謝偉　萬曉霞　葉松濤　王韜

摘 要：針對(duì)基于分塊的圖像區(qū)域復(fù)制篡改檢測(cè)方法通常面臨的圖像特征提取計(jì)算量大、維度高、識(shí)別率低等問題，提出一種基于局部色彩不變量特征的圖像區(qū)域復(fù)制篡改檢測(cè)方法，將RGB彩色圖像轉(zhuǎn)換到對(duì)立色彩空間，通過分析和提取圖像各通道上的局部密度分布特征，構(gòu)建k-d樹進(jìn)行相似分塊特征匹配以實(shí)現(xiàn)圖像區(qū)域復(fù)制篡改檢測(cè).提出的局部色彩不變量密度特征具有維度低、計(jì)算簡(jiǎn)單等特點(diǎn).實(shí)驗(yàn)結(jié)果表明，本文方法與其他幾種典型的基于分塊的方法相比，具有較低的時(shí)間復(fù)雜度和較高的檢測(cè)率，且對(duì)圖像篡改區(qū)域的旋轉(zhuǎn)、縮放攻擊具有較好的魯棒性，特別是當(dāng)圖像篡改區(qū)域進(jìn)行大角度旋轉(zhuǎn)時(shí)與其他幾種方法相比具有明顯優(yōu)勢(shì).

關(guān)鍵詞：色彩不變量；特征提??；區(qū)域復(fù)制；篡改檢測(cè)；計(jì)算機(jī)取證

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract： Block-based copy-move image forgery detection methods usually have problems such as high-dimensional feature vector， high computational complexity and low detection rate.So， this paper proposed a new method for image copy-move forgery detection based on color invariants， which extracts density characteristics from each channel of opponent color space converted from RGB. The k-d tree is constructed to speed up approximate nearest neighbors matching for tampering detection. The experiment results show that the proposed local color invariants feature with low-dimension and simple computation can represent the image block feature effectively. When compared with typical block-based methods， this method has some advantages， such as lower computational complexity， more accurate and robust to post-processing for forgery regions such as rotation and scaling.

Key words： color invariants；feature extraction；copy-move；forgery detection； computer forensics

隨著圖像處理技術(shù)的不斷進(jìn)步，使用圖像處理軟件對(duì)圖像進(jìn)行修復(fù)、潤(rùn)飾和增強(qiáng)甚至篡改操作也變得越來越容易.而在新聞攝影、司法取證與保險(xiǎn)理賠等領(lǐng)域，如果圖像進(jìn)行了惡意篡改，將直接影響對(duì)案件的處理結(jié)果，造成嚴(yán)重的負(fù)面影響.對(duì)圖像的篡改操作一般有區(qū)域復(fù)制、圖像拼接、圖像增強(qiáng)處理等，其中區(qū)域復(fù)制篡改是最為常見的一種篡改方式[1].

圖像區(qū)域復(fù)制篡改就是將數(shù)字圖像中某一區(qū)域進(jìn)行復(fù)制并粘貼到同一幅圖像的另一區(qū)域，由于復(fù)制區(qū)域來源于同一圖片，復(fù)制區(qū)域的噪聲、色彩和紋理等屬性與目標(biāo)區(qū)域相似，使得篡改后的圖像很難被檢測(cè)和識(shí)別.現(xiàn)有圖像區(qū)域復(fù)制篡改檢測(cè)方法大多基于分塊方式實(shí)現(xiàn)，通過對(duì)圖像進(jìn)行重疊分塊處理后提取圖像分塊特征，然后使用字典排序或最近鄰搜索方法對(duì)特征向量進(jìn)行相似性匹配來實(shí)現(xiàn)對(duì)圖像的篡改檢測(cè)[2].圖像灰度紋理特征是圖像篡改檢測(cè)中較常使用的特征，如Luo等人[3]提出的基于分塊灰度特征的方法，Mahdian等人[4]基于模糊不變矩的方法等，此類方法特征提取計(jì)算較為簡(jiǎn)單，但對(duì)篡改區(qū)域的旋轉(zhuǎn)、縮放等后期處理操作魯棒性需進(jìn)一步加強(qiáng).此外，圖像的頻域特征一直是圖像處理領(lǐng)域關(guān)注的熱點(diǎn)，一些學(xué)者將圖像頻域特征應(yīng)用于圖像區(qū)域復(fù)制篡改檢測(cè)研究中，取得了較好的成果，如基于DCT的方法[5-6]、基于DWT的方法[7-8]以及結(jié)合頻域特征與主成分分析的方法[9-10]等，然而圖像頻域特征提取通常計(jì)算量大、特征向量維度高，增加了圖像篡改檢測(cè)方法的計(jì)算時(shí)間開銷.基于分塊的篡改檢測(cè)方法通常面臨特征提取計(jì)算復(fù)雜、特征向量維度高、特征向量對(duì)圖像特征描述準(zhǔn)確性不夠等問題，導(dǎo)致在檢測(cè)速度、檢測(cè)精度及魯棒性等方面效果不夠理想.

