基于变邻域局部搜索的篡改图像检测算法_吴冬梅.pdf

电子设计工程Electronic Design Engineering第31卷Vol.31第6期No.62023年3月Mar.2023收稿日期：2021-12-01稿件编号：202112005作者简介：吴冬梅（1980），女，河南永城人，硕士，讲师。研究方向：计算机科学在采矿工程中的应用。随着图像处理技术的日益增强，出现的篡改图像会导致人们无法分辨出真实图像1-3，所以数字图像检测技术得到了国内外学者的重视。Dixit 等人提出一种基于 Fourier-Meilin 的图像篡改检测算法4，该算法很好地描述了图像的特征，但是对于篡改区域定位较差。华秀茹等人提出了一种基于超像素分割和 SURF特征点的篡改检测算法5，该算法提高了图像的篡改检测准确率，但是不能对篡改区域进行定位。基于变邻域局部搜索的篡改图像检测算法吴冬梅1，郑佳雯2（1.永城职业学院 电子信息工程系，河南 永城 476600；2.西安信息职业大学 大数据与云计算学院，陕西 西安 710077）摘要：针对复制篡改图像的多个篡改区域检测率较低的问题，提出了一种基于变邻域局部搜索的篡改图像检测算法。提取图像分块后的 SIFT特征，通过特征匹配算法判断图像是否经过篡改，合并满足相似性条件的由分块的超像素所得到的疑似区域以及变邻域局部搜索算法所得到的邻域块，采用形态学闭运算填补孔洞，完成篡改区域的检测。改进算法的检测准确率为 91.1%，相较于其他两种算法，检测准确率分别提高2.6%和0.6%。仿真结果表明，改进算法对于复制篡改图像的单个篡改区域和多个篡改区域检测效果较好。关键词：复制篡改检测；SIFT；特征匹配；局部搜索中图分类号：TP391文献标识码：A文章编号：1674-6236（2023）06-0189-05DOI：10.14022/j.issn1674-6236.2023.06.040The tampered image detection algorithm based on local search invariableneighborhoodWU Dongmei1，ZHENG Jiawen2（1.Department of Electronic Information Engineering，Yongcheng Vocational College，Yongcheng 476600，China；2.School of Big Data and Cloud Computing，Xi an Vocational College of Information Technology，Xi an 710077，China）Abstract:Aiming at the problem of low detection rate of multiple tampered areas of copied tamperedimages，a tampered image detection algorithm based on variable neighborhood local search is proposed.Extract the SIFT features after the image is divided，and use the feature matching algorithm to determinewhether the image has been tampered.The suspected regions obtained by the divided superpixels andthe neighborhood blocks obtained by the variable neighborhood local search algorithm that meet thesimilarity condition are merged.The morphological closed operation is used to fill the holes to completethe detection of the tampered area.The detection accuracy of the improved algorithm is 91.1%.Comparedwith the other two algorithms，the detection accuracy is increased by 2.6%and 0.6%respectively.Thesimulation results show that the improved algorithm has a better detection effect on the single tamperedarea and multiple tampered areas of the copied tampered image.Keywords:copy tampering detection；SIFT；feature matching；local search-189电子设计工程 2023年第6期针对上述算法的缺点，该文提出改进的变邻域局部搜索的篡改图像检测算法，首先提取 SIFT 特征，通过特征匹配判断图像是否经过篡改，然后合并符合相似性判定的由分块的超像素所得到的疑似区域以及改进的变邻域局部搜索算法所得到的邻域块，最终采用形态学闭运算填补孔洞，完成篡改区域的检测。1特征提取和匹配1.1SIFT特征提取首先对图像进行非重叠分块，再提取子块的SIFT特征，提取 SIFT特征的过程可概括为如下三个步骤6。Step1：构造尺度空间尺度空间核函数的选用标准是具备描述图像的多尺度特征，所以通常用高斯函数作为核函数7。