CN102521821A - 数字图像中一种自动识别和定位篡改区域的方法 - Google Patents

Abstract

本发明涉及计算机软件，数字媒体的信息安全等内容。该发明主要是对经过篡改的数字图像进行认证，并能够准确的定位篡改区域，不仅如此，该方法还对高斯噪声和高斯模糊具有良好的鲁棒性。该方法利用离散余弦变换的内在特性，实现了一种全新的复制-粘贴篡改检测方法。引入离散余弦变换算法来对图像的每个子块进行变换，利用变换后的离散余弦系数来代表每个子块的整体特性，同时为了使得算法具有良好的鲁棒性，按照离散余弦系数的能量分布情况来对每个子块进行特征提取，使得提取后的特征不仅可以准确的进行匹配，更能够同时抵抗高斯模糊等攻击。实验仿真结果表明，该方法能够准确的定位出篡改区域，并能有效的抵抗高斯噪声、高斯模糊以及多区域篡改攻击(见摘要附图)。该项技术能够应用于医学、新闻媒体、司法鉴定、保险理赔、军事等真实性要求较高的图像认证中。

Description

数字图像中一种自动识别和定位篡改区域的方法

1.技术领域

本发明涉及计算机软件应用技术，数字媒体安全等内容。主要是对经过篡改的数字图像进行认证，并能够准确的定位出篡改区域，而且当数字图像经过高斯噪声、高斯模糊以及多区域篡改攻击时，篡改区域仍然能够准确的被定位。该方法具有较强的实用性，技术能够应用于医学、新闻媒体、司法鉴定、保险理赔、军事等真实性要求较高的图像认证中。 

2.背景技术

数字图像认证技术已经被广泛的应用在数字媒体的安全保护、版权认证等各个方面。比如为了验证数字图像的版权，数字图像的版权人可以将自己的相关信息作为水印嵌入到图像内。嵌入数字水印的图像可以被出版、传播，当图像的拥有者发现可疑图像时，可以用适当的技术从可疑图像中提取水印信息。通过对水印的认证，可以决定图像的版权[1-2]。 

然而，直到目前，关于数字图像内容本身真伪与否的认证技术讨论还非常少，由于图像处理软件的强大功能，使得数字图像内容可以很容易的被修改，针对一幅数字图像，能否判定它是一幅原始图像？图像的内容是否经过了篡改？这些疑问在医学、新闻媒体、司法鉴定、保险理赔、军事等真实性要求较高的场所中显得尤为重要。因此，设计一个良好的算法来对篡改的数字图像进行认证，那无疑具有很强的实用性。 

针对此问题，目前提出了一些方法，但这些方法的鲁棒性很差，Fridrich提出了一种检测篡改图像的方法，但是该方法对高斯噪声具有很强的敏感性，而且具有较高的时间复杂度，使得错误匹配块较多[3]。Popescu采用了一种新的检测方法，利用主成份分析法对原始数据进行降维，相比Fridrich提出的方法具有较低的时间复杂度，但该算法的检测率较低[4]。Huang等人通过选取图像当中一些尺度不变特征点来作为匹配点[5-6]，相对于[3-4]所提算法具有较大的改进，但对于一些纹理较稀疏的图像来说，此算法 会找不到匹配点。 

参考文献： 

(1).Chin-Chen Chang，Yih-Shin Hu，Tzu-Chuen Lu，A watermarking-based image ownership and tampering authentication scheme，Pattern Recognition Letters，Vol.27，pp.439-446，2006. 

(2).Ni Z.，Shi Y.Q，et.al，Robust lossless image data hiding designed for semi-fragile image authentication，IEEE Trans.Circ.Syst.Video Technol.，13(4)pp.497-509，2008. 

(3).Fridrich，A.J.，Soukalm，B.D.， 

A.J.，Detection of copy-move forgery in digital images，Proceedings of Digital Forensic Research Workshop，pp.19-23，2003. 

