張威虎 鄭佳雯 郭明香

摘 要：為了解決當(dāng)前篡改圖像的檢測算法主要依靠單一的特征進(jìn)行描述以及歐幾里德距離進(jìn)行匹配，導(dǎo)致篡改圖像的檢測率較低的問題，以及在對圖像復(fù)制粘貼后進(jìn)行一系列后處理操作的篡改圖像檢測時，容易出現(xiàn)匹配錯誤和魯棒性差的問題，采用一種多距離特征匹配的篡改圖像檢測算法。首先，對獲取到的圖像提取尺度不變特征變換（SIFT）特征，在SIFT特征待描述區(qū)域的基礎(chǔ)上，提取具有權(quán)值旋轉(zhuǎn)不變均勻性的局部二值模式（LBP）特征，構(gòu)成特征描述子;其次，分別計算描述子之間的標(biāo)準(zhǔn)歐幾里德距離、相關(guān)距離以及漢明距離，通過多距離匹配改進(jìn)g2nn算法進(jìn)行特征的初次匹配;最后，通過凝聚型分層特征聚類以及隨機(jī)一致性（RANSAC）算法去除存在的錯誤匹配點，完成篡改圖像的檢測。在MICC F220圖像數(shù)據(jù)庫上進(jìn)行了測試，實驗結(jié)果表明，與當(dāng)前2種主流算法相比，總體準(zhǔn)確率分別提高了2.86%和2.11%，對于縮放、旋轉(zhuǎn)以及縮放+旋轉(zhuǎn)的后處理均具有很好的魯棒性，是一種研究復(fù)制粘貼后進(jìn)行縮放和旋轉(zhuǎn)后處理的篡改圖像檢測的有效方法。

關(guān)鍵詞：篡改圖像檢測;尺度不變特征變換;局部二值模式;多距離;特征匹配

中圖分類號：TP 391 ? 文獻(xiàn)標(biāo)志碼：A

DOI：10.13800/j.cnki.xakjdxxb.2019.0414 ? 文章編號：1672-9315（2019）04-0665-07

Abstract： In order to solve the problem that the detection algorithm of the current tampering image relies mainly on a single feature to describe and the Euclidean distance to match， the detection rate of the tampering image is comparatively low， and matching errors and poor robustness are prone to occur when a series of post processing tampering images are detected after copy paste images， a multi distance feature matching detection algorithm is used in this paper. Firstly， the scale invariant feature transform （SIFT） feature was extracted from the acquired image， and the local binary patterns （LBP） feature with the rotation invariance uniformity of the weight was extracted on the basis of the SIFT region to be described， so the feature descriptor was constructed. Secondly， the standard Euclidean distance， correlation distance and hamming distance were calculated respectively， and G2NN algorithm was improved by multi distance matching to perform the initial match of the feature. Finally， mismatched points were removed by condensed hierarchical feature clustering and random sample consensus （RANSAC） algorithm to complete tampering image detection.The test was carried out on the MICC F220 image database with the result that the overall accuracy of the proposed algorithm is improved by 2.86% and 2.11% respectively compared with the two mainstream algorithms available. It is robust to scaling， rotation and scaling and rotation post processing. It is an effective method to detect tampering image detection after copying and pasting and then performing scaling and rotation processing.

Key words：tampering image detection;SIFT;LBP;multi distance;feature matching

0 引 言

由于Adobe Photoshop、CorelDraw等類似圖像處理軟件的廣泛應(yīng)用，生活中到處存在圖像篡改的情況，但是僅僅通過肉眼無法辨認(rèn)圖像是否真實，這就帶來了很多數(shù)字圖像的安全問題，所以篡改圖像的檢測問題得到了人們密切關(guān)注。當(dāng)前篡改圖像的檢測方式主要分為2種：主動檢測方式和被動檢測方式[1]，由于主動檢測方式存在大量的技術(shù)限制，所以被動檢測方式得到了廣泛應(yīng)用。

復(fù)制粘貼篡改是生活中最常見的圖像篡改方式，通常在復(fù)制粘貼之后，為了使篡改圖像更加接近真實圖像會再進(jìn)行一系列的后處理，如模糊、壓縮、加噪聲等[2]。

