基于點(diǎn)匹配的區(qū)域拷貝篡改檢測(cè)

收稿日期：2014-02-19

基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目（60973113）;院級(jí)一般科研項(xiàng)目(XYS10N05)

作者簡介：朱玨鈺(1980—），湖南長沙人，講師，碩士，研究方向：智能信息處理、圖像處理與模式識(shí)別。

文章編號(hào)：1003-6199(2014)02-0097-04

摘 要：圖像區(qū)域拷貝是一種常見的數(shù)字圖像篡改技術(shù)，目前的大部分?jǐn)?shù)字圖像區(qū)域拷貝取證技術(shù)未考慮旋轉(zhuǎn)和縮放因素。提出一種新的基于點(diǎn)匹配的圖像區(qū)域篡改檢測(cè)算法。首先利用尺度不變旋轉(zhuǎn)變換（SIFT）尋找圖像中的關(guān)鍵點(diǎn)，使用主成分分析法(PCA)對(duì)關(guān)鍵點(diǎn)進(jìn)行降維描述，然后利用關(guān)鍵點(diǎn)特征向量的相似度尋找關(guān)鍵相似點(diǎn)。實(shí)驗(yàn)表明，該算法不但能夠較精確地定位出復(fù)制和粘貼的圖像偽造區(qū)域，還能有效抵抗噪聲污染、有損壓縮以及旋轉(zhuǎn)等攻擊，并有效地減少運(yùn)算量，提高了檢測(cè)效率。

關(guān)鍵詞：區(qū)域拷貝；點(diǎn)匹配；篡改檢測(cè)；塊匹配；關(guān)鍵點(diǎn)

中圖分類號(hào)：TP309.2文獻(xiàn)標(biāo)識(shí)碼：A



Detection of Image Region Forgery Based on Point Matching



ZHU Jueyu

（Department of Information Science and Engineering, Hunan First Normal University,Changsha,Hunan 410205,China）

Abstract:Copymove is a common digital image manipulation technique. Attacks such as rotation and scaling are not considered in most copymove image forensic methods. This paper proposes a novel region forgery detection algorithm based on point matching. Firstly, we extract feature points with Scaleinvariant Feature Transform (SIFT), and describe the points by Principal Component Analysis (PCA). Owing to the similarity between the pasted region and the copied region, we find out all possible forgeries by seeking for similar point pairs by using their descriptors. The experimental results demonstrate that our proposed algorithm performs not only robustly in terms of additive noise, lossy JPEG compression but also effectively in rotation attack, comparing with the algorithm based on block matching. Furthermore, our algorithm has reduced the calculation amount and improved the detection efficiency.



Key words:region forgery; point matching; forgery detection;block matching;key point



1 引 言 

隨著圖像處理軟件功能的日漸強(qiáng)大，人們可以很容易地篡改數(shù)字圖像，使圖像的篡改用肉眼難以確定。如果官方媒體、科學(xué)發(fā)現(xiàn)、保險(xiǎn)和法醫(yī)等采用大量篡改和偽造的圖像作為證據(jù)，這無疑將對(duì)社會(huì)產(chǎn)生重大的影響。因此，針對(duì)數(shù)字圖像篡改的檢測(cè)研究具有重要意義。

近年來，數(shù)字圖像拷貝篡改檢測(cè)已取得一些成就。美國伯明翰大學(xué)Jessica Fridrich等人提出了基于量化DCT系數(shù)的塊匹配檢測(cè)方法［1］。該方法計(jì)算出每個(gè)圖像分塊量化后的DCT系數(shù)后進(jìn)行字典排序以檢測(cè)出圖像中被篡改的區(qū)域。駱偉祺等人則將圖像分割成重疊塊，再提取每個(gè)圖像塊的顏色特征向量，然后通過對(duì)比重疊塊的相似度來確定拷貝篡改的區(qū)域［2］。這些算法都是采用圖像塊匹配的方法來進(jìn)行篡改檢測(cè)的，并能有效抵抗噪聲、有損壓縮等攻擊。然而，一旦圖像區(qū)域在篡改后經(jīng)過了局部縮放、旋轉(zhuǎn)等幾何變換后，它們就失去了篡改檢測(cè)的能力。因此，為了增強(qiáng)篡改區(qū)域在經(jīng)受旋轉(zhuǎn)和縮放后檢測(cè)算法的魯棒性，本文提出了一種基于點(diǎn)匹配的圖像區(qū)域拷貝篡改檢測(cè)算法。

