CN102801975B - 一种用于图像的量化步长估计处理方法及装置 - Google Patents

一种用于图像的量化步长估计处理方法及装置 Download PDF

Info

Publication number
CN102801975B
CN102801975B CN201210271450.5A CN201210271450A CN102801975B CN 102801975 B CN102801975 B CN 102801975B CN 201210271450 A CN201210271450 A CN 201210271450A CN 102801975 B CN102801975 B CN 102801975B
Authority
CN
China
Prior art keywords
image
quantization step
value
jpeg decompression
image block
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201210271450.5A
Other languages
English (en)
Other versions
CN102801975A (zh
Inventor
李斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201210271450.5A priority Critical patent/CN102801975B/zh
Publication of CN102801975A publication Critical patent/CN102801975A/zh
Application granted granted Critical
Publication of CN102801975B publication Critical patent/CN102801975B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Compression Of Band Width Or Redundancy In Fax (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开一种用于图像的量化步长估计处理方法及装置。本发明用于图像的量化步长估计处理方法,通过对图像块进行二维离散余弦变换,并从二维离散余弦变换获得的离散余弦变换系数来估计出量化步长,本发明估计准确率高,尤其是对于小尺寸、含噪声图像的量化步长估计准确率较其他现有方法明显提高,具有很高的实用价值。

Description

一种用于图像的量化步长估计处理方法及装置
技术领域
本发明涉及图像处理技术领域,尤其涉及一种用于图像的量化步长估计处理方法及装置。
背景技术
量化是图像有损压缩的一个步骤,特别是对于JPEG有损压缩来说,量化是一个必不可少的步骤。在量化时,量化步长可用于控制图像质量与压缩率之间的平衡。大的量化步长可保证高压缩率但会令图像质量下降,小的量化步长则导致低压缩率但会保持较好的图像质量。考虑到人类视觉系统对高频不敏感,因此高频离散余弦变换系数(离散余弦变换又称DCT变换,Discrete Cosine Transform,以下为了方便表述,将离散余弦变换称为DCT)通常采用大的量化步长,而低频及直流DCT系数采用小的量化步长。一幅JPEG解压缩图像(JPEG图像经过解压缩后的图像)的多个位置的量化步长组成一个量化表,该量化表保存在JPEG解压缩图像的文件头中,该量化表可用于解压缩JPEG解压缩图像。当JPEG解压缩图像解压后,JPEG解压缩图像以其他形式保存时,该量化表通常被丢弃。但有一些应用需要使用该量化表,例如,出自Li,B.,He,J.,Huang,J.and Shi,Y.Q发表的Asurvey on image steganography and steganalysis中的隐写分析(steganalysis),出自Farid,H发表的A survey of image forgery detection for digital imageforensics中的图像篡改认证(forgery detection),出自Zhai,G.,Zhang,W.,Yang,X.,Lin,W.and Xu,Y发表的Efficient image deblocking based onpostfiltering in shifted windows中的去除JPEG解压缩图像的块效应(deblocking),出自Coulombe,S.and Pigeon,S发表的Low-complexitytranscoding of jpeg images with near-optimal quality using a predictive qualityfactor and scaling parameters中的转码(transcoding),出自Lewis,A.B.andKuhn,M.G发表的Exact jpeg recompression中的JPEG精确重压缩等应用。因此,从JPEG解压图像,或从解压后保存为其他形式的图像中估计出量化步长,具有重要的应用价值。
