具有几何约束匹配的SIFT图像盲检测研究

张 露 林开司 张志宏

(铜陵职业技术学院， 安徽 铜陵 244000)

具有几何约束匹配的SIFT图像盲检测研究

张 露 林开司 张志宏

(铜陵职业技术学院， 安徽 铜陵 244000)

复制粘贴是常见的图像篡改手段之一。SIFT是常用的一种匹配算法，也是一种有效的图像复制粘贴篡改检测方法。该算法只采用欧式距离作为度量图像复制区域和粘贴区域特征点向量间的相似性，并未加入其他的匹配约束，由此会产生特征点的误匹配；因此，对得到的匹配点对采用方向一致性几何约束，剔除误匹配点对，提高匹配的正确率和算法后续几何评估中RANSAC算法的执行效率。最后，分别对缩放、旋转，以及在篡改图像中添加噪声等情况进行实验。实验证明改进算法对上述情况的性能提升明显。

篡改； 盲取证； 几何约束； 匹配

数字图像盲检测主要是指图像篡改检测中的被动检测，被动检测只根据图像本身进行检测判断，不需要事先在被检测图像中嵌入水印或其他的辅助数据。数字图像中最普通的一种伪造方式为复制粘贴篡改。其方法是将图像中某一部分复制后粘贴到图像中的另一区域，对粘贴区域的目标进行覆盖，达到制造图像中一些不存在的场景或掩盖某些重要目标的目的。

Lowe在1999年首次提出SIFT算法，并在2004年进行了完善[1]，该算法具有较强的特征点匹配能力，对旋转、缩放、平移、噪声以及仿射变换等都有较强的鲁棒性[2-3]。很多国内外的学者利用SIFT或其改进算法对检测图像进行特征点提取和匹配，以此来判断图像是否经过复制粘贴篡改，并找到篡改区域[4-6]。文献[7]提出了一种基于SIFT的特征提取，并采用被称为广义2NN测试(g2NN)特征点匹配，这种匹配方法不仅对篡改目标粘贴一次有效，还对多次粘贴有效。该文献通过特征点匹配找到一系列匹配点对，然后再通过聚类和几何变换评估操作，获得判断图像是否被篡改并确定篡改区域。由于在聚类和几何变换评估之前特征点匹配中会产生一些误匹配点。而在几何变换评估中要使用RANSAC算法求取复制和粘贴块之间的仿射变换矩阵H，再利用H将匹配的特征点分成局内点和局外点。而匹配点对数的多少对RANSAC算法的迭代时间有明显影响，同时匹配点对的准确性直接影响求解的变换模型的精度[8]。此次研究对得到的匹配点对利用方向一致性几何约束条件[9]减少误匹配点的对数，以此减少RANSAC算法的迭代时间，提高篡改检测的效率。

1 SIFT复制粘贴篡改检测算法

1.1 SIFT特征提取

首先用被检测图像与不同尺度空间因子的高斯核进行卷积，构建高斯金字塔，再用相邻尺度空间函数相减获得高斯差分(DOG)金字塔。在DOG尺度空间，将每一个像素点与同尺度的8个领域像素和上下相邻的18个邻域像素相比较，找出初步的极值点。然后对初步极值点做三维二次函数拟合，剔除不稳定极值点，并进一步利用主曲率剔除边缘响应点。以获得的每个特征点为中心，利用梯度方向直方图统计其领域像素的梯度方向，特征点主方向就是直方图峰值对应的方向。最后为保证旋转不变性，将特征点描述为128维向量，称为特征点描述子。

1.2 SIFT特征点匹配

若被检测图像有n个关键点，求每个关键点与其他n-1个特征点描述子之间的欧式距离，将求得的欧式距离按升序排列，用D={d1,d2,…,dn}表示。不断迭代计算didi+1，直到这个比值大于阈值t，如果在i=k时停止迭代，则{d1,d2,…,dk-1}(2≤k≤n)对应的2个关键点匹配。通过不断迭代所有特征点，最终可以获得一系列匹配点对。