2 區(qū)域拷貝篡改模型

區(qū)域拷貝也叫區(qū)域復(fù)制粘貼，是把圖像中的某一區(qū)域復(fù)制后，粘貼到同一幅圖像中的其他位置上， 以達(dá)到去除圖像中某一重要目標(biāo)或者證據(jù)的目的。圖1給出了一般的區(qū)域拷貝篡改模型。

圖1 圖像區(qū)域拷貝篡改模型

其中，I(D)是篡改圖像，D1是被復(fù)制的區(qū)域，D2是被粘貼的區(qū)域， D1、D2對(duì)應(yīng)像素間的位移為dx=(Δx,Δy)。

從圖中可知， 篡改后的圖像中至少存在兩個(gè)較大面積的相似區(qū)域。因此，若檢測(cè)到一幅圖像中存在較大面積的相似區(qū)域，則可判定該幅圖像是經(jīng)過了區(qū)域拷貝篡改的。

然而，偽造者在進(jìn)行區(qū)域拷貝篡改后， 通常還會(huì)增加尺度旋轉(zhuǎn)等操作，以掩蓋篡改痕跡或使圖像效果更好。此時(shí)D1 、D2 區(qū)域上對(duì)應(yīng)的像素值就變得不完全相等了。因此，需要找到一個(gè)旋轉(zhuǎn)不變的矩陣，使之針對(duì)旋轉(zhuǎn)操作具有魯棒性［3］。本文提出了一種采用PCASIFT的基于點(diǎn)匹配的區(qū)域拷貝篡改檢測(cè)算法，能有效對(duì)抗旋轉(zhuǎn)和局部縮放等攻擊。

3 基于點(diǎn)匹配的區(qū)域拷貝篡改檢測(cè)算法

為了提高計(jì)算速度和加強(qiáng)匹配精度，本文提出了一種基于PCASIFT的區(qū)域拷貝篡改檢測(cè)算法，該算法主要分為兩個(gè)步驟：1）圖像的PCASIFT特征提??；2）利用PCASIFT特征的匹配程度檢測(cè)圖像篡改。即：首先經(jīng)過尺度空間極值點(diǎn)檢測(cè)、關(guān)鍵點(diǎn)定位和關(guān)鍵點(diǎn)方向分配三個(gè)子步驟提取PCASIFT特征；然后確定關(guān)鍵點(diǎn)描述符，搜索匹配對(duì)來確定PCASIFT特征的匹配程度從而檢測(cè)圖像篡改［4］。

3.1 尺度空間內(nèi)極值點(diǎn)檢測(cè)

為了檢測(cè)出尺度空間內(nèi)的極值點(diǎn)，首先需要構(gòu)造出圖像的尺度空間。該空間用L(x,y,σ)表示，可以利用高斯函數(shù)G(x,y,σ)與圖像I(x,y)的卷積得到：

L(x,y,σ)=G(x,y,σ)*I(x,y)(1)

其中*表示卷積操作，G(x,y,σ)定義如下：

G(x,y,σ)=12πσ2e－(x2+y2)/2σ2(2)

其中，(x,y)為像素坐標(biāo)；σ為尺度空間因子，其大小決定圖像的平滑程度［5］。

計(jì)算技術(shù)與自動(dòng)化2014年6月

第33卷第2期朱玨鈺：基于點(diǎn)匹配的區(qū)域拷貝篡改檢測(cè)

在實(shí)際的計(jì)算過程中，為了能夠得到更加穩(wěn)定而有效的尺度空間特征點(diǎn)，通常會(huì)對(duì)兩個(gè)相鄰的高斯尺度空間進(jìn)行差分處理，這樣就得到了高斯差分的響應(yīng)圖D(x,y,σ)，在得到的響應(yīng)圖像上進(jìn)行極值點(diǎn)的確定。

D(x,y,σ)=(G(x,y,kσ)－G(x,y,σ))*I(x,y)=

L(x,y,kσ)－L(x,y,σ)(3)

為了檢測(cè)尺度空間內(nèi)的極值點(diǎn)，要比較每個(gè)特征點(diǎn)與它的所有相鄰點(diǎn)，如果該點(diǎn)在圖像域以及尺度域都處于最小或者最大，則被認(rèn)定為極值點(diǎn)。