目前已有一些量化步长估计方法,例如出自Fan,Z、Queiroz,R.L.d发表的Identification of bitmap compression history:Jpeg decection and quantizerestimation中的MLE法,出自Fridrich,J、Goljan,M及Du,R发表的Steganalysisbased on jpeg compatibility中的L1-norm法,出自Lin,G-S,Chang,M-K及Chen,Y-L发表的A passive-blind forgery detection scheme based oncontent-adaptive quantization table estimation中的EDS法,出自Luo,W,Huang,J及Qiu,G发表的Jpeg error analysis and its applications todigital image forensics中的直方图峰值法等。但这些方法估计准确率低,适用场合主要为大尺寸、不含噪声的JPEG解压缩图像,而对于小尺寸、含噪声的JPEG解压缩图像则无法适用,而小尺寸、含噪声的JPEG解压缩图像的量化步长估计则更具实用价值,例如,从一幅JPEG解压缩图像局部小尺寸图像块中所估计出的量化步长与该JPEG解压缩图像其余部分所估计出的量化步长不相同,则暗示该JPEG解压缩图像局部很可能受到篡改,而由于篡改操作可能引用噪声,因此能从具有噪声的环境下估计量化步长,更具有实用性。
因此,现有技术还有待于改进和发展。
发明内容
鉴于上述现有技术的不足,本发明的目的在于提供一种用于图像的量化步长估计处理方法及装置,旨在解决现有量化步长估计方法准确率低、不适于小尺寸或含噪声JPEG解压缩图像的量化步长估计等问题。
本发明的技术方案如下:
一种用于图像的量化步长估计处理方法,其中,包括以下步骤:
A、将图像分割为互不重叠且连续的多个图像块;
B、对每一所述图像块进行二维离散余弦变换获得离散余弦变换系数;
C、根据所述离散余弦变换系数通过一预定周期归一化处理估计出量化步长;
所述步骤A中,所述图像块为8×8像素JPEG解压缩图像块;
所述步骤B中,将处于第i个JPEG解压缩图像块中第m行第n列的离散余弦变换系数记为其中,m,n∈{1,2,...,8};所述从下述公式获得:
Y ~ i ( m , n ) = C m C n Σ y = 0 7 Σ x = 0 7 S i ( x + 1 , y + 1 ) cos ( mπ 2 x + 1 16 ) cos ( nπ 2 y + 1 16 )
C m = 1 8 if m = 1 1 / 2 if 2 ≤ m ≤ 8 ,
C n = 1 8 if n = 1 1 / 2 if 2 ≤ n ≤ 8
其中,0≤x≤7,0≤y≤7,Si(x+1,y+1)为第i个8×8像素JPEG解压缩图像块第x+1行第y+1列的像素值;
所述步骤C具体包括:
C1、由公式所述Nb为JPEG解压缩图像块的总块数,所述q为待选的量化步长,计算出K(q)值;
C2、将所述K(q)的所有局部最大值组成集合
C3、当所述集合不为空集时,将K(q)的全局最大值所对应的q记为
C4、在所述集合中,将所有满足K(q)-αcos(6πσ/q)>0的q值组成一个集合
C5、当所述集合不为空集时,将记为满足的值;
C6、计算经验概率 &rho; = P { cos ( 2 &pi; Y ~ i / q ~ ) < cos ( 6 &pi;&sigma; / q ~ ) } , 以及
C7、当时,若 则令为所述第i个JPEG解压缩图像块中第m行第n列的量化步长真值否则令该量化步长真值
C8、当时,若τ≤γ,则令为所述第i个JPEG解压缩图像块中第m行第n列的量化步长真值否则令该量化步长真值
所述α=0.6,β1=0.06,β2=0.08,β3=0.6,γ=0.01,
所述的用于图像的量化步长估计处理方法,其中,所述步骤A之前还包括步骤A’:将图像以位图形式表示。
所述的用于图像的量化步长估计处理方法,其中,所述步骤A’中,当所述图像为以红、绿、蓝三原色表示的彩色图像时,将所述图像转换为亮度、色度、饱和度三个颜色通道的图像,并对每个颜色通道的图像分别执行步骤A。
