• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于改進顯著圖和局部特征匹配的copy-move竄改檢測

    2023-10-18 23:14:21趙鴻圖周秋豪
    計算機應用研究 2023年9期

    趙鴻圖 周秋豪

    摘 要:檢測整幅竄改圖像的方法增加了許多非必要的計算量,為了降低計算復雜度和進一步提高檢測精確率,提出了一種基于改進顯著圖和局部特征匹配的copy-move竄改檢測方法。首先,結(jié)合圖像梯度改進顯著圖,分離出包含圖像高紋理信息的局部顯著區(qū)域;其次,只對該局部區(qū)域采用SIFT(scale invariant feature transform)算法提取特征點;然后,對顯著性小的圖像采用密度聚類和二階段匹配策略,對顯著性大的圖像采用超像素分割和顯著塊特征匹配的策略;最后,結(jié)合PSNR和形態(tài)學操作來定位竄改區(qū)域。在兩個公開數(shù)據(jù)集上進行實驗,該方法的平均檢測時間小于10 s,平均檢測精確率大于97%,均優(yōu)于所對比的方法。實驗結(jié)果表明,該方法能夠大幅縮減檢測時間、有效提高檢測精確率,并且對幾何變換和后處理操作也都具有較好的魯棒性。

    關(guān)鍵詞:copy-move竄改檢測;圖像顯著性;局部特征;SIFT算法;密度聚類;超像素分割

    中圖分類號:TP391.41?? 文獻標志碼:A

    文章編號:1001-3695(2023)09-044-2838-07

    doi:10.19734/j.issn.1001-3695.2023.01.0012

    Copy-move forgery detection based on improved saliency map and local feature matching

    Zhao Hongtu,Zhou Qiuhao

    (School of Physical & Electronic Information,Henan Polytechnic University,Jiaozuo Henan 454003,China)

    Abstract:The method of detecting the whole tampered image increases many unnecessary calculations.In order to reduce the computational complexity and further improve the detection accuracy,this paper proposed a copy-move forgery detection method based on improved saliency map and local feature matching.Firstly,it combined the gradient of image to improve the saliency map,and separated the local salient regions containing high texture information of the image.Secondly,it only used SIFT(scale invariant feature transform) algorithm to extract feature points in this local area.Then,it adopted density clustering and two-stage matching strategy for images with low saliency,and adopted the strategy of superpixel segmentation and salient block feature matching for images with high saliency.Finally,it combined PSNR and morphological operations to locate the tampered area.Experiments on two public datasets show that the average detection time of this method is less than 10 s,and the average detection accuracy is greater than 97%,which are better than the compared methods.The experimental results show that this method can greatly reduce the detection time,effectively improve the detection accuracy,and has good robustness to geometric transformation and post-processing operations.

    Key words:copy-move forgery detection;image saliency;local feature;SIFT algorithm;density clustering;superpixel segmentation

    0 引言

    近年來,Photoshop和Gimp等圖像編輯軟件的應用日益廣泛,這使得圖像竄改的成本和門檻都在變低。如今,圖像竄改在新聞報道、司法取證、軍事領(lǐng)域和學術(shù)研究中均有運用,并且這些竄改后的圖像能以一種近乎完美的方式呈現(xiàn)出來,以至于肉眼難以發(fā)覺竄改區(qū)域。這也導致許多不法分子利用這類圖像進行違法犯罪活動,如在法庭上作偽證、社交網(wǎng)絡上傳播誤導性信息等,由此產(chǎn)生的負面影響引起了社會的廣泛關(guān)注。因此,有關(guān)圖像真實性和完整性的取證技術(shù)變得尤為重要。

    copy-move竄改是圖像竄改的一種常見操作[1],它將圖像中的一個或多個區(qū)域粘貼到同一幅圖像的其他位置來隱藏或者復制感興趣的圖像內(nèi)容,并且在竄改過程中通常會伴隨著幾何變換和后處理操作。幾何變換包括旋轉(zhuǎn)和縮放等,后處理操作包括高斯模糊處理、添加高斯白噪聲等。為了檢測copy-move竄改區(qū)域,學者們提出了許多copy-move竄改檢測(copy-move forgery detection,CMFD)的方法,這些方法一般可以分為三種,即基于塊的方法、基于特征點的方法以及基于特征點和塊的方法。其中,前兩種方法有相似的流程,包括圖像特征提取、特征匹配、消除假匹配和定位竄改區(qū)域。

    基于塊的方法是將圖像劃分為重疊的圓形或方形的塊,并從這些塊中提取特征。文獻[2]采用極性復指數(shù)變換(polar complex exponential transformation,PCET)和奇異值分解(singular value decomposition,SVD)對圓形塊進行特征提取和降維處理,通過相似閾值估計進行塊匹配。文獻[3]采用離散余弦變換(discrete cosine transform,DCT)和細胞自動機(cellular automata,CA)進行特征提取,通過補丁匹配算法(patch math,PM)進行塊匹配。雖然分塊方法精度很高,但大量的塊特征導致了較高的計算復雜度,并且該方法對幾何變換的魯棒性不強。而基于特征點的方法通過提取圖像高紋理區(qū)域的特征點和描述局部特征來彌補塊方法的不足。文獻[4]采用尺度不變特征變換(scale-invariant feature transform,SIFT)提取特征點,通過雙級過濾進行特征匹配。文獻[5]將加速魯棒特征(speeded up robust features,SURF)應用于特征提取。文獻[6]采用AKAZE(accelerated KAZE)提取特征點和相應特征,通過密度聚類(density-based spatial clustering of applications with noise,DBSCAN)消除錯誤匹配。文獻[7]通過改進SIFT算法得到增強型的RootSIFT算法,再結(jié)合相似性度量來標記竄改區(qū)域。與分塊方法相比,雖然基于特征點的方法檢測精度會降低,但由于它避開了窮舉搜索,從而降低了運算的復雜度?;谔卣鼽c和塊的方法則結(jié)合了兩者的優(yōu)點,為特征提取提供了新的思路。文獻[8]首先提取Harris角點,再利用角點周圍五個均值生成特征向量來實現(xiàn)竄改檢測。文獻[9]應用RANSAC(random sample consensus)算法消除誤匹配,通過生成仿射變換矩陣來獲取可疑竄改區(qū)域。文獻[10,11]采用簡單線性迭代聚類(simple linear iterative clustering,SLIC)將圖像分成不規(guī)則和不重疊的超像素塊,通過對每個塊提取特征點來進行檢測。文獻[12,13]利用SLIC超像素分割和聚類分析將圖像劃分為復雜區(qū)域和平滑區(qū)域進行檢測。文獻[14]使用自適應形態(tài)重建(adaptive morphological reconstruction,AMR)算法結(jié)合密度聚類算法自適應劃分超像素,再在多個子區(qū)域提取密集特征點,然后結(jié)合128維SIFT特征和7維局部四元數(shù)Hu矩特征來描述特征點,使得算法具有較好的魯棒性。

