朱 葉 申鉉京 陳海鵬

基于彩色LBP的隱蔽性復(fù)制?粘貼篡改盲鑒別算法

朱 葉1,2申鉉京1,2陳海鵬1,2

現(xiàn)有的復(fù)制–粘貼盲鑒別算法大多忽略圖像彩色信息,導(dǎo)致對隱蔽性篡改方式的檢測率較低,基于此,本文提出一種基于彩色局部二值模式(Color local binary patterns,CoLBP)的隱蔽性復(fù)制–粘貼盲鑒別算法.算法首先對彩色圖像進(jìn)行預(yù)處理,即建立彩色LBP紋理圖像,從而實(shí)現(xiàn)彩色信息與LBP紋理特征的融合;其次重疊分塊并提取灰度共生矩陣(Gray level co-occurrence matrix,GLCM)特征;最后,提出改進(jìn)的kd樹和超平面劃分標(biāo)記split搜索方法,快速匹配圖像塊,并應(yīng)用形態(tài)學(xué)操作去除誤匹配,精確定位復(fù)制–粘貼區(qū)域.實(shí)驗(yàn)結(jié)果表明,本算法對隱蔽性復(fù)制–粘貼篡改定位準(zhǔn)確,并對模糊、噪聲、JPEG重壓縮后處理操作有很好的魯棒性.

圖像盲鑒別,復(fù)制–粘貼篡改,彩色局部二值模式,灰度共生矩陣,kd樹

近年來,大量篡改圖像充斥在新聞、攝影比賽、法庭證據(jù)中,嚴(yán)重影響人們對圖像的信任和社會的公平公正.復(fù)制–粘貼篡改是圖像篡改的重要方式,它將圖像中某區(qū)域復(fù)制并粘貼到同圖像,因此復(fù)制和粘貼區(qū)域的光照方向、壓縮因子等信息一致,給檢測帶來較大困難.為此,國內(nèi)外對復(fù)制–粘貼篡改盲檢測進(jìn)行了大量的研究.

2003年,Fridrich等[1]首次提出基于離散余弦變換(Discrete cosine transform,DCT)和字典排序的復(fù)制–粘貼盲鑒別算法,該算法魯棒性較差,計(jì)算復(fù)雜性高.以此為基礎(chǔ),Wang等[2]提出將離散小波變換(Discrete wavelet transform,DWT)特征與DCT系數(shù)融合,表現(xiàn)出對噪聲和JPEG重壓縮較好的魯棒性;Hu等[3]將DCT系數(shù)進(jìn)行分類, Cao等[4]利用DCT系數(shù)的平均值,提高檢測率,但對后處理操作的魯棒性較差.2005年,Popescu等[5]提出了基于主成分分析(Principal component analysis,PCA)的盲檢測算法.2007年,駱偉祺等[6]提出基于圖像塊均勻分割得到的維數(shù)較低特征的盲鑒別算法.2012年,Muhammad等[7]結(jié)合LL1通道和HH1通道提出基于二階小波變換(Dyadic wavelet transform,DyWT)的盲鑒別算法,提高了圖像塊匹配的正確率.

為了提高檢測率,增強(qiáng)算法的魯棒性,Bayram等[8]提出基于傅里葉–梅林變換 (Fourier-Mellin transform,FMT)的檢測算法,可以檢測旋轉(zhuǎn)和尺度變換的復(fù)制–粘貼篡改.Zhong等[9]提出基于離散分析傅里葉–梅林變換 (Discrete analytical Fourier-Mellin transform,DAFMT)的復(fù)制–粘貼篡改盲檢測算法,對高斯噪聲具有較好的魯棒性. Zhang等[10]采用奇異值分解系數(shù)(Singular value decomposition,SVD)和kd樹搜索,增強(qiáng)了算法的魯棒性和計(jì)算效率.Liu等[11]、Mahdian等[12]和Ryu等[13?14]應(yīng)用Hu不變矩、blur不變矩和Zernike矩,解決了固定角度旋轉(zhuǎn)不變性,但對噪聲等魯棒性較差.