所述的用于图像的量化步长估计处理方法,其中,所述步骤C3中,当所述集合为空集时,则令所述第i个JPEG解压缩图像块中第m行第n列的量化步长真值
所述的用于图像的量化步长估计处理方法,其中,所述步骤C5中,当所述集合为空集时,则令所述第i个JPEG解压缩图像块中第m行第n列的量化步长真值
所述的用于图像的量化步长估计处理方法,其中,所述步骤C2中,局部最大值为满足K(n)>K(n-1)且K(n)>K(n+1),则K(n)为局部最大值。
一种用于图像的量化步长估计处理装置,其中,包括:
图像分割模块,用于将图像分割为互不重叠且连续的多个图像块,所述图像块为8×8像素JPEG解压缩图像块;
二维离散余弦变换模块,用于对每一所述图像块进行二维离散余弦变换获得离散余弦变换系数,将处于第i个JPEG解压缩图像块中第m行第n列的离散余弦变换系数记为其中,m,n∈{1,2,...,8};所述从下述公式获得:
Y ~ i ( m , n ) = C m C n &Sigma; y = 0 7 &Sigma; x = 0 7 S i ( x + 1 , y + 1 ) cos ( m&pi; 2 x + 1 16 ) cos ( n&pi; 2 y + 1 16 )
C m = 1 8 if m = 1 1 / 2 if 2 &le; m &le; 8 ,
C n = 1 8 if n = 1 1 / 2 if 2 &le; n &le; 8
其中,0≤x≤7,0≤y≤7,Si(x+1,y+1)为第i个8×8像素JPEG解压缩图像块第x+1行第y+1列的像素值;
量化步长估计模块,用于根据所述离散余弦变换系数通过一预定周期归一化处理估计出量化步长,具体包括:
C1、由公式所述Nb为JPEG解压缩图像块的总块数,所述q为待选的量化步长,计算出K(q)的值;
C2、将所述K(q)的所有局部最大值组成集合
C3、当所述集合不为空集时,将K(q)的全局最大值所对应的q记为
C4、在所述集合中,将所有满足K(q)-αcos(6πσ/q)>0的q值组成一个集合
C5、当所述集合不为空集时,将记为满足的值;
C6、计算经验概率 &rho; = P { cos ( 2 &pi; Y ~ i / q ~ ) < cos ( 6 &pi;&sigma; / q ~ ) } , 以及
C7、当时,若 则令为所述第i个JPEG解压缩图像块中第m行第n列的量化步长真值否则令该量化步长真值
C8、当时,若τ≤γ,则令为所述第i个JPEG解压缩图像块中第m行第n列的量化步长真值否则令该量化步长真值
所述α=0.6,β1=0.06,β2=0.08,β3=0.6,γ=0.01,
有益效果:本发明用于图像的量化步长估计处理方法及装置,通过对图像块进行二维离散余弦变换,并从二维离散余弦变换获得的DCT系数来估计出量化步长,本发明估计准确率高,尤其是对于小尺寸、含噪声图像的量化步长估计准确率较其他现有方法明显提高,具有很高的实用价值,例如对于图像篡改检测,图像中的人脸或其他敏感区域通常为小尺寸,如果图像是JPEG解压缩图像,该人脸区域经过篡改(例如换成另一个的头像),而背景图像没有被篡改,则本发明将以更高准确度来确定这些被篡改区域。又或者,如果图像经篡改后,再经过其他类似于JPEG2000压缩的其他处理后,本发明仍然可用于定位这些被篡改区域。
附图说明
图1为未加入噪声JPEG解压缩图像的各方法估计准确率示意图。
图2为加入高斯噪声JPEG解压缩图像的各方法估计准确率示意图。
图3为JPEG解压缩图像经JPEG2000再次压缩图像的各方法估计准确率示意图。
具体实施方式
本发明提供用于图像的量化步长估计处理方法及装置,为使本发明的目的、技术方案及效果更加清楚、明确,以下对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明用于图像的量化步长估计处理方法,通过对JPEG解压缩图像块进行二维离散余弦变换,并从二维DCT变换获得的DCT系数来估计出量化步长,本发明对于小尺寸、含噪声图像的量化步长估计准确率较其他现有方法明显提高。
本发明实施例提供的用于图像的量化步长估计处理方法,其包括步骤:
S101、将图像分割为互不重叠且连续的多个图像块;
S102、将每一所述图像块进行二维DCT变换获得DCT系数;
S103、根据所述离散余弦变换系数通过一预定周期归一化处理估计出量化步长。
所述步骤S101之前还包括步骤S100:将图像以位图形式表示;
位图形式可以是Windows系统下的标准位图格式(bitmap),位图形式是指没有经过有损压缩的图像,该图像是以像素表示。
进一步,当所述图像为以红、绿、蓝(即RGB)三原色表示的彩色图像时,将所述图像转换为亮度、色度、饱和度三个颜色通道的图像,并对每个颜色通道的图像分别执行步骤A以及接下来的步骤。而当所述图像为灰度图像时,则可直接执行步骤A以及接下来的步骤。
