基于MROGH特征描述子图像局部拷贝―旋转―移动行为取证.docVIP

基于MROGH特征描述子图像局部拷贝―旋转―移动行为取证 　　摘要： 各种数字图像编辑软件的普及让人们的生活更加多姿多彩，但同时也带来了更多的安全隐患――恶意的篡改者伪造图像、传播虚假内容的门槛极大地降低了。图像局部拷贝―移动（copy-move）是最为容易操作且有效的图像篡改手段之一，针对这种图像篡改手段的取证技术也在近年来受到了广泛关注。在图像的局部拷贝―移动篡改过程中，通常会包含一定程度的旋转操作，因此取证手段对于旋转的鲁棒性非常重要。本文提出了以筛选后的哈里斯角点结合MROGH（Multi-support Region Order-based Gradient Histogram）特征描述子的图像局部拷贝―旋转―移动篡改取证方法。实验证明，该方法具有良好的特征点覆盖率和旋转鲁棒性。 　　关键词： 图像取证； 局部拷贝―移动篡改检测； MROGH特征描述子； 哈里斯角点 　　中图分类号：TP309 　　文献标志码：A 　　文章编号：2095-2163（2017）04-0124-04 　　0 引言 　　图像的拷贝移动篡改是指针对一幅图像中的某处或多处区域在经由原型复制后，将其粘贴到同一幅图像的其他位置，从而达到夸大或掩盖事实的加工效果。这种操作方式简单易行，且由于篡改区域来自同一幅图像，而最终的效果图像又往往在光照、色彩和几何比例等方面表现出协调与一致，由此使得人们很难发现加于其上的伪造痕迹，因此这已然成为一种颇具现实发展空间的有效篡改手段。 　　近年来，针对图像局部拷贝―移动的检测方法已经日渐获得了学界的广泛关注。在众多的针对拷贝―移动行为进行取证的方法中，基于特征点的方法在鲁棒性和时空开销等方面表现出切实显著的优秀性能。然而在检测的查全率方面，这一方法却相对较弱。分析其原因主要在于，如SIFT（Scale-Invariant Feature Transform）[1]和SURF（Speeded Up Robust Feature）[2]等主流的特征点检测方法通常仅选择位于纹理丰富区域的特征点，用以保证特征能够具有良好的区分性，却由此将会引发平滑区域的篡改行为往往可能发生漏检。 　　另外，基于在篡改过程中多会涉及到旋转操作，这就使得对旋转的鲁棒性已然成为衡量取证技术的一个重要指标。目前大多数基于特征点的方法都采用了SIFT、SURF或旋转不变DAISY等描述子，而这些描述子的旋转不变性却依赖于构造描述子时，对特征支持区域的主方向估计，只是主方向的估计并不会一直始终准确，因此，基于特征点的取证方法在旋转鲁棒性方面仍存在有待提升的改进空间。 　　[JP3]综上，本文提出了一种新的基于特征点的区域拷贝―移动检测方法。该方法对于纹理和平滑区域的拷贝行为均有良好的检测能力，且具有更好的旋转鲁棒性。本文的主要创新如下：[JP] 　　首先，本文利用非极大值抑制（NMS，Non-Maximal Suppression）筛选哈里斯角点，在图像上获得满足一定密度要求的特征点，保证纹理和平滑区域均有特征点来实施覆盖； 　　其次，以MROGH算子[3]作为特征描述子。由于MROGH算子无需主方向估计，在理论上能够实现真正意义上的旋转不变，因此本文的方法具有更好的旋转鲁棒性。 　　本文的内容安排如下：第二节对近年来比较典型的基于特征?c的局部拷贝―移动检测技术进行简要回顾，第三节详细阐述本文提出的方法，第四节给出实验结果，最后，在第五节，将对全文进行总结。 　　1相关工作简述 　　目前，针对图像局部拷贝―移动行为进行检测的方法可大致分为2类：基于块的方法和基于特征点的方法。本文的方法属于后者。在此，则对基于特征点的方法于近年来的重点进展进行简要回顾。 　　SIFT和SURF等局部特征在机器视觉和模式识别等领域取得了可观的成就，受此启发，近年来，研究者们逐渐尝试了将这些特征点和相应的特征描述子应用于图像局部拷贝的检测[4-6]。与传统的基于块的方法相比，基于SIFT或SURF等局部特征的方法在应对各种图像降质时，表现出优质理想的鲁棒性，同时这些方法又呈现了极其优异的时空开销。然而，为了保证能够获得足够的区分性，SIFT和SURF等特征通常位于纹理丰富区域，这无疑必将导致平滑区域的拷贝行为出现漏检。除了基于SIFT或SURF的方法，文献[7]以哈里斯角点作为特征检测子，并以哈里斯角点周围圆形邻域内像素的统计值作为局部特征。该方法要求用户对每幅输入图像均设置一个参数，该参数将设计用于控制特征点的密度。然而，对于一些图像而言，即使图像中的特征点总数已经迹近庞大，[JP2]某些平滑区域中可能依然不会含有足够的特征点而实现覆盖。在文献[8]中，Guo等人利用自适应非极大值抑制（ANMS，Adaptive Non-Maxima