Object-level Copy-Move Forgery Image Detection based on Inconsistency Mining

在复制-移动篡改操作中，犯罪者常常采用模糊等技术来掩盖篡改痕迹，这给完好结构的目标对象级别的检测带来了重大挑战。针对这些挑战，本文提出了一种基于不一致性挖掘的对象级复制移动伪造图像检测方法（IMNet）。为了获取完整的对象级别目标，我们为源区域和篡改区域定制了原型，并动态更新它们。此外，我们通过自相关计算提取粗略相似区域和原型组成的区域之间的不一致性区域。检测到的不一致性区域被用作粗略相似区域的补充，以精细化像素级别的检测。我们在三个公共数据集上进行实验，验证了所提出的IMNet的有效性和鲁棒性。

本文旨在解决复制移动篡改操作中的挑战，即使用模糊等技术来掩盖篡改痕迹，从而对完整结构的物体级目标的检测构成困难。

本文提出了一种基于不一致性挖掘的物体级复制移动伪造图像检测方法（IMNet），通过自定义源和篡改区域的原型并动态更新，以获得完整的物体级目标。此外，通过自相关计算获得的粗略相似区域和由原型组成的区域之间提取不一致区域，将检测到的不一致区域用作粗略相似区域的补充，以细化像素级检测。

本文的实验结果表明，IMNet方法具有良好的有效性和鲁棒性。实验使用了三个公共数据集，并开源了代码。这篇论文的亮点是在处理复制移动伪造图像时，使用了物体级目标检测的方法，以及提出了基于不一致性挖掘的检测方法。

近期的相关研究包括：1.基于密度峰值聚类的复制移动检测方法；2.基于稀疏表示的复制移动检测方法；3.基于深度学习的复制移动检测方法。