁敃算法和二次聚类来降低误检，得到仿射变换参数，最后根据仿射变换模型，使用敚敎敃敃准则衡量待测图与进行仿射变换后的变换图之间的相关性定位出篡改区域。实验结果表明，算法具有较高的检测效率和良好的定位效果。关键词：复制粘贴篡改，敓敉敆敔算法，匹配向量方向投票，仿射变换，零均值归一化互相关中图分类号：敔敐攳攰改攮攷ASIFT-basedforensicmethodforimagecopy-moveforgerydetectionYANGPei,XIAMing,YANGGaobo敓散敨敯敯敬敯敦敉敮敦敯敲敭敡整敩敯敮敓散敩敥敮散敥敡敮敤敔敥散敨敮敯敬敯敧敹攬效敵敮敡敮敕敮敩敶敥敲敳敩整敹攬敃敨敩敮敡攬敃敨敡敮敧敳敨敡攬攴攱攰攰攸攲Abstract:敔敨敥敦敯敲敧敥敲敹数敡敲整敳敡敲敥敯敦整敥敮敡整整敡散敫敥敤敢敹敧敥敯敭敥整敲敩散整敲敡敮敳敦敯敲敭敡整敩敯敮敳攨敳敵散敨敡敳敳散敡敬敩敮敧攬敲敯整敡整敩敯敮攩整敯散敯敮敦敵敳敥整敨敥敯敢敳敥敲敶敥敲攮敔敨敥敤敩敳整敡敮散敥敦敲敯敭整敨敥数敡敳整敥敡敮敤整敡敭数敥敲敩敮敧敡敲敥敡敩敳敳敯敭敥整敩敭敥敳敲敥敬敡整敩敶敥敬敹散敬敯敳敥攬敩敮敯敲敤敥敲整敯敩敭数敲敯敶敥敤敥整敥散整敩敯敮数敲敥散敩敳敩敯敮敡敧敡敩敮敳整敳敯敭敥数敯敳整攭数敲敯散敥敳敳敩敮敧敯数敥敲敡整敩敯敮敳攬敡敓敉敆敔攭敢敡敳敥敤敩敭敡敧敥敦敯敲敥敮敳敩散敡数数敲敯敡散敨敨敡敳数敲敯数敯敳敥敤敦敯敲敤敥整敥散整敩敯敮散敯数敹攭敭敯敶敥敦敯敲敧敥敲敹攮敆敩敲敳整攬整敨敥敳敩敦整敫敥敹数敯敩敮整敳敷敥敲敥敥數整敲敡散整敥敤攮敔敨敥敫敥敹数敯敩敮整敳敷敥敲敥敭敡整散敨敥敤敢敡敳敥敤敯敮敲敥散敵敲敳敩敶敥敢敩敳敥散整敩敯敮攮敔敨敥敮整敨敥敭敡整散敨敥敤敫敥敹数敯敩敮整敳敷敥敲敥散敬敡敳敳敩攌敥敤敢敡敳敥敤敯敮整敨敥敳整敲敡整敥敧敹敮敡敭敥敤敭敡整散敨敥敤敯敲敩敥敮整敡整敩敯敮敶敯整敩敮敧攮敍敵散敨敭敩敳敭敡整散敨敷敡敳敥敬敩敭敩敮敡整敥敤敢敹敒敁敎敓敁敃敡敬敧敯敲敩整敨敭敡敮敤敡敳敥散敯敮敤散敬敵敳整敥敲敩敮敧攮敁敦整敥敲敧敥整整敩敮敧整敨敥数敡敲敡敭敥整敥敲敳敯敦敡攎敮敥整敲敡敮敳敦敯敲敭攬整敨敥整敥敳整敩敭敡敧敥敩敳整敲敡敮敳敦敯敲敭敥敤敷敩整敨敡攎敮敥敭敯敤敥敬攮敔敨敥散敯敲敲敥敬敡整敩敯敮敭敡数敢敥整敷敥敥敮整敨敥整敥敳整敩敭敡敧敥敡敮敤整敨敥整敲敡敮敳敦敯敲敭敥敤敩敭敡敧敥敩敳敥敳整敩敭敡整敥敤敷敩整敨敦敡敳整敚敎敃敃敳整敲敡整敥敧敹敡敮敤整敨敥整敡敭数敥敲敥敤敲敥敧敩敯敮敩敳敬敯散敡整敥敤敱敵敩散敫敬敹敡敮敤敡散散敵敲敡整敥敬敹敢敡敳敥敤敯敮整敨敥散敯敲敲敥敬敡整敩敯敮敩敮敦敯敲敭敡整敩敯敮攌敮敡敬敬敹攮敔敨敥敥數数敥敲敩敭敥敮整敡敬敲敥敳敵敬整敳敳敨敯敷整敨敡整整敨敥敡敬敧敯敲敩整敨敭敨敡敳敨敩敧敨敤敥整敥散整敩敯敮敥攎散敩敥敮散敹敡敮敤敧敯敯敤数敯敳敩整敩敯敮敩敮敧敥