基于SURF的航行數據記錄儀圖像真實性鑒別

，，

(海軍大連艦艇學院 a.航海系； b.軍事海洋系，遼寧 大連 116018)

基于SURF的航行數據記錄儀圖像真實性鑒別

胡美棟a，王孝通a，徐冠雷b

(海軍大連艦艇學院 a.航海系； b.軍事海洋系，遼寧 大連 116018)

針對使用復制-粘貼篡改手段，掩蓋VDR圖像中海上事故真相的問題，提出基于SURF特征提取算法的VDR圖像盲取證方法。采用快速Hessian矩陣提取SURF特征點，把匹配的特征點用線連接起來，從而檢測出篡改區域。與已有算法進行對比表明，該算法具有較好的檢測效果，且對高斯模糊、乘法噪聲和重壓縮等操作具有較強的魯棒性。

航行數據記錄儀；復制粘貼篡改；圖像盲取證；海上事故調查

隨著船舶制造科技的高速發展，海上交通日益繁忙，更多的海上交通事故也隨之而來。通常，海上事故調查以《航海日志》《輪機日志》《車鐘記錄簿》等具有法律效益的實時記錄信息為海上事故調查的重要依據。然而，歷史上卻曾多次發生因篡改此類信息而影響判罰的事件。盡管現在大多數船舶安裝了能夠實時記錄船舶各類信息的船載航行數據記錄儀(Voyage Data Recorder,VDR)，實時存儲船艙內外多處場景的圖像信息。但日趨成熟的圖像處理技術，可以輕易對VDR圖像數據進行篡改，且用肉眼無法辨別圖像真偽。為此,考慮建立VDR圖像復制-粘貼篡改模型,采用SUBF算法檢測篡改區域。

1 VDR圖像復制-粘貼篡改模型

目前，復制-粘貼是廣泛使用的篡改手段之一。通過復制圖像中已有的某個區域R1，然后粘貼到圖像中的目標區域R2，以覆蓋原圖中的某些重要目標或編造出不存在的場景。同時，為了使篡改圖像更加真實且難以鑒別，篡改者往往會增加一些旋轉、縮放等幾何操作。其篡改模型見圖1。

圖1 復制-粘貼篡改模型

對于這種篡改，進行如下假設。

1)被復制的區域R1是圖像內部的1個連通區域。

2)圖像中只存在一對復制-粘貼區域，且2塊區域無重合部分。

3)被復制區域R1不宜太小，至少要大于原始圖像尺寸的1%。

4)R2可以由R1經旋轉、縮放單一變換或復合變換得到。

給出一個VDR圖像復制-粘貼篡改實例見圖2。

圖2 VDR圖像篡改實例

圖2a)是艦船左舷甲板處拍攝的一幅原始VDR圖像，復制圖a)中部的白色船只，將其縮放0.8倍后粘貼于圖像右側中部，再經過一定的形態學操作就得到篡改圖像圖2b)。篡改后的圖像非常逼真，難以通過肉眼辨別圖像的真偽。

2 基于SURF的VDR圖像盲取證算法

復制-粘貼盲取證是圖像盲取證領域的一個重要分支，隨著SIFT算法和其改進算法SURF的廣泛應用，圖像盲取證又進入一個新的研究階段[4,5]。在SURF算法基礎上，通過檢測VDR圖像中互相匹配的特征點[6,7]實現鑒別真偽。

2.1 SURF特征點檢測

2.1.1 積分圖像

對于給定的輸入圖像I，像素點的積分圖像是以圖像原點和像素點為頂點的矩形區域內所有像素點的像素值之和，定義為

(1)

式中：I(x,y)為圖像I中像素點(x,y)對應的像素值;I∑為圖像I的積分圖像。

得到積分圖像后，計算任意矩形區域的像素值之和。如圖3所示，由頂點A、B、C、D確定的矩形區域，所有點的像素值之和用下式求得。

∑=I∑(A)+I∑(C)+I∑(B)+I∑(D)(2)

圖3 積分圖像示意

2.1.2 快速Hessian矩陣

若P(x,y)表示圖像中的任一點，則Hessian矩陣H(P,σ)可定義為P與尺度σ的函數：

(3)

為了提高運算速度，在實際應用中通常使用快速Hessian矩陣進行近似計算，其行列式如下。

Det(Happrox)=DxxDyy-(ωDxy)2

(4)

