[发明专利]一种基于层次特征点匹配的图像复制移动伪造检测方法

说明书

本发明公开了一种基于层次特征点匹配的图像复制移动伪造检测方法，包括以下步骤：S1、输入待检测图像；S2、采用降低对比度阈值和调整输入图像大小的方式生成关键点，并通过SIFT算法进行特征点提取；S3、通过规模聚类以及重叠灰度聚类进行分层特征点匹配；S4、迭代伪造本地化；S5、输出检测结果。本发明中的检测方法使得复制‑移动伪造只涉及到平滑区域或较小区域，或者伪造的图像已经被处理过，也能保持良好的检测性能；另一方面，本发明进一步提出了一种新的迭代定位方案，不需要任何聚类和分割过程，充分利用了SIFT算法的鲁棒性和每个关键点的颜色信息，有效的提高了图像复制‑移动伪造检测的检测精度。

技术领域

本发明涉及图像处理领域，尤其涉及一种基于层次特征点匹配的图像复制移动伪造检测方法。

背景技术

图像的安全问题是目前图像学界的一个热门话题。随着Internet及多媒体技术的高速发展，人们每天基本上都要接触到网络上以及多媒体光盘中大量生动逼真的数字化图形图像，它带给人们直观的信息源以及获取信息时视觉上的舒适感。互联网的流行已清楚表明数字图像市场的潜力；在商业上，数字图像也得到了广泛的应用。不幸的是数字网络和多媒体技术的应用为图像的盗版者提供了绝佳的机会。功能强大的图像处理软件的飞速发展，使得数字图像更易于被伪造篡改，盗版者可以不留明显痕迹地添加或者删除一幅图像中的重要信息。数码照相机、数码摄像机逐渐取代传统的模拟设备、数字图像的鉴别，随着现代图像编辑软件的发展，如Photoshop和Gimp，数字图像可以以非常低的成本伪造。这对数字图像的可靠性带来了很大的威胁。复制-移动伪造是各种数字图像伪造之间的一种常见操作，其中，为了隐藏或复制感兴趣的对象，将图像的一个或多个区域粘贴到同一图像的其他地方。这一过程可能伴随着旋转，调整大小，压缩和噪声的增加，使最终的伪造更有说服力。检测他们有时是非常具有挑战性的，特别是当复制-移动伪造只涉及小或平滑的区域，或当伪造区域已经过一些严重的攻击，如大规模调整大小和添加重噪声时。内容认证以及伪造检测的需求也随之而增加。

近年来，人们提出了许多图像复制-移动伪造检测方法，大致可分为两大类:

(1)密集场(或基于块的)方法

(2)稀疏场(或基于关键点的)方法

针对密集场复制-移动伪造检测方法，首先将输入图像分为重叠块和规则块；然后通过块匹配完成伪造定位过程。为了提高对几何变换等常见畸变的鲁棒性，采用了离散余弦变换(DCT)、离散小波变换(DWT)、主成分分析(PCA)、奇异值分解(SVD)等技术对块特征进行了设计。结果表明，基于密集场的方法比基于稀疏场的方法更精确，但代价是复杂度更高。

目前存在以下几种技术方案：

(1)一种高效的密集场copymove伪造检测方法，采用PatchMatch算法快速近似最近邻搜索方案，大大缩短了处理时间。不幸的是，所有现有的密度场方案都受到一些攻击，如缩放、旋转和噪声添加。

(2)使用关键点匹配来进行健壮的复制-移动伪造检测。在尺度不变特征变换(SIFT)的辅助下，该方法对几何变换具有很强的鲁棒性，参数由随机样本一致性(RANSAC)算法估计。使用分层凝聚聚类算法将匹配的关键点根据其在图像平面上的位置进行聚类，然后对每两个匹配的聚类进行RANSAC估计。其并没有对关键字进行聚类，而是在概念空间中对匹配的对进行聚类。

但是现有技术方案仍存在下列缺陷：

(1)无法在较小或平滑的区域生成足够数量的关键点(即匹配对)，导致检测失败；

(2)很难找到一个普遍适用于所有图像的好的聚类/分割算法和相关参数。这是因为复制-移动区域可以是任何大小，并且可以与纹理高度不同。此外，复制移动区域的数量通常是未知的；在这种情况下，正确地执行集群是困难的；