在提取圖像篡改特征時(shí)，現(xiàn)有方法大多基于灰度圖像進(jìn)行處理，忽略了圖像的色彩特征，然而色彩是人眼進(jìn)行信息識(shí)別的重要特征，現(xiàn)有計(jì)算機(jī)視覺相關(guān)研究表明結(jié)合色彩與幾何特征的圖像特征描述方法與純幾何特征描述方法相比具有更好的識(shí)別效果[11].為此，本文結(jié)合圖像色彩特征進(jìn)行分析，提出了一種基于局部色彩不變量特征的圖像區(qū)域復(fù)制篡改檢測(cè)方法，通過在不同色彩空間提取目標(biāo)圖像的局部色彩不變量密度特征對(duì)圖像進(jìn)行區(qū)域篡改檢測(cè).實(shí)驗(yàn)結(jié)果表明，該方法提出的局部色彩不變量密度特征能夠很好地表征圖像，較以往典型的基于分塊方法相比特征維度低，具有較低的時(shí)間復(fù)雜度和較高的檢測(cè)率，并且對(duì)圖像篡改區(qū)域的旋轉(zhuǎn)、縮放攻擊具有較好的魯棒性.

1 圖像色彩不變量描述

4.2 普通篡改檢測(cè)實(shí)驗(yàn)

本實(shí)驗(yàn)采用的Benchmark Data基準(zhǔn)數(shù)據(jù)集包含48張未經(jīng)過任何篡改操作的原始圖片和48張經(jīng)過復(fù)制移動(dòng)操作的篡改圖片，其中篡改區(qū)域除了進(jìn)行平移復(fù)制操作和邊緣模糊處理外沒有進(jìn)行任何其他處理，篡改區(qū)域肉眼難以分辨.我們采用本文提出的方法及以上提到的5種方法對(duì)基準(zhǔn)數(shù)據(jù)集中的96張圖片進(jìn)行了對(duì)比檢測(cè)實(shí)驗(yàn)，表1為使用各種方法進(jìn)行檢測(cè)的準(zhǔn)確率、召回率及F1值實(shí)驗(yàn)結(jié)果對(duì)比.

實(shí)驗(yàn)結(jié)果表明，本文提出的圖像局部色彩不變量密度分布特征能夠很好地對(duì)圖像塊的局部特征進(jìn)行描述，對(duì)檢測(cè)準(zhǔn)確率和召回率進(jìn)行綜合權(quán)衡考慮時(shí)，本文提出的基于色彩不變量密度分布特征的圖像篡改檢測(cè)方法具有較為理想的效果.圖2為本文方法進(jìn)行圖像區(qū)域復(fù)制篡改檢測(cè)效果實(shí)例圖片，從檢測(cè)結(jié)果可以看出，本文所提出的方法對(duì)篡改區(qū)域具有較高的識(shí)別度.

4.3 旋轉(zhuǎn)攻擊對(duì)比實(shí)驗(yàn)