2.2 生成特征點描述子

SURF算法用特征點鄰域范圍內的灰度統計信息作為特征點描述子，即特征向量[8]。這里采用64維的特征向量。

首先選定特征點的主方向，確定一個以特征點為中心，大小為20S×20S(S為尺度)的正方形區域，并將其平均分為4個子區域。對每個子區域選取5×5個采樣點，計算每個子區域對應的Haar小波響應，將Haar小波X方向的響應記為dx，Y方向的響應記為dy。然后將每個子區域再均勻細分成4個次子區域，對每個次子區域統計Haar小波響應在X和Y方向上的和以及絕對值之和。統計的過程中，仍用以特征點為中心的高斯函數進行加權。這樣，每個次子區域有一個4維的描述子Vsub=(∑dx,∑dy,∑d|x|,∑d|y|)，整個區域就有4×4×4=64維的特征向量。再進行歸一化處理，形成特征點的描述子。

2.3 特征點匹配

對提取的特征向量進行SURF特征點匹配，找到與樣本特征點特征最相似的特征點，即最近鄰特征點。匹配過程一般采用歐氏距離(Euclidean distance)作為相似性度量[9]，其計算式如下。

(5)

采用歐氏距離進行相似性度量時，閾值越大，得到的匹配特征點越多，但錯配點占比相應越高；反之，閾值越小，錯配點占比相應越低，但可能損失部分正確匹配點[10]。在保證匹配結果正確性的前提下，較少的匹配特征點不僅可以減少錯配點占比，還可以減少計算量。通過多次實驗，設定2組向量相似性判斷閾值T=0.25。

由于本實驗環境中特征點數目不是特別多，因此在實現特征點匹配過程中采用的算法是逐一比較法，以準確有效地找到所有的最近鄰特征點，具體步驟如下。

1)對提取出的SURF特征點進行兩兩比較，選出與樣本特征點歐氏距離最小的特征點；

2)設定適當的閾值T，排除匹配性不高的對，得到初始匹配特征點對；

3)將匹配特征點的位置坐標分別放在和中。

2.4 算法流程

提出基于SURF的VDR圖像復制粘貼篡改檢測算法，流程見圖4。

圖4 檢測算法流程

具體的檢測步驟描述如下。

Step1：讀取待檢測圖像I，設圖像大小為M×N，將RGB圖像轉換到HSI色彩空間；

Step2：采用SURF算法提取出待檢測圖像的特征點，并生成特征點描述子；

Step3：將所有生成的特征點描述子組成一個特征矩陣G；

Step4：運用逐一比較法計算出特征矩陣G中所有特征點的最近鄰特征點；

Step5：把所有最近鄰特征點對的歐式距離與門限閾值T進行比較，如果小于閾值T，則接受這一對匹配點，否則拋棄；

Step6：把所有符合約束條件的匹配點用線連接起來；

Step7：得到檢測結果圖像。

3 實驗結果及分析

實驗用Matlab對算法進行仿真，仿真環境操作系統為：Microsoft Windows8.1，硬件環境為：Intel(R) Core(TM),2.30 GHz,2.00 GB。

為了說明本文算法的魯棒性，進行3組對比實驗。首先對上文的篡改圖像圖2b)進行后期處理，包括添加高斯模糊，添加乘法噪聲和圖像重壓縮。

3.1 抗高斯模糊檢測

分別對圖2b)添加數值為1和5的高斯模糊，用文獻[4]和[5]以及本文算法進行測試，結果見圖5、6，統計結果見表1。

圖5 添加半徑為1高斯模糊

圖6 添加半徑為5高斯模糊

添加高斯模糊的半徑檢測內容文獻[4]文獻[5]本文1總匹配對數4118誤匹配所占比/%018.105總匹配對數113誤匹配所占比/%000

對比圖5、6和表1可看出，在對篡改圖加模糊處理后，一定程度上干擾了算法對復制-粘貼篡改檢測能力。文獻[5]和本文方法在添加半徑為1的高斯模糊后，能檢測出一定數量的篡改區域，但隨著高斯模糊的加強，檢測能力減弱。在添加高斯噪聲后，隨著匹配數量的減少，文獻[4]和本文方法的誤匹配率均降為0，而文獻[5]方法在添加半徑為5的高斯噪聲后，誤匹配率也降為0。整體來看，本文算法在抗高斯模糊方面要優于前2種算法。

3.2 抗乘法噪聲檢測

分別對圖2b)添加噪聲密度為0.05和0.20的乘法噪聲，用文獻[4]和文獻[5]以及本文算法進行測試，結果見圖7和圖8，統計結果見表2。

圖7 加密度為0.05的乘法噪聲

圖8 加密度為0.2的乘法噪聲

添加乘法噪聲的密度檢測內容文獻[4]文獻[5]本文0.05總匹配對數6119誤匹配所占比/%16.718.111.10.20總匹配對數265誤匹配所占比/%016.70

對比圖7、8和表2可看出，在對篡改圖添加乘法噪聲后，3種算法的復制-粘貼鑒別能力都受到了相應的沖擊，總匹配對數都有所下降。在添加密度為0.05的乘法噪聲后，3種算法都具有一定檢測匹配能力，但也都存在誤匹配現象。在將乘法噪聲的密度提升到0.2時，3種算法的匹配能力受到了很大限制，但本文依然能在保持較低誤匹配率的情況下檢測出部分區域。

