【论文笔记】Fast and Effective Image Copy-Move Forgery Detection via Hierarchical Feature Point Matching

基于层次特征点匹配的快速有效的图像复制-移动伪造检测（传统方法）
发布于IEEE Transactions on Information Forensics and Security 2019

摘要

基于关键点的检测方法由于其对各种攻击(如大规模几何变换)的鲁棒性，被认为在揭示复制移动证据方面非常有效。但是，这些方法无法处理复制-移动伪造只涉及较小或平滑区域，关键点数量非常有限的情况。为了解决这个问题，我们提出了一种通过分层特征点匹配的快速有效的复制-移动伪造检测算法。我们首先表明，通过降低对比度阈值和缩放输入图像，可以生成足够数量的关键点，这些关键点甚至存在于较小或平滑的区域。然后，我们提出了一种新的分层匹配策略来解决大量关键点的匹配问题。为了降低误报率和准确定位篡改区域，我们进一步利用各关键点的鲁棒性(包括主导方向和尺度信息)和颜色信息，提出了一种新的迭代定位技术。大量的实验结果证明了我们提出的方案在效率和准确性方面的优越性能。

引言

图1中显示了两个例子，其中复制-移动伪造仅在平滑或小区域上进行。

近年来，提出了许多图像复制-移动伪造检测方法，大致可分为两类:1)密集域(或基于块)方法和2)稀疏域(或基于关键点)方法。

对于密集域复制-移动伪造检测方法，首先将输入图像划分为重叠和规则块;然后通过块匹配进行伪造定位。为了提高对一些常见的畸变(如几何变换)的鲁棒性，采用了各种技术来设计块特征，如离散余弦变换(DCT)、离散小波变换(DWT)、主成分分析(PCA)、奇异值分解(SVD)，以及其他技术。结果表明，密集域方法比基于关键点的方法更精确，但代价是复杂度更高。最近，Cozzolino等人提出了一种高效的密集域复制-移动伪造检测方法，其中通过采用PatchMatch算法(一种快速近似最近邻搜索方案)大大缩短了处理时间。不幸的是，现有的密集域方案都受到一些攻击，如缩放、旋转和噪声添加。这可以通过第六节的实验结果得到充分的验证。

…

现有基于关键点的复制-移动伪造检测方法的主要缺点可以总结如下:

1. 在小的或平滑的复制-移动区域内不能生成足够数量的关键点(即匹配对)，导致检测失败;
2. 很难(甚至不可能)找到一种适用于所有图像的通用的聚类/分割算法和相关参数。这是因为复制-移动区域可以是任何大小，并且可以从纹理高度多样化。此外，复制-移动区域的数量通常是未知的;在这种情况下，正确地执行聚类是困难的;
3. 现有的基于关键点的方法缺乏可靠的仿射矩阵验证和内层选取，即现有的单应性估计技术(如RANSAC)可以将一些离群点视为内层，从而造成较高的虚警率。

在本文中，提出了一种高效、准确的基于关键点的图像复制-移动伪造检测和定位方法，即使复制-移动伪造只涉及平滑或小区域，或伪造图像经过一些严重的攻击处理(如大尺寸调整和重噪声添加)，也能保持良好的性能。

图2给出了我们提出的图像伪造检测方案的框架，该方案遵循了经典的工作流程，即:1)特征提取;2)特征匹配;3)伪造定位。

主要贡献

• 在第一阶段，我们设计了一种简单而有效的方法，通过降低对比度阈值和缩放输入图像来提取足够数量的SIFT关键点，即使是在平滑的小区域。
• 在第二阶段，提出了一种新的分层点匹配策略，以解决大量关键点的关键点匹配问题。
• 在第三阶段，提出了一种新的迭代单应性估计和copymove定位技术，不涉及任何聚类和分割过程。通过充分利用各关键点的鲁棒性(包括主方向和尺度信息)和颜色信息，我们提出的方法在显著降低计算成本的情况下获得了非常准确的检测结果。大量的实验结果表明，与现有的基于密集场和基于关键点的方法相比，我们提出的方法在大多数情况下都能同时获得更高的真阳性率(TPR)和更低的假阳性率(FPR)。

这篇不想看了…