針對現(xiàn)有圖像盲取證方法在多重鏡像篡改檢測效果較差的問題,提出一種基于近似最近鄰(ANN)搜索的圖像篡改檢測方法。提取圖像的BRISK(Binary Robust Invariant Scalable Keypoints)特征描述子,獲得圖像的二值特征向量。利用PatchMatch計算特征間的偏移量并借助傳導(dǎo)策略優(yōu)化搜索相似圖像塊,實現(xiàn)篡改區(qū)域的初步檢測。利用最小均方線性模型計算擬合誤差移除誤匹配點,精確定位篡改區(qū)域。在CASIA V2.0圖像數(shù)據(jù)集和哥倫比亞大學(xué)圖像數(shù)據(jù)集上進(jìn)行實驗,實驗結(jié)果表明,該算法能夠準(zhǔn)確且高效地檢測經(jīng)復(fù)雜幾何形變的篡改區(qū)域,特別是對多重鏡像篡改檢測的準(zhǔn)確率更高。

【文章頁數(shù)】：8 頁

【部分圖文】：

圖1特征匹配步驟。（a）初始化；（b）傳播；（c）隨機搜索

式中：i∈{1,2，…，n}；Ri為在[-1,1]之間的隨機值；w為搜索框的初始大小；α為縮小系數(shù)；v0為初始塊的位置。如圖1(c）所示，a′的搜索半徑開始為圖像塊的大小，隨著i增大，搜索框的大小將不斷減小，直至小于1時停止搜索。迭代過程反復(fù)進(jìn)行，直到每個特征點計算出最合適、最準(zhǔn)....

圖2算法對旋轉(zhuǎn)變換操作的檢測結(jié)果。（a）原始圖像；（b）纂改圖像（旋轉(zhuǎn)90°）；（c）匹配結(jié)果；（d）檢測結(jié)果

1）評估文獻(xiàn)[2]、文獻(xiàn)[4]和文獻(xiàn)[6]三種算法對于旋轉(zhuǎn)、縮放和多區(qū)域篡改操作的有效性，同時對比各個算法的運算時間。因為文獻(xiàn)[2]、文獻(xiàn)[4]和文獻(xiàn)[6]三種算法均檢測不到鏡像和多區(qū)域鏡像復(fù)制-粘貼篡改區(qū)域，故僅比較旋轉(zhuǎn)、縮放和多區(qū)域篡改操作方式，旋轉(zhuǎn)角度設(shè)置為90°，縮放設(shè)置....

圖3算法對縮放變換操作的檢測結(jié)果。（a）原始圖像；（b）纂改圖像（縮小80%);(c）匹配結(jié)果；（d）檢測結(jié)果

圖2算法對旋轉(zhuǎn)變換操作的檢測結(jié)果。（a）原始圖像；（b）纂改圖像（旋轉(zhuǎn)90°）；（c）匹配結(jié)果；（d）檢測結(jié)果圖4算法對鏡像變換操作的檢測結(jié)果。（a）原始圖像；（b）鏡像圖像（水平）；（c）匹配結(jié)果；（d）檢測結(jié)果

圖4算法對鏡像變換操作的檢測結(jié)果。（a）原始圖像；（b）鏡像圖像（水平）；（c）匹配結(jié)果；（d）檢測結(jié)果

圖3算法對縮放變換操作的檢測結(jié)果。（a）原始圖像；（b）纂改圖像（縮小80%);(c）匹配結(jié)果；（d）檢測結(jié)果圖5算法對多區(qū)域Ⅰ變換操作的檢測結(jié)果。（a）原始圖像；（b）纂改圖像；（c）匹配結(jié)果；（d）檢測結(jié)果

本文編號：3928343