攋敥散整攮Keywords:敃敯数敹攭敭敯敶敥整敡敭数敥敲敩敮敧攬敓敉敆敔敡敬敧敯敲敩整敨敭攬敯敲敩敥敮整敡整敩敯敮敶敯整敩敮敧攬敡攎敮敥整敲敡敮敳敦敯敲敭攬敺敥敲敯敭敥敡敮敮敯敲敭敡敬敩敺敥敤散敲敯敳敳散敯敲敲敥敬敡整敩敯敮基金项目：基金项目：本课题得到教育部高等学校博士学科点专项科研基金（博导类，No.20120161110014）和国家自然科学基金（61379143,61572183）资助。作者简介：杨培，女，1990年生，硕士生，研究方向：图像取证.E-mail:yangpei@hnu.edu.cn.通信作者：杨杨杨高高高波波波(1974-)，男，博士，教授，博士生导师，主要研究方向是可视媒体内容安全，多媒体通信。Email:yang-gaobo@hnu.edu.cn.攭攱攭 ˖ڍመ੾᝶஠ڙጲ敨整整数攺支支敷敷敷攮数敡数敥敲攮敥敤敵攮散敮1前言数字图像在人们的日常工作生活中扮演着不可或缺的角色。然而，恶意篡改事件的频繁发生，使得数字图像的可信度逐渐下降，影响人们对其内容的正确判断。为了解决日益严重的信任危机，对图像的真实性、完整性鉴别就变得迫在眉睫。数字图像的被动取证技术应运而生，并迅速成为信息安全领域的研究热点。图像被动取证技术大致可分为三类：图像篡改检测、图像来源认证和图像隐秘分析检测。在众多形形色色的篡改伪造中，复制粘贴篡改是最受研究者关注的操作，因为它往往能够改变人们对图像内容的认识。本文主要对图像的复制粘贴篡改操作进行取证分析。现在有很多图像复制粘贴篡改取证方法，大致可分为两类：基于块和基于关键点的。不管是基于块的方法还是基于关键点的方法，取证算法大部分可以用图攱的流程图所表示，具体地说，主要有五个主要步骤敛攱敝：图像预处理、特征提取、特征匹配、滤波和后处理操作。对于一幅待检测的输入图像，我们首先对图像进行预处理操作，如把彩色图像转换成灰度图像。接下来的特征提取阶段，对于基于块的检测方法来说，是对待检测图像进行分块，分成固定大小的重叠块，然后对每一个图像块提取特征，这样每一个图像块就用一个特征矢量来表示；对于关键点的取证方法来说，首先是对整幅图像提取关键点，为每一关键点建立描述子，这样对提取的特征矢量进行相似性匹配，如果得到的特征匹配块或匹配点对能各自聚成较大区域，则初步判断图像是经过了复制粘贴篡改。为了进一步提高检测算法的准确率，通常对得到的这些匹配对进行滤波处理（如位移矢量、敒敁敎敓敁敃算法和空间层次聚类等）来消除一些误匹配。最后，为了定位出篡改区域，在基于块的方法中可对匹配后的图像进行数学形态学滤波，而基于点的算法中则利用敚敎敃敃算法以及形态学操作来定位篡改的区域。特征点预测图像预图像分块匹配滤波后处理处理图像分块图攱攺匹配向量方向投票策略上述的复制粘贴篡改检测的两类方法，无论是基于块的方法还是基于点的，遵循着一个基本的流程，其主要的区别在于特征提取时所使用的特征的不同。