在對(duì)圖片進(jìn)行篡改時(shí)為了使圖片看起來更加真實(shí)自然，可能會(huì)對(duì)圖像篡改區(qū)域進(jìn)行輕微旋轉(zhuǎn)等處理.為了分析本文所提出的方法對(duì)篡改區(qū)域旋轉(zhuǎn)操作的魯棒性，對(duì)篡改區(qū)域分別旋轉(zhuǎn)2°，4°，6°，8°，10°，20°，60°和180°的情況進(jìn)行了對(duì)比實(shí)驗(yàn).圖3為本文與其他5種檢測(cè)方法對(duì)篡改區(qū)域旋轉(zhuǎn)攻擊的對(duì)比實(shí)驗(yàn)結(jié)果，其中，橫坐標(biāo)表示旋轉(zhuǎn)角度，縱坐標(biāo)表示不同旋轉(zhuǎn)角度下正確檢測(cè)到的篡改區(qū)域面積與篡改區(qū)域無旋轉(zhuǎn)處理情況下正確檢測(cè)到的面積比值.從實(shí)驗(yàn)結(jié)果可以看出，各種方法均隨著旋轉(zhuǎn)角度的增大，檢測(cè)率有所降低，本文提出的方法在對(duì)篡改區(qū)域進(jìn)行大角度旋轉(zhuǎn)處理后的圖片較其他方法相比具有明

顯優(yōu)勢(shì).圖4為使用本文算法對(duì)篡改區(qū)域進(jìn)行不同程度旋轉(zhuǎn)處理情況下進(jìn)行篡改檢測(cè)的圖像實(shí)例.

4.4 縮放攻擊對(duì)比實(shí)驗(yàn)

在圖像篡改后期處理中，除了可能對(duì)篡改區(qū)域進(jìn)行輕微旋轉(zhuǎn)操作外，還可能會(huì)對(duì)篡改區(qū)域進(jìn)行幾何形變，使圖片篡改區(qū)域難以識(shí)別.本文通過對(duì)圖像篡改區(qū)域分別進(jìn)行80%，91%，93%，95%，97%，99%，101%，103%，105%，107%，109%和120%幾何形變處理后，進(jìn)行了篡改區(qū)域檢測(cè)對(duì)比實(shí)驗(yàn)，以驗(yàn)證本文方法對(duì)篡改區(qū)域縮放攻擊的魯棒性.

圖5為使用本文方法對(duì)篡改區(qū)域進(jìn)行不同程度縮放處理后進(jìn)行檢測(cè)的圖像檢測(cè)實(shí)例.圖6為篡改區(qū)域不同縮放比例下的篡改檢測(cè)對(duì)比實(shí)驗(yàn)結(jié)果，其中橫坐標(biāo)表示縮放比例，縱坐標(biāo)表示不同縮放比例下正確檢測(cè)到的篡改區(qū)域面積與篡改區(qū)域無縮放處理情況下正確檢測(cè)到的面積比值.實(shí)驗(yàn)結(jié)果表明，本文方法在小尺度縮放范圍內(nèi)（91%～109%）亦具有較好的魯棒性.

4.5 算法性能對(duì)比

本文從圖像預(yù)處理、特征提取、特征匹配3個(gè)方面對(duì)比分析本文所提出的方法與其他5種典型方法在計(jì)算性能上的差異.對(duì)測(cè)試數(shù)據(jù)集中每張圖像篡改檢測(cè)處理的平均時(shí)間開銷進(jìn)行統(tǒng)計(jì)，圖像預(yù)處理時(shí)間、特征向量提取時(shí)間、特征匹配處理時(shí)間、總體處理時(shí)間分別記為P，F(xiàn)，M，O.表2為本文提出方法與其他5種典型方法的平均處理時(shí)間開銷情況.

在各種圖像篡改檢測(cè)方法中，圖像特征提取方法及特征維度是算法檢測(cè)速度的重要影響因素.DCT[5]，LUO[3]，BLUR[4]，DCT-PCA[10]等方法的特征維度分別為256，7，24，64.本文方法提取的圖像塊6維特征向量計(jì)算簡(jiǎn)單、維度較低，有利于降低相似圖像塊特征向量匹配處理復(fù)雜度，通過構(gòu)建k-d樹進(jìn)行近似最近鄰查找提高了特征向量的匹配效率.實(shí)驗(yàn)表明，本文提出的檢測(cè)方法在圖像特征提取、圖像特征匹配及總體檢測(cè)性能上與其他幾種基于分塊的檢測(cè)方法相比具有較優(yōu)的表現(xiàn)，與其他方法相比單張圖片的平均檢測(cè)速度較快.

