基于SURF的航行数据记录仪图像真实性鉴别

，，

(海军大连舰艇学院 a.航海系； b.军事海洋系，辽宁 大连 116018)

基于SURF的航行数据记录仪图像真实性鉴别

胡美栋a，王孝通a，徐冠雷b

(海军大连舰艇学院 a.航海系； b.军事海洋系，辽宁 大连 116018)

针对使用复制-粘贴篡改手段，掩盖VDR图像中海上事故真相的问题，提出基于SURF特征提取算法的VDR图像盲取证方法。采用快速Hessian矩阵提取SURF特征点，把匹配的特征点用线连接起来，从而检测出篡改区域。与已有算法进行对比表明，该算法具有较好的检测效果，且对高斯模糊、乘法噪声和重压缩等操作具有较强的鲁棒性。

航行数据记录仪；复制粘贴篡改；图像盲取证；海上事故调查

随着船舶制造科技的高速发展，海上交通日益繁忙，更多的海上交通事故也随之而来。通常，海上事故调查以《航海日志》《轮机日志》《车钟记录簿》等具有法律效益的实时记录信息为海上事故调查的重要依据。然而，历史上却曾多次发生因篡改此类信息而影响判罚的事件。尽管现在大多数船舶安装了能够实时记录船舶各类信息的船载航行数据记录仪(Voyage Data Recorder,VDR)，实时存储船舱内外多处场景的图像信息。但日趋成熟的图像处理技术，可以轻易对VDR图像数据进行篡改，且用肉眼无法辨别图像真伪。为此,考虑建立VDR图像复制-粘贴篡改模型,采用SUBF算法检测篡改区域。

1 VDR图像复制-粘贴篡改模型

目前，复制-粘贴是广泛使用的篡改手段之一。通过复制图像中已有的某个区域R1，然后粘贴到图像中的目标区域R2，以覆盖原图中的某些重要目标或编造出不存在的场景。同时，为了使篡改图像更加真实且难以鉴别，篡改者往往会增加一些旋转、缩放等几何操作。其篡改模型见图1。

图1 复制-粘贴篡改模型

对于这种篡改，进行如下假设。

1)被复制的区域R1是图像内部的1个连通区域。

2)图像中只存在一对复制-粘贴区域，且2块区域无重合部分。

3)被复制区域R1不宜太小，至少要大于原始图像尺寸的1%。

4)R2可以由R1经旋转、缩放单一变换或复合变换得到。

给出一个VDR图像复制-粘贴篡改实例见图2。

图2 VDR图像篡改实例

图2a)是舰船左舷甲板处拍摄的一幅原始VDR图像，复制图a)中部的白色船只，将其缩放0.8倍后粘贴于图像右侧中部，再经过一定的形态学操作就得到篡改图像图2b)。篡改后的图像非常逼真，难以通过肉眼辨别图像的真伪。

2 基于SURF的VDR图像盲取证算法

复制-粘贴盲取证是图像盲取证领域的一个重要分支，随着SIFT算法和其改进算法SURF的广泛应用，图像盲取证又进入一个新的研究阶段[4,5]。在SURF算法基础上，通过检测VDR图像中互相匹配的特征点[6,7]实现鉴别真伪。

2.1 SURF特征点检测

2.1.1 积分图像

对于给定的输入图像I，像素点的积分图像是以图像原点和像素点为顶点的矩形区域内所有像素点的像素值之和，定义为

(1)

式中：I(x,y)为图像I中像素点(x,y)对应的像素值;I∑为图像I的积分图像。

得到积分图像后，计算任意矩形区域的像素值之和。如图3所示，由顶点A、B、C、D确定的矩形区域，所有点的像素值之和用下式求得。

∑=I∑(A)+I∑(C)+I∑(B)+I∑(D)(2)

图3 积分图像示意

2.1.2 快速Hessian矩阵

若P(x,y)表示图像中的任一点，则Hessian矩阵H(P,σ)可定义为P与尺度σ的函数：

(3)

