[發(fā)明專利]一種區(qū)分偽造來源和目標(biāo)區(qū)域的copy-move型偽造圖像檢測方法

在審

• 申請?zhí)枺?/td>: 202010781679.8
• 申請日: 2020-08-06
• 公開（公告）號: CN111899251A
• 公開（公告）日: 2020-11-06
• 發(fā)明（設(shè)計）人: 李應(yīng)燦;丁峰;楊建權(quán);朱國普
• 申請（專利權(quán)）人: 中國科學(xué)院深圳先進(jìn)技術(shù)研究院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京市誠輝律師事務(wù)所 11430
• 代理人: 耿慧敏

本發(fā)明公開了一種區(qū)分偽造來源和目標(biāo)區(qū)域的copy?move型偽造圖像檢測方法。該方法包括：構(gòu)建包含生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)的條件生成對抗網(wǎng)絡(luò)并以滿足設(shè)定損失函數(shù)為優(yōu)化目標(biāo)進(jìn)行訓(xùn)練，其中，在訓(xùn)練過程，生成網(wǎng)絡(luò)的輸入是給定的RGB圖像，輸出是標(biāo)識出圖像原始區(qū)域、偽造來源區(qū)域和偽造目標(biāo)區(qū)域的檢測結(jié)果，將給定圖像和生成網(wǎng)絡(luò)的輸出作為假圖像對并將給定圖像和其對應(yīng)的ground truth作為真圖像對一起輸入到判別網(wǎng)絡(luò)；將經(jīng)訓(xùn)練的生成網(wǎng)絡(luò)作為檢測copy?move型偽造圖像的檢測器，以待檢測的RGB圖像作為輸入，獲得圖像檢測結(jié)果。本發(fā)明能夠有效區(qū)分經(jīng)篡改圖像的偽造來源區(qū)域和偽造目標(biāo)區(qū)域，并提高了檢測效率。

技術(shù)領(lǐng)域

本發(fā)明涉及信息安全技術(shù)領(lǐng)域，更具體地，涉及一種區(qū)分偽造來源和目標(biāo)區(qū)域的copy-move型偽造圖像檢測方法。

背景技術(shù)

信息技術(shù)的快速發(fā)展使得便攜式數(shù)碼設(shè)備迅速得到普及，數(shù)字圖像逐漸成為獲取視覺信息的重要來源。然而，由于Photoshop、GIMP、美圖秀秀等數(shù)字圖像編輯處理軟件的出現(xiàn)，使即便不具有圖像處理相關(guān)知識的普通大眾也可以很輕易地修改數(shù)字圖像而不留明顯的視覺痕跡。通過復(fù)制或掩蓋同幅圖像中特定區(qū)域來欺騙大眾的copy-move(復(fù)制-移動)偽造是最簡單、最常用的圖像篡改方法。這些偽造圖像一旦被惡意應(yīng)用于新聞報道、法庭取證等領(lǐng)域，將可能誤導(dǎo)公眾輿論，甚至干擾司法判決。因此，研究可以有效檢測偽造的圖像取證技術(shù)已經(jīng)成為當(dāng)務(wù)之急。

Copy-move型偽造圖像檢測可以分為傳統(tǒng)方法和基于深度學(xué)習(xí)的方法。傳統(tǒng)的copy-move偽造檢測流程通常包括圖像預(yù)處理階段、特征提取階段、特征匹配階段以及后處理階段。傳統(tǒng)方法大體上可再劃分為基于塊的檢測和基于關(guān)鍵點的檢測，針對圖像copy-move篡改區(qū)域的平移、旋轉(zhuǎn)、縮放等不同偽造方式的檢測，適用于不同的檢測方法。然而，在實際應(yīng)用中對于待檢測圖像，由于無法事先知道具體采用了哪種偽造方式，也就無法準(zhǔn)確選擇合適的偽造檢測方法。傳統(tǒng)方法提取的特征對特定轉(zhuǎn)換的不變性不夠好，并且特征匹配階段的計算代價較高，限制了檢測性能。

隨著深度學(xué)習(xí)的不斷發(fā)展，數(shù)據(jù)驅(qū)動的卷積神經(jīng)網(wǎng)絡(luò)逐步應(yīng)用于數(shù)字取證領(lǐng)域。基于深度卷積網(wǎng)絡(luò)的copy-move偽造檢測，是一種端到端、無需顯示特征提取的方法。然而，目前大部分基于深度學(xué)習(xí)的copy-move偽造檢測方法通常僅檢測出相似區(qū)域，尚未能很好地區(qū)分偽造來源區(qū)域和偽造目標(biāo)區(qū)域，而copy-move偽造中的來源區(qū)域和目標(biāo)區(qū)域的有效區(qū)分在實際應(yīng)用中有著十分重要的作用。

經(jīng)分析，現(xiàn)有的圖像copy-move偽造檢測方法主要有以下幾種類型：

1)、基于塊檢測方法。基于塊的檢測方法又可細(xì)分為基于頻率轉(zhuǎn)換、基于紋理特征、基于矩不變性等方法。例如利用小波變換(DWT)算法提取低頻分量，然后將低頻子帶分割成塊。最后，使用k-means算法計算塊與塊之間的歐式距離。該方法可以有效定位出偽造區(qū)域，但計算復(fù)雜度較高。

2)、基于關(guān)鍵點檢測方法。該檢測方法又分為基于尺度不變特征變換(SIFT)和基于加速魯棒特征(SURF)的方法。

3)、基于深度學(xué)習(xí)檢測方法。例如，利用卷積神經(jīng)網(wǎng)絡(luò)從圖像中提取塊特征，并計算不同塊之間的自相關(guān)性，然后使用特征提取器定位匹配點，最后通過反卷積網(wǎng)絡(luò)重構(gòu)偽造掩模。

然而，現(xiàn)有的copy-move型偽造檢測方法主要存在以下缺陷：

1)、傳統(tǒng)的copy-move偽造檢測方法，手工提取的特征，識別能力和對特定變換的不變性還不夠好。

2)、針對copy-move中特定類別(Translation、Scal ing、Rotation、JPEG、Noise等)的偽造檢測時性能良好，但只能處理一定類型的偽造。而在實際應(yīng)用中，沒有事先信息的情況下，無法知道采用了哪種篡改。

3)、在特征匹配階段計算代價較高，限制了實用性。