王珠珠

（西安電子科技大學網(wǎng)絡與信息安全學院，陜西 西安 710071）

1 引言

由于圖像編輯軟件的大量出現(xiàn)和數(shù)字媒體監(jiān)管力度的缺乏，人們可以輕易更改圖像的內(nèi)容信息，導致更改后的圖像可能會傳遞完全不同的信息，這一有害趨勢已經(jīng)在很多領(lǐng)域引起了嚴重的不良后果。針對這一系列問題，許多學者對其進行了深入性的研究?？傮w來說，圖像內(nèi)容篡改操作可分為2類：復制粘貼篡改和剪切組合篡改。在復制粘貼篡改中，一幅圖像里的某一部分內(nèi)容會被復制粘貼到同一幅圖像的另一個部分，以達到掩蓋或增加圖像內(nèi)容的目的。剪切組合篡改是指將一幅圖像的一個或幾個區(qū)域復制到另一幅圖像中以生成一幅新的圖像。一組剪切組合篡改示例如圖1所示，其中，圖 1(a)為原始圖像，圖 1(b)為篡改圖像，圖1(c)為篡改圖像中的真實篡改區(qū)域。本文所研究的篡改類型為剪切組合篡改，并提出了一種有效的檢測算法實現(xiàn)剪切組合篡改檢測。傳統(tǒng)的剪切組合篡改檢測算法主要是根據(jù)圖像中篡改與非篡改區(qū)域之間的屬性差異進行判斷，基于這些屬性差異的檢測算法大致可分為4類：1) 基于圖像本質(zhì)屬性的檢測方法[1-3]；2) 基于成像設備屬性的檢測方法[4-7]；3) 基于圖像壓縮屬性的檢測方法[8-12]；4) 基于圖像散列的檢測方法[13-16]。由于每種檢測算法只針對一種特定的圖像屬性，當這種屬性不明顯或不存在時，會出現(xiàn)檢測失效的情況。例如，當被篡改圖像和篡改圖像產(chǎn)自相同品牌和模型的成像設備時，它們具有相同的噪聲信息，那么基于圖像本質(zhì)屬性的檢測方法就會失效；而基于圖像散列技術(shù)的檢測方法則需要利用原始圖像的散列值才能進行判斷，嚴格來說，這并不算一種盲檢測算法。

圖1 剪切組合篡改示例

近年來，由于卷積神經(jīng)網(wǎng)絡可自動學習高維數(shù)據(jù)間的映射關(guān)系，并且具有平移不變性等屬性，使其在圖像分類、圖像語義分割、圖像生成等計算機視覺領(lǐng)域都取得較大成功。目前，基于卷積神經(jīng)網(wǎng)絡的檢測算法可實現(xiàn)不依賴于圖像單一屬性的圖像篡改檢測，彌補了傳統(tǒng)算法依賴于圖像單一屬性、適用度不高等缺陷。文獻[17]將卷積神經(jīng)網(wǎng)絡首次應用于圖像篡改檢測，可用于判斷當前圖像是否被篡改，但不能定位篡改區(qū)域的具體位置。文獻[18]提出了一種基于圖像塊的檢測算法，但僅能大致定位圖像中的篡改區(qū)域。為實現(xiàn)篡改區(qū)域的像素級定位，文獻[19-20]都使用了不重疊的圖像塊作為神經(jīng)網(wǎng)絡的輸入進行判斷。由于大多數(shù)基于卷積神經(jīng)網(wǎng)絡的圖像篡改檢測算法主要是對圖像中的每個塊進行判斷分類來得到最終檢測結(jié)果，缺少利用圖像上下文中的特征關(guān)聯(lián)信息進行匹配和判斷的條件（圖像中的上下文關(guān)聯(lián)信息是圖像篡改檢測中較為重要的部分），導致最終檢測結(jié)果難以達到理想狀況。同時，這些方法都是由多個階段操作混合完成的，具有較高的時間復雜度。針對以上問題，本文首先利用 U型檢測網(wǎng)絡[21]針對圖像上下文間的關(guān)聯(lián)信息進行定位的特點實現(xiàn)圖像篡改檢測，然后再使用全連接條件隨機場[22]對 U型檢測網(wǎng)絡的檢測結(jié)果進行進一步的優(yōu)化精細，最終得到較好的實驗效果。

