圖像篡改檢測方法
【專利摘要】本發(fā)明提供一種圖像篡改檢測方法，其中所述方法包括：步驟1、生成圖像的亮度圖和局部亮度變化圖，將亮度圖和局部亮度變化圖分別執(zhí)行以下操作：分割為M×N個區(qū)域，然后對亮度圖和局部亮度變化圖分別進行分塊處理以得到多個交疊塊；步驟2、對亮度圖和局部亮度變化圖的每一交疊塊，分別計算不變矩；步驟3、通過亮度圖和局部亮度變化圖的不變矩特征向量對交疊塊之間進行比較。
【專利說明】
圖像篡改檢測方法
技術領域
[0001] 本發(fā)明涉及屬于圖像檢測技術領域，特別是指一種圖像篡改檢測方法。
【背景技術】
[0002] 數(shù)字圖像包含豐富的數(shù)字信息并廣泛應用于各個領域，但是偽造者利用圖像處理 等手段篡改圖像的重要信息以達到隱藏圖像真實性的目的，例如：
[0003] SHIVAKUMAR BLjBABOO L S S.Detecting copy-move forgery in digital images:a survey and analysis of current methods[J].Global Journal of Computer Science and Technology，2010，10(7):61-65〇
[0004] 其中，復制-粘貼篡改作為一種常見的圖像篡改手段，是將圖像的一部分經(jīng)過幾何 操作(平移、旋轉等)粘貼到圖像的其他區(qū)域以達到隱藏或增強圖像信息的效果，其篡改區(qū) 域能夠有效地匹配原圖像的屬性且篡改痕跡難以發(fā)現(xiàn)?，F(xiàn)有的篡改圖像通常由兩種以上的 復雜操作得到，為了精確檢測到篡改區(qū)域，相關領域學者提出許多復制-粘貼篡改檢測算 法?；诓煌牟僮鲗ο罂蓪椭?粘貼篡改算法分為兩類:一種是基于分塊的復制-粘貼 篡改檢測方法；另一種是基于關鍵點的復制-粘貼篡改檢測方法，例如：CHRISTLEIN V， RIESS CjJORDAN J,et al.An evaluation of popular copy-move forgery detection approaches. IEEE Trans.Inf.Forensics Security[J].2012,7(6):1841_1854〇
[0005] 基于分塊的復制-粘貼篡改檢測方法是將圖像首先進行分塊，并計算每個塊的不 變特征描述子，在此基礎上通過字典排序等手段進行相似塊匹配。分塊理論可分為交疊塊 處理方法和非交疊塊處理方法，由于原圖像復制區(qū)域以及篡改區(qū)域位置的未知性，大部分 基于分塊的算法均按照逐像素進行交疊塊處理。
[0006] 目前基于分塊的檢測算法主要有：
[0007] 基于交疊塊的離散余弦變換(Discrete Cosine Transform，DCT)算法，例如：
[0008] HUANG YjLU WjSUN ff,et al.Improved DCT-based detection of copy-move forgery in images[J].Forensic science international，2011,206(1-3):178-184;
[0009] 不變矩(Moment Invariants)算法，例如：
[0010] RYU SjLEE MjLEE H.Detection of copy-rotate-move forgery using Zernike moments[C]//Information Hiding Conference :IH'IOProceedings of the 12th international conference on Information hiding.SPRINGER HEIDELBERG:Springer Berlin Heidelberg,2010:51-65；
[0011] 主變量分析(Principal Component Analysis，PCA)算法，例如：
[0012] CAO YjGAO TjFAN L et al.A robust detection algorithm for copy-move forgery in digital images[J].Forensic Science International,2012,214(1-3):33-43；
[0013] BAYRAM SjSENCAR H TjMEMON N.An efficient and robust method for detecting copy-move forgery[C]//ICASSP:Proc. IEEE Int.Conf.Acoust. Speech Signal Process,Washington,DCjUSAjApr.2009:1053-1056〇
[0014] 目前這種基于分塊的算法的運算復雜度代價仍然很高，所以在一些算法中為了減 少運算復雜度，提高匹配精度，在進行分塊之前首先進行圖像分割等預處理操作。例如：