所述步骤S101中,所述图像块为8×8像素JPEG解压缩图像块,即所述图像为JPEG解压缩图像,并将该JPEG解压缩图像分割为互不重叠且连续的多个8×8像素JPEG解压缩图像块。8×8像素JPEG解压缩图像块为现有技术中的主流选择,当然本发明也可采用16×16像素JPEG解压缩图像块或其他尺寸的JPEG解压缩图像块。具体实施过程中,可按从左至右,从上至下,将该8×8像素JPEG解压缩图像块编号为1,2…,Nb,其中Nb为JPEG解压缩图像块的总块数。
所述步骤S102中,将处于第i个JPEG解压缩图像块中第m行第n列的DCT系数记为其中,m,n∈{1,2,...,8},i∈{1,2,...,Nb}。DCT变换可将信号分解为直流、低频、高频等不同的频率成分,DCT系数则为该频率的幅度,本发明便是从中估计出第m行第n列的量化步长真值的估计值而所有处于JPEG解压缩图像块中的第m行第n列的量化步长相同,其真值均为如果估计值则说明量化步长估计正确。
所述从下述公式获得:
Y ~ i ( m , n ) = C m C n &Sigma; y = 0 7 &Sigma; x = 0 7 S i ( x + 1 , y + 1 ) cos ( m&pi; 2 x + 1 16 ) cos ( n&pi; 2 y + 1 16 )
C m = 1 8 if m = 1 1 / 2 if 2 &le; m &le; 8 ,
C n = 1 8 if n = 1 1 / 2 if 2 &le; n &le; 8
在具体计算过程中,是将m设为u+1,n设为v+1,那么上述公式也可表示为下述的公式,以方便计算:
Y ~ i ( u + 1 , v + 1 ) = C u C v &Sigma; y = 0 7 &Sigma; x = 0 7 S i ( x + 1 , y + 1 ) cos ( u&pi; 2 x + 1 16 ) cos ( v&pi; 2 y + 1 16 )
C u = 1 8 if u = 0 1 / 2 if 1 &le; u &le; 7
C v = 1 8 if v = 0 1 / 2 if 1 &le; v &le; 7 ,
其中,0≤x≤7,0≤y≤7,Si(x+1,y+1)为第i个8×8像素JPEG解压缩图像块第x+1行第y+1列的像素值,这里第一行在本领域中数字表示为0,同理第八行用数字表示为7,所以也可直接描述为Si(x,y),其中的1≤x≤8,1≤y≤8,而此时公式中的2x+1,2y+1需分别改为2x-1,2y-1。在本发明中,以下为了描述方便,将处于第i个JPEG解压缩图像块中第m行第n列的DCT系数中的(m,n)省略,即简称为
进一步,所述步骤S103具体包括,即预定周期归一化处理的具体步骤为:
S201、由公式计算出K(q)的值,所述Nb为JPEG解压缩图像块的数量,所述q为待选的量化步长,q的最大值设为255,即q∈{1,...,255},因为一般量化步长在28-1=256-1=255以内,否则图像质量将严重下降;
在此步骤中,由(公式1),可以得出:
K ( q ) = 1 N b &Sigma; i = 1 N b cos ( 2 &pi; Y ~ i q ) = 1 N b &Sigma; i = 1 N b cos ( 2 &pi; ( Y ~ i - round ( Y ~ i q ) &CenterDot; q ) q )   (公式2)
其中round(·)为取整运算,是量化重建步阶(quantizationreconstruction level),其是取量化步长为q时,距离最接近的量化重建步阶。
例如:q=5时,则-10,-5,0,5,10,15....都是可能的量化重建步阶。
其最近的可能的量化重建步阶为10。
若采用公式1计算,利用cos函数的周期性,可以避免求公式2中的量化重建步阶。因此其物理意义:K(q)为“DCT系数”与其“最近的可能的量化重建步阶”的残差,对“可能的量化步长”的归一化值所求余弦值之和,即残差的归一化值,残差指观测值与预测值(拟合值)之间的差,即实际观察值与回归估计值的差。通过求K(q)的极大值,估计出量化步长。而归一化是一种简化计算的方式,即将有量纲的表达式,经过变换,化为无量纲的表达式,成为纯量。而本发明中的对(所述离散余弦变换系数与其可能的量化重建步阶的残差对可能的量化步长)通过一指定的归一化值求余弦值之和,并根据所述余弦值之和估计出量化步长步骤,即指通过K(q)估计出量化步长,进一步,可通过K(q)的极大值来估计量化步长。
本发明即是根据所述“DCT系数与其可能的量化重建步阶之间的关系”估计出量化步长,而量化重建步阶没有在步骤中体现,主要是因为提出方法巧妙地隐去了这一概念。
S202、将所述K(q)的所有局部最大值组成集合局部最大值为满足K(n)>K(n-1)且K(n)>K(n+1),则K(n)为局部最大值;