3.2 關(guān)鍵點(diǎn)定位

為了準(zhǔn)確定位出關(guān)鍵點(diǎn)的位置所在，同時(shí)需要去掉一些不穩(wěn)定的特征點(diǎn)以及低對(duì)比度的點(diǎn)，以達(dá)到增強(qiáng)匹配精度的目的。由于位于邊緣上的特征點(diǎn)存在定位方面的奇異性，同時(shí)也容易受到噪聲的影響，因此很難定位到這類特征點(diǎn)。為了解決該問題，可引入2*2的Hessian矩陣來計(jì)算主曲率，該Hessian矩陣可表示為：

H(x,y)=Dxx(x,y)Dxy(x,y)Dxy(x,y)Dyy(x,y) (4)

其中D值可以利用采樣點(diǎn)與相鄰元素的差分近似求得［6］。用α表示Hessian矩陣的最大特征值，β表示最小的特征值，有：

Tr(H)=Dxx+Dyy=α+β(5)

Det(H)=DxxDyy-D2yy=αβ (6)

假定γ表示最大特征值α和最小特征值β之間的比值，即滿足α=γ?β，那么：

Tr(H)2Det(H)=(α+β)2α?β=(γ?β+β)2γ?β2=(γ+1)2γ (7)

如果某個(gè)關(guān)鍵點(diǎn)能夠滿足下式條件，則保留該點(diǎn),否則就丟棄。

Tr(H)2Det(H)＜(γ+1)2γ(8)

3.3 關(guān)鍵點(diǎn)方向分配

考慮到篡改檢測(cè)算法需要對(duì)旋轉(zhuǎn)之類的后處理操作具有良好的魯棒性，則要求所得到的關(guān)鍵點(diǎn)的描述值具有旋轉(zhuǎn)不變性。為了解決這個(gè)問題，在算法的實(shí)現(xiàn)過程中，需要依據(jù)檢測(cè)所得到的特征點(diǎn)集所在的局部結(jié)構(gòu)求取一個(gè)方向的基準(zhǔn)。在具體的實(shí)現(xiàn)過程中，該穩(wěn)定的方向基準(zhǔn)可以利用梯度方法求解得到。具體的話利用有限差分，以所得到的關(guān)鍵點(diǎn)為中心，這里假定以3×1.5ω1,ω2,…,ωc為半徑取關(guān)鍵點(diǎn)所在鄰域計(jì)算幅值以及幅度角，如圖2所示。假定m(x,y)表示圖像在(x,y)處的梯度幅值值，

SymbolqA@

(x,y)表示(x,y)處的方向，那么：

m(x,y)=L21+L22(9)

θ(x,y)=arctan(L2/L1)(10)

其中：

L1=L(x+1,y,σ)-L(x-1,y,σ) (11)

L2=L(x,y+1,σ)-L(x,y-1,σ) （12）計(jì)算了關(guān)鍵點(diǎn)所在鄰域的高斯尺度圖像的梯度之后，接著使用直方圖方法統(tǒng)計(jì)出關(guān)鍵點(diǎn)所在鄰域內(nèi)全部像素的幅值以及梯度方向值。梯度直方圖的橫坐標(biāo)表示梯度方向的角度，縱坐標(biāo)則表示該方向角所對(duì)應(yīng)的梯度幅度值的累加?？紤]到梯度方向角的范圍是0至360度，因此，一般將直方圖劃分成為36個(gè)Bin，每個(gè)Bin代表10度的跨度。最終，可以將直方圖中梯度方向的峰值定位為這個(gè)關(guān)鍵點(diǎn)所在鄰域范圍內(nèi)的主方向。除此之外，還可以定義一個(gè)關(guān)鍵點(diǎn)的輔助方向，即在梯度直方圖中，如果存在另外一個(gè)值，該值的大小約為峰值的80%，則將該值對(duì)應(yīng)的梯度方向定位為關(guān)鍵點(diǎn)輔助方向，這種處理方法能夠有效的增強(qiáng)匹配過程中的魯棒性。

a)梯度方向角和幅值表示b)特征點(diǎn)鄰域選取

圖2 梯度幅值和幅角



3.4 關(guān)鍵點(diǎn)描述符確定

通過前面的三步，可以獲得關(guān)鍵點(diǎn)在圖像中的具體位置，尺度和方向，接著需要為每一個(gè)關(guān)鍵點(diǎn)進(jìn)行特征描述。PCASIFT與SIFT算法具有一樣的關(guān)鍵點(diǎn)定位處理、尺度以及主方向，不同之處體現(xiàn)在對(duì)關(guān)鍵點(diǎn)描述符的計(jì)算。利用PCASIFT對(duì)關(guān)鍵點(diǎn)描述符的計(jì)算可以歸納為三個(gè)步驟：1)PCASIFT投影矩陣的生成或者導(dǎo)入；2)關(guān)鍵點(diǎn)的檢測(cè)；3)利用投影矩陣求解關(guān)鍵點(diǎn)的緊湊特征向量。

