复制粘贴篡改图像盲鉴别算法研究.docVIP

复制粘贴篡改图像盲鉴别算法研究 　　摘 要 针对复制粘贴进行的图像篡改，提出一种基于SIFT特征点匹配的真伪图像鉴别技术。算法首先构造一个DOG尺度空间和极端点检测中的尺度空间，取得标度不变性，并且在R邻近结构的关键点的视图标记基于图形的最大角度范围内，并产生一个标记图形矢量。在同幅图片的复制粘贴篡改中，篡改区域与原图存在着相似的关键点，通过对这些关键点进行SIFT特征向量的提取，就可以定位篡改区域。 　　【关键词】DOG scale space feature vector SIFT key points 　　随着图像采集设备与图像处理软件的快速发展，数字图像的编辑甚至篡改变得非常容易。2007年的“华南虎”事件、2009年被指造假的“伊朗导弹发射”图片以及2011年陷入“PS”门的山西寿阳县政府新闻图片等，这一系列图像造假事件已经给我们敲响了警钟，告诉我们“眼见不一定属实”。如果将图像篡改用于新闻报道、军事情报等敏感领域，对于政治以及社会稳定将造成极大的危害。因此，复制粘贴篡改图像的盲鉴别算法研究有很深远的社会意义与科学意义。 　　图像篡改手段多种多样，现阶段却没有对其进行评估的模型，大多数学者只是在人为猜想图像篡改手段的基础上，选择相应算法进行鉴别。最常用的图像篡改手段有图像拼接、复制粘贴、重获及计算机生成等，相关学者对其进行了研究并提出了相应的盲鉴别算法，但仍处于基础理论和零散技术的研究阶段。其中图像区域的复制粘贴是最常用的篡改手段之一，通常是把同幅图像中的某一个特定区域复制粘贴到另一个区域，并加以旋转缩放，以隐藏重要目标或者造成某种假象。2007年，B. Mahdian等人提出了基于模糊不变矩的图像复制粘贴盲鉴别算法，该算法能够抵抗模糊、有损压缩等后处理。黄继武等人提出了以增强鲁棒性为目的的图像盲鉴别算法，该算法能有效抵抗模糊、高斯白噪声和JPEG重压缩等后处理。2008年，Nasir Memon等人提出了基于Fourier - Mellin变换的复制粘贴篡改检测算法，通过哈希值的匹配检测复制粘贴区域，该算法计算复杂性较高，应用性较差。2011年，Yanping Huang等人利用DCT变换提取分块图像的特征，并且通过特征匹配来检测复制粘贴区域，该算法具有较强的鲁棒性。2012年，Yanjun Cao等人也采用分块图像的DCT变换进行复制粘贴检测，对DCT系数特征进行降维处理，使算法效率得到了提高。由于仅仅使用复制粘贴操作篡改后的图像不能特别逼真，篡改者往往会采用缩放、旋转等操作使得图片更加逼真，符合实际。针对这种操作，2011年，Sergio Bravo-Solorio等人对分块后的图像进行极坐标变换，并在此基础上提出了能够抵抗仿射、旋转、缩放变换的复制粘贴盲鉴别算法。申铉京等人利用极坐标变换和相位相关原理，提出了具有旋转、缩放不变性的复制粘贴盲鉴别算法。但是，这两类算法都是基于图像块匹配的，其检测准确性依赖于分块准则，具有不确定性。 　　基于目前研究现状中的不足，本项目采用基于SIFT特征点的匹配来鉴别图像是否被进行过复制粘贴的篡改，并且对于SIFT特征点的提取进行改进，增强算法的效率。 　　1 建立DOG尺度空间 　　SIFT算法的核心就是在不同尺度空间上查找关键点。首先对图像进行尺度变换，获得图像多尺度下的尺度空间表示序列，然后对表示序列进行主轮廓的提取。主轮廓作为一种特征向量，实现基于SIFT的特征提取。 　　原始图像I（x，y）与一个可变尺度的2维高斯函数G（x，y，σ） 的卷积运算就是这幅图像的尺度空间L（x，y，σ）。 　　实现尺度变换的唯一线性核即为高斯卷积核： 　　其中，σ表示当前层所在空间的尺度，kσ表示下一层所在空间的尺度，k=21/S。 　　2 在DOG空间寻找极值点 　　DOG空间的局部极值点组成了关键点。 　　为了保证在尺度空间和二维图像空间都检测到极值点，位于中间的监测点要与同尺度以及上下尺度一共26个检测点进行比较。 　　由于每一组图像的首末不能进行极值比较，为了保证变化的连续性，在每一组图像的顶层使用高斯模糊生成了3幅图像，这样使得DOG金字塔每组有S+2层图像。 　　3 精确确定关键点 　　得到了侯选特征点之后，就可以对关键特征点进行精确的定位。在这之前，需要对低特征点以及边缘点进行剔除。 　　3.1 去除对比度低的点以及边缘响应点 　　可以通过计算高斯查分算子的主曲率来判断是否为边缘点。22的Hessian矩阵H就是主曲率： 　　3.2 确定关键点的主方向 　　3.3 生成标记图的特征向量 　　为了使特征具备旋转不变性，首先按照关键点的方向旋转坐标轴，然后以关键点为中心提取窗口，将窗口分成小块，每个小块作为一个种子点，每个种子点都有其对应的方向向量，这样，每个特征点就有其对应