    然而,copy-move竄改通常是對局部區(qū)域進行竄改,但目前的諸多算法在檢測時都是對整幅圖像進行特征提取,這增加了許多不必要的計算量。并且,密度聚類和超像素分割結(jié)果受參數(shù)影響較大,當竄改區(qū)域和原始區(qū)域相距較近或部分重疊時,算法可能會失效。針對上述問題,本文提出了一種結(jié)合圖像顯著性的竄改檢測方法。該方法首先結(jié)合圖像梯度對顯著圖進行改進,使其更好地提取圖像的高紋理和顯著性區(qū)域,然后根據(jù)顯著性大小來分配不同的檢測策略。當顯著性小時,只提取顯著區(qū)域特征點,然后進行粗匹配和密度聚類,再對聚類結(jié)果使用簇間匹配或簇內(nèi)匹配獲取匹配對;當顯著性大時,先采用超像素分割獲取不規(guī)則塊,然后只對顯著區(qū)域所在的塊進行特征點提取,再通過塊間匹配或塊內(nèi)匹配獲取匹配對。其中,聚類半徑和超像素塊初始尺寸均由顯著性大小確定。最后根據(jù)匹配對采用峰值信噪比(peak signal to noise ratio,PSNR)和形態(tài)學操作定位竄改區(qū)域。該方法通過縮減檢測區(qū)域,能夠大幅降低計算復雜度,并且通過簇間匹配和塊間匹配能夠提高檢測的準確率。

    4 實驗仿真及分析

    4.1 數(shù)據(jù)集和實驗環(huán)境

    實驗測試樣本選取文獻[20]提出的Dataset數(shù)據(jù)集和文獻[21]中提出的CMH數(shù)據(jù)集。Dataset數(shù)據(jù)集共有90張大小約為1 000×700或700×1 000的竄改圖像,CMH數(shù)據(jù)集共有108張大小從845×634像素(最?。┑? 296×972像素(最大)不等的竄改圖像,兩個數(shù)據(jù)集均包含了旋轉(zhuǎn)和縮放攻擊的copy-move竄改圖像。所有實驗仿真以MATLAB 2019b為實驗平臺,在Intel Core i5-6300HQ CPU @ 2.30 GHz,運行內(nèi)存8 GB的個人電腦中運行。

    4.2 方法復雜度與合理性實驗

    4.2.1 方法復雜度實驗

    與傳統(tǒng)竄改檢測方法不同,本文在對竄改圖像提取特征點時,通過改進的顯著圖獲取圖像的顯著區(qū)域,從而達到縮小檢測范圍和減少計算量的目的。然后只對顯著區(qū)域進行特征點提取和進一步的匹配處理。為了驗證本文算法的復雜度,將檢測整幅圖像的方法和只檢測顯著區(qū)域的方法進行對比。其中,檢測整幅圖像的方法是將圖2流程圖中的輸入圖像由改進顯著圖替換成原始圖像的灰度圖。部分實驗結(jié)果如圖3所示,對應的檢測結(jié)果和時間如表1所示。其中,(a)為原始竄改圖像,(b)為改進的顯著圖,(c)為對整幅圖像提取特征點的結(jié)果,(d)為(c)的特征點匹配結(jié)果,(e)為只提取顯著區(qū)域特征點的結(jié)果,(f)為(e)的特征點匹配結(jié)果。

    通過圖3和表1發(fā)現(xiàn),對于人物圖像,本文方法在保持正確匹配對數(shù)不減少的情況下,特征點提取的總數(shù)量減少了20.18%,檢測時間縮短了34.55%。對于風景圖像,本文方法在保持99.05%的正確匹配對數(shù)情況下,特征點提取的總數(shù)量減少了28.5%,檢測時間縮短了45.79%。因此,本文提出的檢測顯著區(qū)域方法相對于檢測整幅圖像的方法而言,能夠有效減少提取特征點的數(shù)量,進而大幅縮短檢測總時間。因此,本文方法的復雜度更低。

    4.2.2 方法合理性實驗

    為了驗證所提方法的合理性,本文對上述提取的顯著性區(qū)域繼續(xù)實驗,采用兩種策略對同一幅竄改圖像檢測結(jié)果進行對比,實驗結(jié)果如表2所示。

    通過表1和表2發(fā)現(xiàn),對于顯著性較小的人物圖像,由于提取的特征點總數(shù)量較少,其兩次匹配的時間要遠小于劃分超像素塊的時間,這也導致超像素顯著塊匹配策略的總檢測時間更長。對于顯著性較大的風景圖像,由于提取的特征點數(shù)量較多,導致其密度聚類的時間大幅增加,而劃分超像素塊的時間反而減少。這是因為圖像顯著性越大,劃分后的每個塊尺寸越大,總塊數(shù)就越少,分割時間也越短。此外,二階段匹配策略的正確匹配對數(shù)也要略高于超像素顯著塊匹配策略。

    綜上,本文對于顯著性小的竄改圖像采用二階段匹配策略能夠在提高匹配對數(shù)的情況下同時縮短檢測時間;對于顯著性大的竄改圖像,采用超像素顯著塊匹配策略能夠在對檢測精確度影響很小的情況下大幅縮短檢測時間。因此,本文方法具有合理性。