S203、当所述集合不为空集时,将K(q)的全局最大值所对应的q记为
上述步骤S201、S202、S203实际是本方法的核心步骤。而后面的步骤都只是进一步提高方法的准确性。换句话说,如果粗略的估计量化步长,只需上述三步实现。
S204、在所述集合中,将所有满足K(q)-αcos(6πσ/q)>0的q值组成一个集合在本发明中,设有参数α,β123,γ,上述参数为计算公式中控制不同量化步长估计准确率的阈值,可将上述参数设为常数。α和γ用于控制量化步长估计值的准确率,β123分别用于控制的准确率,例如可将各参数设为:α=0.6,β1=0.06,β2=0.08,β3=0.6,γ=0.01。而上述公式中的σ为一常数,即0到1区间均匀分布的标准差,本发明中设定为
S205、当所述集合不为空集时,将记为满足的值;
S206、计算经验概率 &rho; = P { cos ( 2 &pi; Y ~ i / q ~ ) < cos ( 6 &pi;&sigma; / q ~ ) } , 以及
S207、当时,若 则令为所述第i个JPEG解压缩图像块中第m行第n列的量化步长真值否则令该量化步长真值
S208、当时,若τ≤γ,则令为所述第i个JPEG解压缩图像块中第m行第n列的量化步长真值否则令该量化步长真值
所述步骤S203中,当所述集合为空集时,则令所述第i个JPEG解压缩图像块中第m行第n列的量化步长真值
所述步骤S205中,当所述集合为空集时,则令所述第i个JPEG解压缩图像块中第m行第n列的量化步长真值
通过上述步骤估计出了第i个JPEG解压缩图像块中第m行第n列的量化步长真值,而由于所有JPEG图像块中第m行第n列的DCT系数所对应的量化步长相同,如此,便可获得所有JPEG图像块中第m行第n列的量化步长了。
本发明提供的一个具体实施例,如下所述:
假设尺寸为32×32的图像块经8×8分块后,得到16个8×8分块,对每个8×8分块分别做二维DCT变换获得其中m,n∈{1,2,...,8},i=1,2,..16。
假设已估计完成,现估计估计的具体步骤如下所述,其包括步骤:
S301、首先m=2,n=1,Nb=16,那么以下所做的计算是针对处于第i个JPEG解压缩图像块中第2行第1列的量化步长;
S302、将m=2,n=1,Si(x+1,y+1)(0≤x≤7,0≤y≤7)的值代入前述求的公式中,得到i=1,2,..16(以下均省略位置参数m,n)的值(取两位有效数字)为:
-4.98  34.86  -99.72  65.27  9.86  -360.11  -25.11  9.86
239.47  -290.05  -14.87  -59.74  39.92;
其中,像素值Si(x+1,y+1)的值如下表所示:
224 206 94 101 147 49 65 35
241 68 210 146 123 155 230 241
141 233 151 28 12 73 46 11
43 94 142 23 91 167 209 196
45 57 231 137 49 176 139 206
72 70 78 197 201 190 250 219
212 158 192 235 85 118 28 30
71 124 191 41 137 30 116 106
S303、将上述的值代入公式分别求K(1)到K(255)的值,所得的K(1)到K(255)的值如下所示,按从左至右,从上至下顺序排列;
0.471  0.162  -0.043  0.014  0.968  0.017  -0.239  0.198  0.198
0.246  0.052  0.161  -0.070  0.110  -0.149  -0.217  -0.074
-0.180  -0.099  0.107  -0.142  -0.245  -0.412  -0.129
-0.366  -0.113  -0.216  -0.135  -0.103  0.069  0.036  0.099
0.114  0.038  0.105  0.077  -0.162  -0.275  -0.119  0.043
-0.006  -0.172  -0.251  -0.176  -0.023  0.106  0.170  0.184
0.171  0.144  0.109  0.074  0.057  0.073  0.123  0.196  0.267  0.312
0.313  0.270  0.193  0.103  0.020  -0.038  -0.061  -0.048
-0.007  0.051  0.113  0.167  0.204  0.220  0.213  0.188  0.149  0.104
