CN102521614A - 一种翻拍数字图像的鉴定方法 - Google Patents

Abstract

本发明属于多媒体信息安全领域，具体涉及一种翻拍数字图像的鉴定方法。包括如下步骤：（1）建立图像分类模型，具体包括：建立图像库，所述图形库中存储有翻拍图像和自然图像；提取图形库中每张图像的DCT系数矩阵，然后提取每张图像的DCT系数首位有效数字分布特征；训练分类器获得图像分类模型；（2）利用图像分类模型对待检测图像进行翻拍图像鉴定。本发明依据图像二次获取时DCT系数首位有效数字分布变化，通过统计DCT系数首位有效数字分布特征并输入到分类器中进行学习获得图像分类模型，利用该分类模型对数字图像进行分析，可以有效鉴定数字图像是否是翻拍图像。

Description

一种翻拍数字图像的鉴定方法

技术领域

本发明属于多媒体信息安全领域，具体涉及一种翻拍数字图像的鉴定方法。

背景技术

当前数码相机日趋低价和高像素，图像处理软件也越来越易于操作，这些为数字图像造假创造了条件，日常所见图像的真实性大打折扣。针对越来越多的数字图像造假现象，数字图像取证技术的研究显得尤为重要。现有技术中利用数码相机、摄像头等拍摄设备对书刊、图表、绘画、相片等进行翻拍获得的翻拍图像质量高，而且本身是数码相机或摄像头成像的，可能引起图像原始所有者纠纷，而且这类图像也往往能够迷惑人的眼睛，一些现有的取证系统也不易识别翻拍图像。此外一些现有的物体识别系统，如人脸识别系统、图像取证系统等，都有受到翻拍图像攻击的可能，如何在这些系统中检测并排除翻拍图像对保证物体识别系统安全变得极为重要。

发明内容

本发明解决的技术问题是克服现有技术的不足，提供了一种鉴定翻拍图像的翻拍数字图像的鉴定方法。

为解决上述技术问题，本发明的技术方案如下：

一种翻拍数字图像的鉴定方法，包括如下步骤：

（1）建立图像分类模型，具体包括：

（11）建立图像库，所述图形库中存储有翻拍图像和自然图像；

（12）提取图形库中每张图像的离散余弦变换DCT（Discrete Cosine Transform）系数矩阵，根据DCT系数矩阵提取每张图像的DCT系数首位有效数字分布特征；

（13）将每张图像的DCT系数首位有效数字分布特征输入到分类器中进行训练获得图像分类模型；

（2）利用图像分类模型对待检测图像进行翻拍图像鉴定，具体包括：

（21）提取待检测图像的DCT系数矩阵，根据其DCT系数矩阵提取待检测图像的DCT系数首位有效数字分布特征；

（22）将待检测图像的DCT系数首位有效数字分布特征输入到图像分类模型中进行翻拍图像鉴定。

图像翻拍过程实际是一种图像二次压缩过程，在二次压缩过程中，图像被解压并再次压缩，相当于图像的DCT系数经过了两次量化处理，此时 DCT系数首位有效数字的分布模式发生了改变，这种模式的改变就形成了区分翻拍图像或自然图像的首位有效数字分布特征，所述首位有效数字分布特征被分类器通过学习而捕捉到，进而用于鉴定待检测图像是否是翻拍图像。

上述方案中，所述步骤（12）具体为：

（121）提取每张图像的DCT系数矩阵；

（122）将每张图像的DCT系数矩阵以8×8为单位分割成若干个DCT系数块，每个DCT系数块含有64个系数，第一个系数是DC系数，其余63个系数是AC系数，利用Zigzag顺序对每张图像的DCT系数块的63个AC系数进行位置编号，编号                                               

；

（123）对每张图像的DCT系数块中的AC系数统计首位有效数字的分布，获得每张图像的DCT系数首位有效数字分布特征。

上述方案中，所述步骤（21）具体为：

（211）提取待检测图像的DCT系数矩阵；

（212）将待检测图像的DCT系数矩阵以8×8为单位分割成若干个DCT系数块，每个DCT系数块含有64个系数，第一个系数是DC系数，其余63个系数是AC系数，利用Zigzag顺序对待检测图像的DCT系数块的63个AC系数进行位置编号，编号

；

（213）对待检测图像的DCT系数块中的AC系数统计首位有效数字的分布，获得待检测图像的DCT系数首位有效数字分布特征。

上述方案中，所述步骤（123）和（213）中DCT系数首位有效数字分布特征通过如下公式获得：

,

其中，i表示Zigzag顺序中位置编号为i 的AC系数，i

{1,2,…，a},a的值根据AC系数中0的分布情况设定，d

{1,2,…，9}，Ni(d)表示所有DCT系数块中位置编号为i的AC系数中首位有效数字为d的系数个数； 是指所有DCT系数块中编号为i的非零AC系数个数。

上述方案中，所述步骤（13）中每张图像的DCT系数首位有效数字分布特征输入分类器前还进行翻拍图像和自然图像的分类标记，分类完成后再将每张图像的DCT系数首位有效数字分布特征和对应的标记信息输入分类器中。 