    4.3 算法有效性實驗

    本文對CMH數(shù)據(jù)集中23張和Dataset數(shù)據(jù)集中50張只經(jīng)過簡單平移copy-move竄改檢測的圖像進行實驗,部分實驗結(jié)果如圖4所示。其中,(a)為原始竄改圖像,(b)為改進的顯著圖,(c)為兩種策略的聚類結(jié)果和提取顯著區(qū)域超像素特征點結(jié)果,(d)為特征點匹配結(jié)果,(e)為通過形態(tài)學操作定位出竄改區(qū)域位置,(f)為竄改圖像真實的竄改區(qū)域位置。

    根據(jù)圖4可知,由于兩個公開數(shù)據(jù)集中的竄改區(qū)域和原始區(qū)域位置相距較遠,使得檢測策略均為簇間匹配和塊間匹配。而只有當竄改區(qū)域和原始區(qū)域有部分重疊或相距較近時,才會采用簇內(nèi)匹配和塊內(nèi)匹配的策略。所以,為進一步體現(xiàn)算法的有效性,本文在dataset數(shù)據(jù)集中選取20張原始圖像進行近距離或部分重疊竄改,并對這些竄改圖像進行實驗,部分檢測結(jié)果如圖5所示。

    通過圖4和5的檢測結(jié)果發(fā)現(xiàn),本文方法能夠根據(jù)竄改圖像的顯著性大小使用不同的檢測策略,并對所測試的簡單平移copy-move竄改的圖像具有很好的檢測性能。

    4.4 算法魯棒性實驗

    4.4.1 幾何變換竄改檢測

    為驗證本文方法對幾何變換竄改的魯棒性,對CMH數(shù)據(jù)集中25張經(jīng)歷縮放竄改變換的圖像(縮放因子在0.8~1.54)、25張經(jīng)歷旋轉(zhuǎn)竄改變換的圖像(旋轉(zhuǎn)方向在-90°~180°)以及35張同時經(jīng)歷縮放和旋轉(zhuǎn)的圖像進行實驗,部分實驗結(jié)果如圖6所示。

    通過對比圖6中真值圖像發(fā)現(xiàn),本文檢測結(jié)果邊緣部分有少數(shù)像素缺失,但是基本能夠還原出竄改區(qū)域的形狀和具體位置。因此,本文算法對縮放和旋轉(zhuǎn)變換的竄改圖像能夠保持較好的檢測性能。

    4.4.2 后期處理竄改檢測

    為驗證本文方法對后期處理竄改的魯棒性,本文對兩個數(shù)據(jù)集中的83張簡單平移竄改圖像進行高斯模糊處理和添加高斯白噪聲處理。其中,高斯模糊處理的濾波窗口為3×3,模糊因子分別為f=0.5和f=2;添加噪聲的均值為0,方差分別為v=0.000 5和v=0.001。部分實驗結(jié)果如圖7所示。

    通過對比圖7中真值圖像和本文檢測結(jié)果發(fā)現(xiàn),在檢測高斯模糊處理的圖像時,本文檢測方法對邊緣細節(jié)的還原能力略微不足,使得邊緣較為平滑,但即使面對模糊因子較大的高斯模糊處理仍能檢測出竄改區(qū)域的基本輪廓。此外,在檢測添加高斯白噪聲的圖像時,對于方差較大的加噪處理,本文檢測結(jié)果的邊緣部分會出現(xiàn)細微程度的漏檢,存在少量像素缺失的現(xiàn)象,但同樣基本可以檢測出竄改區(qū)域的形狀和具體位置。綜合來說,本文方法對后期處理竄改檢測能夠保持良好的檢測性能,具有較好的魯棒性。

    4.5 算法性能對比實驗

    為了更好地研究本文方法的性能,將本文方法與同樣基于特征點的新興趣點檢測方法[22]、采用SLIC超像素分割和聚類分析的檢測方法[13]以及基于密度聚類的AMR超像素分割檢測方法[14]進行對比。采用TRP和FPR來衡量方法的檢測性能,其中,TPR是竄改區(qū)域被正確檢測的概率,F(xiàn)PR是竄改區(qū)域被檢測為真實區(qū)域的概率。

    TPR=正確檢測出來的竄改像素數(shù)量竄改區(qū)域總像素數(shù)量

    FPR=竄改像素被檢測為真實像素的數(shù)量真實像素總數(shù)量

    在本文采用的兩個公開數(shù)據(jù)集上進行驗證,并繪制簡單copy-move、幾何變換與后期處理操作的ROC曲線分別如圖8~10所示。

    通過圖8發(fā)現(xiàn),四種方法的TPR都在90%以上,并且FPR都小于10%,這表明四種方法對簡單copy-move竄改檢測均有良好的表現(xiàn)。而本文方法在密度聚類前后采用的二階段匹配策略能夠更好地消除誤匹配,因此具有更高的TPR和更低的FPR。

    通過圖9發(fā)現(xiàn),旋轉(zhuǎn)和縮放變換都會導致檢測性能降低,但TPR也都保持在85%以上,原因是四種方法提取的特征點特征都是利用它們周圍領(lǐng)域內(nèi)穩(wěn)健、不變的特征來描述的,因此對幾何變換都有較好的魯棒性。本文增加的簇內(nèi)匹配和塊內(nèi)匹配策略能夠提高檢測精確率,因此TPR也高于其余三種方法。

    通過圖10發(fā)現(xiàn),后處理操作會稍大程度地降低檢測性能,原因是高斯模糊和添加白噪聲都會影響特征點提取的數(shù)量和位置,從而增大了定位時產(chǎn)生的誤差。文獻[22]方法檢測性能下降最多,原因是過濾階段未被移除的誤匹配點會導致迭代擴展可疑區(qū)域興趣點過程的誤差增大。而本文方法在定位時通過獲取矩形領(lǐng)域最佳PSNR來擴展可疑區(qū)域,因此具有更好的魯棒性。

    為了驗證本文方法在時間復雜度上的優(yōu)勢,將數(shù)據(jù)集拆分為顯著性小于等于30%的圖像和顯著性大于30%的圖像,并分別使用四種方法對同一幅圖像進行實驗。各算法的平均檢測時間如圖11所示。

    通過圖11發(fā)現(xiàn),由于本文只對顯著性區(qū)域進行特征提取,并針對顯著性大小分配不同的檢測策略,所以大幅縮減了檢測時間。文獻[13]雖然也采用了時間上具有優(yōu)勢的超像素分割策略,但需要計算每個超像素塊的像素均值、標準差以及特征點與塊總像素的比率,并根據(jù)這些參數(shù)利用K-means聚類將圖像的超像素劃分為復雜區(qū)域和平滑區(qū)域分別進行檢測,因此大幅增加了時間開銷。文獻[14]的方法在多個步驟中通過增加時間開銷來換取檢測精度,首先在區(qū)域劃分時使用了密度聚類來對超像素的顏色矩進行聚類,其次為得到均勻特征點,通過反復計算特征點密集度來動態(tài)調(diào)整對比度閾值,然后在竄改區(qū)域定位時通過比較匹配點10×10領(lǐng)域的零均值歸一化互相關(guān)系數(shù)來去除孤立點,最后再次對原圖使用SLIC超像素分割和K-means聚類進一步去除孤立點,因此該方法的時間復雜度較高。文獻[22]提取的新興趣點數(shù)量較大,并且需要經(jīng)過四次迭代才獲得最終的檢測結(jié)果,因此在時間開銷上最不具優(yōu)勢。

    綜上可知,通過對比其他三種方法,本文方法對幾何變換和后期處理的魯棒性更好,并且在檢測時間上也更具有優(yōu)勢。

    5 結(jié)束語

    本文提出了一種基于改進顯著圖和局部特征匹配的copy-move竄改檢測方法。該方法首先利用梯度圖改進顯著圖,通過獲取圖像的顯著性區(qū)域來縮減檢測范圍。為減小時間開銷,對顯著性小的圖像采用基于密度聚類的二階段匹配策略,對顯著性大的圖像采用基于超像素分割和顯著塊特征匹配的檢測策略,并通過增加簇內(nèi)匹配和塊內(nèi)匹配來提高方法的檢測精度,再利用PSNR和形態(tài)學操作來定位竄改區(qū)域。最后,在兩個公開數(shù)據(jù)集上進行實驗仿真。結(jié)果表明該方法的檢測精度較高、時間復雜度較低,并對幾何變換和后處理操作都具有較好的魯棒性。然而,雖然本文方法對竄改視覺重要區(qū)域的圖像具有較好的檢測性能,但當竄改區(qū)域位于圖像低紋理的平滑區(qū)域時,該方法可能無法有效定位出完整的竄改區(qū)域。因此,如何進一步提高圖像平滑區(qū)域copy-move竄改的檢測精確度是今后研究工作的方向。

    參考文獻:

    [1]Fridrich A J,Soukal B D,Luká A J.Detection of copy-move forgery in digital images[C]//Proc of Digital Forensic Research Workshop.Washington DC:IEEE Computer Society,2003:55-61.

    [2]Wang Yilan,Kang Xiaobing,Chen Yanjun.Robust and accurate detection of image copy-move forgery using PCET-SVD and histogram of block similarity measures[J].Journal of Information Security and Applications,2020,54(21-23):102536.

    [3]Gani G,Qadir F.Copy move forgery detection using DCT,PatchMatch and cellular automata[J].Multimedia Tools and Applications,2021,80:32219-32243.

    [4]Yang Jixiang,Liang Zhiyao,Gan Yanfen,et al.A novel copy-move forgery detection algorithm via two-stage filtering[J].Digital Signal Processing,2021,113(4):103032.

    [5]Xu Bo,Wang Junwen,Liu Guangjie,et al.Image copy-move forgery detection based on SURF[C]//Proc of International Conference on Multimedia Information Networking & Security.Washington DC:IEEE Computer Society,2010:889-892.

    [6]Zhou Xuehua,Shi Qingjie.Multiple copy-move forgery detection based on density clustering[J].Pattern Recognition and Image Analysis,2021,31(1):109-116.

    [7]Sujin J S,Sophia S.Copy-move geometric tampering estimation through enhanced sift detector method[J].Computer Systems Science and Engineering,2023,44(1):157-171.

    [8]趙潔,武斌,張艷.基于Harris興趣點和空域均值信息的圖像復制粘貼竄改檢測算法[J].計算機應用研究,2013,30(9):2791-2794.(Zhao Jie,Wu Bin,Zhang Yan.Detection algorithm of image copy-move forgery based on Harris and spacial average information[J].Application Research of Computers,2013,30(9):2791-2794.)

    [9]王任華,霍宏濤,蔣敏.RANSAC算法在同圖復制鑒定中的應用研究[J].計算機應用研究,2014,31(7):2209-2212.(Wang Renhua,Huo Hongtao,Jiang Min.Application research of RANSAC algorithm on copy-move forgery detection[J].Application Research of Computers,2014,31(7):2209-2212.)

    [10]Pun Chiman,Yuan Xiaochen,Bi Xiuli.Image forgery detection using adaptive over segmentation and feature point matching[J].IEEE Trans on Information Forensics and Security,2015,10(8):1705-1716.

    [11]Narayanan S S,Gopakumar G.Recursive block based keypoint ma-tching for copy move image forgery detection[C]//Proc of the 11th International Conference on Computing,Communication and Networking Technologies.Washington DC:IEEE Computer Society,2020:1-6.

    [12]Liu Yong,Wang Hongxia,Wu Hanzhou,et al.An efficient copy-move detection algorithm based on superpixel segmentation and Harris key-points[C]//Proc of International Conference on Cloud Computing and Security.Berlin:Springer,2017:61-73.

    [13]Liu Yong,Wang Hongxia,Chen Yi,et al.A passive forensic scheme for copy-move forgery based on superpixel segmentation and K-means clustering[J].Multimedia Tools and Applications,2020,79(1-2):477-500.