0.057  0.016  -0.015  -0.035  -0.041  -0.036  -0.019
0.005  0.035  0.066  0.097  0.125  0.147  0.164  0.174  0.176  0.173
0.163  0.149  0.131  0.111  0.089  0.068  0.047  0.029  0.012
-0.001  -0.011  -0.017  -0.021  -0.021  -0.017  -0.012
-0.004  0.007  0.018  0.031  0.045  0.059  0.073  0.087  0.100  0.113
0.124  0.135  0.145  0.153  0.160  0.167  0.172  0.175  0.178  0.180
0.181  0.181  0.180  0.179  0.177  0.175  0.172  0.169  0.166  0.163
0.160  0.156  0.153  0.150  0.147  0.143  0.141  0.138  0.135  0.133
0.131  0.129  0.127  0.125  0.124  0.123  0.122  0.121  0.121  0.120
0.120  0.120  0.120  0.120  0.120  0.121  0.121  0.122  0.123  0.124
0.124  0.126  0.127  0.128  0.129  0.131  0.132  0.134  0.136  0.137
0.139  0.141  0.143  0.145  0.148  0.150  0.153  0.155  0.158  0.161
0.164  0.167  0.170  0.173  0.176  0.180  0.183  0.187  0.191  0.195
0.199  0.203  0.207  0.211  0.216  0.220  0.225  0.229  0.234  0.239
0.244  0.249  0.254  0.259  0.265  0.270  0.275  0.281  0.286  0.292
0.298  0.303  0.309  0.315  0.321  0.326  0.332  0.338  0.344  0.350
0.356  0.362  0.368  0.373  0.379  0.385  0.391  0.397  0.403  0.408
0.414  0.420  0.425  0.431  0.437  0.442  0.448  0.453  0.458  0.464
0.469  0.474  0.479  0.484  0.489  0.494;
S304、在获得的K(1)到K(255)的所有值中,若K(n)>K(n-1)且K(n)>K(n+1),则K(n)为局部最大值,按照上述规则,求上述K(1)到K(255)的局部最大值,并按从大到小的顺序排列,得到如下K值
0.968  0.471  0.313  0.246  0.220  0.184  0.181  0.176  0.161  0.114
0.110  0.107  0.105  0.069  0.043  -0.074  -0.113  -0.129;
S305、将上述K值组成一个集合 U ~ = 0.968 0.471 0.313 0.246 0.220 0.184 0.181 0.176 0.161 0.114 0.110 0.107 0.105 0.069 0.043 - 0.074 - 0.113 - 0.129 ;
上述集合中的各K值所对应的q值分别为5 1 59 10 72 48 13192 12 33 14 20 35 30 40 17 26 24;
S306、因上述集合不为空集,将K(1)至K(255)的全局最大值所对应的q记为值=5;
S307、在所述集合中,所有满足K(q)-αcos(6πσ/q)>0的对应q值为:5,1,这些q值组成集合
例如q=5,K(5)=0.968,σ为常数
&alpha; cos ( 6 &pi;&sigma; / q ) = 0.6 cos ( 6 &pi; 1 12 / 5 ) = 0.2784 ,
因0.2784>0,所以满足K(q)-αcos(6πσ/q)>0,可将q=5记入该集合中,同理,其他满足要求的q值为1;
S308、由于上述集合不为空集,则记为满足
根据上述条件,满足
S309、根据上述步骤获得的值及值,计算经验概率
&rho; = P { cos ( 2 &pi; Y ~ i / q ~ ) < cos ( 6 &pi;&sigma; / q ~ ) } = 0 ,