Li等[15]首先提出對圖像進(jìn)行圓形區(qū)域分塊,并利用極坐標(biāo)諧波變換(Polar harmonic transform, PHT)特征匹配,表現(xiàn)出對仿射變換較好的魯棒性. 2013年,Lynch等[16]提出一種有效的圖像塊擴(kuò)展匹配盲檢測算法,對弱光照變化和后處理操作有較好的魯棒性;同年,Davarzani等[17]應(yīng)用局部二進(jìn)制模式(Local binary patterns,LBP)特征檢測復(fù)制–粘貼篡改,但是塊匹配正確率低,對模糊和JPEG重壓縮魯棒性較差.2015年,Cozzolino等[18]提出基于塊匹配(PatchMatch)的復(fù)制–粘貼檢測算法,但是由于僅利用了灰度信息,對噪聲的魯棒性較差.

由于篡改目的不盡相同,復(fù)制–粘貼篡改可分為兩類.1)隱蔽性復(fù)制–粘貼篡改,即利用平滑背景遮蓋不希望存在的目標(biāo),如圖1(a)所示;2)造成假象類復(fù)制–粘貼篡改,增加原始圖像中目標(biāo)數(shù)量,如圖1(b)所示.

圖1 復(fù)制–粘貼篡改分類示例((a)隱蔽性復(fù)制–粘貼篡改圖像示例;(b)造成假象類復(fù)制–粘貼篡改圖像示例,其中實(shí)線和虛線矩形框分別為復(fù)制和篡改區(qū)域)Fig.1 The exemplar of copy-move forgery classify ((a)The exemplar of covert copy-move forgery;(b)The exemplar of spurious copy-move forgery,where solid and dashed rectangles are copied and pasted regions.)

通過大量實(shí)驗(yàn)發(fā)現(xiàn),傳統(tǒng)復(fù)制–粘貼篡改盲檢測算法僅利用圖像灰度信息,忽略了彩色的區(qū)分能力,對隱蔽性篡改圖像的檢測率較低,對模糊、噪聲和JPEG重壓縮等后處理操作魯棒性也參差不齊.基于此,本文提出基于彩色LBP(Colored local binary patterns,CoLBP)圖像和灰度共生矩陣(Gray level co-occurrence matrix,GLCM)的復(fù)制–粘貼盲鑒別算法,該算法隱蔽性篡改圖像檢測率較高,并對模糊、噪聲、JPEG重壓縮等后處理操作有較好的魯棒性.

1 算法描述

算法可大致分為3步,如圖2所示.首先對待檢測圖像I(x,y)建立彩色LBP紋理圖像CoLBP;其次對CoLBP圖像重疊分塊并提取灰度共生矩陣特征glcm(i);最后,利用改進(jìn)的kd樹和超平面劃分標(biāo)記split方法,快速匹配圖像塊,并應(yīng)用形態(tài)學(xué)操作去除不連續(xù)的誤匹配塊,精確定位復(fù)制–粘貼區(qū)域.

圖2 本文算法流程圖Fig.2 The framework of proposed method

1.1 建立彩色LBP圖像

傳統(tǒng)彩色圖像特征提取方法分為兩類.1)將彩色圖像轉(zhuǎn)換為灰度圖像,但損失了彩色信息;2)對彩色圖像RGB通道分別提取,但增加了三倍的計(jì)算量.彩色LBP[19]是圖像彩色與紋理信息的融合,既保留了彩色圖像三個(gè)通道信息,同時(shí)提取了LBP紋理特征,使彩色信息與計(jì)算量達(dá)到平衡,特征提取及匹配準(zhǔn)確率更高.

彩色LBP圖像的建立流程如圖3所示.通過對每個(gè)點(diǎn)(x,y)計(jì)算CoLBP(x,y),得到彩色LBP圖像.其中,C1,i,C2,i,C3,i分別表示點(diǎn)(x,y)的8鄰域中第i個(gè)點(diǎn)的C1,C2,C3通道值,C1,0,C2,0, C3,0分別表示點(diǎn)(x,y)的C1,C2,C3通道值.

