9 中断向量 重定位_图像篡改检测与定位论文

1.Abstract

图像处理检测有两个研究类别：图像后处理检测（Image Manipulation Detection）和图像篡改检测（Tamper Detection）。

（1）图像后处理检测主要挖掘图像是否经历过：中值滤波处理（Median Filtering）、高斯模糊处理（Gaussian Blurring）、添加高斯白噪声（Additive White Gaussian Noise）、重采样（Resampling）、JPEG 压缩（JPEG Compression）等后处理操作。

（2）另一方面图像篡改检测旨在挖掘数字图像的恶意处理，例如删除（Removal）、添加（Adding）、复制（Copy）、截取（Splicing）图像中的对象。

图像处理检测在军事防卫、司法鉴定、图像防伪等领域有重要的价值。

本文旨在通过分析近年来基于深度学习的图像篡改检测发展，总结该方向主要发展方向、可以探索方向。

---

2.Introduction

图像篡改检测从篡改方法上可以分为：

• （1）图像接片检测（Image Splicing Detection）
• （2）图像复制-黏贴检测（Copy-Move Detection）
• （3）图像对象移除检测（Object Removal Detection）

（1）和（2）有本质区别，（1）主要通过截取图像A的某个物体到图像B，并检测图像B是否被篡改；（2）主要用过复制图像A的某个物体，移动到另外一个位置，并检测图像A是否被篡改，即（1）的复制物体来自于多个图像，（2）的物体对象来自同一张图像。

关于（1）的例子如下，图像中的第三张图来源于原图像A，原图像B中防火栓标志的合成：

关于（2）Copy-Move的比较有名的例子是伊朗导弹齐射伪造事件。

2008年伊朗不断发布该国“试射多枚远程导弹”的消息，随后《纽约时报》发现，这张有四枚导弹腾空而起的照片存在被“人为修改”的痕迹：其中一枚导弹（从小图2右侧数第二枚）很可能是照片上其他两枚导弹“PS后的产物”。

目前，对于（1）、（2）检测的算法比较多，而针对（3）的算法比较少见，接下来我们将分析最近几年使用深度学习解决上面几个问题论文，从而分析该领域的当前现状、未来方向。

---

3.Related Work

关于上述几种篡改方法，图像篡改检测算法大致可以分为传统算法和深度学习算法，传统算法的特点是手工提取特征、建立模型、分析特征并分类；深度学习的算法主要通过使用CNN模型，提取特征，并通过Softmax分类，实现端到端（end-to-end）自适应学习模式。

[2] 总结了这两种算法的框架模型&#