比如,在计算ρ的过程中,将步骤S302中获得的值和上述一起代入公式中,获得的值为:
0.9998  0.9855  0.9404  0.9436  0.9843  0.9901  0.9904
0.9856  0.7876  0.9981  0.9869  0.9472  0.9951  0.9817
0.9683  0.9994;
的值为:0.4640,所以
&rho; = P { cos ( 2 &pi; Y ~ i / q ~ ) < cos ( 6 &pi;&sigma; / q ~ ) } = 0 / 16 = 0 ; 同理可计算τ的值也为0;
S310、因上述此时,且ρ=0<β2=0.08,则令:如此,便获得了处于第i个图像块中第2行第1列的量化步长估计值而该JPEG解压缩图像块中其他位置的量化步长,如也可按照上述方法亦可求出。
本发明采用上述用于图像的量化步长估计处理方法所估计出的量化步长具有较高的估计准确率,尤其是对于一些小尺寸、含噪声图像的JPEG量化步长估计具有较高的实用价值。相比其他现有技术,本发明在小尺寸或有噪声的情况下,估计出的量化步长更加准确。
采用本发明用于图像的量化步长估计处理方法的一个具体例子是:采用1338幅UCID图像,关于UCID图像其是出自于G.Schaefer and M.Stich(2004)"UCID-An Uncompressed Colour Image Database",Proc.SPIE,Storage and Retrieval Methods and Applications for Multimedia 2004,pp.472-480,San Jose,USA。而UCID图像库下载地址:http://vision.cs.aston.ac.uk/datasets/UCID/data/ucid.v2.tar.gz,UCID图像是没有经过压缩的图像库,截取该UCID图像中心区域32×32像素进行测试,当JPEG解压缩图像压缩质量因子的取值为40,45,50,60,70,80,90,95,98,100,具体的测试结果如下所述:
当JPEG解压缩图像未加任何噪声,如图1所示,该图为采用本发明用于图像的量化步长估计处理方法与采用其他现有技术对所述图像进行量化步长估计的准确率,该图中Quality Factor指的是质量因子,而TotalEstiamtion Accuracy指的是估计准确率,从该图中可以看出,采用本发明用于图像的量化步长估计处理方法比其他方法估计准确率明显提高,并且随着质量因子的增大,估计准确率随之提高,并接近1。该图中,COS代表本发明用于图像的量化步长估计处理方法,L1-norm、EDS、PEAK分别为采用L1-norm法、EDS法、直方图峰值法,上述方法均为现有技术中的方法,以下均采用上述简称。采用其他现有方法在质量因子为95时,估计准确率最高,而随着质量因子的继续增大即量化步长接近1时,估计准确率出现下降,而采用COS法估计准确率却显著提高。
当JPEG解压缩图像中加入均值为0方差为2的高斯噪声后,具体的测试结果如图2所示,采用本发明的COS法所获得的估计准确率较其他方法明显提高,由于质量因子QF越小,则量化步长越大,在QF为100时,量化步长为1,而在量化步长较小即质量因子较大时,尤其在量化步长接近1时,量化步长是最难估计的。从该图可以看出,采用其他方法例如L1-norm法、EDS法、直方图峰值法,在量化步长接近1但不等于1时,都将量化步长估计为1,此估计值为错误估值,准确率不高。而采用本发明COS法则明显提高了加入高斯噪声的JPEG解压缩图像的估计准确率,尤其是对于量化步长接近1但不等于1的时候,误判情况大大减少,正确率上升。
当JPEG解压缩图像被JPEG2000标准进行压缩后,具体的测试结果如图3所示,采用本发明的COS法所获得的估计准确率比其他现有技术的估计准确率明显提高,而且在量化步长接近1但不等于1时,量化步长的估计准确率不会出现误判,而其他方法都在量化步长接近1但不等于1的情况下,将量化步长错误估计为1,准确率低。
本发明还提供一种用于图像的量化步长估计处理装置,其包括:
图像分割模块,用于将图像分割为互不重叠且连续的多个图像块;
二维离散余弦变换模块,用于对每一所述图像块进行二维离散余弦变换获得离散余弦变换系数;
量化步长估计模块,根据所述离散余弦变换系数通过一预定周期归一化处理估计出量化步长。关于上述各模块的功能作用前面在方法中已有详述,故不再赘述。
本发明用于图像的量化步长估计处理方法,通过对JPEG解压缩图像块进行二维DCT变换,并从二维DCT变换获得的DCT系数来估计出量化步长,本发明估计准确率高,尤其是对于小尺寸、含噪声图像的量化步长估计准确率较其他现有方法明显提高,具有很高的实用价值。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (7)