本文選擇RGB、LAB、HSV三個(gè)彩色模型作為彩色LBP圖像建立的基礎(chǔ),彩色空間的選擇將在第2.2節(jié)中分析.

圖3 彩色LBP圖像建立流程圖Fig.3 The framework of color LBP establishment

1.2 提取灰度共生矩陣特征

精確的紋理描述是隱蔽性復(fù)制–粘貼篡改檢測的關(guān)鍵.灰度共生矩陣GLCM[20]通過計(jì)算圖像中一定間距和方向的兩點(diǎn)灰度間的相關(guān)性,能精確描述圖像變化幅度和速度.本文計(jì)算CoLBP圖像塊四個(gè)方向和兩類間隔距離的GLCM特征,更加精準(zhǔn)地描述了圖像塊紋理特征.

本文算法設(shè)置方向(o)為水平方向(0°,o=1),對角線方向(45°,o=2和135°,o=3)和垂直方向(90°,o=4),點(diǎn)間距(s)為1和2,GLCM特征計(jì)算如下:

其中,glcm(g1,g2)表示在四個(gè)方向和兩類間隔距離情況下灰度值(g1,g2)出現(xiàn)頻數(shù)總和.則灰度級為8的4×4圖像塊GLCM特征提取如圖4所示.

圖4 GLCM特征提取示意圖(其中實(shí)線分別表示o=1～4,s=1;虛線表示o=1,s=2)Fig.4 The diagram of GLCM feature extraction, where solid line are respectively indicate o=1～4, s=1;dash line indicates o=1,s=2

通過GLCM的計(jì)算過程可知,共生矩陣維度由圖像的灰度級決定,一幅灰度級為256的圖像,可得到256×256維GLCM特征.設(shè)本文選擇灰度級別為gth,則對第i圖像塊的GLCM特征進(jìn)行歸一化,并記為glcm(i).

1.3 改進(jìn)kd樹圖像塊匹配

傳統(tǒng)的kd樹匹配方法通過對每個(gè)圖像塊從根節(jié)點(diǎn)開始在樹中遍歷尋找,雖然相對于窮盡算法效率較高,但每次遍歷搜索的速度仍較慢.因此,本文提出改進(jìn)的kd樹–split條件法快速搜索匹配圖像塊.其匹配過程如下:

步驟1.對每個(gè)圖像塊的灰度共生矩陣特征glcm(i)建立kd樹;

步驟2.計(jì)算第i個(gè)圖像塊的split值,記為sp(i)=glcm(i).split;

步驟3.查找樹中所有split值為sp(i)的圖像塊,將編號存入candidate中;

步驟4.計(jì)算glcm(i)和glcm(candidate(j))的歐氏距離,距離最小且小于閾值th,則第i個(gè)圖像塊和第candidate(j)個(gè)圖像塊為待匹配的圖像塊;

步驟5.利用形態(tài)學(xué)操作去除待匹配圖像塊中不連續(xù)的誤匹配圖像塊,精確定位篡改區(qū)域.

2 算法實(shí)驗(yàn)

本文對Cozzolino等提出的GRIP復(fù)制–粘貼篡改圖像庫[18]進(jìn)行分類,其中,共有38幅隱蔽性復(fù)制–粘貼篡改圖像,42幅造成假象類復(fù)制–粘貼篡改圖像,尺寸為1024×768,同時(shí)分別應(yīng)用DCT[4]、Zernike[14]、LBP[17]和本文算法對圖像進(jìn)行檢測.本實(shí)驗(yàn)的硬件環(huán)境為:主頻2.60GHz,Intel Celeron E3400處理器,3GB內(nèi)存;軟件環(huán)境為:Windows7 +Matlab R2012b.

2.1 評價(jià)度量

Amerini等[21]提出正確檢測率 (True positive rate,TPR)和錯(cuò)誤檢測率(False positive rate, FPR)度量算法的性能.TPR為篡改圖像被檢測為篡改圖像的概率;FPR表示篡改圖像被檢測為真實(shí)圖像的概率.