为了提高运算速度，在实际应用中通常使用快速Hessian矩阵进行近似计算，其行列式如下。

Det(Happrox)=DxxDyy-(ωDxy)2

(4)

2.2 生成特征点描述子

SURF算法用特征点邻域范围内的灰度统计信息作为特征点描述子，即特征向量[8]。这里采用64维的特征向量。

首先选定特征点的主方向，确定一个以特征点为中心，大小为20S×20S(S为尺度)的正方形区域，并将其平均分为4个子区域。对每个子区域选取5×5个采样点，计算每个子区域对应的Haar小波响应，将Haar小波X方向的响应记为dx，Y方向的响应记为dy。然后将每个子区域再均匀细分成4个次子区域，对每个次子区域统计Haar小波响应在X和Y方向上的和以及绝对值之和。统计的过程中，仍用以特征点为中心的高斯函数进行加权。这样，每个次子区域有一个4维的描述子Vsub=(∑dx,∑dy,∑d|x|,∑d|y|)，整个区域就有4×4×4=64维的特征向量。再进行归一化处理，形成特征点的描述子。

2.3 特征点匹配

对提取的特征向量进行SURF特征点匹配，找到与样本特征点特征最相似的特征点，即最近邻特征点。匹配过程一般采用欧氏距离(Euclidean distance)作为相似性度量[9]，其计算式如下。

(5)

采用欧氏距离进行相似性度量时，阈值越大，得到的匹配特征点越多，但错配点占比相应越高；反之，阈值越小，错配点占比相应越低，但可能损失部分正确匹配点[10]。在保证匹配结果正确性的前提下，较少的匹配特征点不仅可以减少错配点占比，还可以减少计算量。通过多次实验，设定2组向量相似性判断阈值T=0.25。

由于本实验环境中特征点数目不是特别多，因此在实现特征点匹配过程中采用的算法是逐一比较法，以准确有效地找到所有的最近邻特征点，具体步骤如下。

1)对提取出的SURF特征点进行两两比较，选出与样本特征点欧氏距离最小的特征点；

2)设定适当的阈值T，排除匹配性不高的对，得到初始匹配特征点对；

3)将匹配特征点的位置坐标分别放在和中。

2.4 算法流程

提出基于SURF的VDR图像复制粘贴篡改检测算法，流程见图4。

图4 检测算法流程

具体的检测步骤描述如下。

Step1：读取待检测图像I，设图像大小为M×N，将RGB图像转换到HSI色彩空间；

Step2：采用SURF算法提取出待检测图像的特征点，并生成特征点描述子；

Step3：将所有生成的特征点描述子组成一个特征矩阵G；

Step4：运用逐一比较法计算出特征矩阵G中所有特征点的最近邻特征点；

Step5：把所有最近邻特征点对的欧式距离与门限阈值T进行比较，如果小于阈值T，则接受这一对匹配点，否则抛弃；

Step6：把所有符合约束条件的匹配点用线连接起来；

Step7：得到检测结果图像。

3 实验结果及分析

实验用Matlab对算法进行仿真，仿真环境操作系统为：Microsoft Windows8.1，硬件环境为：Intel(R) Core(TM),2.30 GHz,2.00 GB。

为了说明本文算法的鲁棒性，进行3组对比实验。首先对上文的篡改图像图2b)进行后期处理，包括添加高斯模糊，添加乘法噪声和图像重压缩。

3.1 抗高斯模糊检测

分别对图2b)添加数值为1和5的高斯模糊，用文献[4]和[5]以及本文算法进行测试，结果见图5、6，统计结果见表1。

图5 添加半径为1高斯模糊

图6 添加半径为5高斯模糊

添加高斯模糊的半径检测内容文献[4]文献[5]本文1总匹配对数4118误匹配所占比/%018.105总匹配对数113误匹配所占比/%000

对比图5、6和表1可看出，在对篡改图加模糊处理后，一定程度上干扰了算法对复制-粘贴篡改检测能力。文献[5]和本文方法在添加半径为1的高斯模糊后，能检测出一定数量的篡改区域，但随着高斯模糊的加强，检测能力减弱。在添加高斯噪声后，随着匹配数量的减少，文献[4]和本文方法的误匹配率均降为0，而文献[5]方法在添加半径为5的高斯噪声后，误匹配率也降为0。整体来看，本文算法在抗高斯模糊方面要优于前2种算法。