1.3聚类和几何评估

根据上述获得的匹配点来确定可能的篡改区域，还需要对匹配点的坐标进行凝聚层次聚类操作。即将每个关键点先归为一类，根据某些相似性准则将最近的类合并，直到所有类合并成大类或达到某个终止条件为止。最终由各种差异性阈值来决定聚类数目，且这个阈值和类间的连接方法决定聚类的好坏。主要的连接方法有单链接、中心链接和word链接。

为判断复制块和粘贴块之间发生的几何关系，用RANSAC算法计算这2个块之间特征点坐标的仿射变换矩阵H，再用H将所有匹配特征点分成局内点和局外点，再做奇异值分解算出2个块之间的几何变换参数。

2 具有几何约束的改进算法

2.1改进算法流程

经过特征点提取和特征点匹配操作之后会产生一些误匹配点对，所以先对匹配点对进行方向一致性空间几何约束，剔除误匹配点对，降低误匹配率。错误匹配点的减少，则总的匹配点对数量将减少，最终将提高几何评估中RANSAC算法的效率，由此可以提高整个算法的执行效率。改进算法的流程图如图1所示。

图1 改进算法的流程

2.2匹配点对方向一致性约束

原算法中复制和粘贴区域用欧式距离度量两区域内特征向量间的相似性，由此造成许多错误的匹配，究其原因是并未考虑各特征向量之间的空间几何信息。对于复制粘贴的两个区域，如果不是正确的匹配点，则该区域的主运动方向和特征点运动方向具有一致性的概率非常小，即复制粘贴区域主运动方向和特征点运动方向一致。而SIFT算法具有很强的鲁棒性，大部分匹配点的运动方向大致相同，依据这一点，将偏离这个运动方向的匹配认定为误匹配点。匹配点对方向一致性约束的流程如图2所示。

图2 匹配点对方向一致性约束的流程

(1) 计算匹配点的方向差，设复制和粘贴块的特征点坐标分别为(x,y,1)T和(x′,y′,1)T，方向差计算公式为Δα=arctan(yx)-arctan(y′x′)。

(2) 将方向差移动到[0°,360°]区间内，其表达式为：

其中mod表示求余运算。

(3) 在[0°,360°]区间内建立Δα′直方图，直方图分36个区，每个区为10°，记录落入对应区内Δα′的个数，其个数为每个区幅值的大小。

(4) 去除误匹配点：最终的匹配点选择落入最大和次最大幅值区上对应的匹配点对，假设次最大和最大幅值区不相邻，则舍弃次最大幅值区上的匹配点对。

3 算法实验及分析

实验使用的计算机CPU主频为2.20 GHz，4 G内存，采用Win10系统，编程环境为添加了Open CV库的Visual Studio 2010和Matlab7.0。先采用Open CV计算图像的SIFT特征点向量，再由Matlab7.0环境进行特征点匹配，并判断图像是否被篡改。

实验分成4组，分别是粘贴复制目标，对复制目标旋转后粘贴，对复制目标放大后粘贴和对篡改图像添加噪声等。实验的4组图片大小都是800×600，在聚类连接中均采用word连接，实验结果如图3 — 图6所示。

图3 仅粘贴复制目标

图4 复制目标旋转后粘贴

图5 复制目标放大后粘贴

图6 图像篡改后添加噪声

序号原算法改进算法NoriPcor_ori∕%Tori∕sNimpPcor_imp∕%timp∕s图354804.4736893.89图456772.9234892.35图557753.8428873.05图641764.3733813.96

表2 原算法和改进算法性能比较

图7 原算法和改进算法匹配正确率比较

图8 原算法和改进算法耗时比较

从图3到图6可以看到，对匹配点对进行方向一致性约束后，图像中的误匹配点对大量减少。另外，由表2和图7可知，对图3 — 图5，性能改善都很明显，改进算法相较于原算法匹配点对正确率提高了10%左右，匹配点对的减幅在34%～51%，匹配点对的减少，直接带来的结果就是耗时减少。对于图6在篡改图像中添加噪声，性能提升较弱。