其中,#original為待檢測圖像中原始圖像的個(gè)數(shù),#forgery為待檢測圖像中篡改圖像的個(gè)數(shù),為檢測結(jié)果為篡改圖像并檢測正確的個(gè)數(shù),

#forgery-original為檢測結(jié)果為篡改圖像但實(shí)際是真實(shí)圖像的個(gè)數(shù).

2.2 彩色空間的選擇

第1.1節(jié)中提出采用RGB、LAB和HSV三種模型建立彩色LBP圖像.如圖3所示,本文將上述三種模型的三個(gè)通道分別記為C1,C2,C3通道,進(jìn)而對彩色圖像的每個(gè)像素點(diǎn)(x,y)計(jì)算CoLBP(x,y),可分別得到RGB、LAB和HSV彩色LBP圖像,如圖5所示.

圖5 不同彩色模型下的彩色LBP圖像Fig.5 The color LBP images on di ff erent color model

由于紋理特征沒有統(tǒng)一的度量方法,一般采用提取特征后驗(yàn)證正確率的方法度量.因此,本文在80幅圖像庫中選擇40幅圖像,并分別計(jì)算在三種模型下的TPR和FPR,結(jié)果如表1所示.通過時(shí)間效率、TPR和FPR的比較,發(fā)現(xiàn)RGB彩色空間在提取時(shí)間最短的情況下檢測率最高,因此選擇將RGB彩色模型的R、G、B通道作為本文建立彩色LBP圖像的三個(gè)通道.

2.3 彩色LBP圖像性能分析

傳統(tǒng)的復(fù)制–粘貼篡改檢測算法思路是將彩色圖像轉(zhuǎn)化為灰度圖像后提取圖像塊特征,忽略了圖像彩色信息.因此,本節(jié)對圖像庫中圖像進(jìn)行對比實(shí)驗(yàn),即直接在彩色圖像轉(zhuǎn)換的灰度圖像上提取GLCM特征和在彩色LBP圖像上提取GLCM特征,驗(yàn)證彩色LBP圖像的有效性.實(shí)驗(yàn)結(jié)果如圖6所示.傳統(tǒng)方式提取的GLCM特征在平滑區(qū)域不能有效區(qū)分復(fù)制和粘貼區(qū)域,而本文算法提出的融合彩色LBP信息和GLCM特征能夠有效定位復(fù)制–粘貼篡改區(qū)域.

表1 彩色空間選擇分析Table 1 The analysis on color space choice

圖6 彩色LBP圖像的有效性實(shí)驗(yàn)示例((a)直接在灰度圖像上提取GLCM特征匹配結(jié)果;(b)本文算法匹配結(jié)果,其中標(biāo)記區(qū)域?yàn)榇鄹膮^(qū)域)Fig.6 The experiment on e ff ectiveness of color LBP ((a)The matching result based on directly extracting GLCM feature on gray image;(b)The matching result based on our method,where marked regions are forged regions.)

2.4 參數(shù)選擇分析

2.4.1 灰度級選擇

由于本文算法對局部圖像塊提取GLCM特征,灰度變化小,因此設(shè)帶選擇的灰度級別gth為4,8, 16和32,其TPR和FPR比較結(jié)果如表2所示.由實(shí)驗(yàn)結(jié)果可知,在灰度級別為4和8的情況下,算法正確檢測率較低且錯(cuò)誤檢測率較高;在灰度級別為16和32的情況下,算法正確檢測率和錯(cuò)誤檢測率都達(dá)到較優(yōu).由于特征維數(shù)越高,算法運(yùn)行時(shí)間越長,因此,本文選擇灰度級別gth為16.

2.4.2 特征距離閾值選擇

特征距離閾值th是本文算法的重要參數(shù),閾值越大,TPR越高,但FPR提升;反之,閾值越小, FPR越低,但TPR會降低.由于GLCM特征已歸一化處理,因此為設(shè)待選擇的特征距離閾值th以在0.1～1區(qū)間,以0.1為步長.本節(jié)對GRIP圖像庫中圖像進(jìn)行實(shí)驗(yàn),其TPR和FPR比較結(jié)果如圖7所示.當(dāng)距離閾值th取0.3時(shí),本文算法TPR最高且FPR最低.