[0015] LIJian,LIXiaolong,YANG Bin,et al. Segmentation-based image copy-move forgery detection scheme[J]. IEEE Trans.Inf.Forensics Security,2015,10(3):507-517。
[0016] 這種算法在進行分塊匹配時只對屬于同一分割區(qū)域的塊特征進行比較，這樣可以 減少計算復雜度。
[0017] 另一種基于關鍵點的復制-粘貼篡改檢測方法，如Harris角點檢測（QlUJianguo， ZHANGJianguo，LI Kai.An images matching method based on harris and sift algorithm[J].Journal of Test and Measurement Technology,2009,23(2):271-274.), 尺度不變特征轉換（Scale Invariant Feature Transform，SIFT)(AMERINI I，BALLAN L, et al.Geometric tampering estimation by means of a SIFT-based forensic ana Iysis//1CASSP:Acoustics Speech and Signal Processing,2010IEEE International Conference,2010:1702-1705.以及AMERINI I ,BALLAN L，CALDELLI R，et al. A SIFT-based forensic method for copy-move attack detection and transformation recovery[J]·Information Forensics and Security , IEEE Transactions on,2010,6(3) :1099-1110.)和加速穩(wěn)健特征（Speed Up Robust Feature, SURF)算法(XU B，WANG J,LIU G，et al · Image copy-move forgery detection based on SURF[C]//Multimedia Information Networking and Security MINES, 2010International Conference on，IEEE，2010:889-892 ·)等，均是通過搜索整幅圖像的 局部角點或極值點并在移除錯誤特征點后進行圖像匹配。
[0018] 對于基于關鍵點的復制-粘貼篡改檢測方法與基于分塊的復制-粘貼篡改檢測方 法可知，基于關鍵點的算法對經(jīng)過多次幾何操作和后處理操作的圖像篡改檢測魯棒性很 好，但是算法運算的精度完全由相關的經(jīng)驗閾值決定，且在處理平坦區(qū)域的復制-粘貼篡改 時錯誤率極高，同時提取關鍵點的復雜度較高導致整個算法的運行時間更長。具體可以參 考：0，BABOO SS.Detection of region duplication forgery in digital images using SURF[J]. International Journal of Computer Science Issues(IJCSI)，2011，8(4)〇同 時，該參考文獻還指出：不變矩無論對于仿射變換操作還是后處理操作(模糊，噪聲)都有很 好的魯棒性，并能夠處理SIFT無法檢測的平坦區(qū)域的篡改圖像。
[0019] 由此可以看出，現(xiàn)有的的圖像篡改檢測方法都具有一定的缺陷。

【發(fā)明內(nèi)容】

[0020] 針對現(xiàn)有技術中圖像篡改檢測方法存在的問題，本發(fā)明要解決的技術問題是提供 一種更為高效準確的圖像篡改檢測方法。
[0021] 為了解決上述問題，本發(fā)明實施例提出了一種圖像篡改檢測方法，包括：
[0022] 步驟1、生成圖像的亮度圖和局部亮度變化圖，將亮度圖和局部亮度變化圖分別執(zhí) 行以下操作:分割為MXN個區(qū)域，然后對亮度圖和局部亮度變化圖分別進行分塊處理以得 到多個交疊塊；
[0023]步驟2、對每一交疊塊計算器不變矩。
[0024]其中，所述步驟1的分割為MXN個區(qū)域，然后對亮度圖和局部亮度變化圖分別進行 分塊處理以得到多個交疊塊，具體包括：
[0025] 步驟11、將圖像分割為M X N個區(qū)域；
[0026] 步驟12、將圖像劃分為多個交疊塊，其中每一交疊塊的尺寸相同且所述相連的兩 個交疊塊之間至少有一部分重疊。
[0027] 其中，所述步驟1的生成圖像的亮度圖和局部亮度變化圖，具體包括：
[0028]步驟]^、根據(jù)共輒函數(shù)表達式2(1，7)=1+7」，生成圖像的共輒函數(shù)？(1，7):
