《表6 原始图像与篡改图像的汉明距离》
为了测试本文算法的篡改检测性能,从VOC2012数据库[22]中下载15 000幅图像,并对每幅图像添加占原图像面积20%的对象,图11为一个篡改示例.通过本文算法提取篡改图像与原始图像的哈希序列,并计算哈希距离.对篡改图像对的哈希距离分布、2.3小节相似图像对和不同图像对的哈希距离分布进行绘制,如图12所示.横坐标为汉明距离,纵坐标为发生的概率.取不同曲线的交点的横坐标T1=0.078 8和T2=0.347 0作为篡改检测的阈值,当原始图像与测试图像的哈希距离小于T1时,认为图像为相似图像;两个图像的哈希距离在T1和T2之间时,认为图像为篡改图像;哈希距离大于T2时,图像为不同图像.通过计算发现,当阈值T1=0.078 8时,算法有98.03%的识别率正确识别相似图像对;当阈值T2=0.347 0时,有97.92%的识别率正确识别不同图像对;对篡改图像,有98.72%的正确识别率识别篡改图像对.表6给出了一些篡改实例,其中1~6是颜色篡改的实例,7~8是在图像非显著区域进行篡改,可以看出篡改图像和原始图像的汉明距离均分布在阈值T1、T2之间因此本文算法对图像篡改具有较好的检测能力.
图表编号 | XD00108901600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.30 |
作者 | 赵琰、周晓炜、沈麒 |
绘制单位 | 上海电力大学电子与信息工程学院、广西师范大学广西多源信息挖掘与安全重点实验室、上海电力大学电子与信息工程学院、上海电力大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |