基于SIFT的伪造图像盲检测算法.docxVIP

基于SIFT的伪造图像盲检测算法李晓飞1 ，李鹏飞2(1．吉林建筑大学城建学院计算机系，长春130111;2．吉林工商学院计算机系，长春130507)摘 要:图像区域的复制粘贴操作能够隐藏重要目标或者造成某种假象，是最常用的篡改手段之一。针对“复制－变换－移动－粘贴”篡改模型，提出了一种基于SIFT的伪造图像盲检测算法。首先用SIFT算法提取图像特征;然后对提取的图像特征向量采用乘积量化的最近邻搜索进行匹配，粗略定位篡改区域;最后进行篡改区域的精确定位，通过计算可疑块对的欧式距离判断图像真伪。实验结果表明，该算法不仅能有效检测经过旋转、缩放变换的复制粘贴篡改区域，而且能抵抗模糊、加噪等后处理。关键词:图像真伪;复制粘贴;SIFT;篡改检测;定位中图分类号:TP391文献标志码:A文章编号:1009－3907(2014)10－1354－04图像区域的复制粘贴操作是最常用的篡改手段之一［1 － 2］。图像区域的复制粘贴操作有两种篡改模型:①“复制－移动－粘贴”模型，复制区域和粘贴区域之间仅存在位移变换;②“复制－变换－移动－粘贴”模型，复制区域和粘贴区域之间不仅存在位移变换，并且经过了旋转或缩放变换。目前，针对第一种篡改模型的检测算法较多［3－5］。针对第二种篡改模型，提出了一些数字图像拷贝－变换－移动篡改检测算法［6－8］，这些算法能够检测出经过旋转、缩放变换的伪造区域，并且对常见的JPEG 压缩和润色操作有较强的鲁棒性，但是抵抗较大程度模糊操作的能力较差。分析“复制－变换－移动－粘贴”篡改模型的特点和后处理操作给图像块特征带来的变化，提出了一种盲检测算法，能够有效检测图像真假。基于SIFT的图像盲检测算法图像的特征提取图像的特征提取采用了SIFT 算法，该算法不仅能够提取图像的局部特征，而且对旋转、缩放等具有保持11．1不变性，能够对图像信息点进行快速准确的匹配。特征提取的主要步骤如下:1．1．1检测图像尺度空间极值点假设待检图像I(x，y)，其尺度空间为T(x，y，α)，则可以表示为:T(x，y，α)=G(x，y，α)*I(x，y)(1)其中，α为尺度空间因子，G(x，y，α)是尺度空间高斯函数。由于大多数的复制粘贴篡改都会对粘贴区域进行旋转或者缩放等操作，为了对这些操作也能有效检测，该算法对高斯尺度函数进行了改进，采用高斯差分核和图像卷积生成高斯差分尺度函数:T=［G(x，y，kα)－G(x，y，α)］*I(x，y)=T(x，y，kα)－T(x，y，α)(2)检测过程中，图像中每个采样点的极值点检测范围包括同尺度的8 邻域点、上相邻尺度的9 个点和下相邻尺度的9 个点。这样保证了检测的精确性。定位关键点1．1．2关键点的定位主要是为了消除边缘不稳定点和对比度点，从而为后续的匹配增加稳定度。为了提高关键点的抗噪能力，主曲率采用了Hessian矩阵H，根据T’的主曲率和H的特征值成正比进行关键点保留。确定关键点的方向参数1．1．3为了使算子具备方向不变性，在定位关键点之后确定关键点的方向参数。根据方向参数与梯度方向特性关系:收稿日期:2014-08-30作者简介:李晓飞(1985-) ，女，山东烟台人，助教，硕士，主要从事图像处理与模式识别及多媒体信息安全方面研究。第10期李晓飞，等:基于SIFT的伪造图像盲检测算法1355i(x，y)=槡T2 +T2，θ(x，y)=arctan(T/T)(3)1221其中，i(x，y)为点(x，y)位置点的梯度模值，θ(x，y)为梯度方向。T1和T2为关键点所在尺度:T1=T(x+1，y，α)－T(x－1，y，α)T2=T(x，y+1，α)－T(x，y－1，α)每个关键点的梯度方向的确定:1)以关键点为中心，在其邻域区域进行采样;(4)2)根据采样直方图对邻域像素梯度方向进行统计，关键点邻域的梯度主方向就可以用直方图的峰值表示，也就是关键点的方向。由于每个关键点有多个辅方向，对主峰值80% 能量的方向保留，这样留有的辅方向能对匹配的鲁棒性进行增强。生成描述子1．1．4对关键点进行描述子的生成目的是为了增强算法的抗噪力，另外，也提供了特征匹配的定位误差的容错性。生成过程为:1)以关键点为中心，确定8*8邻域;2)3)对关键点4*4邻域共8个方向的梯度直方图进行计算;对得到的8 方向梯度方向直方图进行累加，形成一个描述子。每个关键点共4 个描述子，每个描述子包含8 方向向量特征。这种邻域方向性综合思想确保了算法的抗噪性、旋转不变性以及尺度不变性。1．2可疑块对定位提取了图像的SIFT 特征向量后，对可疑块对进行定位。大多数算法采用最近邻搜索，但是由于SIFT 特征向量维数都是高维，一个产生64 位编码的量化器包含 m=264个质心，空间复杂度相当大，容易算法崩溃。而乘积量化则