用于对比度增强取证的双域融合卷积神经网络
多媒体
2019-10-18 v1 图像与视频处理
摘要
对比度增强（CE）取证技术一直是图像取证界高度关注的课题，因其可作为恢复图像历史与识别篡改图像的有效工具。尽管已有若干 CE 取证算法被提出，其精度与针对某些处理的鲁棒性仍不尽如人意。为缓解此不足，本文提出一种基于双域融合卷积神经网络的新框架，融合像素域与直方图域特征用于 CE 取证。具体而言，我们首先提出像素域卷积神经网络（P-CNN）以自动捕获对比度增强图像在像素域的模式。随后，提出直方图域卷积神经网络（H-CNN）以提取直方图域特征。像素域与直方图域的特征表示被融合并送入两个全连接层以分类对比度增强图像。实验结果表明所提方法取得更优性能，且对预 JPEG 压缩与反取证攻击具有鲁棒性。此外，探索了提升基于 CNN 取证性能的策略，可为基于 CNN 取证工具的设计提供指导。
引用
@article{arxiv.1910.07992,
title = {Dual-Domain Fusion Convolutional Neural Network for Contrast Enhancement Forensics},
author = {Pengpeng Yang and Rongrong Ni and Yao Zhao and Gang Cao and Wei Zhao},
journal= {arXiv preprint arXiv:1910.07992},
year = {2019}
}
备注
24 pages