2 U型檢測網(wǎng)絡與條件隨機場

基于 U型檢測網(wǎng)絡的圖像篡改檢測算法主要由兩部分組成：U型檢測網(wǎng)絡[21]和全連接條件隨機場[22]后處理。首先利用U型檢測網(wǎng)絡對輸入圖像中的篡改區(qū)域進行較為精細的定位得到疑似篡改區(qū)域，然后利用全連接條件隨機場對上述疑似區(qū)域進行進一步的精細優(yōu)化以獲得最終精確的檢測結(jié)果?；赨型檢測網(wǎng)絡的檢測示例如圖2所示，其中，圖2(a)為待檢圖像，圖2(b)為通過U型檢測網(wǎng)絡檢測得到的疑似篡改區(qū)域，圖2(c)為通過全連接條件隨機場后處理的最終檢測結(jié)果。

圖2 基于U型檢測網(wǎng)絡的檢測示例

2.1 卷積神經(jīng)網(wǎng)絡

一般來說，在圖像分類任務中，網(wǎng)絡結(jié)構(gòu)由若干個卷積層和池化層交替組成，通過全連接層和softmax激活函數(shù)得到最終的預測類別。由于全連接層會丟失特征的空間位置信息來完成特征的分類和回歸，因此在圖像分割任務中，為保留輸出特征能映射回輸入圖像的空間位置信息，需要舍棄全連接層，并利用上采樣層或反卷積層來輸出高分辨率的預測特征圖。

2.1.1 卷積層

卷積層由一系列卷積核組成，每個卷積核負責不同的特征信息提取，這些特征信息包含了圖像中的紋理信息、邊緣信息、亮度分布、噪聲信息等，對網(wǎng)絡的判斷起著重要作用。同時，由于卷積核權(quán)值共享的特點，可使特征提取的效率更高，整體參數(shù)更少。卷積層的計算方式為

其中，x為采樣輸入，wi為第i個卷積核的權(quán)重參數(shù)，bi為第i個神經(jīng)元的偏置項，yi為第i個神經(jīng)元的輸出。

2.1.2 池化層

池化層也稱為下采樣層，一般在卷積層之后進行操作，可以通過池化層使卷積層輸出的特征向量降維。池化層的具體作用有4個：1) 維持輸出特征的不變形，這些不變形包括平移不變形、旋轉(zhuǎn)不變性、尺度不變性等；2) 減小下一個卷積層的輸入數(shù)據(jù)大小、減小計算量和參數(shù)大小；3)可獲得固定大小的輸出，例如全局均值池化可以得到輸出為1×1的特征圖，這對某些輸入數(shù)據(jù)大小不固定的情況較為重要；4) 由于池化操作可降低網(wǎng)絡的參數(shù)大小，進一步地也可預防網(wǎng)絡出現(xiàn)過擬合的情況。

2.1.3 上采樣層

上采樣層一般應用于圖像分割任務中，利用插值方法，將低分辨率的語義級信息放大至較高分辨率，以獲得可視化結(jié)果。

2.2 U型檢測網(wǎng)絡

U型檢測網(wǎng)絡本質(zhì)上是一種卷積神經(jīng)網(wǎng)絡，于2015年由Ronneberger等[21]提出，被廣泛應用于醫(yī)學圖像處理領(lǐng)域，相較于傳統(tǒng)的神經(jīng)結(jié)構(gòu)分割算法，不論是檢測速率還是檢測精度都有較大提升。U型檢測網(wǎng)絡的結(jié)構(gòu)如圖3所示，圖中數(shù)字表示當前的特征個數(shù)。U型檢測網(wǎng)絡首先利用連續(xù)的卷積層和最大池化層來獲取圖像中的上下文特征信息，然后使用一系列上采樣層將得到的特征信息進行插值放大以得到高分辨率特征圖，最后利用層與層之間特征的橫向傳播，以達到減少特征的細節(jié)信息損失和精準定位篡改區(qū)域的目的。

