已看一種用二進小波和SIFT方法克服持續(xù)攻擊的copy-move

一種用二進小波和SIFT方法克服持續(xù)的copy-move篡在的數(shù)碼世界里，數(shù)字圖像的完整性和可信性是很重要的事情。同時，copy-move篡 提出一個獨特而有盲目的檢測copy-move篡改的方法。該方法使用二進小波變換（DyWT）并結(jié)合規(guī)模不變特征轉(zhuǎn)換方法（SIFT。首先，我們用DyWT將一個給定的測試分解到LL，LH，HL，HH這四個子頻帶上。在四個子頻帶中頻帶LL頻帶中攜帶了大多數(shù)信息，我們將只在LL部分使用SIFT方法來提取主要特征，并且使用這些主特征來獲取描述符向量，然后在不同的描述符向量中尋找相同點，最終做出該幅圖像已經(jīng)存在copy-move篡改的判斷。 中我們做了基于(a).DyWT(b).DWT和SIFT(c).DyWT和SIFT這些方法的比較研究。因為DyWT具有移動不變性而離散小波變換（DWT）不具有，所以DyWT在分析數(shù)據(jù)時更加的精準(zhǔn)。并且，實驗顯示，當(dāng)使用DyWT和SIFT方法的時候我們可以提取的被用來匹配的關(guān)鍵點，因此能夠檢測copy-move篡改更加的高效。1\非盲和非侵入\法又被叫做非盲方法是指在數(shù)字圖像生成時，在源圖像中嵌入一些數(shù)字信息,因此該方法有一定的范圍限制數(shù)字水印使用機的數(shù)字簽名是這類方法的一些例子但是不是所有常用的圖像篡改的方法是-moe篡改在這種篡改中原始圖像的一部分被粘-moe-moe篡改的例子。copy-move這是由于當(dāng)我們從一幅圖像中一個區(qū)域然后粘貼到同樣的圖像上時源相同所以他同部分存在的相同的特征。四張圖像中都返回相似的SIFT特征的塊將被標(biāo)記為篡改區(qū)的相關(guān)工作。第三部分將全面的解釋該方法，第四部分我們還做一些當(dāng)前方法和2Copy-move篡改檢測的主要目標(biāo)是檢測出不同的區(qū)域和他們的粘貼區(qū)域這不是一件簡單是事情因為被的部分與原圖像有幾乎完全相同的特征并且這些部分可能存在。圖像塊的特征，然后這些DCT系數(shù)被像字典一樣的排列用來尋找匹配塊。這種方法之以用DCT是因為大多數(shù)的信號能量都包含 幾個DCT系數(shù)中，大部分的其他系數(shù)都將析法（PCA）來代替DCT用來降低表示的維度。這個方法生成的特征數(shù)量是Fridrich的方法域通過尺度和旋轉(zhuǎn)重取樣時，這個方法是失效的。Li等人在【6】中討論了降低整個計算負(fù)不同的子頻帶上。由于多數(shù)的信息都存在于低頻帶上，所以像LL這樣的低頻子帶將被分割對數(shù)極值映射到一來獲取向量表示。X.Kang等人在【8】中提出了一種基于SVD的簡H.Huang等人在【9】中用SIFT算法來表示這些特征。SIFT算法在改變光照、旋轉(zhuǎn)、尺度等操作時，具有不變性。Amerini等人在【10】中涉及到檢測衣服圖像是否被篡改尤其是使用copy-move篡改的圖像。在這邊 中一個新的用SIFT檢測圖像篡改的方法被提出。SIFT方方法我們也可以解決混合copy-move篡改檢測。Huh d等人在【3】中提出了一種健壯的使用DyWT的copy-move篡改盲檢測技術(shù)Al-Qershi等人【15中提供了數(shù)字圖像copy-move篡改取證的技術(shù)發(fā)展水平。當(dāng)前討論的主要的問題是發(fā)展健壯的copy-move篡改檢測。LeidaLi等人在【16】提出了一個應(yīng)用本地二進制模式檢測copy-move篡改圖像。的有效方法。在這篇Birajdar等人在【17】中對的數(shù)字圖像篡改檢測總結(jié)了一個完整的，不僅討論了目前已經(jīng)可用的篡改檢測技術(shù)而且對未來的研究提出了進一步的建議。Mahalakshmi能夠檢測圖像已經(jīng)被copy-move、區(qū)域、拼接等這些基礎(chǔ)方法操作過的技術(shù)。3特征點匹配的SIFT特征我們所介紹的小波特征被用于相同的用途將轉(zhuǎn)換到小波域copy-moveSIFT特征是一個圖像被像旋轉(zhuǎn)、尺度等幾何變換甚至是被像增加噪音、JPEG壓縮等操作處理過的情況之下仍然能夠檢測圖像篡改因為我們的方法具有以為不變性所以無論區(qū)域是尺度、在的第二部分我們介紹了一些以前的使用離散小波變換（DWT）copy-move篡DWT有其自身的缺陷，例如它具有移動不變性、它并不是最佳的數(shù)據(jù)分析DWT的這些缺點，MallatZhong提出了二進小波【12DyWT也有移動（DyWTj=0開始，使I

