基于像素共生矩阵的整体图像篡改检测
计算机视觉与模式识别
2021-04-13 v1
摘要
数字图像取证旨在检测经过数字篡改的图像。逼真的图像伪造通常涉及拼接、重采样、区域移除、平滑及其他篡改方法的组合。尽管文献中大多数检测方法侧重于检测特定类型的篡改，但识别涉及多种篡改的伪造图像仍具挑战性。本文提出一种新方法，利用像素共生矩阵与深度学习的结合来整体检测被篡改的图像。我们在像素域的三个颜色通道上提取水平和垂直共生矩阵，并使用深度卷积神经网络（CNN）框架训练模型。我们的方法对篡改类型不敏感，并将图像分类为已篡改或未篡改。我们在超过 86,000 张图像的数据集上训练和验证模型。实验结果表明，我们的方法前景良好，在训练和验证子集上取得了超过 0.99 的曲线下面积（AUC）评价指标。此外，我们的方法泛化性良好，在由 Media Forensics Challenge (MFC) 2020 发布的超过 19,740 张图像的未见测试数据集上取得了约 0.81 的 AUC。在挑战结果公布时，我们的得分在所有参赛队伍中最高。
引用
@article{arxiv.2104.05693,
title = {Holistic Image Manipulation Detection using Pixel Co-occurrence Matrices},
author = {Lakshmanan Nataraj and Michael Goebel and Tajuddin Manhar Mohammed and Shivkumar Chandrasekaran and B. S. Manjunath},
journal= {arXiv preprint arXiv:2104.05693},
year = {2021}
}