圖像篡改檢測實際上也可被看作一個復雜的圖像分割問題，同理，適用于圖像分割問題的方法也可用于圖像篡改區(qū)域檢測中。在圖像篡改檢測中，由于圖像中篡改區(qū)域與非篡改區(qū)域之間的可鑒別特征較為隱蔽和虛弱，當網(wǎng)絡結(jié)構(gòu)較深時，這些可鑒別特征會出現(xiàn)梯度消失的情況，為解決這一問題，需在U型檢測網(wǎng)絡中卷積層后加入批歸一化[23]操作。批歸一化的具體計算步驟如算法1所示。

算法1 批歸一化操作

圖3 U型檢測網(wǎng)絡的結(jié)構(gòu)

由于批歸一化后輸入數(shù)據(jù)會被限制在正態(tài)分布下，使網(wǎng)絡的表達能力下降，為了解決這一問題，引入學習得到的γ和β進行尺度變換和偏移。同時，為解決圖像中篡改區(qū)域和非篡改區(qū)域間的隱蔽特征難以學習的問題，引入focal loss[24]作為網(wǎng)絡的損失函數(shù)。focal loss在交叉熵[25]的基礎(chǔ)上，進一步研究了簡單樣本和困難樣本之間的關(guān)系及其對損失值的影響，從而解決了以往網(wǎng)絡主要針對簡單樣本的特征進行學習卻忽略困難樣本的重要性的問題。focal loss計算式為

其中，tα為可調(diào)的權(quán)重控制參數(shù)，γ為聚焦參數(shù)，為正確預測的概率。

2.3 全連接條件隨機場后處理

在通過U型檢測網(wǎng)絡檢測后，得到的疑似篡改區(qū)域仍包含了部分誤判區(qū)域?；诖?，利用全連接條件隨機場[22]后處理對U型網(wǎng)絡的檢測結(jié)果進行進一步的精細優(yōu)化以得到最終的檢測結(jié)果。全連接條件隨機場作為一種經(jīng)典的判別式模型，可更好地反映觀測集中所有變量之間的相互聯(lián)系和依賴關(guān)系。全連接條件隨機場后處理在U型檢測網(wǎng)絡檢測結(jié)果的基礎(chǔ)上，不僅可進一步精細化檢測結(jié)果，同時還可以剔除那些較小的誤判區(qū)域，輸出結(jié)果即為最終的篡改區(qū)域檢測結(jié)果。

