已看一种用二进小波和SIFT方法克服持续攻击的copy-move

一种用二进小波和SIFT方法克服持续的copy-move篡在的数码世界里，数字图像的完整性和可信性是很重要的事情。同时，copy-move篡 提出一个独特而有盲目的检测copy-move篡改的方法。该方法使用二进小波变换（DyWT）并结合规模不变特征转换方法（SIFT。首先，我们用DyWT将一个给定的测试分解到LL，LH，HL，HH这四个子频带上。在四个子频带中频带LL频带中携带了大多数信息，我们将只在LL部分使用SIFT方法来提取主要特征，并且使用这些主特征来获取描述符向量，然后在不同的描述符向量中寻找相同点，最终做出该幅图像已经存在copy-move篡改的判断。 中我们做了基于(a).DyWT(b).DWT和SIFT(c).DyWT和SIFT这些方法的比较研究。因为DyWT具有移动不变性而离散小波变换（DWT）不具有，所以DyWT在分析数据时更加的精准。并且，实验显示，当使用DyWT和SIFT方法的时候我们可以提取的被用来匹配的关键点，因此能够检测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数字图像生成时，在源图像中嵌入一些数字信息,因此该方法有一定的范围限制数字水印使用机的数字签名是这类方法的一些例子但是不是所有常用的图像篡改的方法是-moe篡改在这种篡改中原始图像的一部分被粘-moe-moe篡改的例子。copy-move这是由于当我们从一幅图像中一个区域然后粘贴到同样的图像上时源相同所以他同部分存在的相同的特征。四张图像中都返回相似的SIFT特征的块将被标记为篡改区的相关工作。第三部分将全面的解释该方法，第四部分我们还做一些当前方法和2Copy-move篡改检测的主要目标是检测出不同的区域和他们的粘贴区域这不是一件简单是事情因为被的部分与原图像有几乎完全相同的特征并且这些部分可能存在。图像块的特征，然后这些DCT系数被像字典一样的排列用来寻找匹配块。这种方法之以用DCT是因为大多数的信号能量都包含 几个DCT系数中，大部分的其他系数都将析法（PCA）来代替DCT用来降低表示的维度。这个方法生成的特征数量是Fridrich的方法域通过尺度和旋转重取样时，这个方法是失效的。Li等人在【6】中讨论了降低整个计算负不同的子频带上。由于多数的信息都存在于低频带上，所以像LL这样的低频子带将被分割对数极值映射到一来获取向量表示。X.Kang等人在【8】中提出了一种基于SVD的简H.Huang等人在【9】中用SIFT算法来表示这些特征。SIFT算法在改变光照、旋转、尺度等操作时，具有不变性。Amerini等人在【10】中涉及到检测衣服图像是否被篡改尤其是使用copy-move篡改的图像。在这边 中一个新的用SIFT检测图像篡改的方法被提出。SIFT方方法我们也可以解决混合copy-move篡改检测。Huh d等人在【3】中提出了一种健壮的使用DyWT的copy-move篡改盲检测技术Al-Qershi等人【15中提供了数字图像copy-move篡改取证的技术发展水平。当前讨论的主要的问题是发展健壮的copy-move篡改检测。LeidaLi等人在【16】提出了一个应用本地二进制模式检测copy-move篡改图像。的有效方法。在这篇Birajdar等人在【17】中对的数字图像篡改检测总结了一个完整的，不仅讨论了目前已经可用的篡改检测技术而且对未来的研究提出了进一步的建议。Mahalakshmi能够检测图像已经被copy-move、区域、拼接等这些基础方法操作过的技术。3特征点匹配的SIFT特征我们所介绍的小波特征被用于相同的用途将转换到小波域copy-moveSIFT特征是一个图像被像旋转、尺度等几何变换甚至是被像增加噪音、JPEG压缩等操作处理过的情况之下仍然能够检测图像篡改因为我们的方法具有以为不变性所以无论区域是尺度、在的第二部分我们介绍了一些以前的使用离散小波变换（DWT）copy-move篡DWT有其自身的缺陷，例如它具有移动不变性、它并不是最佳的数据分析DWT的这些缺点，MallatZhong提出了二进小波【12DyWT也有移动（DyWTj=0开始，使I