上述方案中，所述步骤（1）的图像库中的翻拍图像和自然图像为JPEG图像格式。

上述方案中，所述分类器为支持向量机。

与现有技术相比，本发明技术方案的有益效果是：

本发明依据图像二次获取时DCT系数首位有效数字分布变化，通过统计DCT系数首位有效数字分布特征并输入到分类器中进行学习获得分类模型，利用该分类模型对数字图像进行分析，可以有效鉴定数字图像是否是翻拍图像。本发明对翻拍图像的鉴定方法能够应用于取证系统、物体识别系统等系统中，有效保证这些系统免受翻拍图像攻击，确保取证的可靠性和识别的准确性。

附图说明

图1 为本发明的流程图；

图2是本发明中图像DCT系数块的Zigzag顺序图；

图3是本发明中翻拍图像和自然图像第九位DCT系数首位数字分布对比图；

图4为翻拍图像获取过程示意图；

图5是是利用本发明进行实验获得的鉴定准确率结果。

具体实施方式

下面结合附图和实施例对本发明的技术方案做进一步的说明。

如图1所示，为本发明一种翻拍数字图像的鉴定方法的流程图，所述方法的步骤具体如下：

（S1）建立图像分类模型，具体包括：

（S11）建立图像库，所述图形库中存储有JPEG图像格式是翻拍图像和自然图像；为了确保图像库的完善，保证通过该图像库获得的图像分类模型的可靠性，拍摄图像库的自然图像和翻拍图像时使用不同的拍摄设备，而且图像库中图像内容丰富，如人物，风景，近景，远景，图像的拍摄条件包含各种常见情形，如室外，室内，白天，黑夜等。

（S12）提取图形库中每张图像的DCT系数矩阵，根据DCT系数矩阵提取每张图像的DCT系数首位有效数字分布特征；其具体是：

（S121）提取每张图像的DCT系数矩阵；

（S122）将每张图像的DCT系数矩阵以8×8为单位分割成N个DCT系数块，每个DCT系数块含有64个系数，第一个系数是DC系数，其余63个系数是AC系数，利用Zigzag顺序对每张图像的DCT系数块的63个AC系数进行位置编号，编号，每个位置编号i对应所有DCT系数块的第i个AC系数，如图2所示为图像DCT系数块的Zigzag顺序图；

（S123）对每张图像的DCT系数块中的AC系数统计首位有效数字的分布，获得每张图像的DCT系数首位有效数字分布特征。DCT系数首位有效数字分布特征通过如下公式获得：

,

其中，i表示Zigzag顺序中位置编号为i 的AC系数，i

{1,2,…，a},a的值根据AC系数中0的分布情况设定，一般情况下，在Zigzag顺序图右下角的DCT系数块系数的值大都是0，所以一般不参与统计，只统计位置靠前的AC系数；d

{1,2,…，9}，Ni(d)表示所有DCT系数块中位置编号为i的AC系数中首位有效数字为d的系数个数； 

是指所有DCT系数块中编号为i的非零AC系数个数。如图3所示为进行实验时，翻拍图像和自然图像第九位DCT系数首位数字分布对比图。

（S13）训练分类器，得到图像分类模型：将每张图像的DCT系数首位有效数字分布特征进行翻拍图像和自然图像的分类标记，分类完成后再将每张图像的DCT系数首位有效数字分布特征和对应的标记信息输入到分类器中进行训练获得图像分类模型, 分类器采用支持向量机。

如图4所示为翻拍图像获取过程示意图，图像翻拍过程实际是一种图像二次压缩过程，在二次压缩过程中，图像被解压并再次压缩，相当于图像的DCT系数经过了两次量化处理，此时 DCT系数首位有效数字的分布模式发生了改变，这种模式的改变就形成了区分翻拍图像或自然图像的首位有效数字分布特征，首位有效数字分布特征被分类器通过学习而捕捉到，获得图分类模型，根据图像分类模型进而鉴定待检测图像是否是翻拍图像。

（S2）利用图像分类模型对待检测图像进行翻拍图像鉴定，具体包括：

（S21）提取待检测图像的DCT系数矩阵，根据其DCT系数矩阵提取待检测图像的DCT系数首位有效数字分布特征；其具体是：

（S211）提取待检测图像的DCT系数矩阵；

（S212）将待检测图像的DCT系数矩阵以8×8为单位分割成N个DCT系数块，每个DCT系数块含有64个系数，第一个系数是DC系数，其余63个系数是AC系数，利用Zigzag顺序对待检测图像的DCT系数块的63个AC系数进行位置编号，编号

