基于GAN与单类分类器的卫星图像伪造检测与定位
计算机视觉与模式识别
2018-02-15 v1
摘要
当前的卫星成像技术能够拍摄地面的高分辨率图片。与其他数字图像一样，俯视图像也很容易被伪造。然而，常见的图像取证技术通常是针对消费级相机图像开发的，其在性质上与卫星图像存在显著差异（例如压缩方案、后处理、传感器等）。因此，许多准确的最先进取证算法若盲目应用于俯视图像分析，必然会失效。开发面向卫星图像的新取证工具对于评估其真实性与完整性至关重要。本文提出一种卫星图像伪造检测与定位算法。具体而言，我们考虑将卫星图像中某一区域内的像素进行替换以在场景中添加或移除物体的情形。我们的算法在假设训练时无可用伪造图像的前提下工作。利用生成对抗网络（GAN），我们学习原始卫星图像的特征表示。在这些特征上训练一个单类支持向量机（SVM）以确定其分布。最终，将图像伪造检测为异常。所提算法在不同类型、包含不同大小与形状伪造的卫星图像上进行了验证。
引用
@article{arxiv.1802.04881,
title = {Satellite Image Forgery Detection and Localization Using GAN and One-Class Classifier},
author = {Sri Kalyan Yarlagadda and David Güera and Paolo Bestagini and Fengqing Maggie Zhu and Stefano Tubaro and Edward J. Delp},
journal= {arXiv preprint arXiv:1802.04881},
year = {2018}
}
备注
Presented at the IS&T International Symposium on Electronic Imaging (EI)