[0029] F(x，y) = f (x，y)+g(x，y) j其中f(x，y)表示圖像的亮度函數(shù)，為共輒函數(shù)F(x，y)的 實部;g(x，y)表示圖像的局部亮度變化函數(shù)為共輒函數(shù)F(x，y)的虛部，j表示共輒函數(shù)的虛 部符號。
[0030] 步驟lb、生成圖像的梯度、圖像的局部二值模式(LBP):
[0031]
[0032]
[0033]
[0034]其中，g。表示中心像素點的灰度值，gP表示中心像素g。鄰域中的像素點的灰度值。R 表示中心像素的鄰域半徑，P表示領域半徑上的像素的個數(shù)。
[0035] 稱為均勻模式，即一個二進制序列從0到1或是從1到0的變過不超過2次。當 滿足上述二進制序列變化U(LBPP,rH 2時，則按照均值模式公式計算圖像的局部二值模式， 否則，均按照(P+1)計算。
[0036]步驟lc、根據(jù)共輒函數(shù)表達式2(1，7)=1+7」，計算共輒矩：
[0037]
(8)
[0038]其中，1^，8(1 = 1，2，...，6)分別表示亮度函數(shù)汽1，5〇和局部亮度變化函數(shù)8&，5〇 的不變矩;j為共輒不變矩的虛部符號;M。表示共輒不變矩。
[0039]其中，所述步驟1的亮度函數(shù)f(x，y)和局部亮度變化函數(shù)g(x，y)的不變矩Mf，Mg(i =1，2,...，6)通過以下公式生成：
[0040] 步驟1A、進行以下公式對Hu不變矩進行修改以得到新的不變矩：
[0041]
[0042] 其中，奶,/ = 1,2, ...,7表示離散Hu不變矩。
[0043] 步驟1B、通過以下公式將步驟IA得到的新的不變矩進行歸一化處理以使其收斂到 [0，1]之間：
[0044]
[0045]
[0046] 其中，(^4 = 1，2，~，6為步驟1六計算得到的修改的!111不變矩，(^-(})"狀分別表 示6個修改的Hu不變矩中的最小值和最大值。
[0047]其中，所述步驟1的亮度函數(shù)f(x，y)和局部亮度變化函數(shù)g(x，y)的不變矩Mf，Mg(i =1，2,...，6)通過以下公式生成：
[0048] 對圖像的亮度圖和局部亮度變化圖分別通過以下步驟逐塊計算得到6個改進的 不變矩特征向量；
[0049] ν?{Φι，Φ2，Φ3，Φ4，Φ5，Φ6}，? = 1，2，···，9;
[0050] 然后得到亮度函數(shù)以1，5〇和局部亮度變化函數(shù)8(1，5〇的不變矩，1^切={^1， V2,---,V9} T,Matg={Vi,V2,---,V9}T,
[0051] 然后通過以下公式
[0052] Mc=Mf+Mg · j
[0053] 可計算得到交疊塊向量的共輒不變矩矩陣Mat。。
[0054] 其中，所述步驟3具體為：
[0055] 步驟31、計算每個交疊塊的共輒不變矩為特征計算其特征向量V1,
[0056] 步驟32、以Vi的第一維特征Φ !比較Vi{ Φ !，Φ 2，…，Φ 6}，i = 1，2，…，9，得到Matc的 排序矩陣Mat/ ;
[0057] 步驟33、對于排序矩陣Mat/中有相同第一維特征Φ i的特征向量Vi，再比較它們的 第二維特征Φ2得到排序矩陣Mat/;重復步驟32-33以對特征向量1的所有維特征都得到排 序矩陣；
[0058]步驟34、然后將共輒不變矩矩陣Matc重新排序得到排序共輒不變矩矩陣Matc_ sort;然后將排序共輒不變矩矩陣Matc_sort中的交疊塊特征向量進行分組；
[0059] 步驟35、將同組內(nèi)的交疊塊的特征向量1之間進行比較以確定被篡改的交疊塊。
[0060] 其中，步驟35具體包括:對同一個組中的兩個交疊塊特征向量Va{ (i>al，(i)a2, (i)a3， Φ a4，Φ a5，Φ a6}、Vb{ Φ bl，Φ b2，Φ b3，Φ b4, Φ b5，Φ b6}，判斷Va和Vb比較的對立假設可以表不 為：
[0061]
[0062] 其中：虛無假設Ho表示交疊塊特征向量VdPVb屬于相似塊;對立假設出表示交疊塊 特征向量VjP Vb屬于無關塊;其中ε為兩個交疊塊特征向量之間的差；
[0063] 通過以下公式計算交疊塊特征向量VjPVb之間的相似度；
[0064]
[0065] 如果相似度s小于預設值Thre，IHq成立，SPVa = Vb +ε，這兩個交疊塊為相似塊；
[0066] 如果相似度s不小于預設值Thre，則H1成立，即這兩個交疊塊不是相似塊。
[0067] 其中，所述步驟1還包括:對圖像像素坐標(x，y)的列標X和行標y，以同樣的矩陣形 式X，Y與= >; ,F2，…，F(xiàn)；，·_·，Κ、」--對應存儲。
[0068] 本發(fā)明的上述技術方案的有益效果如下:上述方案提出了一種共輒不變矩圖像復 制一粘貼篡改檢測算法，相比于傳統(tǒng)的亮度不變矩，共輒不變矩不僅有亮度不變矩的不變 特征，并結合了局部亮度變化信息有效的克服了亮度不變矩不能處理的平坦區(qū)域圖像和模 糊圖像的復制-粘貼篡改。相比于其他算法，利用本文提出的快速分塊和匹配算法能夠大大 降低運算復雜度和縮短運行時間。在后期的工作中，將在此基礎上，利用本文算法的優(yōu)勢， 對圖像篡改的其他類型如圖像拼接篡改，數(shù)字圖像的合成篡改等進行深入分析，進行行之 有效的理論分析和實驗，克服目前各類算法使用受領域限制的不足之處。
