用于双重 JPEG 压缩取证的深度多尺度判别网络
计算机视觉与模式识别
2019-04-05 v1
摘要
由于 JPEG 是使用最广泛的图像格式，在盲取证中对 JPEG 图像进行篡改检测的重要性不言而喻。在该领域，从 JPEG 图像中提取有效的统计特征用于分类仍是一项挑战。传统方法手工设计有效特征，意味着需要大量耗费人力的研究与推导。本文提出一种基于深度多尺度判别网络 (MSD-Nets) 的图像篡改检测新方法。多尺度模块旨在从 JPEG 图像的离散余弦变换 (DCT) 系数直方图中自动提取多种特征，该模块可捕获不同尺度空间中的特征信息。此外，还利用判别模块来改善网络在首次压缩质量 (QF1) 高于第二次压缩质量 (QF2) 这些困难情形下的检测效果；该模块中设计了一个特殊网络，用于区分此类情况下真实区域与篡改区域间微小的统计差异。最后，可获得概率图，并利用最终分类结果定位具体篡改区域。大量实验表明，与现有最优方法相比，所提方法在定量与定性指标上均具优越性。
引用
@article{arxiv.1904.02520,
title = {Deep Multi-scale Discriminative Networks for Double JPEG Compression Forensics},
author = {Cheng Deng and Zhao Li and Xinbo Gao and Dacheng Tao},
journal= {arXiv preprint arXiv:1904.02520},
year = {2019}
}