3.2 抗乘法噪声检测

分别对图2b)添加噪声密度为0.05和0.20的乘法噪声，用文献[4]和文献[5]以及本文算法进行测试，结果见图7和图8，统计结果见表2。

图7 加密度为0.05的乘法噪声

图8 加密度为0.2的乘法噪声

添加乘法噪声的密度检测内容文献[4]文献[5]本文0.05总匹配对数6119误匹配所占比/%16.718.111.10.20总匹配对数265误匹配所占比/%016.70

对比图7、8和表2可看出，在对篡改图添加乘法噪声后，3种算法的复制-粘贴鉴别能力都受到了相应的冲击，总匹配对数都有所下降。在添加密度为0.05的乘法噪声后，3种算法都具有一定检测匹配能力，但也都存在误匹配现象。在将乘法噪声的密度提升到0.2时，3种算法的匹配能力受到了很大限制，但本文依然能在保持较低误匹配率的情况下检测出部分区域。

3.3 抗重压缩检测

分别对图2b)进行质量因子为30%和70%的JPEG重压缩，用文献[4]和文献[5]以及本文算法进行测试，结果见图9、10，统计结果见表3。

图9 质量因子为30%的重压缩

图10 质量因子为70%的重压缩

重压缩的质量因子检测内容文献[4]文献[5]本文30%总匹配对数234误匹配所占比/%00070%总匹配对数5118误匹配所占比/%2018.112.5

对比图9、10和表3可以看出，低质量的重压缩后，明显对3种方法的检测能力有很大的影响。文献[4]和文献[5]算法均出现了多个无关匹配点，且未匹配成功；本文算法也出现了个别无关的匹配点，但相对较少。在这种情况下，3种方法均在一定程度上检测出极少部分的篡改区域，但误匹配也降为0。将质量因子提高后，本文算法检测结果有所好转，篡改检测能力略好于其他2种算法效果。

4 结论

提出VDR图像复制-粘贴篡改模型，采用SURF算法准确检测出篡改区域，完成对VDR图像真实性的鉴别。与已有图像盲取证方法相比，本文方法可以对图像边缘特征准确定位，检测成功率高，误匹配率低，鲁棒性强。

但本方法也存在一定的局限性，只能检测一对复制-粘贴区域的篡改，对存在多对复制-粘贴区域的篡改图像则不适用。为此，后期将对算法进行优化，扩大算法的适用范围。同时，研究对象还将从同幅图像复制-粘贴篡改扩展到多幅图像拼接篡改，以应对多种不同手段的VDR图像篡改，实现多来源的VDR图像盲取证，真正为海上事故调查提供强有力的证据支撑。

[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] 蔡小华,高志成.船载航行数据记录仪(VDR)的发展[J].航海技术,2002(4):23-26.

[4] 申铉京,朱叶.基于SIFT和HSI模型的彩色图像复制-粘贴盲鉴别算法[J].吉林大学学报,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] 赵伟.数字图像复制粘贴篡改的盲认证方法研究[D].合肥:安徽大学,2013.

[9] 陈瑜.基于SURF与BACM因子的复制—移动篡改JPEG图像探测方法研究[D].上海:中南大学,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

国家自然科学基金(61273262，61471412)；辽宁省自然科学基金(2015020086)；辽宁省博士启动资金(201501029)

胡美栋(1992—)，男，硕士生

研究方向：导航装备与应用