图像篡改检测C语言,图像篡改检测和定位（二）

在之前的文章中( 图像篡改检测和定位(一) )，我们谈到图像篡改检测的几种方法，在这里我们主要讨论整个体系的框架里面不同的算法各自的优势，以及存在的问题。

我们可以根据经验大致把图像篡改检测一般性方法归纳为Fig-1所示的三个主要步骤：(1)输入图像预处理；(2)特征提取器；(3)特征输出后处理。事实上，目前的算法主要都在研究这三个部分。

目前的文章大部是基于CNN模型的算法，这里面有一个共同特征：绝大部分文章都把图像做了分片(切割)处理，这里面显然存在一些问题：(1)切片块在篡改区域的交界处，特征是不明显的；(2)切片块的输出特征向量只能代表切片块自己，一但误判，没有补救措施，结果就是误判；(3)很多文章是没考虑纹理度特征的，事实上纹理度密集区域的篡改特征相对低文理处明显。

2.Related Work

A.预处理(Pre-processing)

图像的预处理方法有很多，归结来说这些模型的作用都是在抑制图像内容，提取残差噪声。

预处理的文章有两个类别：(1)静态滤波器(手工设计)；(2)动态滤波器(CNN模型)；

静态滤波器有很多了，中值滤波MFR(median filter residual) [4]，相机是别的PRNU噪声(photo response non-uniformity noise) [5]࿰