表2 灰度級別gth選擇Table 2 The choice of gray level gth

圖7 不同閾值下的FPR和TRP對比Fig.7 The FPR and TPR comparison ondi ff erent threshold

2.5 實(shí)驗(yàn)分析

2.5.1 隱蔽性復(fù)制?粘貼實(shí)驗(yàn)

隱蔽性復(fù)制–粘貼篡改檢測是圖像篡改研究的難點(diǎn)[18],是本文解決的重點(diǎn)問題.本節(jié)對GRIP圖像庫中38幅隱蔽性復(fù)制–粘貼篡改圖像進(jìn)行檢測, DCT[4]、Zernike[14]、LBP[17]和本文算法檢測結(jié)果及彩色LBP圖像如圖8所示.由實(shí)驗(yàn)結(jié)果可知,本文算法較DCT[4]、Zernike[14]、LBP[17]相比,能精確定位隱蔽性復(fù)制–粘貼篡改區(qū)域.

2.5.2 造成假象類復(fù)制?粘貼實(shí)驗(yàn)

為驗(yàn)證本文算法的綜合性能,對GRIP圖像庫中42幅造成假象類復(fù)制–粘貼篡改圖像進(jìn)行實(shí)驗(yàn). DCT[4]、Zernike[14]、LBP[17]和本文算法檢測結(jié)果及其彩色LBP圖像示例如圖9所示.由實(shí)驗(yàn)結(jié)果可知,本文算法和LBP[17]能夠較精確定位復(fù)制–粘貼篡改區(qū)域,而DCT[4]和Zernike[14]表現(xiàn)較差.

2.5.3 后處理操作實(shí)驗(yàn)

1)噪聲魯棒性實(shí)驗(yàn)

噪聲是圖像的固有性質(zhì),但在傳輸過程中,噪聲的增大嚴(yán)重影響了人們對圖像的感知.本節(jié)對圖像庫中圖像分別添加不同信噪比的高斯白噪聲,信噪比越大,噪聲越小.本節(jié)對GRIP圖像庫添加40dB和80dB高斯噪聲,實(shí)驗(yàn)結(jié)果示例如圖10所示.

圖8 隱蔽性復(fù)制–粘貼篡改檢測結(jié)果示例((a),(g)隱蔽性復(fù)制–粘貼篡改圖像;(b),(h)彩色LBP圖像; (c),(i)DCT[4]算法檢測結(jié)果;(d),(j)Zernike[14]算法檢測結(jié)果;(e),(k)LBP[17]算法檢測結(jié)果;(f),(l)本文算法檢測結(jié)果.其中,(a),(g)實(shí)線和虛線框分別表示復(fù)制和粘貼區(qū)域;(c)～(f),(i)～(l)標(biāo)記區(qū)域?yàn)樗惴z測篡改區(qū)域)Fig.8 The exemplar results on covert copy-move forgery detection((a),(g)Covert copy-move forged images; (b),(h)Color LBP images;(c),(i)The results based on DCT[4];(d),(j)The results based on Zernike[14]; (e),(k)The results based on LBP[17];(f),(l)The results based on our method.Where(a),(g)solid and dashed rectangles are copied and pasted regions;(c)～(f),(i)～(l)marked regions are detected forged regions.)

圖9 造成假象類復(fù)制–粘貼篡改檢測結(jié)果示例((a),(g)造成假象類復(fù)制–粘貼篡改圖像;(b),(h)彩色LBP圖像; (c),(i)DCT[4]算法檢測結(jié)果;(d),(j)Zernike[14]算法檢測結(jié)果;(e),(k)LBP[17]算法檢測結(jié)果;(f),(l)本文算法檢測結(jié)果.其中,(a),(g)實(shí)線和虛線框分別表示復(fù)制和粘貼區(qū)域;(c)～(f),(i)～(l)標(biāo)記區(qū)域?yàn)樗惴z測篡改區(qū)域)Fig.9 The exemplar results on spurious copy-move forgery detection((a),(g)Spurious copy-move forged images;(b), (h)Color LBP images;(c),(i)The results based on DCT[4];(d),(j)The results based on Zernike[14];(e),(k)The results based on LBP[17];(f),(l)The results based on our method.Where(a),(g)solid and dashed rectangles are copied and pasted regions;(c)～(f)marked regions are detected forged regions;(i)～(l)green regions are detected forged regions.)