I，用方程（1）和（2）j=1、2、3、……、Jcj1[n]

kkkk

k]

h[k]g[k]之間插入

從I開始，假設(shè)其在零尺度上，例如I0j=1,2,3，……，J上獲取尺度和小波系數(shù)Ij和D用hj1[k]過濾Ij2展示的是DyWT的單層分解，3表現(xiàn)的是一個2-D的單層分解。2DyWTDyWTSIFT結(jié)合算

圖3一張2-D的單層分和經(jīng)過小波處理的邊界圖像然后執(zhí)行一個搜索搜索出的不同部分存在的相同特征，SIFT4。用戶輸入的，算法推薦使用GRB圖像，但是同樣也可以被應(yīng)用在灰度圖像上。DyWTDWT中不存在LL子圖上，即被認(rèn)為是一張的近似。它相當(dāng)于是粗級別系數(shù)的原始圖像。LL子圖將被SIFT一幅圖像的尺度空間被定義為函數(shù)L(x,y,)，它是有多尺 和一個輸入圖像I(x,y)

Lowe等人在【14】中提出了使用尺度空間極值，就是在尺度空間中應(yīng)用差分函數(shù)D(x,y,)來檢測穩(wěn)定的本地關(guān)鍵點。差分函數(shù)可以通過計算兩個相鄰尺度的不同得到，兩個相鄰尺度由一個恒定倍增系數(shù)k來區(qū)分。如4所示。

值每個像素點都要與其相鄰的同尺度的8926個鄰居中最大或者最的點，我們使用級數(shù)展開差分函數(shù)，最大的和最小的展開式要被計算出來，Hessian檢波器，我們先計算出差分函數(shù)的Hessian矩陣，在Hessian矩陣中我們通過計算Hessian矩陣特征值的和與積來得到矩陣的跡和行列式。我們可以通過設(shè)置一個跡的4每個關(guān)鍵點方向被設(shè)定均基于本地屬性即關(guān)鍵點通過設(shè)置方向來實現(xiàn)旋轉(zhuǎn)不變

1,y)

1)/

16*1616*164*4的塊，1284對于檢測copy-move篡改，我們比較了我們算法DyWT結(jié)合SIFT方法和DWT結(jié)SIFTGhulamMuh 定的圖像，接下來LL部分被分解成的塊，最后使用得距離檢測出塊之間的相似法在面對尺度變換、旋轉(zhuǎn)等各種時，不具有穩(wěn)健性。DWTSIFT算法常被用于提取特征點的特征值，這種算法能夠經(jīng)受幾何。接下來，使用DWT和SIFT相結(jié)合的技術(shù)測試一個給定的數(shù)據(jù)庫。離散使用DWT使其分解到4個子頻帶上，低頻子帶上包含著大多數(shù)的信息，高頻子帶包含SIFT算法先提取特征，接著通過特征點匹配來確定DyWT更好的方法來捕捉結(jié)構(gòu)信息。DyWTSIFT算法來提取特征。可能發(fā)生給定的兩個區(qū)域有相同的特征值，這樣我們就可以尋找特征聚類或是度變化、旋轉(zhuǎn)、添加噪音或是這些相互結(jié)合。，為了證實我們算法算法應(yīng)用在MICC-F220數(shù)據(jù)庫上，該數(shù)據(jù)庫里有未篡改的。下邊的圖5展示的是不同下篡改檢測的結(jié)果。，接下來，根據(jù)以上結(jié)果在表1中比較我們方法和以前的方法圖5（a）經(jīng)篡改的測試（b）篡改檢測被篡改圖像（c）有尺度變化的篡改檢測（d）有旋轉(zhuǎn)的篡改檢測（e）組合的篡改檢測（f）添加了噪音的篡改檢測表1本文方法和以前存在的方法的比 中測試了100張，這些是從網(wǎng)絡(luò)資源中收集或來自不同格式的數(shù)據(jù)庫。該仿真是在擁有4GBROM和i5處理器的計算機上的軟件2010a上運行的。測試是獲取后用軟件AdobePhotoshop進行篡改的。該算法也在數(shù)據(jù)庫MICC-F220中被測試和驗證。先將測試圖像使用DyWT進行計算，接著在DyWT的低頻帶部分使用SIFT算法來提取特征（測試圖像中點的描述符向量，最后匹copy-move篡改。圖6中的展示的是被提出算法的各種步驟，圖6（a）中展示的圖像是一個被篡改的圖像，因為在圖1中展示的原始圖像只有3個火箭。我們使用算法在圖6（a）的圖748460.962806秒。6（a）被篡改的測試圖像（b）DyWT作用于測試圖像（c）DyWTLL或近似部分（d）DyWTSIFT圖7描述的是DWT和SIFT方法的各種步驟，同時測試保持圖6（a）中的篡改圖像，