5 結(jié) 論

基于分塊的圖像區(qū)域復(fù)制篡改檢測(cè)方法通常面臨圖像特征提取計(jì)算量大、提取的特征向量維度高、特征向量對(duì)圖像特征識(shí)別度不夠等問題，導(dǎo)致圖像篡改檢測(cè)存在速度慢、檢測(cè)精度低、魯棒性差.色彩是人眼進(jìn)行信息識(shí)別的重要特征，在計(jì)算機(jī)視覺中有著廣泛應(yīng)用，然而現(xiàn)有的基于分塊的圖像篡改檢測(cè)方法大多是將彩色圖像轉(zhuǎn)換成灰度圖像后，基于灰度圖像進(jìn)行特征提取.

本文提出一種基于局部色彩不變量密度特征的圖像區(qū)域復(fù)制篡改檢測(cè)方法，通過分析和提取圖像的色彩不變量密度特征，對(duì)圖像塊進(jìn)行區(qū)域復(fù)制篡改檢測(cè).實(shí)驗(yàn)結(jié)果表明，本文提出的局部色彩不變量密度特征能夠很好地表征圖像塊，提取的特征向量具有維度低、計(jì)算簡(jiǎn)單等特點(diǎn)，對(duì)圖像的區(qū)域復(fù)制篡改檢測(cè)效果較為理想，與幾種典型的基于分塊的方法相比，具有較低的時(shí)間復(fù)雜度和較高的檢測(cè)率，并且對(duì)圖像篡改區(qū)域的旋轉(zhuǎn)攻擊及小尺度縮放攻擊具有較好的魯棒性，特別是對(duì)圖像篡改區(qū)域進(jìn)行大角度旋轉(zhuǎn)時(shí)的檢測(cè)效果與其他幾種方法相比具有較明顯優(yōu)勢(shì).

參考文獻(xiàn)

[1] BIRAJDAR G K， MANKAR V H. Digital image forgery detection using passive techniques： a survey[J]. Digital Investigation， 2013， 10（3）： 226-245.

[2] WANDJI N N D， SUN Xin-ming， FAH K M. A survey of partition-based techniques for copy-move forgery detection[J].The Scientific World Journal，2014，1（1）：1-13.

[3] LUO W，HUANG J，QIU G.Robust detection of region-duplication forgery in digital image[C]//Pattern Recognition， ICPR 2006，18th International Conference on. New York：IEEE， 2006： 746-749.

[4] MAHDIAN B， SAIC S. Detection of copy-move forgery using a method based on blur moment invariants[J]. Forensic Science International，2007，171（2）：180-189.

[5] FRIDRICH A J， SOUKAL B D， LUK A J. Detection of copy-move forgery in digital images[C]//Proceedings of Digital Forensic Research Workshop. Cleveland， USA：Springer，2003：1-10.

[6] MIRE A V，DHOK S B，MISTRY N J，et al. Factor histogram based forgery localization in double compressed JPEG images[J].Procedia Computer Science，2015，54： 690-696.

[7] FATTAH S A，ULLAH M M I，AHMED M，et al.A scheme for copy-move forgery detection in digital images based on 2D-DWT[C]//Circuits and Systems （MWSCAS）， 2014 IEEE 57th International Midwest Symposium on. New York：IEEE， 2014： 801-804.

[8] LIU F， FENG H. An efficient algorithm for image copy-move forgery detection based on DWT and SVD[J]. International Journal of Security and Its Applications， 2014， 8（5）： 377-390.

[9] BASHAR M K， NODA K， OHNISHI N， et al. Exploring duplicated regions in natural images[J]. IEEE Transaction on Image Processing， 2010， 1： 1-40.

[10]SUNIL K， JAGAN D， SHAKTIDEV M. DCT-PCA based method for copy-move forgery detection[C]//ICT and Critical Infrastructure. Proceedings of the 48th Annual Convention of Computer Society of India-Vol II. New York：Springer International Publishing， 2014： 577-583.

[11]VAN DE SANDE K E A， GEVERS T， SNOEK C G M. Evaluating color descriptors for object and scene recognition[J]. Pattern Analysis and Machine Intelligence， IEEE Transactions on， 2010， 32（9）： 1582-1596.

[12]CHRISTLEIN V，RIESS C，JORDAN J，et al.An evaluation of popular copy-move forgery detection approaches[J]. Information Forensics and Security， IEEE Transactions on， 2012，7（6）：1841-1854.