尺度空间经过采样处理后，相邻的每一层的尺度空间相减，就可得到高斯差分尺度空间，如式（1）所示：D()x,y,=L()x,y,k-L()x,y,（1）Step2：检测尺度空间极值点为了得到准确的特征点的位置信息和尺度信息，对候选特征点相应的高斯差分尺度空间进行泰勒二次展开，通过对泰勒展开式的三维二次函数的计算，可得到拟合曲面的极值。特征良好的方向性需要具备旋转不变性，这是通过计算特征点邻域像素的梯度分布特性得到的。Step3：生成特征向量坐标轴以特征点为方向和中心，特征向量的采样窗口为 1616的邻域范围，将采样窗口分成 16个子块，此时每一个子块为 44，SIFT特征向量就是产生于子块的梯度直方图。1.2特征匹配为了检测篡改图像，还需要特征匹配，该文采用g2nn算法对提取的 SIFT特征进行匹配，依次计算两个SIFT特征之间的欧几里得距离，如式（2）所示：D(l1,l2)=i=1n(xi-yi)2（2）其中，图像上的特征点表示为 l1和 l2，特征中的分量表示为xi和yi。此时距离向量为D=d1,d2,dn，循环执行 2近邻准则进行搜索，依次计算相邻欧几里得距离之间的比值，如式（3）所示：Mk=DkDk+1（3）判断某一特征点与其余特征点的匹配条件是8Mk且Mk+1，并且满足1kn-2。其中，表示阈值，阈值的大小会影响匹配的结果，该文设置为0.5。2局部搜索算法局部搜索算法的思想可以应用到图像检测9。特征匹配后可以得到篡改区域，但是此时的篡改区域不完整，可以用局部搜索算法解决这样的问题。在特征匹配算法的篡改区域基础上搜索其邻域，得到更加准确的篡改区域，即原有篡改区域加上特征描述后的邻域。局部搜索算法的邻域有固定邻域和变邻域之分，该文选用四邻域和八邻域的变邻域，分别如图 1和图2所示。图1四邻域局部搜索算法图2八邻域局部搜索算法由图 1可知，区域 a、b和 c均为特征匹配后的已检 测 区 域，则 区 域 a 的 四 邻 域 为aneighbor，即aneighbor=a0,a2,a4,a6，其中，a0表示上邻域，a2表示-190左邻域，a4表示下邻域，a6表示右邻域，区域 b和 c的四邻域类似。经过四邻域局部搜索算法后，就可得到右下角的真实篡改区域。由图 2可知，区域 a、b、c、d和 e均为特征匹配后的已检测区域，则区域 a的八邻域为aneighbor，其中a0表示上邻域，a1表示左上邻域，a2表示左邻域，a3表示左下邻域，a4表示下邻域，a5表示右下邻域，a6表 示 右 邻 域，a7表 示 右 上 邻 域，可 表 示 为aneighbor=a0,a1,a2,a3,a4,a5,a6,a7，区域 b、c、d和 e的八邻域类似。经过八邻域局部搜索算法后，就可得到右下角的真实篡改区域。四邻域和八邻域局部搜索算法都可减少重复计算，比如图 1中的a4和图 2中的a5区域。对于每一个篡改区域都优先使用四邻域搜索，如果当前检测篡改区域不属于四邻域，则采用八邻域搜索，直至检测完最后一个篡改区域10-11。3改进的篡改区域定位算法虽然采用四邻域和八邻域可以更好地表示篡改区域，但是仍然存在着真实篡改区域具体判定条件的问题，该文提出了一种改进的变邻域局部搜索的篡 改 区 域 定 位 算 法。对 于 疑 似 区 域（SuspectedRegions，SR）的 选 取、邻 域 块 的 选 取、合 并 区 域（Merged Regions，MR）的具体判定条件等给予了详细说明。改进算法的具体步骤如下：Step1：疑似区域超像素算法通常可应用于图像分割12-13，超像素初始值大小的设置尤为重要，该文初始值设置为 20和 10，高分辨率图像设置为 20，低分辨率图像设置为 10。采用超像素分块的 SIFT 特征匹配点可以作为真实篡改区域的疑似区域。Step2：邻域块采用变邻域局部搜索得到邻域块，邻域块的定义如式（4）所示：SRi_neighbor=LSi_,-LSi_（4）其中，决定了到底采用哪一种邻域方式，=90,180,270,360为四邻域，=45,90,135,180,225,270,315,360为八邻域。Step3：合并区域合并区域指的是合并疑似区域和邻域块，但是需要一定的合并条件，即局部颜色 RGB 特征的条件，如式（5）和式（6）所示：FC_LSi=R(LSi)+G(LSi)+B(LSi)3FC_-LSi=R(-LSi)+G(-LSi)+B(-LSi)3（5）FC_LSi_=R(LSi_)+G(LSi_)+B(LSi_)3FC_-LSi_=R(-LSi_)+G(-LSi_)+B(-LSi_)3（6）其中，R()表示邻域块的RGB分量的R分量，G()表示邻域块的RGB分量的G分量，B()表示邻域块的RGB分量的B分量。当疑似区域的 RGB 局部特征与邻域块的 RGB局部特征达到一定相似程度，则判定为可以进行合并。采 用 疑 似 区 域FC_LSi、FC_-LSi和 邻 域 块FC_LSi_、FC_-LSi_的局部颜色特征差值的绝对值来描述相似程度，如式（7）所示：|FC_LSi-FC_LSi_TRsim|FC_-LSi-FC_-LSi_TRsim（7）其中，TRsim表示度量相似程度的阈值，该文设置为15。Step4：形态学闭运算此时Step3中得到的区域还存在些许小空洞，该文采用结构元素为圆的形态学闭运算不仅可以填充出现的孔洞，还不会改变原有区域的形状。4仿真结果与分析该文所采用的软件环境是 Matlab 2016b。数据集是 benchmark data14，该数据集包含 96 幅图像，真实图像和篡改图像各占一半，即各48幅。该文考虑了图像像素，采用 precision、recall和 F这三个指标去分析篡改图像算法的性能15，如式（8）-（10）所示：precision=TPTP+FP（8）recall=TPTP+FN（9）F=2precisionrecallprecision+recall（10）其中，TP 表示正确检测的篡改像素的数目，FN表示错误检测的篡改像素的数目，FP表示错误检测的真实像素的数目。单纯依靠 precision 指标和 recall 指标是不能判断