4 结 语

提出了一种基于SIFT算法的具有几何约束匹配的图像盲检测算法，具体是对由SIFT算法得到的匹配点进行g2NN匹配后形成匹配点对。但是匹配的结果是会出现很多误匹配点对，所以在进行后续聚类和几何匹配之前，对得到的匹配点对进行方向一致性几何约束，剔除误匹配点对，提高匹配正确率和几何评估中RANSAC算法的效率。最后通过实验分别对复制对象进行缩放、旋转后进行粘贴得到篡改图像，以及在篡改图像中添加噪声等进行实验。实验证明改进算法的匹配点对的正确率明显提高，所用时间明显减少，性能提升明显。

[1] DAVID G L. Distinctive Image Features From Scale-Invariant Key Points [J]. International Journal of Computer Vision (S0920-5691), 2004, 60(2): 20.

[2] 张官亮，邹焕新，秦先祥,等.基于改进SIFT特征和图转换匹配的图像匹配算法[J].计算机应用研究，2013，30(9):2861-2864.

[3] 李昆仑，孙硕.基于改进SIFT算法的图像复制粘贴篡改检测[J].计算机科学，2016，43(6)：179-183.

[4] CHIHAOUI T, BOUROUIS S, HAMROUNI K. Copy-move Image Forgery Detection Based on SIFT Descriptors and SVD-matching[C]∥2014 lst International Conference on Advance Technologies for Signal and Image Processing (ATSIP). IEEE, 2014:125-129.

[5] LIU Bo, PUN Chi-man. A SIFT and Local Features Based Integrated Method for Copy-move Attack Detection in Digital Image[C]∥2013 IEEE International Conference on Information and Automation(ICIA),2013:865-869.

[6] 徐亮，魏锐.基于SIFT的数字图像盲检测算法研究[J].电子设计工程，2013，21(12)：117-121.

[7] AMERINI I, BALLAN L, CALDELLI R, et al. A SIFT-based Forensic Method for Copy-move Attack Detection and Transformation Recovery [J]. IEEE Trans, Inf. Forensics Security, 2011,6(3): 1099-1109.

[8] 穆柯楠，惠飞，曹健明，等.一种基于几何约束的RANSAC改进算法[J].计算机工程与应用，2015，51(4):205-208.

[9] 白廷柱，侯喜报.基于SIFT算子的图像匹配算法研究[J].北京理工大学学报(自然科学版)，2013，33(6):622-627.

Abstract:Copy-paste is one of the common methods of image tampering. SIFT is a kind of common matching algorithm, and it is also an effective method for image copy-paste tampering detection. In this algorithm, the Euclidean distance is used as a measure of the similarity between the image copy region and the feature point vector of the paste region. There are no other matching constraints, which will result in the error matching of feature points. So direction consistency geometric constraint of the matching points is obtained. The false matching points are eliminated. The matching accuracy of the algorithm and the efficiency of RANSAC algorithm evaluation are improved. Finally, the scaling, rotation, and adding noise in the tampered images are tested. The experimental results show that the improved algorithm improves the performance of the above situations mentioned.

Keywords:tamper detection; blind forensic; geometric constraint; matching

BlindDetectionofSIFTImageswithGeometricConstraintMatching

ZHANG Lu LIN Kaisi ZHANG Zhihong

(Tongling Vocation and Technical College, Tongling Anhui 244000, China)

TP391.9

B

1673-1980(2017)05-0108-04

2017-04-13

安徽高等学校自然科学基金重点项目“数字图像盲取证技术研究与应用”(KJ2016A712)

张露(1983 — )，女，硕士，讲师，研究方向为数字图像处理。