3.3 抗重壓縮檢測

分別對圖2b)進行質量因子為30%和70%的JPEG重壓縮，用文獻[4]和文獻[5]以及本文算法進行測試，結果見圖9、10，統計結果見表3。

圖9 質量因子為30%的重壓縮

圖10 質量因子為70%的重壓縮

重壓縮的質量因子檢測內容文獻[4]文獻[5]本文30%總匹配對數234誤匹配所占比/%00070%總匹配對數5118誤匹配所占比/%2018.112.5

對比圖9、10和表3可以看出，低質量的重壓縮后，明顯對3種方法的檢測能力有很大的影響。文獻[4]和文獻[5]算法均出現了多個無關匹配點，且未匹配成功；本文算法也出現了個別無關的匹配點，但相對較少。在這種情況下，3種方法均在一定程度上檢測出極少部分的篡改區域，但誤匹配也降為0。將質量因子提高后，本文算法檢測結果有所好轉，篡改檢測能力略好于其他2種算法效果。

4 結論

提出VDR圖像復制-粘貼篡改模型，采用SURF算法準確檢測出篡改區域，完成對VDR圖像真實性的鑒別。與已有圖像盲取證方法相比，本文方法可以對圖像邊緣特征準確定位，檢測成功率高，誤匹配率低，魯棒性強。

但本方法也存在一定的局限性，只能檢測一對復制-粘貼區域的篡改，對存在多對復制-粘貼區域的篡改圖像則不適用。為此，后期將對算法進行優化，擴大算法的適用范圍。同時，研究對象還將從同幅圖像復制-粘貼篡改擴展到多幅圖像拼接篡改，以應對多種不同手段的VDR圖像篡改，實現多來源的VDR圖像盲取證，真正為海上事故調查提供強有力的證據支撐。

[1] BROWN M T. Marine voyage data recorders[C]. Transportation Recording:2000 and Beyond.International Symposium on Transportation Recorders.1999:47-60.

[2] WARNFELDT S. How Can the VDR prevent accidents and improve the safety of a vessel[C]. Transportation Recording: 2000 and Beyond. International Symposium on Transportation Recorders.1999:351-355.

[3] 蔡小華,高志成.船載航行數據記錄儀(VDR)的發展[J].航海技術,2002(4):23-26.

[4] 申鉉京,朱葉.基于SIFT和HSI模型的彩色圖像復制-粘貼盲鑒別算法[J].吉林大學學報,2014,44(1):171-176.

[5] X Bo, W Junwen, L Guangjie, et al. Image copy-move forgery detection based on SURF[C]. Multimedia information Networking and Security(MINES), 2010 International Conference on. IEEE,2010:889-892.

[6] WARBHE A D, DHARASKAR R V, THAKARE V M. A survey on keypoint based copy-paste forgery detection techniques[J]. Procedia Computer Science,2016,78:61-67.

[7] HERBERT Bay, TINNE Tuytelaars, LUC Van Gool. SURF: speeded up robust features[C]. European Conference on Computer Vision,2006:404-417.

[8] 趙偉.數字圖像復制粘貼篡改的盲認證方法研究[D].合肥:安徽大學,2013.

[9] 陳瑜.基于SURF與BACM因子的復制—移動篡改JPEG圖像探測方法研究[D].上海:中南大學,2012.

Authenticity Detection of VDR Image Based on SURF

HUMei-donga,WANGXiao-tonga,XUGuan-leib

(a.Dept. of Navigation; b. Dept. of Military Oceanography, Dalian Naval Academy, Dalian Liaoning 116018, China)

For problems about covering up the truth of marine accidents with copy-move forgery method in VDR images, a VDR image copy-move blind forensics method based on SURF feature extracting was proposed. The VDR image database was built, and forgery images were obtained by conducting copy-move forgery operations using Adobe Photoshop CS, combining with some geometric transformation. The fast-Hessian matrix was used to extract the SURF feature points, and the matching feature points were connected by lines to detect the tampered region. The method was compared with the previous methods, showing that the proposed method is successful in detecting forgery images. It is also robust to operations such as Gaussian blur, multiplicative noise, and recompression.

voyage data recorder (VDR); copy-move forgery; blind image forensics; marine accidents investigation

U675.7

A

1671-7953(2017)06-0186-05

10.3963/j.issn.1671-7953.2017.06.042

2017-02-27

2017-03-10

國家自然科學基金(61273262，61471412)；遼寧省自然科學基金(2015020086)；遼寧省博士啟動資金(201501029)

胡美棟(1992—)，男，碩士生

研究方向：導航裝備與應用