【附圖說明】
[0069]圖1為本發(fā)明實施例的流程圖；
[0070]圖2為將圖像劃分為多個交疊塊的示意圖；
[0071 ]圖3為矩陣形式存儲的示意圖；
[0072]圖4為交疊塊進行分組的示意圖；
[0073] 圖5為基于亮度不變矩對平坦區(qū)域的檢測實驗圖；
[0074] 圖6為基于共輒不變矩對模糊圖像的檢測實驗圖；
[0075] 圖7為基于共輒不變矩對平坦區(qū)域的檢測實驗圖；
[0076] 圖8為基于共輒不變矩對模糊圖像的檢測實驗圖；
[0077] 圖9為同一區(qū)域的多處篡改的檢測實驗圖；
[0078] 圖10為不同區(qū)域的篡改的檢測實驗圖；
[0079]圖11為扭曲+亮度變化的檢測實驗圖；
[0080]圖12為平移+顏色縮減的檢測實驗圖；
[0081 ]圖13為旋轉+對比度調(diào)整檢測的檢測實驗圖。
【具體實施方式】
[0082]為使本發(fā)明要解決的技術問題、技術方案和優(yōu)點更加清楚，下面將結合附圖及具 體實施例進行詳細描述。
[0083]本發(fā)明實施例的方法如圖1所示的包括：
[0084] 步驟1、生成圖像的亮度圖和局部亮度變化圖，將亮度圖和局部亮度變化圖分別執(zhí) 行以下操作:分割為MXN個區(qū)域，然后對亮度圖和局部亮度變化圖分別進行分塊處理以得 到多個交疊塊；
[0085] 步驟2、對亮度圖和局部亮度變化圖的每一交疊塊，分別計算不變矩；
[0086] 步驟3、通過亮度圖和局部亮度變化圖的不變矩特征向量對交疊塊之間進行比較。
[0087] 其中，所述步驟1的分割為MXN個區(qū)域，然后對亮度圖和局部亮度變化圖分別進行 分塊處理以得到多個交疊塊，具體包括：
[0088] 步驟11、將圖像分割為M X N個區(qū)域；
[0089]步驟12、將圖像劃分為多個交疊塊，其中每一交疊塊的尺寸相同且所述相連的兩 個交疊塊之間至少有一部分重疊。
[0090] 本發(fā)明實施例中采用基于矩陣的分塊方法，如圖2所示的為一個尺寸為MXN的圖 像，計算其亮度圖像f(x，y)，然后如圖1所示的逐像素劃分交疊塊，交疊塊的數(shù)目為N b=(N-h+1) X (Μ-w+l)。其中劃分交疊塊的方法可以如圖1所示的，首先從分割后的圖像的一個角 開始，將角位置開始，以預訂大小的矩形滑動窗口（滑動窗口的尺寸為wXh)來進行分塊，該 滑動窗口朝向可移動的方向每次移動一個區(qū)域，這樣就可以形成如圖2所示的多個塊： blockl、block2......。由于滑動窗口的包含多個塊，且每次只移動一個塊，因此這樣就可以 形成多個相互重疊的分塊，稱為重疊塊。在圖1所示的例子中采用2X2大小的滑動窗口，因 此每一重疊塊都是2 X 2。
[0091] 在劃分完交疊塊后，可以將所有的交疊塊表示為一維列向量V1Q = I，2，-_，Nb);然 后重新排列圖像矩陣為所有交疊塊列向量的組合，= …，&…，)^\i = i，2,...， 他。在如圖1所示的例子中，]?=4少=4，'\￥ = 2，11 = 2，因此交疊塊的數(shù)量為9。
[0092] 按照同樣的方法對圖像像素坐標(x，y)的列標X和行標y，以同樣的矩陣形式X，Y與 Mat = {vly2,---y1,---y,b\ 一一對應存儲，如圖 3所示。
[0093]在本發(fā)明實施例采用共輒不變矩。該理論首先由Hu在1962年提出，因此被稱為"Hu 不變矩"變是一傳統(tǒng)的亮度不變矩。參考文獻LIU G，WANG J，LIAN S et al.A passive image authentication scheme for detecting region-duplication forgery with rotation[J].Journal of Network and Computer Applications，2010，34(5):1557-1565,可知LIU首次將Hu不變矩用于復制-粘貼篡改檢測中，通過實驗證明了Hu不變矩對后 處理操作和旋轉具有很好的不變性。隨后更多的學者開始研究不變矩理論，相繼提出許多 矩理論，如Zernike不變矩，Tchebichef不變矩等。
[0094] 在上述參考文獻中，LIU通過對比了一組不變矩的性能和計算公式，Hu不變、 Zernike不變矩均在連續(xù)情況下保持不變性，在離散情況下不變性遭到破壞。為了解決上述 問題，本發(fā)明實施例考慮到計算復雜度，選擇使用Hu不變矩，并通過改進算法使Hu矩在離散 條件下仍可以保持不變性，從不同程度上提高了不變矩組的穩(wěn)定性，具體可以參考LIAN S， KANELL0P0UL0S D.Recent advances in multimedia information system security[J], Informatica,2009,33:3-24.
