[论文翻译] Estimation of Image Rotation Angle Using Interpolation-Related Spectral Signatures

2021.12.21 正在施工中

Estimation of Image Rotation Angle Using Interpolation-Related Spectral Signatures With Application to Blind Detection of Image Forgery

Abstract

受Gallagher提出的图像重新缩放估计方法的启发，我们开发了一种基于旋转角度与峰值频率之间关系的图像旋转角度估计器。插值发生在图像边缘图的频谱中，我们使用重新缩放/旋转检测和参数估计来检测插入图像中的假对象。当伪造的图像包含来自不同来源或同一图像的另一部分的区域时，通常会涉及重新缩放和/或旋转。在这些几何运算中，插值是必不可少的步骤。通过将图像分成块，检测每个块中重新缩放和旋转的痕迹，并估计参数，我们可以有效地揭示图像中经过重新缩放和/或旋转的伪造区域。如果涉及多个几何运算，则可以根据缩放和旋转导致的峰的不同行为确定不同的处理顺序，即重复缩放、重复旋转、先旋转再缩放或先缩放再旋转。这也可能为图像取证提供有用的线索。

I. Introduction

随着强大的图像编辑工具的出现，许多图像修饰技术变得实用，可以用来创作伟大的艺术作品。然而，对图像内容的恶意修改为数字图像的安全和合法使用构成了严重威胁。通过巧妙的操作，赝品可能很难被肉眼所识别。因此，图像伪造的自动检测引发了很多研究兴趣。近年来，已经提出了许多图像伪造检测技术，特别是除了图像本身之外不需要任何额外信息的被动方法[1]，[2]。一些已发表的方法利用光照异常[3]、模糊矩不变量[4]以及颜色和结构特征的相似性/不相似性[5]。

已经报道了几种基于图像重新缩放/旋转检测的图像取证技术。Popescu和Farid[6]提出了他们的早期方法，通过使用期望最大化(EM)[7]，无需求助于参考图像，即可找到隐藏在图像任何部分中的重新缩放痕迹。 Mahdian和Saic[8]使用由于插值产生的周期性来执行盲图像取证。他们在二阶导数的基础上引入了Radon变换来检测旋转，而不需要估计旋转角度。在另一项工作中，Mahdian等人[9]使用噪声不一致性来帮助检测图像拼接中的图像重新缩放。Kirchner[10]构建了一个基于局部线性预测器残差中的周期性伪影的重新缩放检测器。他通过分析推导出了特征重标度峰的预期位置，并形成了一个检测器，该检测器比[6]快得多。普拉萨德等人[11]通过将像素标记为1来定位篡改区域，其二阶导数改变符号，否则标记为0。光谱分析可以揭示重采样引起的周期性。这种方法可以检测到重采样操作的存在，对JPEG压缩和篡改图像的后续重缩放也有效。

在这项工作中，我们提出了一种旋转角度的估计方法，其动机是一些重缩放的检测方法，特别是Gallagher[12]提出的方法，通过探索插值引起的光谱特征，开发出一种统一的方法来确定重新缩放和旋转的参数，并将其应用于图像取证。

Gallagher的方法利用了插值图像中的周期性，这将在第II节中简要描述。在最近的一项工作中，Suwendi 等人[13]提出了一种在垂直和水平方向上合理估计放大系数的方法。

现有的图像旋转角度估计方法大多是非盲的。它们需要有关原始图像、参考模板或从原始图像中提取的特征作为先验知识。在[14]中，输入和参考图像之间的旋转角度是从通过投票程序生成的角度直方图的峰值获得的。大西等人[15]对参考和输入图像应用了霍夫变换的修改版本，并唯一地计算了旋转角度。旋转角度估计可以从纹理特征进行。在[16]中，使用可操纵的定向金字塔来提取输入纹理的特征，然后进行监督分类。乌拉斯等人[17]研究了针对实时实现的纹理旋转角度估计。在[18]中提出了一种基于投影法和Zernike矩相结合的旋转不变模板匹配方法来估计旋转角。

非盲法在应用中价值有限，因为在大多数实际情况下原始图像是不可用的。图像旋转的盲法检测和旋转角度的盲法估计更为实用。正如下面的章节所显示的，重新缩放/旋转的盲检测和参数的估计提供了一种方法来揭示与图像其他部分不相干的图像区域。它还将表明，如果涉及多种几何操作，处理的历史可以分别从重新缩放和旋转导致的光谱峰的不同行为中确定。这也为图像取证提供了一个有用的线索。

在第二节中，简要介绍了Gallaghe的重新标度估计方法的概述。在第三节和第四节中，提出了一种图像旋转角估计技术，并给出了实验结果。第五节描述了一种探索连续缩放和旋转历史的方法。第六节介绍了重新缩放/旋转估计器在图像伪造检测中的应用。结论和讨论在第 VII节中给出。

II. Overview of Gallagher’s Method and its Extension

根据Gallagher[12]，信号s(x)s(x)s(x)以步长Δ∈R+\Delta \in R^+Δ∈R+进行采样以产生离散数据序列sm=s(mΔ)s_m=s(m\Delta)sm=s(mΔ)。该信号可以从其样本中重建：s(φ)(x)=∑m=−∞∞smφ(xΔ−m)s^{(\varphi)}(x)=\sum_{m=-\infty}^{\infty} s_{m} \varphi\left(\frac{x}{\Delta}-m\right) s(φ)(x)=m=−∞∑∞smφ(Δx−m) 其中φ(⋅)\varphi(·)φ(⋅)是插值函数。对于线性插值φ(⋅)=1−∣x∣\varphi(·) = 1-|x|φ(⋅)=1−∣x∣，其中∣x∣≤1|x|\leq 1∣x∣≤1. Gallagher取插值信号的二阶导数，并表明二阶导数的方差以周期Δ\DeltaΔ为周期。在[8]中，Mahdian等人已将方法推广到k阶导数。