基于OpponentSIFT的图像复制粘贴篡改取证算法

巩家昌 汪子航 杨洪臣

（中国刑事警察学院声像资料检验技术系 辽宁 沈阳 110035）

1 引言

在数字图像篡改中，可通过复制图像中的部分区域并粘贴至其他区域，以达到掩盖或增添某些信息的目的。同时，为了增加伪造图像的真实性或增加篡改取证的难度，复制和粘贴篡改通常伴随一些后处理，如几何变换和亮度变换。近年来，已经提出了许多用于检测复制粘贴篡改的取证算法。

文献[1] 提出了一种基于统计直方图与代数运算的图像复制粘贴篡改检测方法。文献[2] 使用量化离散余弦变换来提取图像重叠块特征，并通过查找具有相似特征值的块来执行字典排序以识别篡改区域。为了减小特征尺寸，文献[3] 使用离散小波变换来分解图像，并提取图像的低频部分的块特征以进行匹配。文献[4] 中使用了SIFT[5] 算法来提取局部图像特征进行关键点匹配。文献[6] 对匹配的SIFT特征进行几何变换估计，以更准确地识别复制和粘贴区域。文献[7] 提出使用SURF（加速鲁棒特征）[8]来提取关键特征，以检测图像是否被复制和粘贴篡改。

针对复制粘贴篡改操作，目前主流算法大致可分为分块类和关键点类。在伴随多种后处理篡改操作的情况下，基于块特征的算法不够稳健，同时由于遍历图像进行块特征的提取和匹配，造成了较高的运算复杂度。基于关键点的算法对于多种后处理操作更加鲁棒，并且与基于分块的算法相比，其计算复杂度减少了数十倍甚至数百倍。然而，当篡改区域较为平滑时，复制区域和粘贴区域所含纹理信息较少，基于关键点的算法便难以提取有效关键点。

值得注意的是，现有的基于关键点的篡改检测算法需要将彩色图像转换为灰度图像，使用图像的灰度信息来提取特征。文献[9] 在对立颜色空间中提取颜色不变特征用于物体和场景的识别，该特征描述子结合了颜色和几何特性。本文综合运用图像的纹理和颜色信息，提出一种基于OpponentSIFT的取证算法，以解决关键点算法无法有效识别平滑区域的问题。

2 对立颜色空间

朗伯反射定义了漫反射面的属性，可作为提取图像彩色信息的模型。对于图像，朗伯反射定义为：

由此该模型便对漫射光产生了不变性。

由式（1）的反射模型可以得到未知光源到参考光源下颜色映射的对角矩阵：

对式(4)进行了扩展，通过增加一个偏移矩阵使其包含漫射光：

3 算法描述

在复制粘贴篡改图像中，复制区域经过几何变换等操作后被移至粘贴区域，复制粘贴的对应区域间仍存在许多相似特征。因此可对待检测图像进行关键点特征提取，若存在符合一定数量匹配关键点，则可判定对应区域存在复制粘贴篡改。本文算法的主要步骤可以分为：提取OpponentSIFT关键点并生成特征描述子、匹配特征及优化特征匹配结果，如图1所示。

图1 情报工作流程阶段

随后，对复制粘贴区域可能存在仿射变换进行估计。使两个关键点坐标分别为和，式（16）和式（17）给出了匹配关键点间关联形式：

将式（17）进行变换：

4 实验结果及分析

本文使用召回率Recall，精确率Precision和值作为评估算法性能的指标。Recall表示一副篡改图像被正确检测的概率，Precision表示检测为篡改的图像是篡改图像的概率，表达式为：

其中，TP表示检测为篡改的图像中真正是篡改图像的数量，FP表示检测为篡改的图像中的真实图像的数量，FN表示检测为真实的图像中篡改图像的数量。

使用文献[10] 中的图像库进行算法测试以确定阈值，当阈值为时，算法给出了的最佳的综合性能。

对图2（a） 进行没有任何后处理的复制粘贴篡改得到图2（b）。使用现有的3种基于关键点的复制粘贴篡改检测算法和本文算法对图2（b）进行检测，4种算法的检测结果如图2（c）-（f）所示。文献[4] 和[6] [7] 的算法无法提取出有效的匹配关键点特征进行识别篡改区域，同时文献[4] 和[7] 的算法还存在误匹配的关键点，而文献[6] 的算法对匹配关键点进行了优化，去除了误匹配。相比之下，本文提出的算法则准确的识别出了复制粘贴篡改区域，而且去除了误匹配的关键点。

图3所示为OpponentSIFT取证算法对伴随退化操作的篡改图像的检测结果。由检测结果可知，在对图像进行了JPEG压缩（Q=80）或添加加性高斯噪声（SNR=40 dB）后，本文算法能够很好的识别篡改区域。图4所示为算法对伴随了旋转、缩放、高斯模糊或亮度调整的篡改图像的检测结果。实验结果表明基于OpponentSIFT的取证算法对这几种变换操作均具有较好的鲁棒性。

在公安检验鉴定工作中，对送检图像往往没有任何先验知识。所以，对算法进行评估时要充分考虑篡改区域的纹理和颜色信息。本文基于Kodak 24幅全彩无失真图像[11]创建了1008幅图像的图像库。具体操作如下：

（1）无后处理：复制某区域并粘贴至其他区域；

（2）JPEG 压缩：对无后处理的篡改图像进行JPEG 压缩处理，压缩质量因子为

图2 文献[4] [6] [7] 和本文算法的检测结果

图3 JPEG压缩及加噪下的检测结果

由此可得到600（24+24×4×6）幅复制粘贴篡改图像。按照相同的变换因子对24幅原始图像分别进行JPEG 压缩，加噪，调整亮度及高斯模糊操作，可得到408（24+24×4×4）幅没有经过复制粘贴篡改的真实图像。

图4 后处理操作的篡改图像(左)及检测结果(右)

使用图像库对算法性能进行评估，算法对各种后处理操作的鲁棒性如表所示。由评估结果可知，OpponentSIFT 算法能够有效的抵抗多种后处理操作。对于JPEG有损压缩操作，算法保持较高的精确率。当压缩质量因子较小时，算法能够很好地识别篡改区域。随着压缩质量因子的减小，待检测图像损失的信息逐渐增多，此时图像像素邻域值发生了较大变化，改变了图像颜色信息分布，这就导致算法对高压缩的篡改图像表现出了相对较低的召回率。当篡改区域经过较大模糊半径的高斯模糊后，算法仍保持较高的召回率和精确率。同时算法对旋转、缩放、亮度变化和高斯噪声都具有较好的鲁棒性。

表 算法对各种篡改操作的召回率，精确率和F1值(%)

5 结论

本文提出了一种基于对立颜色空间的复制粘贴篡改检测算法，该算法在对立颜色空间使用SIFT提取OpponentSIFT颜色描述子。该算法能够有效的解决现有篡改检测算法的不足：①基于分块的算法对多种后处理操作的鲁棒性较差；②基于关键点的算法在纹理信息较少时无法提取有效关键点。实验表明，本文算法能有效抵抗常见篡改后处理操作，同时在篡改区域纹理信息较少且经过多种后处理操作的情况下，也能够提取有效的关键点进而识别篡改区域。如何降低特征描述子的维数将作为下一步研究的主要内容。