圖10 添加80dB高斯噪聲實(shí)驗(yàn)結(jié)果Fig.10 The results of adding Gaussian noise with 80dB

2)模糊魯棒性實(shí)驗(yàn)

為了隱藏篡改邊緣,篡改圖像一般會添加模糊弱化篡改區(qū)域邊緣信息.本節(jié)對GRIP圖像庫添加平滑窗口尺寸(w)、方差(σ)不同的高斯模糊,實(shí)驗(yàn)結(jié)果如圖11所示.添加高斯模糊([w,σ])為[3,1]和[5,2]下,DCT[4]、Zernike[14]、LBP[17]和本文算法的受試者工作特征(Receiver operating characteristic,ROC)曲線如圖12(b)所示.

3)JPEG重壓縮魯棒性實(shí)驗(yàn)

為降低圖像的傳輸成本,JPEG重壓縮是對圖像的二次處理.本節(jié)對GRIP圖像庫添加質(zhì)量因子的JPEG重壓縮,實(shí)驗(yàn)結(jié)果如圖12所示.添加質(zhì)量因子為60和 90的 JPEG 重壓縮下, DCT[4]、Zernike[14]、LBP[17]和本文算法的ROC曲線如圖12(c).

本節(jié)對圖像庫噪聲、模糊和 JPEG重壓縮的性能進(jìn)行分析.由圖 10～12可知,DCT[4]和Zernike[14]對噪聲和模糊的魯棒性較差,對JPEG重壓縮魯棒性較好;LBP[17]對噪聲和模糊的魯棒性較好,但是對JPEG重壓縮魯棒性較差;本文算法后處理操作的魯棒性較好,并能精確定位復(fù)制–粘貼篡改區(qū)域.統(tǒng)計(jì)結(jié)果如圖13所示,本文算法在隱蔽性復(fù)制–粘貼篡改不同程度的后處理操作中,ROC曲線下面積(Area under curve,AUC)較DCT[4]、Zernike[14]、LBP[17]算法相比面積更大,性能更優(yōu),并在噪聲、模糊和JPEG重壓縮中表現(xiàn)出良好的魯棒性.

2.6 算法性能分析

存在相似的目標(biāo)的真實(shí)圖像易被檢測為篡改圖像,這也是復(fù)制–粘貼篡改檢測算法的難點(diǎn)[22].為全面驗(yàn)證算法性能,選取10幅存在相似目標(biāo)的真實(shí)圖像.通過實(shí)驗(yàn)發(fā)現(xiàn),本文算法對該類真實(shí)圖像的魯棒性較高,沒有出現(xiàn)誤檢測,如圖14所示.

3 結(jié)論

本文提出基于彩色 LBP圖像基礎(chǔ)上提取GLCM 特征的隱蔽性復(fù)制–粘貼盲鑒別算法,是彩色信息、LBP與GLCM的多重融合,更加有效地檢測隱蔽性復(fù)制–粘貼篡改.通過實(shí)驗(yàn)證明,本算法與DCT、Zernike、LBP相比,對隱蔽性篡改圖像檢測率較高,并對模糊、噪聲和JPEG重壓縮后處理操作有較好的魯棒性.

圖11 添加高斯模糊([3,1])實(shí)驗(yàn)結(jié)果Fig.11 The results of adding Gaussian blur([3,1])

圖12 添加壓縮因子90的JPEG重壓縮實(shí)驗(yàn)結(jié)果Fig.12 The results of adding JPEG compression with quality factor 90

圖13 后處理操作ROC曲線圖((a)～(c)分別為添加不同程度的高斯白噪聲、高斯模糊和JPEG重壓縮的ROC曲線)Fig.13 The ROC curves of post-processing operations(Where(a)～(c)are adding di ff erent degrees of Gaussian noise,Gaussian blur,and JPEG compression.)

