李 策, 李 兰, 靳山岗, 高伟哲, 许大有

(兰州理工大学 电气工程与信息工程学院,甘肃 兰州 730050)

随着图像技术的不断发展，Photoshop、GNU图像处理程序和美图等图像编辑软件在日常生活中随处可见.非专业人员也可以伪造出逼真的图像，在新闻传播时会混淆大众视野，在科学研究时会出现学术造假的行为，甚至在司法取证时会让不法分子侥幸隐瞒，严重威胁了社会的公正公平[1].因此，图像盲取证已成为计算机视觉领域中的重要任务之一[2].

图像盲取证是通过检测篡改和其他区域的差异性来定位篡改区域的技术.Copy-move是一种常见的图像篡改类型，具体为复制一幅图像的某一部分，再将其粘贴到同幅图像的另一区域，所以篡改区域与其他区域的光照和颜色饱和度信息基本一致.为了消除篡改痕迹，一般会伴随缩放和旋转等前处理，以及模糊处理和添加噪声等后处理，都为Copy-move盲取证带来了极大的挑战性.

传统的Copy-move盲取证主要有基于图像分块和图像特征点两种模式.在基于图像分块的方法中，Ryu等[3]提取Zernike 矩的图像块特征，仅适合具体的旋转操作.Cozzolino等[4]采用密集场方法定位篡改区域，但是随着图像尺寸的增大会提升特征匹配的时间.朱叶等[5]使用了彩色LBP(local binary patterns)的隐蔽性进行Copy-move盲取证.而在基于图像特征点的方法中，Christlen等[6]通过提取SIFT(scale invariant feature transform)获取特征向量，但时间和空间复杂度较高.Pun等[7]结合了图像分块和特征点，使用DWT(discrete wavelet transform)和SIFT的方法定位篡改区域.

近年来，深度学习在图像取证领……