基于兴趣点检测和特征匹配的图像复制粘贴检测方法.docxVIP

基于兴趣点检测和特征匹配的图像复制粘贴检测方法 0 图像复制粘贴窜改取证 在数字时代，图形编辑处理创造了一个强大的功能。普通用户可以很容易地修改图像，而不会留下视觉痕迹。这彻底颠覆了传统观点的概念。2007年底至今,国内连续爆出了“华南虎”“藏羚羊”和“广场鸽”的造假事件,数字图像的恶意窜改对科学研究、司法取证、保险索赔和媒体公信力等方面造成了严重的负面影响,因此针对图像窜改的取证研究具有十分重要的现实意义。近年来,基于图像本身性质的盲取证技术由于不需要事先在图像中嵌入认证信息的独特优势,已经成为目前数字取证研究的热点方向之一。 复制粘贴是图像窜改最为常用的手段之一,是指复制图像中的一部分区域,将其粘贴到同一幅图像中的另一个不相交的区域上,从而达到遮蔽目标或伪造场景的目的。由于同一幅图像有着一致的噪声、纹理和颜色等信息,同时窜改者往往会在复制粘贴操作后进行边缘模糊、加噪、JPEG压缩等后续操作,使得窜改图像更难以被人眼辨别。由于同幅图像的复制粘贴操作会在图像中引入两块或多块具有一定面积的相似区域,而自然物体纹理的多样性和光照的复杂变化决定了自然图像中出现相似区域的概率很小。因此,相似区域的存在可以作为图像复制粘贴窜改取证的依据。 近年来,国内外学者针对图像复制粘贴窜改进行了不少的有益探索,并且已经取得了一些成果。现有的复制粘贴窜改检测算法主要分为两类: a)基于分块特征匹配的方法。文献将图像分块后进行DCT(discrete cosine transform),并采用变换后的DCT系数提取特征;文献对小波变换后的低频分量分块提取奇异值特征;文献提取图像块空域的七个鲁棒性特征来表征图像块,再采用主转移向量的方法去除错误的相似块来定位窜改区域。 b)基于兴趣点检测和特征匹配的方法。文献采用SIFT(scale invariant feature transform)检测兴趣点,并对兴趣点周围邻域用适当的特征向量进行特征描述;文献采用SURF(speed up robust feature)检测和描述兴趣点,通过特征向量的匹配实现窜改区域的定位。 基于兴趣点检测和特征匹配的方法一般分为三个步骤,首先是兴趣点的识别和选择;然后采用适当的特征向量对每个兴趣点周围的邻域进行特征描述,并且描述子要有较好的区分性和鲁棒性;最后进行描述子的匹配,从而提取图像中对应的匹配点,实现相似区域的标志定位。现有的算法一般是基于SIFT和SURF检测兴趣点,计算复杂度高,检测的兴趣点多,而且提取的兴趣点在图像上并没有实际的物理特征,即非视觉上的角点。Harris角点检测算子具有旋转不变性,并且对图像亮度和对比度变化不敏感,广泛应用于各种图像匹配算法中。本文提出了一种基于Harris兴趣点检测和特征匹配的图像复制粘贴窜改检测方法。仿真实验表明,该算法不仅能够有效检测并定位多区域复制粘贴窜改操作,而且可以对抗多种窜改后处理操作,包括加性高斯白噪声,JPEG压缩,对比度、亮度和曝光度调整以及JPEG压缩和加噪的混合操作。 1 角点提取和同化作用提取 Harris算子是一种计算简单、应用广泛的角点检测算子,只使用灰度的一阶差分和滤波,可以定量地提取特征角点并且提取的角点特征均匀。由于计算过程用到图像的一阶导数,故对存在灰度变化、图像旋转、视点变换和噪声干扰的图像也能稳定地提取角点。因此本文提出的算法采用Harris角点作为兴趣点,并提取每个兴趣点为中心的邻域内空域的五个均值特征形成特征向量,通过位置转移向量的频率统计连接标志匹配点。 1.1 角点识别算法 Harris算子检测角点的基本思想是 :在图像中假想一个局部窗口,当窗口沿各个方向移动时,如果窗口内区域的灰度发生了较大的变化,则认为窗口内遇到了角点。对于图像I(x,y),在点(x,y)处平移(Δx,Δy)后的自相似性可以通过自相关函数表示为 c(x,y,Δx,Δy)=∑(u,v)∈W(x,y)w(u,v)(Ι(u,v)-Ι(u+Δx,v+Δy))2(1)c(x,y,Δx,Δy)=∑(u,v)∈W(x,y)w(u,v)(I(u,v)?I(u+Δx,v+Δy))2(1) 其中:W(x,y)是以点(x,y)为中心的窗口,w(u,v)为高斯加权函数。通过泰勒公式展开,自相关函数可以近似为二次项函数: c(x,y,Δx,Δy)≈[ΔxΔy]M(x,y) [ΔxΔy](2)[ΔxΔy](2) 其中:Μ(x,y)=∑u,vw(u,v)M(x,y)=∑u,vw(u,v) [Ι2xΙxΙyΙxΙyΙ2y][I2xIxIyIxIyI2y] ,w(u,v)=exp(-u2+v22σ2)w(u,v)=exp(?u2+v22σ2)为高斯窗函数在(u,v)处的系数;Ix、Iy分别为图像在水平方向和垂直方向上的梯度。二次项函数本质上是一