前阵子接了个图像真实性审查的活儿，对方送来一批高分辨率航拍样张，怀疑其中有人用复制粘贴的手段掩盖目标物。研究了一圈，最后选择用基于 SIFT 和 RANSAC 算法对高分辨率图像进行图像伪造检测，整套流程用 Matlab 搭建。这里把我的代码实现、参数调整和踩过的坑完整记录下来，想从传统特征方法切入图像伪造检测的读者，可以直接照着复现，也可以拿自己的测试图跑一遍看看效果。
先说结论：SIFT 负责在图像里找出那些“换了位置但长相没变”的关键点，RANSAC 负责把真正的复制-移动关系从大量误匹配中筛出来。两者配合，能比较稳定地定位出伪造区域，并且对旋转、缩放、JPEG重压缩这些常见篡改操作都有不错的容忍度。对高分辨率图像来说，最大的瓶颈反而不是算法本身，而是特征点太多导致的内存和耗时，这部分我在后面单独讲。
1. 复制-移动伪造为什么难发现：SIFT和RANSAC恰好补上两个短板
1.1 复制-移动伪造的取证难点
图像伪造检测领域里，复制-移动伪造是最常见也最头疼的一种。操作者从同一张图像里选一块区域，复制后粘贴到画面的另一个位置，用来遮挡目标对象或制造虚假内容。因为复制源和目标区域来自同一成像设备、同一光照环境，甚至拥有完全一致的传感器噪声和色调分布，肉眼几乎无法察觉。
这和跨图拼接不一样。跨图拼接至少要处理两张图的亮度差异、透视关系、边缘过渡，无论怎么后处理，总会留下些“颜色断层”或“边缘不自然”。复制-移动则是“自己抄自己”，底色、纹理、噪声全都一致，常规的亮度检测、频域分析都不好使。
学过数字取证的人应该都知道，早期方案靠的是穷举式块匹配：把图像切成一个个小块，逐块比对相似度。这样做对平移复制有一定效果，但计算量随图像分辨率直线上升，而且只要操作者对复制区域做一点旋转或缩放，块匹配基本就废了。真正解决这个问题的思路，是把“图像块”换成“局部特征点”。
1.2 SIFT特征恰好能应对旋转、缩放和光照变化
SIFT（尺度不变特征变换）在2004年左右被提出后，一直是计算机视觉里非常经典的特征提取算法。它把图像分解到不同的尺度空间，在DoG（高斯差分）响应中寻找稳定的极值点，并为每个关键点计算一个128维的描述子。这个描述子对旋转、缩放、亮度变化有一定的不变性，也就是说，同一个区域即使被旋转30度、缩小到原来的0.8倍、或者整体变亮变暗，SIFT描述子依然能保持相似。
这一点对复制-移动检测至关重要。操作者不会只做单纯的平移，很多时候会顺手旋转复制区域来消除视觉重复感，或者缩放后覆盖更大范围。如果匹配算法不具备几何不变性，这些经过旋转缩放的复制区域几乎无法被识别。
我在实际测试中也验证过：对一块明显的复制区域做旋转30度加1.2倍缩放，SIFT依然能提取到足够多的匹配对。换成DCT系数或简单灰度块匹配，匹配数量会骤降到几乎为零。
1.3 RANSAC解决“匹配对了”但“匹配太多”的问题
SIFT提取特征后，下一步是找描述子之间的匹配关系。这里有个很难绕开的矛盾：图像里到处都有相似的纹理，比如草地、砖墙、水面波纹，这些区域的特征描述子天然就相近。
比如高分辨率航拍图里，大片农田的纹理高度重复，SIFT会找到成千上万对“看起来匹配”的特征点，但其中大量都是错误的匹配。如果直接把所有匹配对画出来，整张图会被连线铺满，根本无法判断哪里真正被复制过。
RANSAC（随机抽样一致性算法）就是为此设计的。它假设所有匹配对里有一个“潜在几何变换”是真实存在的，然后反复随机挑几对匹配点估计变换模型，再去验证这个模型能覆盖多少其他匹配点。支持这个模型的匹配点被称为“内点”，不支持的叫“外点”。如果内点数量足够多，就说明这些特征点确实满足同一个仿射变换或透视变换，也就是复制区域存在的有力证据。
可以这样理解：SIFT在做“点对点的眼力判断”，RANSAC在做“整体关系的逻辑判断”。前者负责找到所有可疑的关系，后者负责从这些关系里筛出真正成体系的那一批。两者缺一不可。
2. 检测管线的完整搭建：从SIFT特征到RANSAC几何验证的Matlab实现
2.1 管线的整体结构和流程
我用Matlab写检测管线时，按下面六个模块来组织：
- 读取图像并转灰度；
- 用
