检测内容感知填充的资源和方法答案

【问题标题】：Resources & approaches for detecting content-aware fill检测内容感知填充的资源和方法
【发布时间】：2019-06-11 10:52:32
【问题描述】：

如何解决区分已填充内容感知的图像（和突出显示区域）的问题？

正面类图像（未经编辑的原始图像）：

负类图像（已删除徽章的篡改图像）：

我知道通过训练分割 CNN 网络可以非常有意义地解决这个问题。是否有我无法找到的有效解决方案或实施起来相对简单的方法。

这些图像是来自引发运行时错误的代码库的示例。

【问题讨论】：

SSIM 在这里可能很好。看看this

标签： image opencv machine-learning computer-vision data-science

【解决方案1】：

我不是这方面的专家，但据我所知，像 Photoshop 的内容感知填充（基于 PatchMatch Algorithm）这样的结构图像处理算法正在将图像划分为由共同强度定义的所谓补丁统计。然后通过使用与相邻补丁匹配的统计信息（最小化一些距离度量）的源补丁替换目标补丁来执行操作。

因此，在伪造的图像中，您会发现克隆区域，例如具有相同或几乎相同强度分布的补丁。为了检测到这一点，我的幼稚方法是将图像分割成许多小的子图像，并将每个子图像用作过滤器掩码，使cross-correlated 具有完整图像。我希望真实的图像只显示一个或多或少清晰的全局最大值。伪造的图像可能会产生两个或多个具有相似高度的“全局”最大值。

但似乎有一大群人发布了一些用于伪造检测的开源代码，很可能使用比我更聪明的方法 -> Github topic: Fogery detection。

【讨论】：