復(fù)制粘貼篡改圖像的檢測方法可以分為如下2類：基于特征點的檢測方法[3]和基于圖像塊的檢測方法[4]，基于特征點的檢測方法在匹配率以及應(yīng)對一系列后處理篡改方式的抵抗力等方面均優(yōu)于基于塊的檢測方法。Lowe等人提出的SIFT算法[5]，在空間尺度中尋找極值點，同時提取其尺度、位置和旋轉(zhuǎn)不變量，以提取圖像中的局部特征，其缺點是匹配率不高并且對于多次篡改圖像無法準(zhǔn)確提取特征點。在SIFT算法的基礎(chǔ)上，Amerini等人改進(jìn)了SIFT中的匹配算法[6]，采用g2nn的匹配方式，并且有效地去除誤匹配，降低了比較對象數(shù)目，檢測效率提高，其缺點是對于旋轉(zhuǎn)等篡改方式檢測效率較低。Bay等人提出SURF（speeded up robust features）算法[7]，改進(jìn)了特征的提取和描述方式，以一種更具有實時性的方式實現(xiàn)特征的提取和描述，但是SURF算法的精度稍差于SIFT算法。在SURF算法的基礎(chǔ)上，Y.Zhu改進(jìn)了特征提取算法[8]，增加旋轉(zhuǎn)不變的LBP特征，提高了算法的檢測準(zhǔn)確率，其缺點是對于大幅度的尺度和旋轉(zhuǎn)變化等篡改方式的匹配和檢測效果不佳。SIFT和SURF算法都廣泛應(yīng)用于機(jī)器人地圖感知與導(dǎo)航、3D模型建立、目標(biāo)跟蹤、圖像檢索和圖像匹配等領(lǐng)域[9-11]。

針對SIFT算法的不足，提出一種多距離特征匹配的篡改圖像檢測算法，在提取特征階段除了原有的SIFT特征，又引入旋轉(zhuǎn)不變均勻性的LBP特征，結(jié)合起來構(gòu)成特征描述子，并且采用基于多距離匹配的改進(jìn)G2NN算法，用凝聚型分層聚類處理，最后使用RANSAC算法消除誤匹配，對于經(jīng)過復(fù)制粘貼后縮放、旋轉(zhuǎn)的篡改圖像可以得到很好的匹配效果和檢測率，并且對于縮放和旋轉(zhuǎn)的后處理也有很好的魯棒性。

1 SIFT特征提取

SIFT算法的實質(zhì)是構(gòu)造多尺度空間，并在其上尋找SIFT關(guān)鍵點，計算出方向，去除低對比度的點和邊緣響應(yīng)點，基于SIFT的篡改圖像特征點提取過程如下[12]

1.1 尺度空間構(gòu)造

計算完3個距離D1，D2，D3后，分別循環(huán)2近鄰準(zhǔn)則進(jìn)行搜索，對于每個特征點，如果對應(yīng)的3個距離向量中至少有2個距離符合G2NN算法的匹配條件，那么表明該特征點為篡改點，否則不是篡改點。

改進(jìn)后完整算法的步驟如下

1）提取圖像的SIFT特征;

2）在SIFT特征的基礎(chǔ)上，提取旋轉(zhuǎn)不變均勻性的LBP特征，二者結(jié)合構(gòu)成特征描述子;

3）采用多距離（標(biāo)準(zhǔn)歐幾里德距離、相關(guān)距離和漢明距離）的G2NN算法進(jìn)行特征的初始匹配;

4）對初始匹配點集進(jìn)行凝聚型分層聚類[22]，若聚類后點集中點的個數(shù)大于3進(jìn)行下一步，否則圖像未經(jīng)過篡改;

5）去除誤匹配。在聚類后形成的2個點集中使用RANSAC算法[23]，若匹配對數(shù)大于等于3，圖像經(jīng)過篡改，否則圖像未經(jīng)過篡改。

4 測試結(jié)果及分析

實驗是在Windows 10操作系統(tǒng)下采用MATLAB軟件環(huán)境下進(jìn)行的。為了測試所提出算法的性能，在MICC F220圖像庫中[24]進(jìn)行實驗，該圖像數(shù)據(jù)集包含了經(jīng)過復(fù)制粘貼、縮放和旋轉(zhuǎn)后處理的篡改圖像以及原始圖像，共有220張圖片，其中110張是原始圖片，110張是篡改圖片。同時將文中方法與文獻(xiàn)[6]和文獻(xiàn)[8]中的方法進(jìn)行對比來證明其優(yōu)越性。