[0095] 由參考文獻JI Shufang,ZHANG Senlin,LIU Meiqin, "Face Recognition Based on Gray and Grads Invariant Moments"，Journal of Southern Yangze University (Natural Science Edition), 2006,5(6): 666-669;(季書芳，張森林，劉妹琴·基于灰度和 梯度不變矩的人臉識別.江南大學學報（自然科學版），2006,5(6) :666-669)可知，本發(fā)明實 施例的新的不變矩組在離散情況下的仍具有不變性。
[0096] 其中，根據(jù)以下的公式(1)進行修改以得到新的不變矩：
[0097]
(I)
[0098] 其中，爐,，(二1，2,…，7表示離散Hu不變矩。
[0099] 由于計算的不變矩組變化范圍很大，需要調(diào)整公式（1)的不變矩組范圍降低復雜 性，根據(jù)式(2)、（3)將其歸一化到[0，1]之間：
[0100] Φ i= I lg( Φ i)2 (2)
[0101] φ?=( Φ?-φηι?η)/( Φ max-Φ min), ? = 1,2,···, 6 (3)。
[0102] 其中，(^4 = 1，2，~，6為步驟1六計算得到的修改的!111不變矩，(^-(})"狀分別表 示6個修改的Hu不變矩中的最小值和最大值。
[0103] 共輒不變矩是一種復合矩，與傳統(tǒng)的亮度不變矩不同，共輒不變矩同時包括了亮 度不變矩和基于局部亮度變化的不變矩信息。
[0104] 以下通過理論分析來證明本發(fā)明實施例上述方法的有益效果。
[0105] 為得到更加可靠的圖像篡改檢測結果，目前算法的主要改進分為兩個方向：一是 提高檢測算法對多種圖像處理操作的魯棒性，二是降低計算復雜度和運行時間。
[0106] 針對第一種改進方向，本發(fā)明實施例提出了基于共輒不變矩的魯棒特征能夠處理 多種圖像篡改操作。對于第二種改進方向，如表1所示，基于共輒不變矩算法計算復雜度要 明顯低于離散余弦變換(DCT)、不變關鍵點（SIFT)、紋理和亮度(LBP)分析以及主變量分析 (PCA)等算法。不變關鍵點（SIFT)算法需要提取128維特征向量，而離散余弦變換(DCT)和紋 理與亮度分析(LBP)算法的特征提取與圖像塊大小有關，且計算公式復雜。以上算法均需消 耗較長的運行時間，本文提出的基于共輒不變矩的特征提取算法是由不變矩算法改進而 來，不但具有簡單的計算形式且在本文的快速算法的支持下具有明顯的優(yōu)勢，克服了以往 算法在檢測魯棒性和時間復雜度二者間不能兼得的矛盾。
[0107] 表1各類算法復雜度影響因素比較
[0109] 因此在本發(fā)明實施例中，一幅圖像的共輒函數(shù)F(x，y)形式如下：
[0110] F(x,y)=f(x,y)+g(x,y)j (4)
[0111] 其中：f(x,y)表示圖像的亮度函數(shù);g(x,y)表示圖像的局部亮度變化函數(shù)。圖像的 亮度變化有很多表達形式，如圖像的梯度(JI Shufang,ZHANG Senlin,LIU Meiqin, "Face Recognition Based on Gray and Grads Invariant Moments"，Journal of Southern Yangze University(Natural Science Edition) ,2006,5(6) :666-669;季書芳，張森林，劉 妹琴.基于灰度和梯度不變矩的人臉識別.江南大學學報（自然科學版），2006,5(6) :666-669)，圖像的局部二值模式（Local Binary Patterns，LBP)(THAJEEL S AN,et al. A novel approach for detection of copy move forgery using completed robust local binary pattern[J]·Journal of Information Hiding and Multimedia Signal Processing,2015，6(2):351-362)〇
[0112] 其中圖像的梯度、圖像的局部二值模式可以由以下的公式(5)-公式(7)推導出：
[0113]
[0114]
[0115]
[0116] 其中，g。表示中心像素點的灰度值，gP表示中心像素g。鄰域中的像素點的灰度值。R 表示中心像素的鄰域半徑，P表示領域半徑上的像素的個數(shù)。
[0117] 稱為均勻模式，即一個二進制序列從0到1或是從1到0的變過不超過2次。當 滿足上述二進制序列變化U(LBP P,rH 2時，則按照均值模式公式計算圖像的局部二值模式， 否則，均按照(P+1)計算。
[0118]根據(jù)共輒函數(shù)表達式z(X，y) = X+yj，共輒不變矩即共輒函數(shù)的不變矩表達式采用 改進的Hu不變矩算法計算共輒矩，其表達式如下：
