面向取证任务的图像表示原则性设计

图像取证是一个日益重要的课题，因为可信的多媒体内容对现代社会至关重要。与其他视觉相关应用类似，取证分析在很大程度上依赖于恰当的图像表示。尽管其重要性不言而喻，但目前对此类表示的理论理解仍然有限，其关键作用在不同程度上被忽视。针对这一空白，我们尝试从理论、实现和应用的角度，将面向取证的图像表示作为一个独特问题进行研究。我们的工作始于抽象出取证表示应满足的基本原则，特别揭示了鲁棒性、可解释性和覆盖度的关键性。在理论层面，我们提出了一种新的取证表示框架，称为稠密不变表示（Dense Invariant Representation, DIR），其特点在于具有数学保证的稳定描述。在实现层面，我们讨论了DIR的离散计算问题，并设计了具有通用性和恒定复杂度的相应精确快速求解方案。我们在稠密域模式检测与匹配实验上论证了上述观点，并提供了与最先进描述子的对比结果。此外，在应用层面，我们将所提出的DIR初步探索用于被动和主动取证，即复制-移动伪造检测和感知哈希，展示了其在满足此类取证任务需求方面的优势。