数字图像区域复制篡改检测关键技术分析

摘要： 本文针对数字图像盲取证技术中的区域复制篡改类型，介绍了区域复制篡改模型及检测方法，并对区域复制篡改检测技术中的特征向量选取和块匹配检测技术进行了分析，最后展望了区域篡改检测技术的发展方向。

Abstract: Copy-Move forgery is a specific type of image forgery. This paper describes the model and the detecting methods of Copy-Move forgery and analyses how to select eigenvectors and detect the similar blocks. In the end, this paper advances the development way of Copy-Move forgery detecting.

关键词： 区域复制；特征向量；块匹配

Key words: Copy-Move；Eigenvectors；Block-matching

中图分类号：TP39 文献标识码：A文章编号：1006-4311（2011）02-0186-02

0引言

区域复制（copy-move）是数字图像伪造技术中最常用的一种图像篡改方式，由于其篡改的区域往往是人们视觉感兴趣部分，是图像信息的主体，是人们对新闻的认可、案件的取证的根据，如果图像中重要的信息被篡改后，伪造的图片带来虚假的信息和证据，混淆了人们对事实的认识。甚至会欺骗公众，影响司法公证和社会安定。因此，对区域复制篡改操作的取证技术研究是非常重要的。

1区域复制移动篡改模型

区域复制篡改是把图像中的某一区域进行复制，粘贴到同一图像的不相交区域上以去除或增加图像中某一重要特征。复制区域分为二类：一类是纹理密集型区域，例如草地、植被等具有不规则模式的区域，该类型区域通常用于掩盖场景中的对象或人物；第二类是对象或人物区域，用于在图像场景中添加新的对象或人物。由于被复制的区域与粘贴区域来源于同一幅图像，它们有着一致的噪声、纹理、颜色等信息，且在做复制粘贴篡改的同时，造假者会对篡改的图像做滤波、加噪、有损压缩等操作，使得篡改区域与原图相融为一体，从而使得篡改后的图像更难被人辨别与检测。

根据分析，区域复制篡改模型可表达为式（1）：

g（x，y）=T[f（x，y）]+n（x，y） （1）

其中，f（x，y）代表图像I（x，y）中的源复制区域，T表示一种几何相似变换（包括平移、旋转、缩放以及任意组合等线性变换），n（x，y）表示随机噪声（如噪声污染、模糊虑波、有损压缩等），g（x，y）表示经过修饰处理后的篡改区域。噪声的产生是由于图像在区域复制篡改后的后续处理，这也使得区域复制篡改检测更加困难。

图像的区域复制篡改检测问题可以描述为：给定一幅图像，其中可能包含位置和数量未知的区域复制篡改区域，通过一定的算法来识别并定位其中的篡改区域。由于复制的区域来自同一幅图像，图像的噪声成分等统计特性和图像来源特性一致，所以采用统计特征和图像来源特性的改变进行检测可靠性不高。对同幅图像复制粘贴篡改操作取证的主要依据是检测图像中存在两个完全相同或者相似的区域。

2区域复制篡改检测关键技术

现有的检测算法在基于块匹配的前提下，待检测图像是大小为M×N的彩色图像，首先对图像进行预处理缩小图像尺寸，然后对图像从左至右从上至下以一个像素为移动距离，将图像划分成（M-B+1）×（N-B+1）个大小为B×B的图像块，并提取每一个图像块的特征向量组成表征图像的特征矩阵，接下来对该矩阵按行字典排序使得复制篡改区域成为相邻行，最后采用相似块检测算法确定篡改区域。具体的算法流程如图1所示。下文将针对特征向量的选取和相似块匹配技术进行分析。

2.1 特征向量的选取特征向量选取是整个方法的关键，因为通过提取图像块的特征值可获得图像块的一个唯一、稳定的特征描述。一方面可以极大的降低计算复杂度，另一方面，好的特征向量可以消除噪声、重压缩及各种篡改处理对检测效率的影响。现有文献的特征向量均为经量化后的变换系数，量化的目的是为了增强检测算法的稳健性。