[0119] Mc=Mf+Mg · j (8)
[0120] 其中，
[0121] Mf，Mg(i = l，2，. . .，6)分別表示亮度函數(shù)f(x，y)和局部亮度變化函數(shù)g(x，y)的改 進Hu不變矩；j為共輒不變矩的虛部符號;M。表示共輒不變矩。共輒不變矩的計算實質(zhì)上即 為計算亮度不變矩和局部亮度變化不變矩的過程。
[0122] 根據(jù)公式（1)-公式(3)，按照上述基于矩陣的快速分塊方法依次對亮度圖和局部 亮度變化圖逐塊計算得到6個改進的不變矩特征向量
[0123] Vi{ Φ 1，Φ 2, Φ 3, φ4, Φ 5, Φ 6}，i = l，2，···，9;
[0124] 然后得到亮度函數(shù)f(x，y)和局部亮度變化函數(shù)g(x，y)的改進Hu不變矩，Matf = IV1J2,…，Vd^Matg=IV1J 2,+ ,V9It，由公式(8)可計算得到塊向量的共輒不變矩矩陣 Matco
[0125] 在獲得了每一交疊塊的不變矩之后，就可以通過對交疊塊進行比較以找出原始區(qū) 域（即未被篡改區(qū)域)和篡改區(qū)域。由于兩兩比較需要進行(N b)(Nb-I)/2次比較才能完成搜 索過程，其中Nb為交疊塊的數(shù)量。研究者們提出不同的方法：
[0126] 在文獻P0PESCU AC，F(xiàn)ARID H.Exposing digital forgeries by detecting duplicated image regions[R].Technical Report,TR2004-515,Dartmouth College , 2004.中，Popescu等提出使用最鄰近方法進行塊比較，即將特征向量按照字典排序的方式 將相鄰的交疊塊進行比較找到相似匹配。
[0127] 在文獻SINGH J，RAMAN B.A high performance copy -move image forgery detection scheme on GPU[C]//Proceedings of International Conference on Soft Computing for Problem Solving ,2011:225-233·中，Singh等使用圖像處理單元 (Graphical Processing Unit ,GPU)方法首先對特征向量進行基數(shù)排序并大大提高了匹配 性能。
[0128] 在BAYRAM S,SENCAR HT，MEM0N N，A survey of copy-move forgery detection techniques,in:Proc.IEEE Western New York Imag e Processing Workshop , Rochester，NY，2008.中，Bayram等通過計算特征矩陣的特征向量之間的哈希系數(shù)，通過比 較哈希系數(shù)匹配交疊塊找到相似區(qū)域，這種方法避免了直接排序特征矩陣，減少了搜索的 復雜度。
[0129] 不同于上述提到的塊排序方法，為了提高交疊塊比較的速度，能夠快速地匹配復 制-粘貼篡改圖像的原始區(qū)域和篡改區(qū)域，本發(fā)明實施例中提出了一種基于字典排序的快 速比較方法，而非遍歷搜索比較塊特征的方法，避免了明顯不同的兩個塊之間進行比較帶 來的高運算和耗時性問題。而表1中列舉的傳統(tǒng)算法在遍歷搜索特征描述子的同時進行特 征比較判斷相似度，運算效率非常低。因此快速匹配算法加快了基于共輒不變矩算法的檢 測速度，大大減低了時間復雜度。
[0130] 其中，所述步驟3具體包括：
[0131] 仍以圖1中的4 X 4的圖像為例：
[0132] 首先，將圖像按照從上到下、從左到右以滑動塊的方式劃分為Nb = 9個交疊塊，每 個交疊塊以共輒不變矩為特征計算其特征向量V1并以V1的第一維特征Φ i(其中Φ i代表該 塊的總體特征信息）比較Vi{ Φι, Φ2，···，Φ6}，i = l，2，···，9,得到Mate的排序矩陣Mate/ ;
[0133] 然后對于Mat/中有相同(J)1的特征向量V1，再比較它們的第二維特征巾2得到排序 矩陣Mat?！?。以此類推，按照同樣的方法排序直到比較完特征向量的最后一維特征值。在此 過程中，只是根據(jù)代表每個交疊塊的特征向量V 1的特征值對Mat。進行排序而不需要進行特 征比較找出相似塊。
[0134]按照這種方法將Matc重新排序得到Matc_sort。然后將Mat c_sort中的交疊塊特征 向量按照圖4所示分組。按照上述方法排序后，每個塊向量只需要在所屬的組中和本組中的 其他塊向量比較。結果采用統(tǒng)計假設檢驗表示，假設同一個組中的兩個塊向量V a{ Φ al，Φ a2， Φ a3，Φ a4, Φ a5，Φ a6}和Vb{ Φ bl，Φ b2，Φ b3，Φ b4, Φ b5，Φ b6} 〇Va和Vb比較的對立假設可以表不 為：
[0135]
