[論文レビュー] Revisiting copy-move forgery detection by considering realistic image with similar but genuine objects

Ye Zhu, Tian-Tsong Ng+2 more|arXiv (Cornell University)|Jan 27, 2016

Digital Media Forensic Detection参考文献 11被引用数 5

ひとこと要約

本稿では、類似だが真正の対象物（SGO）と本物の改ざんを効果的に区別できる、スケーリングハリス特徴記述子（SHFD）を用いた新規なコピーモーブ forgery 検出手法を提案する。ピラミッドスケールスペース、方向割り当て、および RANSAC を用いた頑健な特徴マッチングを組み合わせることで、幾何変換および後処理に対しても高い正確性と頑健性を達成し、COVERAGE データベースにおいて SIFT や SURF を上回る性能を発揮する。特に SGO や複雑な歪みの処理において優れた性能を示す。

ABSTRACT

Many images, of natural or man-made scenes often contain Similar but Genuine Objects (SGO). This poses a challenge to existing Copy-Move Forgery Detection (CMFD) methods which match the key points / blocks, solely based on the pair similarity in the scene. To address such issue, we propose a novel CMFD method using Scaled Harris Feature Descriptors (SHFD) that preform consistently well on forged images with SGO. It involves the following main steps: (i) Pyramid scale space and orientation assignment are used to keep scaling and rotation invariance; (ii) Combined features are applied for precise texture description; (iii) Similar features of two points are matched and RANSAC is used to remove the false matches. The experimental results indicate that the proposed algorithm is effective in detecting SGO and copy-move forgery, which compares favorably to existing methods. Our method exhibits high robustness even when an image is operated by geometric transformation and post-processing

研究の動機と目的

• 現実的な画像における類似だが真正の対象物（SGO）によって引き起こされる誤検出の問題に対処する。
• 既存の手法がしばしば改ざんと誤認する SGO を含む画像においても、高い検出正確性を維持する手法を開発する。
• スケーリング、回転、自由形式歪みなどの幾何変換およびブラー、ノイズ、JPEG 圧縮などの一般的な後処理に対して頑健であることを保証する。
• スケール不変性、方向割り当て、および RANSAC を用いた外れ値除去を統合することで、特徴マッチングの信頼性を向上させる。
• 特に複雑な改ざんおよび SGO シナリオにおいて、COVERAGE データベースにおいて SIFT や SURF より優れた性能を示すことを実証する。

提案手法

• キーポイント検出におけるスケール不変性を達成するため、ガウス平滑化およびサブサンプリングを用いたピラミッドスケールスペースを用いる。
• 安定したキーポイントを複数スケールにわたって検出するため、コーナー応答関数 $ CR = \det(M) - k \cdot \operatorname{tr}(M)^2 $ を用いたハリスコーナー検出器を適用する。
• 局所的近傍における勾配の大きさと方向を用いて各キーポイントに方向を割り当てる。その計算には $ m(x,y) = \sqrt{\Delta L_x^2 + \Delta L_y^2} $ および $ \theta(x,y) = \tan^{-1}(\Delta L_y / \Delta L_x) $ を用いる。
• 方向を割り当てた近傍からの特徴記述子を組み合わせて抽出することで、テクスチャ記述の精度とマッチング精度を向上させる。
• 類似度指標を用いて画像領域間の特徴をマッチングし、幾何的一致性に基づいて誤マッチングを RANSAC を用いて除去する。
• パラメータ $ oc=4 $, $ in=4 $, $ \beta=1.25 $, および $ t_{CR}=0.02 \cdot \max(CR) $ を用いたマルチスケール・マルチインターバルアプローチを採用し、検出の頑健性を高める。

実験結果

リサーチクエスチョン

• RQ1 コピーモーブ forgery 検出手法は、現実的な画像において類似だが真正の対象物（SGO）と本物の改ざんを効果的に区別できるか？
• RQ2 提案手法 SHFD は、スケーリング、回転、自由形式歪みなどのさまざまな幾何変換条件下でどのように性能を発揮するか？
• RQ3 SHFD は、ブラー、ノイズ、JPEG 圧縮などの一般的な後処理に対してどの程度頑健であるか？
• RQ4 COVERAGE データベースにおいて、SHFD は真陽性率および偽陽性率の観点から SIFT や SURF と比較してどのように定量的に優れているか？
• RQ5 照明のばらつきおよび複合的な改ざん要因が、SHFD の検出性能に与える影響は何か？

主な発見

• SHFD は、ナーブ、回転、スケーリング、自由形式歪みを含むすべての改ざん要因において一貫した性能を示し、COVERAGE データベースで高い真陽性率を達成した。
• 図 2 に示すように、特に SGO を含む画像において、SHFD は SIFT や SURF を上回る性能を発揮し、優れた ROC 曲線を示した。
• ガウスブラー（σ = 0.5, 1, 2）、ノイズ（分散 = 1, 3, 5）、JPEG 圧縮（品質因子 80, 60, 40）に対しても強い頑健性を示し、偽陽性率を低く維持した。
• 図 4 の ROC 曲線は、SHFD がすべての後処理条件下でも高い検出性能を維持しており、SIFT や SURF と比較して劣化が最小限であることを確認した。
• 大多数の要因において優れた性能を発揮したが、照明のばらつきおよび複合的な改ざん要因の下では性能の低下が見られた。これは、こうした複雑な状況の処理におけるさらなる改善の必要性を示唆している。
• RANSAC を用いたマッチングの導入により、特に SGO を多く含むシーンにおいて偽陽性が顕著に減少した。これにより、幾何的一致性フィルタリングの有効性が裏付けられた。