Boosting Image Forgery Detection using Resampling Features

最近读了篇与resample和篡改检测相关的论文，在这里写下总结。
论文链接：https://arxiv.org/abs/1802.03154

作者认为resampling检测算法有利于检测splicing和resampling，copy-move检测算法善于检测cloning和region removal。将这些互补的方法相结合可以提升检测准确率。文中，作者使用copy-move检测方法作为pre-filtering，然后将这些未能检测出篡改的图像送入基于深度学习的resampling检测框架中进行检测。

1.Introduction

作者认为resample有利于检测splicing和object removal，因为篡改区域是经常被scale和rotate的，这使图像网格需要重新采样，并且留下了可以检测的证据。将其与copy-move检测方法相结合可提高准确率。

Resampling Forgery Detection

重采样图像需要进行插值，如线性或三次插值。插值会引入周期性相关的特征(经典检测方法EM)。然后周期性的JPEG blocking artifacts也会引入混淆重采样检测器的periodic patterns。可以使用第二差分算子的方差来检测使用线性或三次插值缩放的图像上的重采样，这一方法在检测up-scaling时十分有效，并且对JPEG压缩也是鲁棒的。（其他方法：Radon变换、导数滤波器、线性预测残差）

此外，加noise可提升resample准确性。也可使用normalized energy feature和SVM也可用来classify resampl