I，用方程（1）和（2）j=1、2、3、……、Jcj1[n]

kkkk

k]

h[k]g[k]之间插入

从I开始，假设其在零尺度上，例如I0j=1,2,3，……，J上获取尺度和小波系数Ij和D用hj1[k]过滤Ij2展示的是DyWT的单层分解，3表现的是一个2-D的单层分解。2DyWTDyWTSIFT结合算

图3一张2-D的单层分和经过小波处理的边界图像然后执行一个搜索搜索出的不同部分存在的相同特征，SIFT4。用户输入的，算法推荐使用GRB图像，但是同样也可以被应用在灰度图像上。DyWTDWT中不存在LL子图上，即被认为是一张的近似。它相当于是粗级别系数的原始图像。LL子图将被SIFT一幅图像的尺度空间被定义为函数L(x,y,)，它是有多尺 和一个输入图像I(x,y)

Lowe等人在【14】中提出了使用尺度空间极值，就是在尺度空间中应用差分函数D(x,y,)来检测稳定的本地关键点。差分函数可以通过计算两个相邻尺度的不同得到，两个相邻尺度由一个恒定倍增系数k来区分。如4所示。

值每个像素点都要与其相邻的同尺度的8926个邻居中最大或者最的点，我们使用级数展开差分函数，最大的和最小的展开式要被计算出来，Hessian检波器，我们先计算出差分函数的Hessian矩阵，在Hessian矩阵中我们通过计算Hessian矩阵特征值的和与积来得到矩阵的迹和行列式。我们可以通过设置一个迹的4每个关键点方向被设定均基于本地属性即关键点通过设置方向来实现旋转不变

1,y)

1)/

16*1616*164*4的块，1284对于检测copy-move篡改，我们比较了我们算法DyWT结合SIFT方法和DWT结SIFTGhulamMuh 定的图像，接下来LL部分被分解成的块，最后使用得距离检测出块之间的相似法在面对尺度变换、旋转等各种时，不具有稳健性。DWTSIFT算法常被用于提取特征点的特征值，这种算法能够经受几何。接下来，使用DWT和SIFT相结合的技术测试一个给定的数据库。离散使用DWT使其分解到4个子频带上，低频子带上包含着大多数的信息，高频子带包含SIFT算法先提取特征，接着通过特征点匹配来确定DyWT更好的方法来捕捉结构信息。DyWTSIFT算法来提取特征。可能发生给定的两个区域有相同的特征值，这样我们就可以寻找特征聚类或是度变化、旋转、添加噪音或是这些相互结合。，为了证实我们算法算法应用在MICC-F220数据库上，该数据库里有未篡改的。下边的图5展示的是不同下篡改检测的结果。，接下来，根据以上结果在表1中比较我们方法和以前的方法图5（a）经篡改的测试（b）篡改检测被篡改图像（c）有尺度变化的篡改检测（d）有旋转的篡改检测（e）组合的篡改检测（f）添加了噪音的篡改检测表1本文方法和以前存在的方法的比 中测试了100张，这些是从网络资源中收集或来自不同格式的数据库。该仿真是在拥有4GBROM和i5处理器的计算机上的软件2010a上运行的。测试是获取后用软件AdobePhotoshop进行篡改的。该算法也在数据库MICC-F220中被测试和验证。先将测试图像使用DyWT进行计算，接着在DyWT的低频带部分使用SIFT算法来提取特征（测试图像中点的描述符向量，最后匹copy-move篡改。图6中的展示的是被提出算法的各种步骤，图6（a）中展示的图像是一个被篡改的图像，因为在图1中展示的原始图像只有3个火箭。我们使用算法在图6（a）的图748460.962806秒。6（a）被篡改的测试图像（b）DyWT作用于测试图像（c）DyWTLL或近似部分（d）DyWTSIFT图7描述的是DWT和SIFT方法的各种步骤，同时测试保持图6（a）中的篡改图像，