投影矩陣的生成一般都是經(jīng)過描述大量的圖像得到的。在實(shí)際計(jì)算過程中，建立在投影矩陣的生成以及關(guān)鍵點(diǎn)的位置、尺度和方向的描述符的計(jì)算，其具體的步驟可歸納如下：

1) 對(duì)于特定的尺度空間，以關(guān)鍵點(diǎn)為中心，提取41×41的鄰域，同時(shí)將它轉(zhuǎn)至主方向；

2) 計(jì)算每個(gè)39×39鄰域區(qū)間的水平和垂直方向的梯度值，形成3042大小的特征向量；

3) 將事先計(jì)算得的n×3042大小的投影矩陣與得到的特征向量進(jìn)行相乘計(jì)算，生成n維的PCASIFT描述符(本文中n取36)。

3.5 匹配對(duì)搜索

獲得圖像中的關(guān)鍵點(diǎn)的描述符后，可以用36維特征向量表述每個(gè)關(guān)鍵點(diǎn)，接著需要尋找出相互匹配的關(guān)鍵點(diǎn)對(duì)，這就需要采用一定的搜索策略。本文采用的搜索策略為最近鄰搜索法。

對(duì)于包含ω1,ω2,…,ωc共c種類別的數(shù)據(jù)，假定每類都有注明類別的Ni個(gè)樣本，i=1,…,c，那么第i類ωi所采用的判別函數(shù)可以如下定義：

gi(X→)=min k||X→－Xki||，k=1,2,…,Ni(13)

其中，Xki表示ωi類中的第k個(gè)樣本［7］。利用上述的判別函數(shù)可以進(jìn)一步推出所使用的決策準(zhǔn)則：

若某個(gè)數(shù)據(jù)滿足下式：

gj(X→)=min igi(X→)，i=1,2,…c(14)

那么判定：X→∈ωj

最近鄰算法只需要把未知樣本和其他樣本進(jìn)行距離計(jì)算，然后將擁有最小距離值的樣本定義成未知樣本的決策類別即可。||?||表示距離計(jì)算，可以使用常見相似性計(jì)算公式，通常情況使用歐氏距離作為判斷準(zhǔn)則。

3.6 匹配對(duì)優(yōu)化

由于上節(jié)利用最近鄰算法所搜索到的匹配對(duì)并非一定準(zhǔn)確，所以有必要對(duì)所得到匹配結(jié)果進(jìn)行進(jìn)一步的優(yōu)化處理。上節(jié)中最近鄰實(shí)際上是1-近鄰算法，如果將該算法適當(dāng)?shù)耐卣沟絢-近鄰(k>1)對(duì)關(guān)鍵點(diǎn)數(shù)據(jù)進(jìn)行分析效果將更佳?？紤]k=2時(shí)，此時(shí)除了得到最近鄰數(shù)據(jù)外，同時(shí)考慮次近鄰數(shù)據(jù)。圖3的概率分布圖描述了4000多個(gè)關(guān)鍵點(diǎn)的最近鄰和次近鄰距離比值情況。

圖3 最近鄰與次近鄰距離比值概率分布圖



從圖3可知，正確匹配下的距離比和錯(cuò)誤情況下的距離比具有不同的分布情形。在最近鄰和次近鄰的距離比值小于0.8時(shí)，匹配對(duì)正確的概率極高；相反，則匹配對(duì)錯(cuò)誤的可能性將較大。因此，如果引入次近鄰的數(shù)據(jù)信息將有利于提高匹配的正確性，因此這里將利用下式對(duì)匹配對(duì)進(jìn)行優(yōu)化處理［8］：

最近鄰距離/次近鄰距離≤距離閾值 (15)

如果集合中某關(guān)鍵點(diǎn)滿足上述關(guān)系式，則保留該關(guān)鍵點(diǎn)，否則排除該點(diǎn)。公式15所采用的距離閾值取值范圍為0-1。實(shí)驗(yàn)中，本文采用的該值為0.6。