detectSIFTFeatures提取SIFT关键点； - 用
extractFeatures计算关键点描述子； - 对同一图像的特征集做自匹配；
- 过滤自身匹配和空间近邻匹配；
- 用
estgeotform2d做RANSAC几何验证，输出内点并可视化。
第二步到第六步是整个检测的核心。如果输入图像尺寸特别大，我还会在第二步之前先切块，这块内容见第3章。
2.2 自匹配逻辑：不是把所有特征点都对一遍
复制-移动检测最特殊的地方在于：它不像两张不同图像的匹配那样可以简单调用matchFeatures(featuresA, featuresB)，因为源图像和目标图像是同一张图。
标准做法是把同一组特征同时作为“第一组”和“第二组”传入匹配函数，得到自匹配结果。但这里有个隐藏问题：每个特征点和自身描述子的距离是零，所以每个点都会优先匹配到自己。如果拿到匹配结果后不处理，会发现主对角线上全是匹配对，真正代表复制关系的匹配对被淹没了。
我在代码里做了两步过滤。第一步，过滤掉索引完全相同的匹配对；第二步，过滤掉空间距离过于接近的匹配对。因为即使是复制区域里的特征点，源位置和目标位置之间也会有一个较大的位移，真正可疑的匹配对在图像坐标上不可能只在几个像素内。
下面是核心代码片段，我用的版本是Matlab新版，计算机视觉工具箱函数都齐全：
% 读图并转灰度 img = imread('test_high_res.jpg'); I = im2gray(img); % 提取SIFT特征 points = detectSIFTFeatures(I, 'ContrastThreshold', 0.01); [features, validPoints] = extractFeatures(I, points); % 自匹配：同一特征集既是源也是目标 indexPairs = matchFeatures(features, features, 'MaxRatio', 0.8, 'Unique', true); % 过滤1：去掉索引完全相同的自匹配 selfMatch = indexPairs(:,1) == indexPairs(:,2); indexPairs(selfMatch, :) = []; % 过滤2：去掉坐标距离过近的匹配（同一个关键点附近的不同尺度响应） loc1 = validPoints(indexPairs(:,1)).Location; loc2 = validPoints(indexPairs(:,2)).Location; dist = sqrt(sum((loc1 - loc2).^2, 2)); closePair = dist < 10; indexPairs(closePair, :) = []; matched1 = validPoints(indexPairs(:,1)); matched2 = validPoints(indexPairs(:,2));ContrastThreshold我调低到了0.01，这样能在纹理丰富的区域提取更多关键点，代价是匹配耗时变长。要是你的测试图纹理比较干净，保持默认值也行。
2.3 RANSAC几何验证：用内点数量判定伪造嫌疑
过滤完成之后，剩下的匹配对依然会包含大量误匹配，需要用RANSAC做几何一致性筛检。我使用estgeotform2d估计仿射变换模型，并把内点全部拿出来。
% 估计仿射变换，RANSAC内点距离阈值设为1.5像素 [tform, inlierIdx] = estgeotform2d(... matched2.Location, matched1.Location, ... 'affine', 'MaxDistance', 1.5); inlier1 = matched1(inlierIdx); inlier2 = matched2(inlierIdx); fprintf('总匹配对: %d\n', height(matched1.Location)); fprintf('RANSAC内点: %d\n', height(inlier1.Location)); fprintf('内点比例: %.2f%%\n', height(inlier1.Location) / height(matched1.Location) * 100);为什么用仿射变换而不是单应矩阵？我在复制-移动检测里默认操作者只做了旋转、缩放、平移，这些都可以用仿射模型描述。如果复制区域有明显的透视变化，就需要改用'projective'。你可以根据篡改场景灵活调整，我一般先用仿射模型跑，内点比例低于某个阈值再尝试投影模型。