(4).Popescu，A.C.，Farid，H.，Exposing digital forgeries by detecting duplicated image regions，Technical Report，Dept.Comput.Sci，Dartmouth College，Tech.Rep.TR2004-515，pp.1-11，2004. 

(5).Huang，H.，Guo，W.Q.，Zhang，Y，Detection of copy-move forgery in digital images using sift algorithm，The Pacific-Asia Workshop on Computational Intelligence and Industrial Application，pp.272-276，2009. 

(6).Pan，X..and Lyu，S，Detecting image region duplication using SIFT features，The International Conference on Acoustics Speech and Signal Processing(ICASSP)，pp.1706-1709，2010. 

3.发明内容

3.1要解决的技术问题 

数字图像篡改认证技术要求对给定的一幅数字图像进行篡改检测并定位出篡改区域，而且要求算法具有较低的时间复杂度，因此这是篡改检测算法设计的难点，因此为了解决该问题，我们引入了离散余弦变换算法来对图像块进行变换，使得变换后的离散余弦系数表示每个图像子块，同时利用离散余弦变换的内 在特性，根据其系数能量的分布情况来对图像子块进行特征提取，使得提取后的特征，一方面可以使算法整体保持较低的时间复杂度，另一方面，算法不仅对高斯噪声、高斯模糊操作具有良好的鲁棒性，而且对多区域篡改具有很好的抗攻击性。 

3.2技术方案 

本篡改检测算法首先将图像划分为相互重叠的8×8像素点大小的子块，而后，在这些像素块上执行离散余弦变换变换，并根据变换后的离散余弦系数的能量分布情况对每个图像子块进行特征提取，使得每个图像子块仅用一个1×4维特征向量来表示，以保证算法的较低时间复杂度，然后将所有特征向量组成一特征矩阵，并对其进行字典排序，最后，利用向量间的欧式空间距离以及图像子块间的实际坐标距离来定位和去除错误的匹配区域，以保证篡改检测算法的鲁棒性。 

3.3有益效果 

该方法针对数字图像中的复制-粘贴操作实现了一种全新的检测方式。利用离散余弦变换系数的能量分布特性来提取每个图像子块的特征，实验仿真结果表明，该方法能够以较低的时间复杂度、准确的定位出篡改区域，并能有效的抵抗图像的高斯噪声、高斯模糊以及多区域篡改攻击。本方法能有效地应用医学、新闻媒体、司法鉴定、保险理赔、军事等真实性要求较高的图像认证中。 

4.附图说明

大小为296×188的图像用来进行算法的实验研究，在实验中，图像子块大小B为8×8像素点，图1表示对离散余弦变换后的图像子块系数进行之字形扫描，图2表示在半径为4的圆域内进行特征提取，匹配阈值D_similar＝0.0015，子块间坐标阈值N_d＝120，搜索空间N_number＝5。图3表示对原始图像进行多处篡改操作的检测结果，其中图3(a)为原始图像，图3(b)为经过多处篡改的图像，图3(c)为检测结果。 

为了验证检测算法对高斯噪声的鲁棒性，采用较低的信噪比(SNR＝15db)来进行测试，图4为检测结果，其中图4(a)为原始图像，图4(b)为添加高斯噪声(SNR＝15db)后的篡改图像，图4(c)为检测结果。图4说明算法的鲁棒性很强，能够准确的定位出篡改区域。 

为了验证检测算法对高斯模糊操作的鲁莽性，图5表示在模糊窗口w＝5，在不同的模糊半径下的检测结果，其中图5(a)是原始图像，图5(b)表示模糊窗口w＝5，模糊半径r＝0.4时的篡改图像，图5(c)表示模 糊窗口w＝5，模糊半径r＝0.6时的篡改图像，图5(d)表示模糊窗口w＝5，模糊半径r＝0.8时的篡改图像，图5(e)表示模糊窗口w＝5，模糊半径r＝1时的篡改图像，图5(f)表示最终检测结果。 