4 實(shí)驗(yàn)仿真及結(jié)果

實(shí)驗(yàn)仿真平臺(tái)：CPU 1.4GHz，內(nèi)存 1.25G，操作系統(tǒng) Windows XP，仿真軟件 Visual Studio 2008+OpenCV2008。

為了驗(yàn)證算法的有效性，將本文算法與傳統(tǒng)基于塊匹配思想的算法進(jìn)行比較驗(yàn)證，實(shí)驗(yàn)結(jié)果如圖4所示。

根據(jù)實(shí)驗(yàn)結(jié)果可知，本文所提算法能夠有效解決傳統(tǒng)基于塊匹配算法面對(duì)局部旋轉(zhuǎn)和縮放的篡改區(qū)域檢測(cè)無效的情形。此外，本文進(jìn)一步比較了兩類算法的運(yùn)行效率?；趬K匹配的算法處理一張300×400的圖像一般需要50s左右，而本文算法在處理一張800×640的圖像時(shí)只需要7s左右，前類算法低效的原因主要在于需要對(duì)圖像的長特征向量進(jìn)行字典排序，而本文算法利用索引結(jié)構(gòu)有效的解決了這方面的問題。

圖4 旋轉(zhuǎn)、縮放篡改檢測(cè)結(jié)果

(a)原始圖；(b)篡改圖；(c)傳統(tǒng)基于塊匹配算法對(duì)經(jīng)旋轉(zhuǎn)操作的篡改區(qū)域的檢測(cè)結(jié)果圖；(d)傳統(tǒng)基于塊匹配算法對(duì)經(jīng)縮小操作的篡改區(qū)域的檢測(cè)結(jié)果圖；(e)本文算法對(duì)經(jīng)旋轉(zhuǎn)操作的篡改區(qū)域檢測(cè)結(jié)果圖；(f) 本文算法對(duì)經(jīng)縮小操作的篡改區(qū)域檢測(cè)結(jié)果圖。

考慮到與PCASIFT具有相似性質(zhì)的變換SIFT，本節(jié)將給出本文與基于SIFT的篡改檢測(cè)算法二者間的對(duì)比結(jié)果，如表1所示。表中數(shù)值除最后一列表示算法的運(yùn)行時(shí)間外，其余為算法的檢測(cè)正確率。

表1 本文算法與基于SIFT的檢測(cè)算法的對(duì)比結(jié)果

Algorithm

Rotation

Zoom

Fuzzy

Contrast

change

Computing

time

SIFT

0.80

0.75

0.6

0.79

26.3s

本文算法

0.77

0.63

1

0.87

7.7s

從上表可知，基于SIFT的算法在面對(duì)旋轉(zhuǎn)和縮放后處理方面擁有更好的性能，但是本文算法中在模糊類和高對(duì)比度類篡改圖像方面具有更高的檢測(cè)性能，同時(shí)算法的運(yùn)行時(shí)間更少。

圖5 多種后處理組合的篡改檢測(cè)結(jié)果

(a)高斯噪聲；(b)椒鹽噪聲；(c) JPEG（70）壓縮；(d) JPEG（50）壓縮；(e) 局部旋轉(zhuǎn)+縮?。?f) 局部旋轉(zhuǎn)+縮小+JPEG壓縮。

由于篡改者在進(jìn)行偽造的過程中很有可能是多種篡改手法的結(jié)合，所以這里將給出對(duì)于幾種常見后處理操作單獨(dú)或組合修改篡改區(qū)域時(shí)的檢測(cè)結(jié)果，如圖5所示。

通過上面的實(shí)驗(yàn)結(jié)果可知，本文算法對(duì)于篡改后常用的后處理操作具有很好的魯棒性，同時(shí)擁有較好的運(yùn)行效率。

5 結(jié) 論

針對(duì)常用的圖像區(qū)域拷貝篡改，本來利用PCA-SIFT算法提出了一種基于點(diǎn)匹配的區(qū)域拷貝篡改檢測(cè)算法，該算法首先利用尺度不變旋轉(zhuǎn)變換得到圖像中的關(guān)鍵點(diǎn)，然后利用PCA對(duì)關(guān)鍵點(diǎn)進(jìn)行降維描述，最后采用最近鄰搜索算法定位出篡改區(qū)域。實(shí)驗(yàn)結(jié)果表明該算法具有較好的性能，但是也存在著一定的缺陷，該算法只能檢測(cè)同一幅圖像內(nèi)的區(qū)域拷貝篡改，而目前大部分的篡改圖像都來源于不同的圖像源，因此如何將這方面的工作進(jìn)一步完善將是后面的研究重點(diǎn)。

參考文獻(xiàn)

［1］ FRIDRICH J,SOUKALD,LUKASJ.Detection of copymove forgery in digital images, Proceedings of Digital Forensic Research Workshop［J］.Cleveland OH, USA, 2003.