[0136] 其中：虛無假設Ho表示塊向量VjPVb屬于相似塊;對立假設出表示塊向量VjPV b屬 于無關塊。判定塊向量VjPVb屬于相似區(qū)域的檢驗統(tǒng)計表達式為：
[0137]
(1〇)
[0138] 如果，Ho成立，即Va = Vb+e，可以表示為：
[0139]
(]1|
[0140]計算出每組塊向量之間的相似度s，為保證復制-粘貼篡改檢測誤檢率err<5%， 首先計算出相似度s的最大值(經(jīng)計算，s的最大值為15.672)，為滿足要求誤檢率err< 5 %，文中取Thre = 0.5，使檢測精度達到97 %。經(jīng)計算，當滿足式（11)時，接受Ho，否則拒絕Ho 接受Hu
[0141 ]下面通過具體的例子對本發(fā)明進行說明：
[0142] 如圖5和圖6為傳統(tǒng)亮度不變矩對平坦區(qū)域和模糊處理的篡改檢測結果;其中圖5 和圖6中分別包括原始圖、篡改圖、識別結果圖。很明顯觀察到，基于亮度不變矩的方法對這 兩類圖像的誤檢率很高，識別精度差。
[0143] 如圖7-圖8分別示出了原圖像的梯度圖和LBP圖，而基于本文共輒不變矩算法(算 法中采用了兩種方法計算所給圖像的局部亮度變化圖，即原圖像的梯度圖和LBP圖，得到灰 度-梯度共輒不變矩和灰度-LBP共輒不變矩)對這兩類圖像進行檢測，能夠完全消除誤檢的 問題。
[0144] 圖9上排兩張示出了同一區(qū)域多處篡改的原始圖與篡改圖對比，下面兩張則是通 過共輒不變矩檢測的結果。圖10上排兩張示出了不同區(qū)域被篡改的原始圖與篡改圖對比， 下面兩張則是利用本發(fā)明實施例的方法獲得的原圖像的梯度圖和LBP圖。
[0145] 圖11上排兩張示出了扭曲+亮度變化的原始圖和篡改圖；下面兩張則是利用本發(fā) 明實施例的方法獲得的基于灰度-梯度共輒不變矩檢測結果和基于灰度-LBP共輒不變矩檢 測結果。
[0146] 圖12上排兩張示出了平移+顏色縮減的原始圖和篡改圖；下面兩張則是利用本發(fā) 明實施例的方法獲得的基于灰度-梯度共輒不變矩檢測結果和基于灰度-LBP共輒不變矩 檢測結果。
[0147] 圖13上排兩張示出了旋轉+對比度調(diào)整的原始圖和篡改圖；下面兩張則是利用本 發(fā)明實施例的方法獲得的基于灰度-梯度共輒不變矩檢測結果和基于灰度-LBP共輒不變矩 檢測結果。
[0148] 本文算法能非常準確地檢測出CoMoF0數(shù)據(jù)庫中的相應篡改類型，且誤檢率和漏檢 率都非常低。表2和表3分別列出了基于傳統(tǒng)亮度圖像的Zernike矩、尺度不變特征轉換、離 散余弦變換、局部二值模式算法以及本文算法處理512X512復制-粘貼篡改圖像的誤檢、漏 檢率情況和運行時間的比較。其中，誤檢率和漏檢率分別按照式(12)和式(13)進行計算： I檢測區(qū)域-復制區(qū)域I η檢測區(qū)域 [0149 ] 祆-傘= 檢測區(qū)域 (X2) I復制區(qū)域-檢測區(qū)域I η復制區(qū)域 則-率=J-?βΜ- (13)
[0151]從表2總結的各類算法在誤檢率和漏檢率方面的比較來看，本文算法明顯優(yōu)于基 于傳統(tǒng)亮度圖像的Zernike矩算法，對于漏檢情況，尤其是在平坦區(qū)域篡改檢測方面，本文 算法較Zernike矩和SIFT算法具有很大優(yōu)勢。且與本文算法相比，傳統(tǒng)各類算法在查找篡改 區(qū)域時為一個迭代計算的過程，對于某一特定圖像塊，需要遍歷搜索圖像中其他所有圖像 塊并進行相似性比較，由此判斷是否為篡改塊。因此運算代價非常大，且運行時間長，如表3 所示，DCT檢測算法平均運行時間上千秒，不利于實時快速的進行篡改檢測。而本文提出基 于相似塊的快速匹配算法解決了此類問題，運行時間在目前算法中為最快。
[0152] 由此證明，綜合各方面因素，本文算法比以往算法均有優(yōu)勢，并能夠克服傳統(tǒng)亮度 不變矩以及SIFT算法無法檢測的平坦區(qū)域和模糊處理的篡改圖像。
[0153] 表2各類算法處理512 X 512圖像的誤檢率/漏檢率
[0157]以上所述是本發(fā)明的優(yōu)選實施方式，應當指出，對于本技術領域的普通技術人員 來說，在不脫離本發(fā)明所述原理的前提下，還可以作出若干改進和潤飾，這些改進和潤飾也 應視為本發(fā)明的保護范圍。
【主權項】
1. 一種圖像篡改檢測方法，其特征在于，包括： 步驟1、生成圖像的亮度圖和局部亮度變化圖，將亮度圖和局部亮度變化圖分別執(zhí)行W 下操作:分割為MXN個區(qū)域，然后對亮度圖和局部亮度變化圖分別進行分塊處理W得到多 個交疊塊； 步驟2、對亮度圖和局部亮度變化圖的每一交疊塊，分別計算不變矩； 步驟3、通過亮度圖和局部亮度變化圖的不變矩特征向量對交疊塊之間進行比較。2. 根據(jù)權利要求1所述的圖像篡改檢測方法，其特征在于，所述步驟1的分割為MXN個 區(qū)域，然后對亮度圖和局部亮度變化圖分別進行分塊處理W得到多個交疊塊，具體包括： 步驟11、將圖像分割為MXN個區(qū)域； 步驟12、將圖像劃分為多個交疊塊，其中每一交疊塊的尺寸相同且所述相連的兩個交 疊塊之間至少有一部分重疊。