圖14 存在相似目標(biāo)的真實(shí)圖像示例Fig.14 The exemplar of authentic images with similar but genuine objects

1 Fridrich A J,Soukal B D,Luk′as A J.Detection of copymove forgery in digital images.In:Proceedings of the 2003 Digital Forensic Research Workshop.Cleveland,USA,2003.

2 Wang X,Zhang X,Li Z,Wang S.A DWT-DCT based passive forensics method for copy-move attacks.In:Proceedings of the 3rd International Conference on Multimedia Information Networking and Security.Shanghai,China: IEEE,2011.304?308

3 Hu J,Zhang H,Gao Q,Huang H.An improved lexicographical sort algorithm of copy-move forgery detection.In:Proceedings of the 2nd International Conference on Networking and Distributed Computing.Beijing,China:IEEE,2011. 23?27

4 Cao Y J,Gao T G,Li F,Yang Q T.A robust detection algorithm for copy-move forgery in digital images.Forensic Science International,2012,214(1?3):33?43

5 Popescu A C,Farid H.Exposing Digital Forgeries by Detecting Duplicated Image Regions,Technical Report 2004-515, Dartmouth College,USA,2004.

6 Luo Wei-Qi,Huang Ji-Wu,Qiu Guo-Ping.Robust detection of region-duplication forgery in digital image.Chinese Journal of Computers,2007,30(11):1998?2007 (駱偉祺,黃繼武,丘國平.魯棒的區(qū)域復(fù)制圖像篡改檢測技術(shù).計(jì)算機(jī)學(xué)報(bào),2007,30(11):1998?2007)

7 Muhammad G,Hussain M,Bebis G.Passive copy move image forgery detection using undecimated dyadic wavelet transform.Digital Investigation,2012,9(1):49?57

8 Bayram S,Sencar H T,Memon N.An efficient and robust method for detecting copy-move forgery.In:Proceedings of the 2009 IEEE International Conference on Acoustics, Speech and Signal Processing.Taipei,China:IEEE,2009. 1053?1056

9 Zhong J L,Gan Y F.Detection of copy-move forgery using discrete analytical Fourier-Mellin transform.Nonlinear Dynamics,2016,84(1):189?202

10 Zhang T,Wang R.Copy-move forgery detection based on SVD in digital image.In:Proceedings of the 2nd International Congress on Image and Signal Processing.Tianjin, China:IEEE,2009.1?5

11 Liu G J,Wang J W,Lian S G,Wang Z Q.A passive image authentication scheme for detecting region-duplication forgery with rotation.Journal of Network and Computer Applications,2011,34(5):1557?1565

12 Mahdian B,Saic S.Detection of copy-move forgery using a method based on blur moment invariants.Forensic Science International,2007,171(2?3):180?189

13 Ryu S J,Lee M J,Lee H K.Detection of copy-rotate-move forgery using Zernike moments.In:Proceedings of the 12th International Conference on Information Hiding.Calgary, AB,Canada:Springer,2010.51?65

14 Ryu S J,Kirchner M,Lee M J,Lee H K.Rotation invariant localization of duplicated image regions based on Zernike moments.IEEE Transactions on Information Forensics and Security,2013,8(8):1355?1370

15 Li L D,Li S S,Zhu H C,Wu X Y.Detecting copy-move forgery under affine transforms for image forensics.Computers and Electrical Engineering,2014,40(6):1951?1962

16 Lynch G,Shih F Y,Liao H Y M.An efficient expanding block algorithm for image copy-move forgery detection.Information Sciences,2013,239:253?265

17 Davarzani R,Yaghmaie K,Moza ff ari S,Tapak M.Copymove forgery detection using multiresolution local binary patterns.Forensic Science International,2013,231(1?3): 61?72

18 Cozzolino D,Poggi G,Verdoliva L.Efficient dense- fi eld copy-move forgery detection.IEEE Transactions on Information Forensics and Security,2015,10(11):2284?2297

19 Porebski A,Vandenbroucke N,Macaire L.Haralick feature extraction from LBP images for color texture classi fi cation. In:Proceedings of the 1st Workshops on Image Processing Theory,Tools and Applications.Sousse:IEEE,2008.1?8