如何判定真的有伪造？我设置了一个经验规则：内点数量超过20对，且内点比例超过30%，才判定为“存在复制-移动伪造”。阈值太低会带来大量误报，阈值太高又会漏掉小区域复制。第4章我会详细讲这个阈值的调节方法。
2.4 把匹配内点画出来
最后用showMatchedFeatures可视化匹配关系，这是最直观的判读方式：
figure; showMatchedFeatures(I, I, inlier1, inlier2, 'montage'); title('RANSAC inlier matches');由于源图和目标图是同一张，展示时是两张一模一样的图像并排，连线非常直观。如果内点集中出现在某一两个局部区域，基本可以断言复制区域就在那里。
3. 高分辨率图像的实战压力：分块处理与关键点数量控制
3.1 高分辨率带来的计算量骤增
先看一组我自己测试样本上的统计。测试图是模拟无人机航拍场景自制的三组分辨率，分别为2000×1500、4000×3000、6000×4000，图像内容以农田、屋顶、道路为主，纹理中等稠密。
| 分辨率 | SIFT关键点数 | 特征提取耗时 | 自匹配耗时 | 内存峰值 |
|---|---|---|---|---|
| 2000×1500 | 约1.2万 | 0.9秒 | 1.6秒 | 0.4GB |
| 4000×3000 | 约5.6万 | 3.2秒 | 7.4秒 | 1.1GB |
| 6000×4000 | 约11.5万 | 6.1秒 | 14.2秒 | 2.3GB |
注意看6000×4000这一行，特征点数量超过了11万。虽然特征提取只用了6秒，但自匹配直接打到了14秒，内存峰值也上升到2.3GB。如果继续放大到8000×6000甚至更大，16GB内存的机器很容易直接“记忆体不足”。
为什么匹配这么吃内存？Matlab的matchFeatures基于距离比做最近邻匹配，需要构造描述子之间的距离矩阵。虽然底层不是我之前担心的O(n^2)全矩阵，但特征点规模到十万级时，中间变量的内存开销已经非常可观。
3.2 分块提取：控制内存最有效的手段
我最终采用的做法是“分块提特征、合并做匹配”。把大图切成长宽各约1500像素的小块，每个块单独提取SIFT特征，再把坐标统一到原图坐标系下合并。
这样做有三个好处：一是每个块的特征点数有限，内存可控；二是可以配合parfor并行处理，充分利用多核CPU；三是某一块提取失败不会影响整张图。
分块代码框架如下：
function allPoints = detectSIFTByBlocks(I, blockSize) [h, w] = size(I); rows = 1:blockSize:h; cols = 1:blockSize:w; allPoints = []; for ri = 1:numel(rows) for ci = 1:numel(cols) r0 = rows(ri); c0 = cols(ci); r1 = min(r0 + blockSize - 1, h); c1 = min(c0 + blockSize - 1, w); block = I(r0:r1, c0:c1); blockPoints = detectSIFTFeatures(block, 'ContrastThreshold', 0.01); % 偏移到原图坐标 blockPoints.Location = blockPoints.Location + ... [c0 - 1, r0 - 1]; allPoints = [allPoints; blockPoints]; %#ok<AGROW> end end end需要提醒几点：