一个好的特征，不仅要能减少算法的时间复杂度，并且对图像篡改后的各种后处理操作具有很强的鲁棒性。但这两者往往很难兼顾，大多是保持算法的鲁棒性的同时，尽可能的降低时间的复杂度。特征向量选择必须满足两点：首先，维数应该是足够大，能够描述相似块或相似点之间的差异，但也不是无限大，这会严重增加算法的时间复杂度；其次，提取的特征对几何变换等一系列的后处理操作要有一定的抵抗力。为此，本文在敛攲敝中的基础上，提出了一种基于匹配方向向量投票的策略对匹配点攭攲攭 ˖ڍመ੾᝶஠ڙጲ敨整整数攺支支敷敷敷攮数敡数敥敲攮敥敤敵攮散敮对进行分类敛攳敝，优化仿射变换模型，提高篡改区域定位精度。文章主要结构分攳部分，第攲节介绍基于敓敉敆敔的复制粘贴篡改检测算法，第攳节是实验数据部分的说明和讨论，第攴节进行总结。2基于SIFT的复制粘贴篡改检测算法算法首先提取敓敉敆敔关键点，采用一种递归分半的策略，在两个集合中循环进行敧攲敮敮匹配策略进行关键点匹配，利用一种基于匹配向量方向投票的策略对关键点进行分类，通过敒敁敎敓敁敃算法和二次聚类来降低误检，得到仿射变换参数，最后根据仿射变换模型，采用敚敎敃敃准则衡量待测图与进行仿射变换后的变换图之间的相关性定位出篡改区域。算法流程如图攲，具体算法步骤如下。(a)提取图像SIFT特征点(b)特征点匹配(d)检测结果(c)几何形变图攲攺取证算法流程2.1图像关键点检测及特征描述关键点是指图像中具有显著特征的点，每一个关键点由一个特征向量表示，特征向量是由关键点局部邻域的特征统计而成。好的特征描述子应该对局部几何变换、光照变化、噪声等影响有很好的抵抗力。本文方法是基于一个有效的关键点和特征描述算子敓敉敆敔敛攴敝。文献敛攵攬收攬攷敝已经证明敓敉敆敔特征应用到图像复制攭粘贴篡改检测中，在抗缩放、旋转等方面鲁棒性较好。算法第一步是提取敓敉敆敔关键点特征。对于一幅待测图像敉，搜索图像所有尺度上的位置，找到稳定的局部极值点；对每一个敓敉敆敔关键点，在其周围邻域内，计算图像局部梯度直方图，得到一个攱攲攸维特征向量。为了保证所获得的特征向量对旋转和缩放的不变性，在选定的尺度上计算局部梯度，并且沿着关键点的主方向进行旋转变换。特征向量形成后，为了去除光照变化的影响，对其进行归一化处理，提高特征的鉴别性。图攲的左上角显示了图像中检测到的敓敉敆敔关键点。每个箭头的结束位置对应一个关键点，关键点的主方向指向箭头方向，箭头的长度对应于关键点的尺度。攭攳攭 ˖ڍመ੾᝶஠ڙጲ敨整整数攺支支敷敷敷攮数敡数敥敲攮敥敤敵攮散敮2.2特征点匹配每个关键点的匹配通常是用特征向量的欧式距离敤来衡量的。对于某个关键点的特征敳，求其与余下的所有关键点特征的欧式距离并按从小到大的顺序排序，构成组合D攽fd1;d2;:::;dn1g。最简单的匹配策略就是用最近邻d1与次近邻d2之间的比值来衡量的，即d1=d2