［2］ 駱偉祺,黃繼武,丘國平.魯棒的區(qū)域復(fù)制圖像篡改檢測(cè)技術(shù)［J］.計(jì)算機(jī)學(xué)報(bào),2007, 30(11):199-200.

［3］ 徐瓊.基于二維EMD分解的數(shù)字圖像壓縮研究［D］.長沙:長沙理工大學(xué)，2009.

［4］ HUANG H,GUO W,ZHANG Y.Detection of copymove forgery in digital image using SIFT algorithm［J］.In IEEE PacificAsia Workshop on Computational Intelligence and Industrial Application ,2008.

［5］ 沈庭芝,王衛(wèi)江,閆雪梅.數(shù)字圖像處理及模式識(shí)別［M］.北京:北京理工大學(xué)出版社,2007.

［6］ JOHNSONM K,FARID H.Exposing Digital Forgeries by Detecting Inconsistencies in Lightint［C］//In:Proceeding of ACM Multimedia and Security Workshop,New York,NY,USA,2005:1-10.

［7］ NG T T,CHANG SF.A Modal for image splicing［C］//IEEE International Conference on Image Processing , Singapore, 2004:1169-1172.

［8］ SHIHFU CHANG,JOHN R SMITH. Single color extraction and image query［C］//In:International Conference on Image Processing, 1995:91-95.

［9］ 姜麗,呂皖麗,羅斌.基于相位和幅度譜的數(shù)字圖像被動(dòng)認(rèn)證算法［J］.計(jì)算機(jī)工程與設(shè)計(jì),2009,15(9):68-70.

［10］劉蕊,陳紅衛(wèi).一種改進(jìn)的圖像邊緣檢測(cè)算法［J］.科學(xué)技術(shù)與工程,2009,3(21):102-105.

圖4 旋轉(zhuǎn)、縮放篡改檢測(cè)結(jié)果

(a)原始圖；(b)篡改圖；(c)傳統(tǒng)基于塊匹配算法對(duì)經(jīng)旋轉(zhuǎn)操作的篡改區(qū)域的檢測(cè)結(jié)果圖；(d)傳統(tǒng)基于塊匹配算法對(duì)經(jīng)縮小操作的篡改區(qū)域的檢測(cè)結(jié)果圖；(e)本文算法對(duì)經(jīng)旋轉(zhuǎn)操作的篡改區(qū)域檢測(cè)結(jié)果圖；(f) 本文算法對(duì)經(jīng)縮小操作的篡改區(qū)域檢測(cè)結(jié)果圖。

考慮到與PCASIFT具有相似性質(zhì)的變換SIFT，本節(jié)將給出本文與基于SIFT的篡改檢測(cè)算法二者間的對(duì)比結(jié)果，如表1所示。表中數(shù)值除最后一列表示算法的運(yùn)行時(shí)間外，其余為算法的檢測(cè)正確率。

表1 本文算法與基于SIFT的檢測(cè)算法的對(duì)比結(jié)果

Algorithm

Rotation

Zoom

Fuzzy

Contrast

change

Computing

time

SIFT

0.80

0.75

0.6

0.79

26.3s

本文算法

0.77

0.63

1

0.87

7.7s

從上表可知，基于SIFT的算法在面對(duì)旋轉(zhuǎn)和縮放后處理方面擁有更好的性能，但是本文算法中在模糊類和高對(duì)比度類篡改圖像方面具有更高的檢測(cè)性能，同時(shí)算法的運(yùn)行時(shí)間更少。

圖5 多種后處理組合的篡改檢測(cè)結(jié)果

(a)高斯噪聲；(b)椒鹽噪聲；(c) JPEG（70）壓縮；(d) JPEG（50）壓縮；(e) 局部旋轉(zhuǎn)+縮小；(f) 局部旋轉(zhuǎn)+縮小+JPEG壓縮。