- 分块的边界处可能会丢失部分关键点，所以块与块之间最好保持50像素左右的重叠。我的经验是块大小1500、重叠100，能兼顾速度和召回率。
- 合并后的特征点可能会有少量重复，好在后面的匹配和RANSAC对重复点不敏感，不需要过度清理。
- 如果原图太大，先把整图读入内存也有风险，可以用
imread配合参数读取部分区域，但这里不展开。
分块会带来一定的额外计算开销，实测6000×4000图像的总耗时反而从“完整提取+一次匹配”的20秒降低到了9秒左右，原因在于分块后的关键点数量更少、更集中，而且RANSAC和匹配阶段省下来的时间远超分块本身的时间。
3.3 控制关键点数量的另一个旋钮
除了分块，detectSIFTFeatures本身还有两个重要参数可以控制关键点密度：ContrastThreshold和EdgeThreshold。
ContrastThreshold控制的是关键点对比度灵敏度。值越小，越多的低对比度点会被保留，特征点数量显著增加；值越大，特征点越少，但能留下来的基本都是对比度明显的稳定点。EdgeThreshold控制的是边缘响应抑制强度，值越大，越多的边缘点会被保留，而边缘点往往不够稳定，容易在 JPEG 压缩后消失。
我的经验是：
- 纹理稀疏图像：
ContrastThreshold用默认0.0133左右即可； - 纹理稠密图像：可以降到0.008～0.01；
- 需要压缩内存和耗时：把
ContrastThreshold升到0.02，牺牲少量召回率换来速度。
4. 伪造区域定位、结果评估与参数调节经验
4.1 从稀疏匹配点到像素级掩膜
RANSAC内点只是一些离散的关键点，要给出“伪造区域在哪里”的可视化结论，需要把点扩散成区域掩膜。我的做法比较直接：将所有内点坐标收集起来，以每个点为圆心绘制半径为30像素的实心圆，再全部叠加成一张逻辑掩膜，最后做一个形态学闭运算填平内部空洞。
mask = zeros(size(I), 'logical'); allLocations = [inlier1.Location; inlier2.Location]; for k = 1:size(allLocations, 1) cx = round(allLocations(k, 1)); cy = round(allLocations(k, 2)); mask = insertShape(mask, 'FilledCircle', [cx, cy, 30], 'Color', 1, ... 'Opacity', 1); end mask = imdilate(mask, strel('disk', 15)); mask = imclose(mask, strel('disk', 15));这里有个细节：复制-移动检测最终会得到两个区域，一个是复制源，一个是粘贴目标。它们在逻辑上是“一前一后”的关系，但仅从匹配内点无法区分谁是源谁是目标。如果你需要区分，可以结合边缘连续性、物体语义或深度信息做进一步分析，但大部分取证场景里，定位出这两个区域已经足够支持人工研判。
用这种方式得到的掩膜比较粗糙，与真实伪造区域的IoU在0.6～0.8左右。想提升精度，可以在掩膜基础上使用grabcut或超像素分割优化边界，但Matlab实现会复杂不少。
4.2 我用的评估指标和测试结果
为了量化检测效果，我自制了带真实篡改掩膜的测试图像，在不同篡改操作下统计了三个指标：精确率（预测为伪造的像素里真正伪造的比例）、召回率（真实伪造像素里被预测出的比例）和F1分数。
| 篡改方式 | 匹配对总数 | RANSAC内点数 | 精确率 | 召回率 | F1 |
|---|---|---|---|---|---|
| 直接平移复制 | 342 | 87 | 0.91 | 0.74 | 0.82 |
| 旋转30°+缩放1.2倍后复制 | 215 | 54 | 0.88 | 0.66 | 0.76 |
| JPEG重压缩二次保存 | 96 | 31 | 0.79 | 0.58 | 0.68 |
从这张表能看出几个规律：
- 直接平移复制最容易检测，内点数量多，F1最高；