    [14]魏偉一,王婉茹,趙毅凡,等.基于區(qū)域劃分和四元數(shù)的彩色圖像復制粘貼竄改檢測[J].計算機工程與科學,2022,44(7):1256-1264.(Wei Weiyi,Wang Wanru,Zhao Yifan,et al.Color image copy-move forgery detection based on region division and quaternion[J].Computer Engineering and Science,2022,44(7):1256-1264).

    [15]獨智序,王曉峰.基于穩(wěn)健特征點的圖像copy-move竄改檢測算法[J].云南大學學報:自然科學版,2019,41(1):61-67.(Du Zhixu,Wang Xiaofeng.Image copy-move tampering detection algorithm based on robust feature points[J].Journal of Yunnan University:Natural Science Edition,2019,41(1):61-67).

    [16]Amerini I,Ballan L,Caldelli R,et al.A SIFT-based forensic method for copy-move attack detection and transformation recovery[J].IEEE Trans on Information Forensics and Security,2011:1099-1110.

    [17]Mohamed A B,Gunasekaran M,F(xiàn)akhry A E,et al.2-levels of clustering strategy to detect and locate copy-move forgery in digital images[J].Multimedia Tools and Applications,2018,6(3):1-19.

    [18]Prakash C S,Panzade P P,Om H,et al.Detection of copy-move forgery using AKAZE and SIFT keypoint extraction[J].Multimedia Tools and Applications,2019(7):23535-23558.

    [19]Achanta R,Shaji A,Smith K,et al.SLIC superpixels compared to state-of-the-art superpixel methods[J].IEEE Trans on Pattern Analysis & Machine Intelligence,2012,34(11):2274-2282.

    [20]Ardizzone E,Bruno A,Mazzola G.Copy-move forgery detection by matching triangles of keypoints[J].IEEE Trans on Information Forensics and Security,2015,10(10):2084-2094.

    [21]Ewerton S,Tiago C,Anselmo F,et al.Going deeper into copy-move forgery detection:exploring image telltales via multi-scale analysis and voting processes[J].Journal of Visual Communication and Image Representation,2015,29:16-32.

    [22]Zandi M,Mahmoudi-Aznaveh A,Talebpour A.Iterative copy-move forgery detection based on a new interest point detector[J].IEEE Trans on Information Forensics and Security,2016,11(11):2499-2512.

    收稿日期:2023-01-03;修回日期:2023-02-14? 基金項目:河南省科技廳科技攻關(guān)和軟科學項目(192102310446);河南省高?;究蒲袠I(yè)務費專項資金資助項目(NSFRF210406)

    作者簡介:趙鴻圖(1965-),男(通信作者),河南長垣人,副教授,碩導,博士,主要研究方向為智能信息處理、數(shù)字信號處理等;周秋豪(1997-),男,河南信陽人,碩士,主要研究方向為圖像處理、智能信息處理等(hao1142055898@163.com).

