图像取证:基于形变不变图像相似度的科学图像复制检测
计算机视觉与模式识别
2020-03-18 v3
摘要
科学出版物中图像的篡改与重用是一个令人担忧的问题,目前缺乏可扩展的解决方案。尽管基于学习的方法有海量目标数据集可用,现有的图像复制检测工具多为手动或半自动。本文解决如下问题:给定两幅图像,判断其中一幅是否为另一幅经复制、旋转、平移、缩放、透视变换、直方图调整或部分擦除等手段篡改的版本。我们提出一种基于三分支孪生卷积神经网络的数据驱动方案。该ConvNet模型被训练将图像映射至128维空间,其中复制图像间的欧氏距离小于等于1,而独特图像间的距离大于1。我们的结果表明,该方法有潜力改进对已发表及同行评审文献中图像篡改的监管。
引用
@article{arxiv.1802.06515,
title = {Image Forensics: Detecting duplication of scientific images with manipulation-invariant image similarity},
author = {M. Cicconet and H. Elliott and D. L. Richmond and D. Wainstock and M. Walsh},
journal= {arXiv preprint arXiv:1802.06515},
year = {2020}
}
备注
12 pages; 6 figures; keywords: siamese network, similarity metric, image forensics, image manipulation