[发明专利]图像伪造检测装置和方法

说明书

本发明提供一种图像伪造检测装置和方法，首先接收两个参数T和R，分别表示Low’s算法的阈值和匹配特征点对数占全部特征数的比例；对图像进行预处理，即将原图像转换为灰度图；计算该图像的尺度不变特征变换特征，包括特征点坐标信息和特征向量；紧接着对提取出的特征作特征匹配；然后根据一定的过滤策略对匹配好的特征点对进行过滤，统计符合过滤策略的匹配点对数量；最后判断匹配点对数量占特征点总数的比例是否大于等于参数R，若是，则认为该图像是伪造的，否则认为是非伪造的，对于认为是伪造的图像，在原图像上绘制匹配点对的连接线。该装置和方法可以主动地、批量地筛查学术期刊中复用、旋转、翻转、缩放等图像篡改行为。

技术领域

本发明涉及图像伪造检测技术领域，特别是涉及一种图像伪造检测装置和方法。

背景技术

随着社会进步和技术发展，照相机、手机等设备的使用越来越普遍，数字图像已经成为现实生活中随处可见且必不可少的一种多媒体资源。与此同时，图像编辑软件的盛行也导致人们越来越容易对图像进行篡改，并且随着技术的发展，这种篡改越来越不易察觉，数字图像的安全问题日益严重。图像伪造检测技术（Image Forgery Detection）能够通过计算机，运用一定的方法，实现对伪造图像的自动化检测。

图像伪造检测技术广泛应用于自然场景图上，可以对普通相机拍摄出的现实场景进行检测，也可以用于特殊事件，特别是人脸图像的伪造识别。但是，此类检测方法仅在自然场景图上可以保持良好的检测有效性。目前，国内外仍在推进图像伪造检测技术的研究，许多研究人员通过使用传统手动设计特征的方法或者深度学习方法对复制移动、拼接、修饰等多种造假方式进行检测，以提高检测的有效率。

在学术造假检测领域，采用图像伪造检测技术对学术图像进行自动化、批量化的有效检测，已成为学术成果例行筛查的一个重要环节。目前对这一方面的研究并不多，部分研究仅针对被放大篡改行为的检测，检测方式较为局限；也有一些研究在检测自然场景图的基础上，对学术图像进行检测。然而，对学术图像伪造检测的研究不是简单地运用现有方法进行检测，更重要的是，要分析学术图像和自然场景图的差异性，针对学术图像的特殊性，研究新的方法，提高检测有效率。此外，目前对于学术造假检测的技术主要集中在文字抄袭的检测上，学术图像的造假检测目前仍主要以人工筛查为主。针对学术图像篡改检测的这种现实需要，目前已有部分研究成功，一些解决方案是可行的，但是对于不同种类的学术图像，这些方法尚存在一定的局限性。一是可检测的伪造方式单一。通常，学术图像的造假方式包括复用、旋转、翻转、缩放等多种方式，需要尽可能地检测出不同造假方式，但目前的一些解决方法尚不能很好地支持这种需求。二是无法主动地、批量式地检测。对于大批量地论文期刊数据，能够支持主动地、批量地检测显得至关重要，这在目前已有的方法中解决得还不够理想。三是在生物医学领域常用的条带图往往存在“残影”，专业术语叫“拖尾”，这种图像特征会严重影响现有方法的检测效果。四是现有的特征提取匹配技术在学术图像检测上会生成很多无用匹配，严重影响最终的结果判断。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种图像伪造检测装置和方法，能够主动地、批量地筛查学术期刊中复用、旋转、翻转、缩放等图像篡改行为。

本发明采用如下的技术方案：

一种图像伪造检测装置，其特征在于，包括：

获取模块，接收两个参数，T为Lowe’s算法的阈值，R为匹配特征点对数占全部特征数的比例；

预处理模块，读取原图像，并将原图像转换为灰度图；

特征提取模块，计算图像的尺度不变特征变换特征（SIFT），得到特征点坐标信息和特征向量；对该图像的特征数进行判断；

特征匹配模块，遍历每一个特征，计算其与剩余特征之间的距离，取欧式距离最小和第二小的特征向量，距离分别记为d1和d2，根据Lowe’s算法，如果d1d2*T，则认为这两个特征高度相似，保留该特征的特征匹配点对，否则不保留；