    一区二区三区高清视频在线| 亚洲片人在线观看| av有码第一页| 久久香蕉激情| 怎么达到女性高潮| 亚洲精品在线美女| 一进一出好大好爽视频| av超薄肉色丝袜交足视频| 又爽又黄无遮挡网站| 成人欧美大片| 好男人电影高清在线观看| 精品乱码久久久久久99久播| 成年人黄色毛片网站| 日本三级黄在线观看| 国产免费男女视频| 午夜影院日韩av| 亚洲av日韩精品久久久久久密| 18禁裸乳无遮挡免费网站照片| 亚洲av电影不卡..在线观看| 777久久人妻少妇嫩草av网站| 亚洲国产精品sss在线观看| 午夜福利免费观看在线| 精品一区二区三区四区五区乱码| 欧美日本视频| 2021天堂中文幕一二区在线观| 亚洲精品美女久久久久99蜜臀| 午夜免费激情av| 成熟少妇高潮喷水视频| 婷婷亚洲欧美| 国产主播在线观看一区二区| 男女视频在线观看网站免费 | 欧美三级亚洲精品| 亚洲国产欧洲综合997久久,| 久久香蕉激情| 黄色毛片三级朝国网站| 91字幕亚洲| 变态另类丝袜制服| 亚洲一卡2卡3卡4卡5卡精品中文| 成人精品一区二区免费| 2021天堂中文幕一二区在线观| 最近视频中文字幕2019在线8| 亚洲成人久久爱视频| 免费在线观看日本一区| 欧美一区二区精品小视频在线| 五月玫瑰六月丁香| 欧美日韩福利视频一区二区| 久久久久久久久中文| 91字幕亚洲| 色综合站精品国产| 亚洲免费av在线视频| 亚洲av片天天在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 日日干狠狠操夜夜爽| 可以免费在线观看a视频的电影网站| 91九色精品人成在线观看| 国产精品影院久久| 亚洲七黄色美女视频| 成年免费大片在线观看| 一本大道久久a久久精品| 亚洲 国产 在线| 久久精品影院6| 日本一二三区视频观看| 黄色毛片三级朝国网站| 一级a爱片免费观看的视频| 亚洲欧美一区二区三区黑人| 丰满人妻熟妇乱又伦精品不卡| 国产精品1区2区在线观看.| 国产精品香港三级国产av潘金莲| 99riav亚洲国产免费| 久久久久精品国产欧美久久久| 婷婷精品国产亚洲av| 久久亚洲精品不卡| 久久性视频一级片| 免费一级毛片在线播放高清视频| 人人妻,人人澡人人爽秒播| 亚洲人成77777在线视频| 亚洲欧美激情综合另类| 又黄又爽又免费观看的视频| av在线播放免费不卡| 一个人观看的视频www高清免费观看 | 日韩欧美免费精品| 婷婷丁香在线五月| 在线观看免费视频日本深夜| 床上黄色一级片| 欧美日韩一级在线毛片| 免费在线观看视频国产中文字幕亚洲| 精华霜和精华液先用哪个| 国产成人精品无人区| 午夜福利成人在线免费观看| 久热爱精品视频在线9| 丰满的人妻完整版| 日韩有码中文字幕| 亚洲最大成人中文| 久久久久久久久久黄片| 中文字幕精品亚洲无线码一区| 欧美日本视频| 国产蜜桃级精品一区二区三区| 久久久久九九精品影院| 一区二区三区国产精品乱码| 国产一区二区在线观看日韩 | 色综合亚洲欧美另类图片| 国产成人影院久久av| 男人舔女人下体高潮全视频| 国产黄a三级三级三级人| 久9热在线精品视频| 成人一区二区视频在线观看| 男女午夜视频在线观看| www.www免费av| 淫妇啪啪啪对白视频| 老熟妇仑乱视频hdxx| 久久久国产精品麻豆| av片东京热男人的天堂| 一二三四在线观看免费中文在| 久久天堂一区二区三区四区| 欧美日韩福利视频一区二区| 久久久久国产精品人妻aⅴ院| 少妇人妻一区二区三区视频| 嫁个100分男人电影在线观看| 人妻丰满熟妇av一区二区三区| 日韩免费av在线播放| 中文字幕熟女人妻在线| 亚洲国产中文字幕在线视频| 国产高清视频在线播放一区| 岛国在线免费视频观看| 国内久久婷婷六月综合欲色啪| 国产精品久久久久久久电影 | 一进一出好大好爽视频| 青草久久国产| 又黄又粗又硬又大视频| 精品乱码久久久久久99久播| 很黄的视频免费| www日本在线高清视频| 欧美黑人精品巨大| 操出白浆在线播放| 白带黄色成豆腐渣| 久久久久久久久久黄片| 女人被狂操c到高潮| 国产乱人伦免费视频| 黄片小视频在线播放| 欧美日韩福利视频一区二区| 国产黄片美女视频| 欧美一区二区国产精品久久精品 | 精品电影一区二区在线| 免费搜索国产男女视频| 国产在线精品亚洲第一网站| 99国产极品粉嫩在线观看| 狠狠狠狠99中文字幕| 国产精品永久免费网站| 人人妻,人人澡人人爽秒播| 亚洲国产精品成人综合色| 观看免费一级毛片| 亚洲乱码一区二区免费版| 99久久无色码亚洲精品果冻| 国产精品电影一区二区三区| 18禁黄网站禁片免费观看直播| 午夜福利在线观看吧| 啦啦啦观看免费观看视频高清| 国产精品久久久久久亚洲av鲁大| 亚洲精华国产精华精| 淫妇啪啪啪对白视频| 女人高潮潮喷娇喘18禁视频| 在线观看午夜福利视频| 黑人操中国人逼视频| 99re在线观看精品视频| 精品熟女少妇八av免费久了| 亚洲一区中文字幕在线| av有码第一页| 中文字幕最新亚洲高清| 精品人妻1区二区| 69av精品久久久久久| 最近最新中文字幕大全电影3| 日韩免费av在线播放| 亚洲欧美一区二区三区黑人| 国产av麻豆久久久久久久| 18禁黄网站禁片免费观看直播| 男插女下体视频免费在线播放| 日日摸夜夜添夜夜添小说| 精品久久久久久,| 国产精品久久视频播放| 搡老熟女国产l中国老女人| 两个人免费观看高清视频| 久久香蕉激情| 久热爱精品视频在线9| 亚洲中文av在线| 中出人妻视频一区二区| 午夜视频精品福利| 日本 欧美在线| 精品国内亚洲2022精品成人| 天天躁狠狠躁夜夜躁狠狠躁| 禁无遮挡网站| 欧美不卡视频在线免费观看 | 波多野结衣巨乳人妻| 精华霜和精华液先用哪个| 久久性视频一级片| 手机成人av网站| 亚洲国产欧洲综合997久久,| 久久精品国产99精品国产亚洲性色| 在线a可以看的网站| 国产一区二区激情短视频| 成年女人毛片免费观看观看9| 熟女电影av网| 最近最新中文字幕大全免费视频| 国产激情偷乱视频一区二区| 