Fridrich等在文献[1]中采用的块特征为经过JPEG标准矩阵量化后的DCT块变换的系数。Popescu等在文献[2]中采用量化后的像素值的PCA变换系数。吴琼等在文献[3]中利用图像块SVD分解得到块特征向量。Mahdian等在文献[4]中采用了对模糊操作稳健的矩特征。王睿在文献[5]中选取7个不变矩作为各图像块的特征向量。

在这些特征向量中，文献[4]中的特征向量维数过低不足以描述块之间的差别，故检测效果不佳。文献[5]采用的特征因为矩的计算量问题导致算法处理一幅512×512的图像需要40分钟左右，过大的计算量限制了它的应用。特征向量的选取需要遵循三个方面的要求：

①特征向量的维数必须足够大，使得特征向量所包含信息足以描述不相似小块之间的区别。

②为了保证字典排序后得到正确稳健的结果，低维的特征需要比高维的特征更加稳健，所以沿着字典排序的先后顺序，特征向量对小块的描述是“从粗到细”的。

③图像特征在图像经过缩小处理后仍具有稳健性。对于尺寸为M×N的图像，（M-B+1）×（N-B+1）×B2个浮点数值构成了它的局部特征。基于局部块特征的方法在储存局部块特征的时候需要较大的存储空间。随着相机传感器技术的发展，数码相机图片的分辨率越来越大。为了处理分辨率高的待检测图像，只能将图像缩小至能够处理的分辨率，因此，能在实际中应用的检测算法必须对图像缩小处理也是稳健的。

2.2 块匹配检测如何在一幅图像中寻找并定位出篡改区域也是区域复制检测算法中需要解决的另一关键问题。在获得原图的特征矩阵后，需要寻找图像中的相似块，图像篡改检测中的块匹配运算常采用特征向量字典式排序匹配的方法，这种匹配方法对于精确复制的篡改检测非常有效，但是由于篡改者往往对复制部分的边缘进行了润饰，另外在图像的传播过程中也可能会引入噪声从而使得匹配检测失败。所以，如何消除错误块对的影响及定位出篡改区域也是算法的另一关键。

常用的相似性块检测方法有：基于直方图统计的检测方法、基于像素统计的检测方法和基于像素差的检测方法。吴琼在文献[3]中以按行字典排序并配合图像块的偏移位置信息，进行图像复制伪造区域的检测和定位；康晓兵在文献[6]中采用余弦相关系数达到相似性匹配的效果；文献[5]采用Pearson相关系数检测方法；骆伟祺在文献[7]中采用的是“主转移向量”方法去除错误的相似块对得到篡改的区域。

3结束语

区域复制粘贴篡改利用了同一幅图像中有着相似的颜色、纹理、噪声等特性，使得篡改后的图像在视觉上很难被发觉，而且能十分简单地实现篡改，但是相对于其它一些更高级的篡改方法，其主要缺点为篡改后的图像的特征相对较明显。以后可以对以下两个方向进行研究：①篡改的区域很小（接近或小于图像的0．85％）；②篡改的区域经过旋转。

参考文献：

[1]Fridrich J, Soukal D, L ukás J. Detection of copy-move forgery in digital images [C ]. Proc. Digital Forensic Research Work-shop, Cleveland, OH, August 2003.

[2]Popescu A , Farid H. Exposing digital forgeries by detecting duplicated image regions[R ]. Computer Science, Dartmouth College, Tech. Rep. TR2004-515, 2004.

[3]吴琼，李国辉，孙韶杰等.基于小波和奇异值分解的图像复制伪造区域检测[J].小型微型计算机系统，2008，29（4）：730-733.

[4]Mahdian B，Saic S. Detection of copy-move forgery using a method based on blur moment invariants[J].Forensic Science International, 2007,171:180-189.

[5]王睿，方勇.基于不变矩的Copy-Move型篡改图像盲检测方法[J].中国图像图形学报，2008，13（13）：1938-1941.

[6]康晓兵，魏生民．傅里叶-梅林变换的图像复制篡改检测哦[J]．计算机工程与应用，2008，（35）：30-33．

[7]骆伟祺，黄继武，丘国平.鲁棒的区域复制图像篡改检测技术[J].计算机学报，2007，30（11）：1998-2007.