一种简单的数字图像复制粘贴（Copy—Move)检测

2022-08-17更新:开源代码见copy_move(包含原作者实现链接)

一、概述

最近看了A SIFT-Based Forensic Method for Copy–MoveAttack Detection and Transformation Recovery，并按文中的方法实现了一个简单版的图像复制粘贴（Copy—Move)检测，在此做个总结。

下面是个效果图：

二、检测步骤

1、提取SIFT关键点和特征描述子；

2、关键点匹配；

3、结果显示。

三、详细步骤

1、提取SIFT关键点和特征描述子

提取SIFT的关键点：

$$P=\left(p_1,p_2,p_3,...,p_n\right)$$

及其对应的特征描述子：

$$F=\left(f_1,f_2,f_3,...,f_n\right)$$

我参考的是SIFT原作者写的算法。

其对应的函数体为：

function [imageRGB, descriptors, keys] = sift(imageFile)
%%功能：读取一幅图像，并返回它的SIFT关键点信息
%  输入:
%     imageFile: 图片文件名
%
%  输出: 
%     imageRGB: 原始图像矩阵
%     descriptors: 一个kx128大小的矩阵; k是找到的关键点个数;每一行都为单位向量
%     keys:一个kx4大小的矩阵, 每行包括关键点的四个值 (行数，列数，关键点尺度半径，方向角)

另外，关于SIFT的其他东西也可参考SIFT特征提取分析。

2、关键点匹配

该步是本篇的核心部分（虽然很简单，呵呵）。主要根据各特征描述子之间的欧氏距离获取相互匹配的关节点。

a、计算描述子$f_1$与其它$（n-1）$个描述子之间的距离（一般为欧氏距离），最后得到:

$$D=\left(d_1,d_2,d_3,...,d_{(n-1)}\right)$$

b、将向量D按从小到大的顺序排列，之后得到：

$$D^{{}^{\prime }}=\left(d_1^{{}^{\prime }},d_2^{{}^{\prime }},d_3^{{}^{\prime }},...,d_{(n-1)}^{{}^{\prime }}\right)$$

如果：$d_1^{{}^{\prime }}/d_2^{{}^{\prime }}<T$，那么可以得到与描述子$f_1$匹配的关键点$p_j$（此时的$d_1^{{}^{\prime }}对$应描述子$f_1$与描述子$f_j$之间的距离），并将关键点$p_1$加入到点集$A$中，将关键点$p_j$加入到点集$B$中；

否则：进行步骤c。

c、对于描述子$f_2$~$f_n$，重复步骤a、b。

其对应的主要代码如下：

%循环找匹配点
    for i = 1 : size(des,1)
        %求行向量des(i,:) 与矩阵des中每一行向量的欧几里得距离
        distance_I_other = distanceVectorMatrix(des(i,:),des);
        %将算的结果按从小到大排序
       [vals,indx] = sort(distance_I_other);  
        %求匹配特征点
       if (vals(2) < threshold * vals(3))
          match(i) = indx(2);%如果特征点i与其它特征点的最近       距离和次最近距离的比值小于阈值threshold的话，
       else                         %就认为这个最近距离的特征点 indx(2)与特征点i匹配。
          match(i) = 0;         %这里舍去了indx(1)是因为该点代表特征点i自身
       end
    end

3、将点集$A$与点集$B$中对应的点用线连起来即可。

该步主要利用MATLAB中的函数”line“

其对应的主要代码如下：

    for i = 1: size(des,1)
      if (match(i) > 0)
          %line([起点横坐标，终点横坐标],[起点纵坐标，终点纵坐标],...)，
        line([loc(i,2) loc(match(i),2)], [loc(i,1) loc(match(i),1)], 'Color', 'c');
      end
    end

最后，再来两个实例测试一下：

说明：

1、除了步骤一中与SIFT相关的代码，其他所有都是本人原创，并且也做了个简单的界面；

2、对于上述文章的高级版本随后有时间再专门写一篇。