18禁国产床啪视频网站| 欧美中文日本在线观看视频| 91字幕亚洲| av超薄肉色丝袜交足视频| 波多野结衣巨乳人妻| 久久精品夜夜夜夜夜久久蜜豆 | 一二三四在线观看免费中文在| 欧美性猛交黑人性爽| 国产久久久一区二区三区| 久久久久久九九精品二区国产 | 国产一级毛片七仙女欲春2| 免费看美女性在线毛片视频| 中文字幕最新亚洲高清| 中文字幕人成人乱码亚洲影| 真人一进一出gif抽搐免费| 韩国av一区二区三区四区| 久久精品国产清高在天天线| 亚洲欧美激情综合另类| 成人av一区二区三区在线看| а√天堂www在线а√下载| 亚洲欧美日韩高清在线视频| 国产一区在线观看成人免费| 最近在线观看免费完整版| 日韩国内少妇激情av| www.999成人在线观看| 99久久综合精品五月天人人| 精品国产超薄肉色丝袜足j| 日韩欧美免费精品| 国产成人精品久久二区二区免费| 亚洲美女视频黄频| 国产69精品久久久久777片 | 日韩三级视频一区二区三区| 欧美成人免费av一区二区三区| 国产高清视频在线播放一区| 免费搜索国产男女视频| 免费在线观看视频国产中文字幕亚洲| 露出奶头的视频| 天堂影院成人在线观看| 啦啦啦免费观看视频1| 操出白浆在线播放| 999精品在线视频| 亚洲国产精品成人综合色| 精品久久久久久久人妻蜜臀av| 国产高清激情床上av| 热99re8久久精品国产| 在线观看66精品国产| 天天添夜夜摸| 国产成人av激情在线播放| 国产一区在线观看成人免费| 精品国产美女av久久久久小说| 可以在线观看的亚洲视频| 亚洲av五月六月丁香网| 黄频高清免费视频| 国产激情偷乱视频一区二区| 亚洲激情在线av| 可以免费在线观看a视频的电影网站| 99久久久亚洲精品蜜臀av| a级毛片在线看网站| 国产午夜精品论理片| 哪里可以看免费的av片| 黑人欧美特级aaaaaa片| 国产精品久久久人人做人人爽| 美女 人体艺术 gogo| 日韩中文字幕欧美一区二区| 搡老妇女老女人老熟妇| 91九色精品人成在线观看| 长腿黑丝高跟| 观看免费一级毛片| 国产一区二区在线观看日韩 | 床上黄色一级片| 高清在线国产一区| 欧美av亚洲av综合av国产av| 别揉我奶头~嗯~啊~动态视频| 老司机深夜福利视频在线观看| 国产精品九九99| 最近最新中文字幕大全电影3| 国产精品久久久av美女十八| 欧美日韩一级在线毛片| 老司机靠b影院| 在线观看午夜福利视频| 亚洲av五月六月丁香网| 国产成人精品久久二区二区91| 麻豆一二三区av精品| 国产精品一及| 亚洲国产精品久久男人天堂| 人人妻人人澡欧美一区二区| 亚洲色图 男人天堂 中文字幕| 老司机深夜福利视频在线观看| videosex国产| 国产1区2区3区精品| 在线免费观看的www视频| 99久久综合精品五月天人人| 国产av在哪里看| 禁无遮挡网站| 亚洲人成网站在线播放欧美日韩| 国产高清有码在线观看视频 | 国内揄拍国产精品人妻在线| 黄色片一级片一级黄色片| 亚洲中文字幕一区二区三区有码在线看 | 午夜福利视频1000在线观看| 国内精品一区二区在线观看| 久久久久久大精品| 丁香六月欧美| 美女黄网站色视频| 观看免费一级毛片| 宅男免费午夜| 午夜福利成人在线免费观看| 午夜福利18| 无人区码免费观看不卡| 97碰自拍视频| 无人区码免费观看不卡| 久久精品人妻少妇| 99久久国产精品久久久| 老汉色∧v一级毛片| 嫁个100分男人电影在线观看| 国语自产精品视频在线第100页| 香蕉丝袜av| 亚洲av中文字字幕乱码综合| 久久精品影院6| 日本一本二区三区精品| 岛国视频午夜一区免费看| 国产精品 欧美亚洲| 少妇人妻一区二区三区视频| 最近在线观看免费完整版| 不卡av一区二区三区| 色综合亚洲欧美另类图片| 狂野欧美白嫩少妇大欣赏| 又紧又爽又黄一区二区| 99在线人妻在线中文字幕| 欧美中文综合在线视频| 伊人久久大香线蕉亚洲五| 黄频高清免费视频| 国产69精品久久久久777片 | 一本大道久久a久久精品| 久久亚洲精品不卡| 亚洲人成伊人成综合网2020| 好看av亚洲va欧美ⅴa在| 欧美黑人欧美精品刺激| 老司机福利观看| 色哟哟哟哟哟哟| 香蕉丝袜av| 午夜精品一区二区三区免费看| 午夜影院日韩av| 亚洲欧美一区二区三区黑人| 中文字幕久久专区| 亚洲美女视频黄频| 欧美色视频一区免费| 亚洲一区二区三区不卡视频| 久久99热这里只有精品18| 精品久久久久久成人av| avwww免费| 婷婷丁香在线五月| 男女下面进入的视频免费午夜| 欧美丝袜亚洲另类 | 淫秽高清视频在线观看| 久久 成人 亚洲| 19禁男女啪啪无遮挡网站| 国产99久久九九免费精品| 波多野结衣高清作品| 淫妇啪啪啪对白视频| 男女床上黄色一级片免费看| 观看免费一级毛片| www.999成人在线观看| 50天的宝宝边吃奶边哭怎么回事| 88av欧美| 日韩大尺度精品在线看网址| 亚洲国产欧洲综合997久久,| 人妻丰满熟妇av一区二区三区| 波多野结衣高清作品| 一级毛片女人18水好多| av有码第一页| 中文资源天堂在线| 男女之事视频高清在线观看| 国产精品乱码一区二三区的特点| 国产亚洲精品久久久久5区| 特级一级黄色大片| 国产精品久久久久久人妻精品电影| 欧美激情久久久久久爽电影| 欧美zozozo另类| 老司机在亚洲福利影院| www.www免费av| 成人特级黄色片久久久久久久| 99riav亚洲国产免费| 日韩中文字幕欧美一区二区| 欧美成狂野欧美在线观看| 三级国产精品欧美在线观看 | 国产激情欧美一区二区| 琪琪午夜伦伦电影理论片6080| 精品高清国产在线一区| 国内毛片毛片毛片毛片毛片| 免费在线观看视频国产中文字幕亚洲| 啪啪无遮挡十八禁网站| 全区人妻精品视频| 好男人在线观看高清免费视频| 99久久久亚洲精品蜜臀av| 操出白浆在线播放| 国产三级在线视频| 美女扒开内裤让男人捅视频| 亚洲片人在线观看| xxx96com| 19禁男女啪啪无遮挡网站| 成人精品一区二区免费| 少妇裸体淫交视频免费看高清 | 亚洲性夜色夜夜综合| 亚洲一区二区三区不卡视频| 亚洲精品中文字幕一二三四区| 又黄又爽又免费观看的视频| 中亚洲国语对白在线视频| 午夜两性在线视频| 亚洲人成电影免费在线| 亚洲乱码一区二区免费版| 国产v大片淫在线免费观看| 国内揄拍国产精品人妻在线| 国产高清videossex| 国产精品久久久人人做人人爽| 久久人妻av系列| 男女床上黄色一级片免费看| 国产激情偷乱视频一区二区| 听说在线观看完整版免费高清| 一本大道久久a久久精品| 日日干狠狠操夜夜爽| 婷婷精品国产亚洲av| 男插女下体视频免费在线播放| 妹子高潮喷水视频| 国产麻豆成人av免费视频| 在线观看66精品国产| 亚洲黑人精品在线| 亚洲中文字幕日韩| 国产精品 国内视频| 国产免费男女视频| 久久亚洲真实| 身体一侧抽搐| x7x7x7水蜜桃| 美女午夜性视频免费| 欧美中文综合在线视频| 国产av一区二区精品久久| 黑人欧美特级aaaaaa片| 九九热线精品视视频播放| 欧美乱色亚洲激情| 久久亚洲真实| 老司机靠b影院| 99在线人妻在线中文字幕| 天堂av国产一区二区熟女人妻 | 黄色毛片三级朝国网站| 性色av乱码一区二区三区2| 欧美激情久久久久久爽电影| 日本一二三区视频观看| 此物有八面人人有两片| 成熟少妇高潮喷水视频| 88av欧美| 中文资源天堂在线| av超薄肉色丝袜交足视频| 精品一区二区三区视频在线观看免费| 18禁黄网站禁片午夜丰满| 日韩欧美精品v在线| 亚洲av电影不卡..在线观看| 国产成年人精品一区二区| 日日爽夜夜爽网站| 精品免费久久久久久久清纯| 中文亚洲av片在线观看爽| 国产欧美日韩一区二区精品| 久久人人精品亚洲av| 欧美中文综合在线视频| 天堂√8在线中文| 亚洲国产欧美网| 精品国产乱码久久久久久男人| 亚洲色图av天堂| 香蕉国产在线看| 亚洲精品在线观看二区| 欧美中文综合在线视频| 亚洲精品美女久久av网站| 国产亚洲精品av在线| 国产精品久久久久久人妻精品电影| 久久精品91蜜桃| 国产精品美女特级片免费视频播放器 | 亚洲片人在线观看| 脱女人内裤的视频| 性色av乱码一区二区三区2| 在线a可以看的网站| 欧美日韩一级在线毛片| 一级a爱片免费观看的视频| 国产人伦9x9x在线观看| 久久久久久国产a免费观看| 欧美性长视频在线观看| 毛片女人毛片| 最好的美女福利视频网| svipshipincom国产片| 一二三四社区在线视频社区8| 香蕉久久夜色| 日韩大码丰满熟妇| 男人舔奶头视频| 亚洲精品国产一区二区精华液| 99热只有精品国产| 久久久久免费精品人妻一区二区| 国产精品久久视频播放| 伊人久久大香线蕉亚洲五| 精品日产1卡2卡| 五月玫瑰六月丁香| 熟妇人妻久久中文字幕3abv| 国产成人影院久久av| 男人舔奶头视频| 蜜桃久久精品国产亚洲av| 变态另类丝袜制服| www日本在线高清视频| 两性夫妻黄色片| 亚洲乱码一区二区免费版| 亚洲欧洲精品一区二区精品久久久| 九色成人免费人妻av| 欧美性长视频在线观看| 国产av又大| 欧美av亚洲av综合av国产av| 国产精品一区二区免费欧美| 久久中文字幕人妻熟女| 夜夜看夜夜爽夜夜摸| 免费在线观看亚洲国产| 两个人免费观看高清视频| 天堂av国产一区二区熟女人妻 | 国产精品亚洲美女久久久| 日韩大码丰满熟妇| 国产男靠女视频免费网站| 国产久久久一区二区三区| av有码第一页| 国产精品99久久99久久久不卡| 在线观看免费午夜福利视频| 男女下面进入的视频免费午夜| 国产探花在线观看一区二区| а√天堂www在线а√下载| 不卡一级毛片| 欧美一级毛片孕妇| 亚洲18禁久久av| 99国产精品一区二区三区| 日本一二三区视频观看| 亚洲欧美日韩无卡精品| 国产在线精品亚洲第一网站| 性色av乱码一区二区三区2| 999久久久精品免费观看国产| 久久久久久亚洲精品国产蜜桃av| 一进一出好大好爽视频| 国产熟女xx| 桃红色精品国产亚洲av| 亚洲乱码一区二区免费版| 两个人看的免费小视频| 91av网站免费观看| 国产精品久久久久久久电影 | 三级毛片av免费| 国产av一区二区精品久久| 亚洲国产欧美网| 丝袜人妻中文字幕| 村上凉子中文字幕在线| 精品一区二区三区av网在线观看| 黄频高清免费视频| 每晚都被弄得嗷嗷叫到高潮| 欧美中文综合在线视频| 露出奶头的视频| 中文亚洲av片在线观看爽| 欧美丝袜亚洲另类 | 成人av在线播放网站| 一区福利在线观看| 看片在线看免费视频| 亚洲精华国产精华精| av天堂在线播放| 正在播放国产对白刺激| 日韩欧美免费精品| 久久婷婷成人综合色麻豆| 欧美极品一区二区三区四区| 亚洲精品美女久久久久99蜜臀| 岛国在线观看网站| 99久久国产精品久久久| 国产精品一及| 亚洲va日本ⅴa欧美va伊人久久| 国产真实乱freesex| 亚洲国产看品久久| 国产成人精品久久二区二区免费| 久久久久九九精品影院| 国产精品久久久av美女十八| 一级毛片精品| 色精品久久人妻99蜜桃| 亚洲乱码一区二区免费版| 亚洲欧美日韩高清在线视频| 色播亚洲综合网| 午夜福利在线在线| xxx96com| 欧美在线一区亚洲| 婷婷精品国产亚洲av在线| 国产在线精品亚洲第一网站| 大型av网站在线播放| 亚洲av成人不卡在线观看播放网| 日韩欧美国产在线观看| 亚洲欧美一区二区三区黑人| 久久精品人妻少妇| 国产aⅴ精品一区二区三区波| 国产伦人伦偷精品视频| 亚洲成人久久性| 国内久久婷婷六月综合欲色啪| 香蕉丝袜av| 午夜福利高清视频| 中文在线观看免费www的网站 | 亚洲成人免费电影在线观看| 婷婷丁香在线五月| 国产精品爽爽va在线观看网站| 亚洲人成网站在线播放欧美日韩| 亚洲第一欧美日韩一区二区三区| 亚洲精品粉嫩美女一区| av福利片在线观看| 国产成人欧美在线观看| 国产一区二区激情短视频| 熟女电影av网| 午夜福利成人在线免费观看| 亚洲狠狠婷婷综合久久图片| 亚洲电影在线观看av| 精品久久久久久成人av| 久久中文字幕一级|