5.具体实施方案

5.1篡改检测方法 

步骤1：对于M×N大小的原始彩色图像，利用公式I＝0.228R+0.587G+0.114B转换为灰度图像。 

步骤2：将转换后的灰度图像划分为相互重叠的子块，每个子块的大小为8×8像素点，执行此操作后 可以得到N_blocks个图像子块，其中 

N_blocks＝(M-B+1)×(N-B+1)                    (1) 

步骤3：对N_blocks个图像子块中的每一个子块进行离散余弦变换，使得每个子块用大小为8×8的离散余弦系数表示。 

步骤4：采用之字形方式扫描步骤3中的每一个系数块，确定其能量分布情况，并根据能量分布情况，在半径为4的圆域内提取每一子块的特征，舍弃圆域外的系数值，使其每个图像子块仅用一个1×4维特征向量V来表示，如图1和图2所示。 

其中 

V＝[v₁，v₂，v₃，v₄]                          (2) 

$v_i=\frac{\mathrm{\Σf}(x,y)}{c\_{\mathrm{area}}_i},(f(x,y)\∈\underset{i=\mathrm{1,2,3,4}}{{c\_\mathrm{area}}_i})---\left(3\right)$

步骤5：将步骤4提取的所有特征向量组成(M-B+1)(N-B+1)×4大小的特征矩阵A，并对A进行字典排序，其中 

$A=\left[\begin{array}{c}{V}_1\\ .\\ .\\ .\\ V_{(M-B+1)(N-B+1)}\end{array}\right]---\left(4\right)$

步骤6：有步骤5得到的特征矩阵A，对于给定的阈值B，D_similar，N_d以及N_number，篡改检测算法如下： 

这里， 返回向量 

和 间的欧式空间距离，m_di tan ce(V_i+V_i+j)返回相应子块间的实际坐标距离，(m_sxordinate，m_syordinate)和(m_dxordinate，m_dyordinate)记录相应匹配块的坐标位置。只有当 

和m_di tan ce(V_i，V_i+j)同时满足一定的阈值条件时，才认为相应特征向量所对应的子块为篡改区域。 

5.2篡改区域输出方法 

步骤1：初始化一M×N大小的灰度图像P，其像素值全部为0。 

步骤2：根据步骤5.1得到的矩阵C，做以下操作： 

这里Size返回矩阵C的大小，Change操作将灰度图像P中相应像素值赋值为指定值。 

步骤3：利用形态学方法填充篡改区域间的小空隙并输出最终结果。 

Claims (6)

1.数字图像中一种自动识别和定位篡改区域的方法，其特征是首先将原始图像划分为相互重叠的子块。

2.根据权利要求1数字图像中一种自动识别和定位篡改区域的方法，其特征是对原始图像划分为相互重叠的子块进行离散余弦变换。

3.根据权利要求1所述的数字图像中一种自动识别和定位篡改区域的方法，其特征是应用离散余弦变换系数来代表每个子块的特性。

4.根据权利1所述的数字图像中一种自动识别和定位篡改区域的方法，其特征是利用离散余弦变换系数的内在特性，根据其能量分布情况对每个子块进行特征提取，确保其对高斯噪声和高斯模糊具有良好的鲁棒性。

5.根据权利要求1所述的数字图像中一种自动识别和定位篡改区域的方法，其特征是对提取的特征向量进行字典排序，确保算法有较优的时间复杂度，利用向量间的欧式空间距离来进行特征匹配，根据不同的篡改情形，算法都可以准确的定位出篡改区域。

6.根据权利要求1所述的数字图像中一种自动识别和定位篡改区域的方法，其特征是定位篡改区域时，利用子块间的实际坐标距离来去除错误的匹配块，当两个相匹配的子块间的实际坐标距离小于指定的阈值时，认为是错误的匹配块，标记为0，当相匹配的子块间的实际坐标距离大于指定的阈值时，认为是正确的匹配块，标记为1，并输出。

Images