4.1 不同算法對篡改圖像的檢測結(jié)果

對復(fù)制粘貼、縮放以及旋轉(zhuǎn)的篡改圖像分別進(jìn)行了實驗，復(fù)制粘貼篡改圖像的檢測結(jié)果如圖2所示，對復(fù)制區(qū)域進(jìn)行縮放操作，其檢測結(jié)果如圖3所示，對復(fù)制區(qū)域進(jìn)行縮放和旋轉(zhuǎn)操作，其檢測結(jié)果如圖4所示，表1為3種算法篡改檢測性能的比較。

從圖2，圖3和圖4可以看出，文獻(xiàn)[6]中會產(chǎn)生誤匹配點，文獻(xiàn)[8]中匹配點則過少，其中圖2（c）、圖3（c）和圖4（c）中的誤匹配點過多，圖4（d）中根本沒有檢測出篡改圖像，但是對于3幅篡改圖像，文中算法均具有較好的檢測效果。為了更準(zhǔn)確地表示測試圖像庫MICC F220中的篡改檢測性能，由表1可知，無論是從真陽性率、真陰性率以及總體準(zhǔn)確率來看，文中算法都是最高的，真陽性率比其它2種算法分別提高了2.16%和174%，真陰性率提高了2.12%和1.43%，總體準(zhǔn)確率提高了2.86%和2.11%.這是因為文中算法在增加了標(biāo)準(zhǔn)歐幾里德距離、相關(guān)距離以及漢明距離的度量改進(jìn)了G2NN算法，確保了正確匹配點，并且采用RANSAC算法有效去除誤匹配點，從而提升了總體檢測準(zhǔn)確率。文獻(xiàn)[6]提取SIFT特征，并且用歐幾里德距離進(jìn)行匹配，最后采用分層聚類和RANSAC算法，由于SIFT特征描述符維度較高，并且歐幾里德距離匹配過于單一，導(dǎo)致算法會產(chǎn)生較多的誤匹配點，總體檢測準(zhǔn)確率降低。文獻(xiàn)[8]采用SURF特征點檢測，再提取旋轉(zhuǎn)不變的LBP特征進(jìn)行匹配，由于SURF對于大幅度縮放和旋轉(zhuǎn)操作的篡改方式的匹配和檢測效果不佳，導(dǎo)致總體檢測準(zhǔn)確率也不高。

4.2 魯棒性評價

為了評估不同算法對縮放操作和旋轉(zhuǎn)操作的魯棒性，對不同縮放比例和旋轉(zhuǎn)角度進(jìn)行了檢測，表2為3種算法在縮放、旋轉(zhuǎn)以及縮放+旋轉(zhuǎn)的不同情況下真陽性率TPR的比較。

從表2可知，在縮放比例為0.5，1，1.5和2以及旋轉(zhuǎn)角度為15°，30°，45°和60°的情況下，隨著縮放比例以及旋轉(zhuǎn)角度的增大，3種算法的真陽性率均依次遞減，在縮放和旋轉(zhuǎn)的混合篡改下，真陽性率相較于單一的縮放和旋轉(zhuǎn)篡改均有所下降，并且可知文獻(xiàn)[6]算法對于旋轉(zhuǎn)操作較為敏感，文獻(xiàn)[8]算法對于較大的縮放比例和旋轉(zhuǎn)角度較為敏感。總體來說，文獻(xiàn)[6]算法的真陽性率最低，文中算法的真陽性率最高。這是因為文中算法采用了旋轉(zhuǎn)不變均勻性的LBP特征與SIFT特征相結(jié)合的描述子，該特征描述子很好地避免了高斯模糊和鄰域角度的歸零，并且采用增加了距離度量的G2NN算法，對于縮放、旋轉(zhuǎn)以及縮放+旋轉(zhuǎn)的后處理均具有很好的魯棒性。

5 結(jié) 論

1）將SIFT特征與旋轉(zhuǎn)不變均勻性的LBP特征結(jié)合構(gòu)成特征描述子，可以很好地描述篡改圖像特征，并且為后續(xù)的特征匹配奠定基礎(chǔ)。

2）引入標(biāo)準(zhǔn)歐幾里德距離、相關(guān)距離和漢明距離的多距離進(jìn)行特征匹配，在保證匹配精度的基礎(chǔ)上，降低了誤匹配率。