由于篡改者在進(jìn)行偽造的過程中很有可能是多種篡改手法的結(jié)合，所以這里將給出對(duì)于幾種常見后處理操作單獨(dú)或組合修改篡改區(qū)域時(shí)的檢測(cè)結(jié)果，如圖5所示。

通過上面的實(shí)驗(yàn)結(jié)果可知，本文算法對(duì)于篡改后常用的后處理操作具有很好的魯棒性，同時(shí)擁有較好的運(yùn)行效率。

5 結(jié) 論

針對(duì)常用的圖像區(qū)域拷貝篡改，本來利用PCA-SIFT算法提出了一種基于點(diǎn)匹配的區(qū)域拷貝篡改檢測(cè)算法，該算法首先利用尺度不變旋轉(zhuǎn)變換得到圖像中的關(guān)鍵點(diǎn)，然后利用PCA對(duì)關(guān)鍵點(diǎn)進(jìn)行降維描述，最后采用最近鄰搜索算法定位出篡改區(qū)域。實(shí)驗(yàn)結(jié)果表明該算法具有較好的性能，但是也存在著一定的缺陷，該算法只能檢測(cè)同一幅圖像內(nèi)的區(qū)域拷貝篡改，而目前大部分的篡改圖像都來源于不同的圖像源，因此如何將這方面的工作進(jìn)一步完善將是后面的研究重點(diǎn)。

參考文獻(xiàn)

［1］ FRIDRICH J,SOUKALD,LUKASJ.Detection of copymove forgery in digital images, Proceedings of Digital Forensic Research Workshop［J］.Cleveland OH, USA, 2003.

［2］ 駱偉祺,黃繼武,丘國平.魯棒的區(qū)域復(fù)制圖像篡改檢測(cè)技術(shù)［J］.計(jì)算機(jī)學(xué)報(bào),2007, 30(11):199-200.

［3］ 徐瓊.基于二維EMD分解的數(shù)字圖像壓縮研究［D］.長沙:長沙理工大學(xué)，2009.

［4］ HUANG H,GUO W,ZHANG Y.Detection of copymove forgery in digital image using SIFT algorithm［J］.In IEEE PacificAsia Workshop on Computational Intelligence and Industrial Application ,2008.

［5］ 沈庭芝,王衛(wèi)江,閆雪梅.數(shù)字圖像處理及模式識(shí)別［M］.北京:北京理工大學(xué)出版社,2007.

［6］ JOHNSONM K,FARID H.Exposing Digital Forgeries by Detecting Inconsistencies in Lightint［C］//In:Proceeding of ACM Multimedia and Security Workshop,New York,NY,USA,2005:1-10.

［7］ NG T T,CHANG SF.A Modal for image splicing［C］//IEEE International Conference on Image Processing , Singapore, 2004:1169-1172.

［8］ SHIHFU CHANG,JOHN R SMITH. Single color extraction and image query［C］//In:International Conference on Image Processing, 1995:91-95.

［9］ 姜麗,呂皖麗,羅斌.基于相位和幅度譜的數(shù)字圖像被動(dòng)認(rèn)證算法［J］.計(jì)算機(jī)工程與設(shè)計(jì),2009,15(9):68-70.

［10］劉蕊,陳紅衛(wèi).一種改進(jìn)的圖像邊緣檢測(cè)算法［J］.科學(xué)技術(shù)與工程,2009,3(21):102-105.

圖4 旋轉(zhuǎn)、縮放篡改檢測(cè)結(jié)果

(a)原始圖；(b)篡改圖；(c)傳統(tǒng)基于塊匹配算法對(duì)經(jīng)旋轉(zhuǎn)操作的篡改區(qū)域的檢測(cè)結(jié)果圖；(d)傳統(tǒng)基于塊匹配算法對(duì)經(jīng)縮小操作的篡改區(qū)域的檢測(cè)結(jié)果圖；(e)本文算法對(duì)經(jīng)旋轉(zhuǎn)操作的篡改區(qū)域檢測(cè)結(jié)果圖；(f) 本文算法對(duì)經(jīng)縮小操作的篡改區(qū)域檢測(cè)結(jié)果圖。

考慮到與PCASIFT具有相似性質(zhì)的變換SIFT，本節(jié)將給出本文與基于SIFT的篡改檢測(cè)算法二者間的對(duì)比結(jié)果，如表1所示。表中數(shù)值除最后一列表示算法的運(yùn)行時(shí)間外，其余為算法的檢測(cè)正確率。

