基于SURF特征匹配复制-移动篡改区域探测方法.docVIP

基于SURF特征匹配复制-移动篡改区域探测方法 摘要：针对复制-移动篡改，本文提出基于SURF（Speeded Up Robust Features）特征匹配篡改区域快速自动探测与定位方法。首先应用SURF算法提取待检测图像的特征点和特征向量并进行特征匹配，然后估计匹配对之间的仿射变换参数并消除错配，最后通过仿射变换找出趋近完整的复制-移动区域。实验结果证明了该方法对复制-移动篡改探测的有效性。 关键词：数字图像取证；复制-移动；SURF 中图分类号：TP391文献标识码：A文章编号：1007-9599 (2012) 06-0000-02 一、引言 数字图像篡改技术的飞速发展与图像处理软件功能日趋强大正逐渐降低数字图像的真实可靠性，使得现如今“眼见为实”这个成语已经不再适用了，甚至包括法律和伦理等在内的一系列问题也由此而引发，给社会带来了不良影响。因此，数字图像取证技术成为了当前许多领域尤为重要的热点课题。数字图像取证技术通常分为主动取证技术和被动取证技术（也称盲取证技术）。前者的缺点是必须在图像生成时加入验证信息，这大大限制了它的应用；相反，盲取证技术只需用所给出的图像来探测篡改，而不需要任何图像的先验信息，它因此也成为目前的热点研究领域。 复制-移动篡改是指复制图像本身的一部分，粘贴到原图像中的另一个位置，以达到隐藏或增加目标的目的。由于复制区域来自图像本身，它的噪声分量和光源方向等其它特征都和图像其它部分一致，因此肉眼很难识别出来，如图1所示，其中图1（a）为原始图像，图1（b）为复制-移动篡改后的图像。针对这种篡改方式，许多学者近年提出了多种不同探测方法。最直接的方法是根据复制区域和粘贴区域基本相似这一特点的有限详尽搜索法[1]。这种方法简单有效，但计算量大，鲁棒性差，对于尺寸较大的图像检测不太实用。Fridrich等人[1] 还提出了基于图像块DCT量化系数字典排序法的块匹配检测算法，当篡改区域被增强、润饰或篡改图像经JPEG压缩后该方法仍然能够成功检测。Huang和Amerini等人[2-3]提出用尺度不变特征变换（Scale Invariant Features Transform， SIFT） [4]探测复制-移动篡改。SIFT算法所提取的特征向量具有旋转、镜像、亮度变化、视角变换和尺度缩放不变性，能有效地完成各种图像的特征提取和匹配，但SIFT算法存在特征提取及匹配速度慢、在灰度变化相似的区域产生误判等缺陷，因此文献[5]提出用SURF算法[6]代替SIFT算法探测篡改。但文献[2]、[3]和[5]都只是显示了匹配的特征点，不能定位出准确的复制-粘贴区域位置和范围，如图1（c）所示。 本文首先应用SURF算法提取待检测图像的特征点和特征向量并进行特征匹配，然后估计匹配对之间的仿射变换参数并消除错配，最后通过仿射变换找出趋近完整的复制-移动区域。该方法不仅能自动定位出准确的复制-粘贴区域位置和范围，而且提高了图像的复制-移动区域探测准确率。 （a） 原始图像 （b）篡改图像 （c） 探测出的匹配特征点 图1 复制-移动篡改探测 二、检测算法 本节中，我们将详细描述检测算法，具体流程如图2所示。 图2算法流程图 （一）SURF特征点提取与匹配 首先将待检测图像转换为灰度图，再用SURF算法[6]提取特征点和特征向量，并根据特征向量的欧几里德距离来判断特征点的匹配程度。其中 的标记为匹配。如图3（a）和（b）分别为原始图像和篡改图像，图3（c）为匹配特征点。 （二）计算仿射变换参数 根据匹配特征点估计被复制区域与篡改区域间的仿射变换。对一组给定的匹配特征点 和 ，可以得到二者之间的仿射变换 。再用RANSAC算法[7]消除错配。 （三）定位被复制区域与篡改区域 通过仿射变换计算对应变换区域的关联系数：（1） 其， 表示点 的像素值， 表示以 为中心的5×5像素邻域， 。 值越高，说明对应变换区域的相关性越高。通过仿射变换的正、反变换，可以得到两幅区域关联图。通过对两幅区域关联图进行合并及二值化处理得到复制-移动区域，如图3（d）所示。 （a）原始图像 （b）篡改图像 （c） 特征点匹配结果（d）复制-移动区域 图3复制-移动篡改探测过程 三、实验结果与讨论 本实验中的图像全部来自UCID无压缩TIFF彩色图像数据库[8]，每一张图像保存为任意格式后用Adobe Photoshop CS对压缩后的图像进行复制-移动篡改。图4为本实验中随机选取的检测实例，第一列为原始图像，第二列为复制-移动篡改图像，最后一列为探测结果。表1为同一组随即选取的200幅图像在不同格式和不同篡改区域大小情况