3）此篡改圖像的檢測算法對于MICC F220數(shù)據(jù)庫中縮放和旋轉(zhuǎn)的后處理具有很好的魯棒性，并且有很好的匹配效果及檢測率。

4）文中算法對于其它后處理篡改方式的檢測效果不是很好，算法的實時性還有待提高，后續(xù)研究重點將放在保證對于模糊、壓縮等其他篡改方式的檢測基礎(chǔ)上提高算法的實時性。

參考文獻(xiàn)（References）：

[1] Korus P，Huang J.Multi scale fusion for improved localization of malicious tampering in digital images[J].IEEE Transactions on Image Processing，2016，25（3）：1312-1326.

[2]趙超然.基于超像素分割的圖像拼接定位檢測算法研究[D].長春：吉林大學(xué)，2018.

ZHAO Chao ran.Research on image splicing localization algorithm based on super pixel segmentation[D].Changchun：Jilin University，2018.

[3]周學(xué)花.基于特征點的復(fù)制-粘貼篡改圖像盲鑒別與定位算法研究[D].長春：吉林大學(xué)，2018.

ZHOU Xue hua.Research on blind identification and localization algorithm of copy move forgery image based on key point[D].Changchun：Jilin University，2018.

[4]彭小洋.基于塊特征向量匹配的圖像復(fù)制-粘貼被動取證算法研究[D].成都：西南交通大學(xué)，2018.

PENG Xiao yang.Copy move image forensics algorithm based on block feature vectors matching[D].Chengdu：Southwest Jiaotong University，2018.

[5]Lowe D G.Distinctive image features from scale invariant key points[J].International Journal of Computer Vision，2004，60（2）：91-110.

[6]Amerini I，Ballan L，Caldelli R，et al.A SIFT based forensic method for copy move attack detection and transformation recovery[J].IEEE Transactions on Information Forensics and Security，2011，6（3）：1099-1110.

[7]Bay H，Ess A，Tuytelaars T，et al.SURF：speeded up robust features[J].Computer Vision and Image Understanding，2008，110（3）：346-359.

[8]Zhu Y，Ng T，Wen B，et al.Copy move forgery detection in the presence of similar but genuine objects[C]//2017 IEEE 2nd International Conference on Signal and Image Processing（ICSIP），Singapore，2017：25-29.

[9]陳 敏，湯曉安.SIFT與SURF特征提取算法在圖像匹配中的應(yīng)用對比研究[J].現(xiàn)代電子技術(shù)，2018，41（7）：41-44.

CHEN Min，TANG Xiao an.Comparison study on application of SIFT and SURF feature extraction algorithms in image matching[J].Modern Electronics Technique，2018，41（7）：41-44.

[10]杜振龍，楊 凡，李曉麗，等.利用SIFT特征的非對稱匹配圖像拼接盲檢測[J].中國圖象圖形學(xué)報，2013，18（4）：442-449.

DU Zhen long，YANG Fan，LI Xiao li，et al.Forgery image blind detection by asymmetric search based on SIFT[J].Journal of Image and Graphics，2013，18（4）：442-449.

[11]李 巖，劉 念，張 斌，等.圖像鏡像復(fù)制粘貼篡改檢測中的FI SURF算法[J].通信學(xué)報，2015，36（5）：58-69.

LI Yan，LIU Nian，ZHANG Bin，et al.FI SURF algorithm for image copy flip move forgery detection[J].Journal on Communications，2015，36（5）：58-69.

[12]李昆侖，孫 碩.基于改進(jìn)SIFT算法的圖像復(fù)制粘貼篡改檢測[J].計算機(jī)科學(xué)，2016，43（6A）：179-183.

LI Kun lun，SUN Shuo.Image copy paste tampering detection based on improved SIFT algorithm[J].Computer Science，2016，43（6A）：179-183.

[13]Swapnil H K，Avinash D G.Copy Move attack forgery detection by using SIFT[J].International Journal of Innovative Technology and Exploring Engineering，2013，2（5）：221-224.

[14]Shahroudnejad A，Rahmati M.Copy move forgery detection in digital images using affine SIFT[C]//2016 2nd International Conference of Signal Processing and Intelligent Systems（ICSPIS），Tehran，2016：1-5.

