图像篡改检测介绍

什么是图像篡改？

深度学习图像篡改检测算法是图像取证的被动取证方式，目前深度学习以拼接、复制移动篡改检测为主。
图像篡改鉴定有着重要的意义。
本专栏是对深度学习图像篡改检测算法的一个学习总结。

篡改在英文文献中常用manipulation、tamper、forgery这三个词表达。广义上的图像篡改指的是对原始图像做了改动的操作，这种改动操可以是：图像属性改变、图像格式转换、形态学处理、模糊处理、缩放剪裁（seam carving）等等。

图像篡改类别可以粗略划分为图像处理操作(manipulation)和图像篡改操作(tamper)两类（按英文直译，manipulation是操作的意思，此类篡改有点类似仅对图像做非内容性的处理，而tamper按直译，则是对图像做了内容性的处理）：

Manipulation：滤波处理（如中值滤波 Median Filtering）、模糊处理（如高斯模糊 Gaussian Blurring）、添加噪声（如高斯白噪声 Additive White Gaussian Noise）、重采样（Resampling）、压缩处理（如JPEG压缩 JPEG Compression）等。

Tamper ：删除（Removal）、添加（Adding）、复制（Copy-move）、拼接（Splicing）等。

有时候也不会分这么细，都是manipulation、tamper都指对图片的修改。

简单介绍几种篡改方式：

图像拼接(Splicing)：将一张图的内容抠下来贴在另一张图上；
复制移动(Copy-move)：将同一张图上的内容复制粘贴到另一个位置；
擦除填充(removal)：操作将同一张图上的内容擦除掉。

当前深度学习的图像篡改区域定位方法主要有以下三种方向：

将篡改区域定位认为是像素级的二分类，采用图像分割的算法来定位篡改区域。
将篡改区域定位当作是目标检测任务，采用目标检测算法来定位篡改区域。
将篡改区域定位当作是局部异常检测，采用CNN + LSTM网络检测图像中的局部异常。

目前流行的是以图像分割为主，本专栏也是针对图像分割的算法进行汇总。

图像篡改检测发展

下面是一张汇总表，主要内容如下：

本专栏对图像篡改检测网络进行论文的学习以及代码的学习。

参考：
图像篡改检测技术及数据集总结https://sanshui.findn.cn/post/3f292744.html