[논문 리뷰] Revisiting copy-move forgery detection by considering realistic image with similar but genuine objects

Ye Zhu, Tian-Tsong Ng외 2명|arXiv (Cornell University)|2016. 01. 27.

Digital Media Forensic Detection참고 문헌 11인용 수 5

한 줄 요약

이 논문은 척도 히어르키컬 스페이스, 방향 할당, RANSAC 기반 특징 매칭을 통합하여 기하학적 변형과 후처리에 강건한 복사-이동 위조 탐지 성능을 보이는 새로운 Scaled Harris Feature Descriptors (SHFD)를 제안한다. 이는 유사하지만 진짜 객체(SGO)와 실제 위조 간의 효과적인 구분을 가능하게 하며, COVERAGE 데이터베이스에서 SIFT 및 SURF를 능가하는 높은 정확도를 달성한다. 특히 SGO 및 복잡한 왜곡 상황에서 뛰어난 성능을 보인다.

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

연구 동기 및 목표

• 실제 이미지에서 유사하지만 진짜 객체(SGO)로 인해 발생하는 가짜 양성 결과를 해결하는 데 초점을 맞춘다.
• 기존 방법이 종종 위조로 오분류하는 SGO가 포함된 이미지에서도 높은 탐지 정확도를 유지하는 방법을 개발한다.
• 척도, 회전, 자유형 왜곡 등의 기하학적 변형과 블러링, 노이즈, JPEG 압축 등의 일반적인 후처리에 강건함을 확보한다.
• 척도 불변성, 방향 할당, RANSAC 기반 이상치 제거를 통합하여 특징 매칭의 신뢰성을 향상시킨다.
• 특히 복잡한 위조 및 SGO 상황에서 SIFT 및 SURF에 비해 뛰어난 성능을 보이며 COVERAGE 데이터베이스에서의 성능을 입증한다.

제안 방법

• 핵심점 탐지에서 척도 불변성을 확보하기 위해 가우시안 스무딩과 서브샘플링을 적용한 피라미드 척도 스페이스를 사용한다.
• 안정적인 핵심점 탐지를 위해 히어르스 코너 검출기와 코너 반응 함수 $ CR = \det(M) - k \cdot \operatorname{tr}(M)^2 $ 를 적용한다.
• 로컬 이웃 영역의 기울기 크기 및 방향을 이용해 각 핵심점에 방향을 할당한다: $ m(x,y) = \sqrt{\Delta L_x^2 + \Delta L_y^2} $ 및 $ \theta(x,y) = \tan^{-1}(\Delta L_y / \Delta L_x) $.
• 방향이 할당된 이웃 영역에서 특징 서술자를 추출하여 무늬 기술 및 매칭 정밀도를 향상시킨다.
• 유사도 기반 매칭을 통해 영역 간 특징을 매칭하고, 기하학적 일관성을 바탕으로 RANSAC을 사용해 잘못된 매칭을 제거한다.
• 강건한 탐지를 위해 파rameter $ oc=4 $, $ in=4 $, $ \beta=1.25 $, $ t_{CR}=0.02 \cdot \max(CR) $ 를 사용한 다중 척도, 다중 간격 접근 방식을 활용한다.

실험 결과

연구 질문

• RQ1 실제 이미지에서 유사하지만 진짜 객체(SGO)와 실제 위조를 효과적으로 구분할 수 있는 복사-이동 위조 탐지 방법은 가능한가?
• RQ2 제안된 SHFD 방법은 척도, 회전, 자유형 왜곡 등의 다양한 기하학적 변형에서 어떻게 성능을 발휘하는가?
• RQ3 블러링, 노이즈, JPEG 압축 등의 일반적인 후처리 조치에 대해 SHFD 방법은 어느 정도 강건한가?
• RQ4 COVERAGE 데이터베이스에서 SHFD는 SIFT 및 SURF에 비해 진성 양성률 및 가짜 양성률 측면에서 얼마나 정량적으로 뛰어나게 성능을 발휘하는가?
• RQ5 일조 변화 및 복합 위조 요소가 SHFD의 탐지 성능에 미치는 영향은 어떠한가?

주요 결과

• SHFD는 COVERAGE 데이터베이스에서 나이브, 회전, 척도, 자유형 왜곡 등 모든 위조 요소에서 높은 진성 양성률을 유지하며 일관된 성능을 보였다.
• SHFD는 SGO가 포함된 이미지에서 SIFT 및 SURF를 능가하는 성능을 보이며, 그림 2의 우수한 ROC 곡선을 통해 이를 확인했다.
• SHFD는 가우시안 블러링(σ = 0.5, 1, 2), 노이즈(분산 = 1, 3, 5), JPEG 압축(품질 요소 80, 60, 40)에 대해 강력한 저항력을 보이며 낮은 가짜 양성률을 유지했다.
• 그림 4의 ROC 곡선은 SHFD가 모든 후처리 조건에서도 높은 탐지 성능을 유지하며 SIFT 및 SURF에 비해 최소한의 성능 저하를 보임을 확인한다.
• 다른 요소에서는 뛰어난 성능를 보였지만, 일조 변화 및 복합 위조 요소에서는 성능 저하가 발생함을 확인하여 이러한 복잡한 케이스 처리를 위한 향상이 필요함을 시사한다.
• RANSAC 기반 매칭은 특히 SGO가 많은 환경에서 가짜 양성을 크게 감소시켜 기하학적 일관성 필터링의 효과성을 입증한다.