表1 本文算法與基于SIFT的檢測(cè)算法的對(duì)比結(jié)果

Algorithm

Rotation

Zoom

Fuzzy

Contrast

change

Computing

time

SIFT

0.80

0.75

0.6

0.79

26.3s

本文算法

0.77

0.63

1

0.87

7.7s

從上表可知，基于SIFT的算法在面對(duì)旋轉(zhuǎn)和縮放后處理方面擁有更好的性能，但是本文算法中在模糊類和高對(duì)比度類篡改圖像方面具有更高的檢測(cè)性能，同時(shí)算法的運(yùn)行時(shí)間更少。

圖5 多種后處理組合的篡改檢測(cè)結(jié)果

(a)高斯噪聲；(b)椒鹽噪聲；(c) JPEG（70）壓縮；(d) JPEG（50）壓縮；(e) 局部旋轉(zhuǎn)+縮小；(f) 局部旋轉(zhuǎn)+縮小+JPEG壓縮。

由于篡改者在進(jìn)行偽造的過程中很有可能是多種篡改手法的結(jié)合，所以這里將給出對(duì)于幾種常見后處理操作單獨(dú)或組合修改篡改區(qū)域時(shí)的檢測(cè)結(jié)果，如圖5所示。

通過上面的實(shí)驗(yàn)結(jié)果可知，本文算法對(duì)于篡改后常用的后處理操作具有很好的魯棒性，同時(shí)擁有較好的運(yùn)行效率。

5 結(jié) 論

針對(duì)常用的圖像區(qū)域拷貝篡改，本來利用PCA-SIFT算法提出了一種基于點(diǎn)匹配的區(qū)域拷貝篡改檢測(cè)算法，該算法首先利用尺度不變旋轉(zhuǎn)變換得到圖像中的關(guān)鍵點(diǎn)，然后利用PCA對(duì)關(guān)鍵點(diǎn)進(jìn)行降維描述，最后采用最近鄰搜索算法定位出篡改區(qū)域。實(shí)驗(yàn)結(jié)果表明該算法具有較好的性能，但是也存在著一定的缺陷，該算法只能檢測(cè)同一幅圖像內(nèi)的區(qū)域拷貝篡改，而目前大部分的篡改圖像都來源于不同的圖像源，因此如何將這方面的工作進(jìn)一步完善將是后面的研究重點(diǎn)。

參考文獻(xiàn)

［1］ FRIDRICH J,SOUKALD,LUKASJ.Detection of copymove forgery in digital images, Proceedings of Digital Forensic Research Workshop［J］.Cleveland OH, USA, 2003.

［2］ 駱偉祺,黃繼武,丘國平.魯棒的區(qū)域復(fù)制圖像篡改檢測(cè)技術(shù)［J］.計(jì)算機(jī)學(xué)報(bào),2007, 30(11):199-200.

［3］ 徐瓊.基于二維EMD分解的數(shù)字圖像壓縮研究［D］.長沙:長沙理工大學(xué)，2009.

［4］ HUANG H,GUO W,ZHANG Y.Detection of copymove forgery in digital image using SIFT algorithm［J］.In IEEE PacificAsia Workshop on Computational Intelligence and Industrial Application ,2008.

［5］ 沈庭芝,王衛(wèi)江,閆雪梅.數(shù)字圖像處理及模式識(shí)別［M］.北京:北京理工大學(xué)出版社,2007.

［6］ JOHNSONM K,FARID H.Exposing Digital Forgeries by Detecting Inconsistencies in Lightint［C］//In:Proceeding of ACM Multimedia and Security Workshop,New York,NY,USA,2005:1-10.

［7］ NG T T,CHANG SF.A Modal for image splicing［C］//IEEE International Conference on Image Processing , Singapore, 2004:1169-1172.

［8］ SHIHFU CHANG,JOHN R SMITH. Single color extraction and image query［C］//In:International Conference on Image Processing, 1995:91-95.

［9］ 姜麗,呂皖麗,羅斌.基于相位和幅度譜的數(shù)字圖像被動(dòng)認(rèn)證算法［J］.計(jì)算機(jī)工程與設(shè)計(jì),2009,15(9):68-70.

［10］劉蕊,陳紅衛(wèi).一種改進(jìn)的圖像邊緣檢測(cè)算法［J］.科學(xué)技術(shù)與工程,2009,3(21):102-105.