[15]柴建偉，劉 婷.改進(jìn)的SIFT耦合特征點集群的圖像偽造檢測算法[J].西南師范大學(xué)學(xué)報（自然科學(xué)版），2018，43（3）：34-41.

CHAI Jian wei，LIU Ting.Image forgery detection algorithm based on improved SIFT coupled feature point clustering[J].Journal of Southwest China Normal University（Natural Science Edition），2018，43（3）：34-41.

[16]劉 麗，謝毓湘，魏迎梅，等.局部二進(jìn)制模式方法綜述[J].中國圖象圖形學(xué)報，2014，19（12）：1696-1720.

LIU Li，XIE Yu xiang，WEI Ying mei，et al.Survey of local binary pattern method[J].Journal of Image and Graphics，2014，19（12）：1696-1720.

[17]鄧少聞，羅代升，郭 崇.多尺度LBP耦合K-D樹的圖像偽造盲檢測算法[J].計算機(jī)工程與設(shè)計，2017，38（5）：1307-1313.

DENG Shao wen，LUO Dai sheng，GUO Chong.Image forgery blind detection algorithm based on multi scale LBP coupled K D tree[J].Computer Engineering and Design，2017，38（5）：1307-1313.

[18]郭繼昌，王秋子，趙 潔，等.一種基于LBP和馬爾科夫特征的細(xì)縫裁剪取證方法[J].電子科技大學(xué)學(xué)報，2018，47（4）：481-485.

GUO Ji chang，WANG Qiu zi，ZHAO Jie，et al.A method of seam carving forensics based on LBP and Markov features[J].Journal of University of Electronic Science and Technology，2018，47（4）：481-485.

[19]鄭永斌，黃新生，豐松江.SIFT和旋轉(zhuǎn)不變LBP相結(jié)合的圖像匹配算法[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，2010，22（2）：286-292.

ZHENG Yong bin，HUANG Xin sheng，F(xiàn)ENG Song jiang.An image matching algorithm based on combination of SIFT and the rotation invariant LBP[J].Journal of Computer Aided Design & Computer Graphics，2010，22（2）：286-292.

[20]邵 虹，朱 虹，崔文成.抗翻轉(zhuǎn)、旋轉(zhuǎn)和縮放攻擊的圖像區(qū)域復(fù)制篡改檢測[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，2015，27（1）：157-165.

SHAO Hong，ZHU Hong，CUI Wen cheng.Detection of image region duplication forgery affected by flipping，rotation and scaling[J].Journal of Computer Aided Design & Computer Graphics，2015，27（1）：157-165.

[21]陳輝映，張大興，楊珊珊，等.基于SURF的圖像多區(qū)域復(fù)制粘貼篡改檢測[J].計算機(jī)工程與設(shè)計，2018，39（8）：2593-2597.

CHEN Hui ying，ZHANG Da xing，YANG Shan shan，et al.Image multiple copy move forgery detection based on SURF algorithm[J].Computer Engineering and Design，2018，39（8）：2593-2597.

[22]甘 玲，周 燦，李大港.一種采用點匹配的圖像區(qū)域復(fù)制粘貼篡改檢測方法[J].小型微型計算機(jī)系統(tǒng)，2017，38（7）：1631-1635.

GAN Ling，ZHOU Can，LI Da gang.Method of digital image region copy move forgery detection using point matching[J].Journal of Chinese Computer Systems，2017，38（7）：1631-1635.

[23]楊雨薇，張亞萍.一種改進(jìn)的SIFT圖像檢測與特征匹配算法[J].云南大學(xué)學(xué)報（自然科學(xué)版），2017，39（3）：376-384.

YANG Yu wei，ZHANG Ya ping.An improved SIFT image detection and feature matching algorithm[J].Journal of Yunnan University（Natural Science Edition），2017，39（3）：376-384.

[24]Li J，Li X，Yang B，et al.Segmentation based image copy move forgery detection scheme[J].IEEE Transactions on Information Forensics and Security，2015，10（3）：507-518.

[25]汪 磊，曾憲庭，蘇金陽.一種基于多域特征的JPEG圖像隱寫分析算法[J].計算機(jī)科學(xué)，2014，41（6）：94-98.

WANG Lei，ZENG Xian ting，SU Jin Yang.Steg analysis based on multi domain features for JPEG images[J].Computer Science.2014，41（6）：94-98.