全連接條件隨機場符合吉布斯分布，如式(3)所示。

其中，i為像素為一元勢函數(shù)，代表U型檢測網(wǎng)絡的輸出結(jié)果；為二元勢函數(shù)，計算式為

3 實驗數(shù)據(jù)及對比分析

數(shù)據(jù)集 CASIA v2.0[26]是一個篡改圖像復雜真實且不易被人眼判斷的篡改圖像數(shù)據(jù)集。為保證實驗的客觀性和實際性，本文選擇CASIA v2.0作為實驗數(shù)據(jù)集。CASIA v2.0數(shù)據(jù)集中包含了復制粘貼和剪切組合這2種圖像篡改類型，由于本文僅針對圖像的剪切組合篡改，因此從CASIA v2.0數(shù)據(jù)集中篩選出共計1 082組剪切組合篡改圖像數(shù)據(jù)作為實驗數(shù)據(jù)，其中，隨機選取900組圖像數(shù)據(jù)作為訓練數(shù)據(jù)，142組圖像數(shù)據(jù)作為驗證數(shù)據(jù)，余下的40組作為測試數(shù)據(jù)。同時由于CASIA v2.0數(shù)據(jù)集中數(shù)據(jù)量的限制，實驗部分采用十折交叉驗證法來對實驗效果進行客觀公正的評估。在第3.1節(jié)中將會列出本文算法各個步驟的具體參數(shù)設置和對比實驗的評價參數(shù)。進一步地，為客觀驗證本文所提算法的有效性及頑健性，本文從傳統(tǒng)的基于圖像單一屬性的篡改檢測算法和當前基于深度學習的檢測算法中分別挑選出幾種檢測效果較好的算法作為對比算法，并在第 3.2節(jié)中列出幾種算法的具體實驗效果及其在各種攻擊條件下的檢測效果。

3.1 算法參數(shù)及實驗評價參數(shù)

在訓練過程中，U型檢測網(wǎng)絡的初始學習率被設定為0.1進行訓練，在迭代50輪后，學習率會被降低到0.01進行訓練，再次迭代50輪后，學習率會被降低至0.001繼續(xù)訓練，直至網(wǎng)絡趨于平穩(wěn)狀態(tài)。U型檢測網(wǎng)絡選用隨機梯度下降作為網(wǎng)絡的優(yōu)化器，focal loss作為網(wǎng)絡的損失函數(shù)，focal loss中超參數(shù)at=0.25，γ=2。在全連接條件隨機場后處理的推斷過程中，迭代更新次數(shù)為5。本文所提算法使用Python作為編程語言，利用PyTorch深度學習庫實現(xiàn)U型檢測網(wǎng)絡，實驗部分中傳統(tǒng)的基于單一屬性的檢測算法的實現(xiàn)平臺為 Matlab，基于深度學習的檢測算法的實現(xiàn)框架為Tensorflow，并且以上對比算法都已調(diào)至最優(yōu)參數(shù)。

本文對比實驗部分所參考的評價參數(shù)為精確率、召回率和F，其中，精確率的計算如式(6)所示，召回率的計算如式(7)所示，F(xiàn)的計算如式(8)所示。

其中，真陽性表示檢測結(jié)果中正確檢測為篡改區(qū)域的像素總量，偽陽性表示檢測結(jié)果中錯誤檢測為篡改區(qū)域的像素總量，偽陰性表示檢測結(jié)果中錯誤檢測為非篡改區(qū)域的像素總量。

3.2 評價實驗及對比分析

為評價本文所提算法的實際效果，本文選擇BLK算法[27]、GHO算法[28]、DCT算法[9]、CFAE算法[29]、NADQ算法[30]（以上算法由Zampoglou等[31]復現(xiàn)）、C2R-Net算法和U-Net算法為對比實驗算法。由于原始CASIA v2.0數(shù)據(jù)集的圖像數(shù)據(jù)為TIFF格式，而BLK算法、GHO算法、DCT算法以及NADQ算法是基于 JPEG圖像格式的壓縮屬性進行檢測的，為保證對比實驗的公平性，需將 TIFF格式的圖像數(shù)據(jù)轉(zhuǎn)化為零壓縮的JPEG格式的圖像數(shù)據(jù)。