20 Haralick R M.Statistical and structural approaches to texture.Proceedings of the IEEE,1979,67(5):786?804

21 Amerini I,Ballan L,Caldelli R,Del Bimbo A,Serra G.A SIFT-based forensic method for copy-move attack detection and transformation recovery.IEEE Transactions on Information Forensics and Security,2011,6(3):1099?1110

22 Kakar P,Sudha N.Exposing post processed copy-paste forgeries through transform-invariant features.IEEE Transactions on Information Forensics and Security,2012,7(3): 1018?1028

Covert Copy-move Forgery Detection Based on Color LBP

ZHU Ye1,2SHEN Xuan-Jing1,2CHEN Hai-Peng1,2

Since negligence of color information in detecting copy-move forgeries leads to low accuracy in detection of in covert tampering,a novel method using color local binary patterns(CoLBP)is proposed.It involves the following three steps: fi rst,establish color LBP texture image,which is a preprocessing of image and a combination of color information and LBP texture;second,divide into overlapping blocks and extract gray level co-occurrence matrix(GLCM) features; fi nally,match image blocks by the improved kd tree and split partition,remove the false matched blocks using morphological operation and then detect the resulting copy-move regions.Experimental results show that our algorithm is e ff ective for covert tampering,and exhibits high robustness even when an image is distorted by blur,noise and JPEG recompression.

Image blind identi fi cation,copy-move forgery,color local binary patterns(CoLBP),gray level co-occurrence matrix(GLCM),kd tree

朱 葉 吉林大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院博士研究生.2011年獲得山東科技大學(xué)學(xué)士學(xué)位.主要研究方向?yàn)閳D像處理,數(shù)字圖像盲取證技術(shù).E-mail:zhuye13@mails.jlu.edu.cn(ZHU Ye Ph.D.candidate at the College of Computer Science and Technology,Jilin University.She received her bachelor degree from Shandong University of Technology in 2011.Her research interest covers image processing and image forensic technology.)

申鉉京 吉林大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院教授.1990年獲得哈爾濱工業(yè)大學(xué)博士學(xué)位.主要研究方向?yàn)槎嗝襟w技術(shù),計(jì)算機(jī)圖像處理,智能測量系統(tǒng),光電混合系統(tǒng).E-mail:xjshen@jlu.edu.cn(SHEN Xuan-Jing Professor at the College of Computer Science and Technology,Jilin University.He received his Ph.D.degree from Harbin Institute of Technology in 1990. His research interest covers multimedia technology,computer image processing,intelligent measurement system, and optical-electronic hybrid system.)

陳海鵬 吉林大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院副教授.主要研究方向?yàn)閳D像處理與模式識別.本文通信作者.E-mail:chenhp@jlu.edu.cn(CHEN Hai-Peng Associate professor at the College of Computer Science and Technology,Jilin University. His research interest covers image processing and pattern recognition.Corresponding author of this paper.)

朱葉,申鉉京,陳海鵬.基于彩色LBP的隱蔽性復(fù)制–粘貼篡改盲鑒別算法.自動化學(xué)報(bào),2017,43(3):390?397DOI10.16383/j.aas.2017.c160068

Zhu Ye,Shen Xuan-Jing,Chen Hai-Peng.Covert copy-move forgery detection based on color LBP.Acta Automatica Sinica,2017,43(3):390?397

2016-01-22 錄用日期2016-04-01

Manuscript received January 22,2016;accepted April 1,2016國家青年科學(xué)基金(61305046,61602203),吉林省自然科學(xué)基金(201 40101193JC,20150101055JC)資助

Supported by the National Science Foundation for Young Scientists of China(61305046,61602203)and Natural Science Foundation of Jilin Province(20140101193JC,20150101055JC)

本文責(zé)任編委劉成林

Recommended by Associate Editor LIU Cheng-Lin

1.吉林大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 長春130012 2.吉林大學(xué)符號計(jì)算與知識工程教育部重點(diǎn)實(shí)驗(yàn)室長春130012

1.College of Computer Science and Technology,Jilin University,Changchun 130012 2.Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University,Changchun 130012