針對(duì)現(xiàn)有圖像盲取證方法在多重鏡像篡改檢測(cè)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(cè)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(jì)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(shí)現(xiàn)篡改區(qū)域的初步檢測(cè)。利用最小均方線性模型計(jì)算擬合誤差移除誤匹配點(diǎn),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(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,該算法能夠準(zhǔn)確且高效地檢測(cè)經(jīng)復(fù)雜幾何形變的篡改區(qū)域,特別是對(duì)多重鏡像篡改檢測(cè)的準(zhǔn)確率更高。

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

圖1特征匹配步驟。（a）初始化；（b）傳播；（c）隨機(jī)搜索

式中：i∈{1,2，…，n}；Ri為在[-1,1]之間的隨機(jī)值；w為搜索框的初始大��；α為縮小系數(shù)；v0為初始?jí)K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(shí)停止搜索。迭代過(guò)程反復(fù)進(jìn)行，直到每個(gè)特征點(diǎn)計(jì)算出最合適、最準(zhǔn)....

圖2算法對(duì)旋轉(zhuǎn)變換操作的檢測(cè)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(cè)結(jié)果

1）評(píng)估文獻(xiàn)[2]、文獻(xiàn)[4]和文獻(xiàn)[6]三種算法對(duì)于旋轉(zhuǎn)、縮放和多區(qū)域篡改操作的有效性，同時(shí)對(duì)比各個(gè)算法的運(yùn)算時(shí)間。因?yàn)槲墨I(xiàn)[2]、文獻(xiàn)[4]和文獻(xiàn)[6]三種算法均檢測(cè)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(duì)縮放變換操作的檢測(cè)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(cè)結(jié)果

圖2算法對(duì)旋轉(zhuǎn)變換操作的檢測(cè)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(cè)結(jié)果圖4算法對(duì)鏡像變換操作的檢測(cè)結(jié)果。（a）原始圖像；（b）鏡像圖像（水平）；（c）匹配結(jié)果；（d）檢測(cè)結(jié)果

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

圖3算法對(duì)縮放變換操作的檢測(cè)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(cè)結(jié)果圖5算法對(duì)多區(qū)域Ⅰ變換操作的檢測(cè)結(jié)果。（a）原始圖像；（b）纂改圖像；（c）匹配結(jié)果；（d）檢測(cè)結(jié)果

本文編號(hào)：3928343