從測試數(shù)據(jù)中隨機挑選5組數(shù)據(jù)作為示例，如圖 4所示。其中，每一列表示一組示例及不同方法的檢測結(jié)果，第a行表示篡改圖像，第b行表示對應的真實篡改區(qū)域圖像，第c行表示BLK算法的檢測結(jié)果，第d行表示GHO算法的檢測結(jié)果，第e行表示DCT算法的檢測結(jié)果，第f行表示CFAE算法的檢測結(jié)果，第g行表示NADQ算法的檢測結(jié)果，第h行表示C2R-Net算法的檢測結(jié)果，第i行表示U-Net算法的檢測結(jié)果，第j行表示本文所提算法的檢測結(jié)果。從主觀視覺角度出發(fā)，在 5種傳統(tǒng)的基于圖像單一屬性的篡改檢測算法中，BLK算法、GHO算法、CFAE算法以及NADQ算法的檢測結(jié)果趨于失效狀態(tài)，DCT算法也僅能大致定位出圖像中的篡改內(nèi)容；基于深度學習的C2R-Net算法雖然能定位出圖像中的篡改內(nèi)容，但仍存在少量誤檢及較多漏檢情況；原始U-Net算法能較好地定位圖像中的篡改區(qū)域，但存在少量多檢及誤檢情況；而本文所提算法在U-Net算法的基礎(chǔ)上精細了檢測結(jié)果，篩掉了誤檢區(qū)域，最終展示了較好、較穩(wěn)定的檢測效果。

表1展示了本文所提算法及7種對比算法通過十折交叉驗證在40組圖像數(shù)據(jù)上的檢測結(jié)果的精確率、召回率和F的平均值。由表1可知，本文所提算法的檢測效果在精確率及F上都優(yōu)于其他7種對比算法，但召回率略低于DCT算法及NADQ算法。盡管DCT算法和NADQ算法的檢測結(jié)果的召回率較高，但從主觀視角來判斷，2種算法的檢測結(jié)果存在較多的誤檢，且出現(xiàn)大范圍失效問題（如圖4第e行和第g行所示）。進一步地，為驗證本文所提算法的頑健性（由于圖4中已展示了原始 U-Net算法和本文所提算法在非攻擊條件下的實驗效果，這里不再做U-Net算法頑健性實驗的展示），本文測試了7種算法在不同攻擊情況下的檢測效果，結(jié)果如圖5所示，并分別計算精確率、召回率及F的平均值。圖5(a)、圖5(c)和圖5(e)表示本文所提算法及 6種對比算法在不同品質(zhì)因子的JPEG圖像壓縮攻擊下的檢測結(jié)果，圖5(b)、圖5(d)和圖5(f)表示各算法在不同方差（均值默認為0）的高斯噪聲攻擊下的檢測結(jié)果，圖 5(a)和圖 5(b)表示各算法在不同類型、不同程度攻擊下的檢測結(jié)果的精確率，圖5(c)和圖5(d)表示各算法在不同攻擊情況下的檢測結(jié)果的召回率，圖5(e)和圖5(f)表示各算法在不同攻擊情況下的檢測結(jié)果的F。從圖5可以看出，在JPEG圖像壓縮攻擊下，對比算法中僅DCT算法和C2R-Net算法有一定的抗攻擊能力，當品質(zhì)因子為80以下時，DCT算法呈檢測失效狀態(tài)；在高斯噪聲攻擊下，僅 C2R-Net能完成檢測。而本文所提算法不僅在JPEG圖像壓縮攻擊下展示了較好、較穩(wěn)定的檢測結(jié)果，在高斯噪聲攻擊下仍維持了較好的檢測效果。

圖4 5組對比實驗示例

表1 本文所提算法及7種對比算法在40組圖像數(shù)據(jù)上的檢測結(jié)果精確率、召回率和F的平均值

圖5 本文算法及6種對比算法的檢測結(jié)果

4 結(jié)束語

本文提出了一種基于 U型檢測網(wǎng)絡的圖像篡改檢測算法，首先利用U型檢測網(wǎng)絡檢測圖像中的疑似篡改區(qū)域，接著為進一步優(yōu)化精細U型網(wǎng)絡的檢測結(jié)果，本文使用全連接條件隨機場后處理進行處理并得到最終的檢測結(jié)果。為評價本文所提算法的有效性及實際性，將其與傳統(tǒng)的基于圖像單一屬性的篡改檢測算法和當前基于深度學習的檢測算法進行實驗對比，實驗結(jié)果表明，本文所提算法的檢測效果優(yōu)于其他幾種對比算法。