,每个位置编号i对应所有DCT系数块的第i个AC系数，如图2所示为图像DCT系数块的Zigzag顺序图；

（213）对待检测图像的DCT系数块中的AC系数统计首位有效数字的分布，获得待检测图像的DCT系数首位有效数字分布特征。DCT系数首位有效数字分布特征通过如下公式获得：

,

其中，i表示Zigzag顺序中位置编号为i 的AC系数，i

{1,2,…，a},a的值根据AC系数中0的分布情况设定，一般情况下，在Zigzag顺序图右下角的DCT系数块系数的值大都是0，所以一般不参与统计，只统计位置靠前的AC系数；d

{1,2,…，9}，Ni(d)表示所有DCT系数块中位置编号为i的AC系数中首位有效数字为d的系数个数； 

是指所有DCT系数块中编号为i的非零AC系数个数。如图3所示为翻拍图像和自然图像第九位DCT系数首位数字分布对比图。

（S22）将待检测图像的DCT系数首位有效数字分布特征输入到图像分类模型中进行翻拍图像鉴定。如图5所示为利用本发明进行实验的实验结果示意图。

Claims (7)

1.一种翻拍数字图像的鉴定方法，其特征在于，包括如下步骤：

（1）建立图像分类模型，具体包括：

（11）建立图像库，所述图形库中存储有翻拍图像和自然图像；

（12）提取图形库中每张图像的DCT系数矩阵，根据DCT系数矩阵提取每张图像的DCT系数首位有效数字分布特征；

（13）将每张图像的DCT系数首位有效数字分布特征输入到分类器中进行训练获得图像分类模型；

（2）利用图像分类模型对待检测图像进行翻拍图像鉴定，具体包括：

（21）提取待检测图像的DCT系数矩阵，根据其DCT系数矩阵提取待检测图像的DCT系数首位有效数字分布特征；

（22）将待检测图像的DCT系数首位有效数字分布特征输入到图像分类模型中进行翻拍图像鉴定。

2.根据权利要求1所述的翻拍数字图像的鉴定方法，其特征在于，所述步骤（12）具体为：

（121）提取每张图像的DCT系数矩阵；

（122）将每张图像的DCT系数矩阵以8×8为单位分割成若干个DCT系数块，每个DCT系数块含有64个系数，第一个系数是DC系数，其余63个系数是AC系数，利用Zigzag顺序对每张图像的DCT系数块的63个AC系数进行位置编号，编号                                               ；

（123）对每张图像的DCT系数块中的AC系数统计首位有效数字的分布，获得每张图像的DCT系数首位有效数字分布特征。

3.根据权利要求2所述的翻拍数字图像的鉴定方法，其特征在于，所述步骤（21）具体为：

（211）提取待检测图像的DCT系数矩阵；

（212）将待检测图像的DCT系数矩阵以8×8为单位分割成若干个DCT系数块，每个DCT系数块含有64个系数，第一个系数是DC系数，其余63个系数是AC系数，利用Zigzag顺序对待检测图像的DCT系数块的63个AC系数进行位置编号，编号

；

（213）对待检测图像的DCT系数块中的AC系数统计首位有效数字的分布，获得待检测图像的DCT系数首位有效数字分布特征。

4.根据权利要求2或3所述的翻拍数字图像的鉴定方法，其特征在于，所述步骤（123）和（213）中DCT系数首位有效数字分布特征通过如下公式获得：

,

其中，i表示Zigzag顺序中位置编号为i 的AC系数，i

{1,2,…，a},a的值根据AC系数中0的分布情况设定，d

{1,2,…，9}，Ni(d)表示所有DCT系数块中位置编号为i的AC系数中首位有效数字为d的系数个数； 

是指所有DCT系数块中编号为i的非零AC系数个数。

5.根据权利要求1所述的翻拍数字图像的鉴定方法，其特征在于，所述步骤（13）中每张图像的DCT系数首位有效数字分布特征输入分类器前还进行翻拍图像和自然图像的分类标记，分类完成后再将每张图像的DCT系数首位有效数字分布特征和对应的标记信息输入分类器中。

6.根据权利要求1至5任一项所述的翻拍数字图像的鉴定方法，其特征在于，所述步骤（1）的图像库中的翻拍图像和自然图像为JPEG图像格式。

7.根据权利要求1至5任一项所述的翻拍数字图像的鉴定方法，其特征在于，所述分类器为支持向量机。

Images