3. 根據(jù)權利要求2所述的圖像篡改檢測方法，其特征在于，所述步驟1的生成圖像的亮 度圖和局部亮度變化圖，具體包括： 步驟la、根據(jù)共輛函數(shù)表達式z(x，y)=x+yj，生成圖像的共輛函數(shù)F(x，y): F(x,y)=f(x,y)+g(x,y) j 其中f(x，y)表示圖像的亮度函數(shù)，為共輛函數(shù)F(x，y)的實部;g(x，y)表示圖像的局部 亮度變化函數(shù)，為共輛函數(shù)F(x，y)的虛部;j表示共輛函數(shù)的虛部符號。 步驟化、生成圖像的梯度、圖像的局部二值模式：其中，gc表示中屯、像素點的灰度值，gp表示中屯、像素 gc鄰域中的像素點的灰度值。R表示 中屯、像素的鄰域半徑，P表示領域半徑上的像素的個數(shù) 稱為均勻模式，即一個二進制序列從0到1或是從巧ijO的變過不超過2次。當滿足 上述二進制序列變化U(LBPp,r)< 2時，則按照均值模式公式計算圖像的局部二值模式，否 貝1J，均按照(P+1)計算。 步驟1C、按照共輛函數(shù)的計算公式計算共輛矩： Mc=Mf+Mg · j (8) 其中，Mf，Mg(i = l，2, . . .，6)分別表示亮度函數(shù)f (x，y)和局部亮度變化函數(shù)g(x，y)的不 變矩;j為共輛不變矩的虛部符號;M。表示共輛不變矩。4. 根據(jù)權利要求3所述的圖像篡改檢測方法，其特征在于，所述步驟1的亮度函數(shù)f(x， y)和局部亮度變化函數(shù)g(x，y)的不變矩1:，18。= 1，2，...，6)通過^下公式生成： 步驟1A、進行W下公式對化不變矩進行修改W得到新的不變矩：其中，巧，/ = U，'''，7表示離散Hu不變矩。 步驟1B、通過W下公式將步驟1A得到的新的不變矩進行歸一化處理W使其收斂到[0， 1]之間： Φ 1= I lg( Φ i)2 Φ i - (Φ 廣Φ min ) / ( Φ max- Φ min ),i - 1,2,'..,6。 其中，Φ?4 = 1，2,…，6為步驟lA計算得到的修改的化不變矩，Φ min，Φ max分別表示6個 修改的化不變矩中的最小值和最大值。5. 根據(jù)權利要求4所述的圖像篡改檢測方法，其特征在于，所述步驟1的亮度函數(shù)f(x， y)和局部亮度變化函數(shù)g(x，y)的不變矩1:，18。= 1，2，...，6)通過^下公式生成： 對圖像的亮度圖和局部亮度變化圖分別通過W下步驟逐塊計算得到6個改進的不變矩 特征向量； Υ??Φ?, Φ2, Φ3, Φ4, Φδ, Φ6},? = 1,2,···,9; 然后得到亮度函數(shù)f(x，y)和局部亮度變化函數(shù)g(x，y)的不變矩，Matf={Vi，V2，-'，V9 }T，Matg={Vi，V2，...，V9}T， 然后通過W下公式 Mc=Mf+Mg · j 可計算得到交疊塊向量的共輛不變矩矩陣Mat。。6. 根據(jù)權利要求5所述的圖像篡改檢測方法，其特征在于，所述步驟3具體為： 步驟31、計算每個交疊塊的共輛不變矩為特征計算其特征向量Vi， 步驟32、WVi的第一維特征Φ 1比較Vi{ Φ 1，Φ 2，..·，Φ 6}，i = 1，2，..·，9，得到Mate的排序 矩陣Mat'C; 步驟33、對于排序矩陣Mat/C中有相同第一維特征Φ 1的特征向量Vi，再比較它們的第二 維特征Φ 2得到排序矩陣Mat"。;重復步驟32-33W對特征向量Vi的所有維特征都得到排序矩 陣； 步驟34、然后將共輛不變矩矩陣Mat。重新排序得到排序共輛不變矩矩陣13*。_3〇的;然 后將排序共輛不變矩矩陣Matc_sod中的交疊塊特征向量進行分組； 步驟35、將同組內(nèi)的交疊塊的特征向量Vi之間進行比較W確定被篡改的交疊塊。 其中，步驟35具體包括:對同一個組中的兩個交疊塊特征向量Va{ (Κι，Φ 32, Φ 33, Φ 34， Φ a5 , Φ as}、化{ Φ bl , Φ b2 , Φ b3 , Φ b4, Φ b日，Φ bs}，判斷Va和化比較的對立假設可W表不為：其中：虛無假設化表示交疊塊特征向量Va和化屬于相似塊;對立假設化表示交疊塊特征 向量Va和化屬于無關塊;其中ε為兩個交疊塊特征向量之間的差； 通過W下公式計算交疊塊特征向量Va和化之間的相似度；燈0) 如果相似度S小于預設值Thre，即則冊成立，即Va = Vb+ ε，運兩個交疊塊為相似塊； 如果相似度S不小于預設值化re，則出成立，即運兩個交疊塊不是相似塊。7.根據(jù)權利要求1所述的圖像篡改檢測方法，其特征在于，所述步驟1還包括:對圖像像 素坐標(X，y)的列標X和行標y，W同樣的矩陣形式X，Y與K，…，K，…，kU-一對應 存儲。
【文檔編號】G06T7/00GK105844643SQ201610191205
【公開日】2016年8月10日
【申請日】2016年3月30日
【發(fā)明人】楊鴻波, 周萌萌, 侯霞
【申請人】北京信息科技大學, 楊鴻波