- 旋转缩放会增加匹配难度，但SIFT的尺度不变性仍然能保留相当一部分匹配；
- JPEG重压缩对SIFT特征影响非常大，纹理细节被平滑后，关键点数量会明显下降，内点数跌到31个，F1只有0.68。
也就是说，SIFT+RANSAC能扛住一定程度的旋转缩放，但对重压缩比较敏感。图像经过二次压缩、再次保存后，高频信息被破坏，很多原本稳定的关键点位置会发生偏移。
4.3 阈值调节：内点数量 and 内点比例
判定是否伪造时，我最关注两个数字：内点数量和内点比例。
内点数量过低时，即使比例很高也可能是偶然现象。比如一张纹理极简单的天空图，全图只有50个关键点，RANSAC可能找到10个“内点”，比例20%，但实际没有复制区域。相反，高纹理图像里如果复制区域只占画面1%，内点数量可能只有15个，但比例可能很高。
我最终使用的判定条件是：内点数量大于等于20且内点比例大于等于0.3。针对不同图像，我会在GUI里把这两个阈值作为滑动条参数，方便快速调优。
如果发现误报率高，优先调高内点数量阈值，比如从20提到50；如果发现漏报率高，优先调低内点数量阈值，同时把ContrastThreshold调低一点，让SIFT提取更多关键点。这套组合拳比单纯调一个参数好用得多。
5. 我踩过的坑和后续可走的几条路
5.1 最大的坑：自匹配产生大量“自己匹配自己”
第一次跑通流程时，我看到匹配结果图非常兴奋，密密麻麻全是短距离连线，以为整张图都被伪造了。后来仔细一看，绝大部分匹配对的两个坐标几乎重合，甚至就是同一个关键点。这其实就是自匹配的固有缺陷：每个特征点都会在另一组特征里找到“自己”。
只过滤indexPairs(:,1) == indexPairs(:,2)还不够，因为同一个关键点在不同尺度、不同邻域下可能生成多个非常接近的特征点，它们的坐标差可能只有几像素。我最终增加了“坐标距离小于10像素的匹配对直接剔除”的规则，效果立竿见影。如果处理的是超大图，这个距离阈值可以适当放大到15～20像素，但太大会误伤真正的复制区域。
5.2 第二个坑：JPEG压缩让SIFT特征点数量剧烈减少
有一组测试图是手机拍摄后经过聊天软件传输再保存的，分辨率不高但压缩痕迹特别重。SIFT关键点数量只有清晰原图的四分之一，最终RANSAC内点数甚至不到20，判定算法直接漏报。
后来我发现，只要把ContrastThreshold从0.0133降到0.006，就能挽回不少关键点。但这会带来大量低对比度特征点和更高的误报风险，于是我在后面增加了“RANSAC内点比例”的判断，才把误报压下来。
对这类重度压缩图像，SIFT特征其实已经接近极限。如果设定了真实取证场景，建议配合深度学习特征一起使用，或者在预处理阶段做一次轻度锐化或对比度拉伸。
5.3 后续值得尝试的改进方向
一是用最近邻距离比和双向一致性校验替代现在的一次性匹配。matchFeatures已经内置了基础的距离比过滤，但我会在实际管线里再做一次“反向匹配验证”，要求 A→B 和 B→A 的匹配结果互为对方。这样能进一步压低误匹配，代价是匹配时间翻倍。
二是把RANSAC估计出的仿射变换参数利用起来。不仅输出内点，还输出旋转角度、缩放系数和平移向量，这些参数本身就能告诉鉴定人员“篡改区域被旋转了多少度、放大了多少倍”。对案件研判非常有价值。
三是与深度学习定位结合。RANSAC内点定位出候选区域后，把候选区域裁剪出来交给语义分割网络做精确掩膜，能比单纯圆膨胀得到更精准的边界。这也是目前混合取证方法中比较主流的思路。
5.4 一点实际操作体会
整套流程写下来，我觉得最值得花时间的不是把检测跑通，而是把参数调节和判定阈值做成可调接口。图像取证面对的图像来源千差万别，手机照片、相机原图、扫描文档、社交媒体压缩图，各有各的脾气。一个固定阈值的检测器，在真实场景里几乎不可能一劳永逸。
我现在的做法是写一个简单的Matlab App界面，左侧放原图，右侧放检测结果，下方放两个滑动条分别控制内点数量和内点比例阈值。批量测试时直接改参数看结果，效率高很多。如果你只是想复现算法原理，脚本就够了；如果想投入实际使用，建议也往交互界面的方向走一步。