1.一种用于图像的量化步长估计处理方法,其特征在于,包括以下步骤:
A、将图像分割为互不重叠且连续的多个图像块;
B、对每一所述图像块进行二维离散余弦变换获得离散余弦变换系数;
C、根据所述离散余弦变换系数通过一预定周期归一化处理估计出量化步长;
所述步骤A中,所述图像块为8×8像素JPEG解压缩图像块;
所述步骤B中,将处于第i个JPEG解压缩图像块中第m行第n列的离散余弦变换系数记为其中,m,n∈{1,2,...,8};所述从下述公式获得:
Y ~ i ( m , n ) = C m C n &Sigma; y = 0 7 &Sigma; x = 0 7 S i ( x + 1 , y + 1 ) cos ( m&pi; 2 x + 1 16 ) cos ( n&pi; 2 y + 1 16 )
C m = 1 8 if m = 1 1 / 2 if 2 &le; m &le; 8 ,
C n = 1 8 if n = 1 1 / 2 if 2 &le; n &le; 8
其中,0≤x≤7,0≤y≤7,Si(x+1,y+1)为第i个8×8像素JPEG解压缩图像块第x+1行第y+1列的像素值;
所述步骤C具体包括:
C1、由公式所述Nb为JPEG解压缩图像块的总块数,所述q为待选的量化步长,计算出K(q)的值;
C2、将所述K(q)的所有局部最大值组成集合
C3、当所述集合不为空集时,将K(q)的全局最大值所对应的q记为
C4、在所述集合中,将所有满足K(q)-αcos(6πσ/q)>0的q值组成一个集合
C5、当所述集合不为空集时,将记为满足的值;
C6、计算经验概率 &rho; = P { cos ( 2 &pi; Y ~ i / q ~ ) < cos ( 6 &pi;&sigma; / q ~ ) } , 以及
C7、当 则令为所述第i个JPEG解压缩图像块中第m行第n列的量化步长真值否则令该量化步长真值
C8、当时,若τ≤γ,则令为所述第i个JPEG解压缩图像块中第m行第n列的量化步长真值否则令该量化步长真值
所述α=0.6,β1=0.06,β2=0.08,β3=0.6,γ=0.01,
2.根据权利要求1所述的用于图像的量化步长估计处理方法,其特征在于,所述步骤A之前还包括步骤A’:将图像以位图形式表示。
3.根据权利要求2所述的用于图像的量化步长估计处理方法,其特征在于,所述步骤A’中,当所述图像为以红、绿、蓝三原色表示的彩色图像时,将所述图像转换为亮度、色度、饱和度三个颜色通道的图像,并对每个颜色通道的图像分别执行步骤A。
4.根据权利要求1所述的用于图像的量化步长估计处理方法,其特征在于,所述步骤C3中,当所述集合为空集时,则令所述第i个JPEG解压缩图像块中第m行第n列的量化步长真值
5.根据权利要求1所述的用于图像的量化步长估计处理方法,其特征在于,所述步骤C5中,当所述集合为空集时,则令所述第i个JPEG解压缩图像块中第m行第n列的量化步长真值
6.根据权利要求1所述的用于图像的量化步长估计处理方法,其特征在于,所述步骤C2中,局部最大值为满足K(n)>K(n-1)且K(n)>K(n+1),则K(n)为局部最大值。
7.一种用于图像的量化步长估计处理装置,其特征在于,包括:
图像分割模块,用于将图像分割为互不重叠且连续的多个图像块,所述图像块为8×8像素JPEG解压缩图像块;
二维离散余弦变换模块,用于对每一所述图像块进行二维离散余弦变换获得离散余弦变换系数,将处于第i个JPEG解压缩图像块中第m行第n列的离散余弦变换系数记为其中,m,n∈{1,2,...,8};所述从下述公式获得:
Y ~ i ( m , n ) = C m C n &Sigma; y = 0 7 &Sigma; x = 0 7 S i ( x + 1 , y + 1 ) cos ( m&pi; 2 x + 1 16 ) cos ( n&pi; 2 y + 1 16 )
C m = 1 8 if m = 1 1 / 2 if 2 &le; m &le; 8 ,
C n = 1 8 if n = 1 1 / 2 if 2 &le; n &le; 8
其中,0≤x≤7,0≤y≤7,Si(x+1,y+1)为第i个8×8像素JPEG解压缩图像块第x+1行第y+1列的像素值;
量化步长估计模块,用于根据所述离散余弦变换系数通过一预定周期归一化处理估计出量化步长,具体包括:
C1、由公式所述Nb为JPEG解压缩图像块的总块数,所述q为待选的量化步长,计算出K(q)的值;
C2、将所述K(q)的所有局部最大值组成集合
C3、当所述集合不为空集时,将K(q)的全局最大值所对应的q记为
C4、在所述集合中,将所有满足K(q)-αcos(6πσ/q)>0的q值组成一个集合
C5、当所述集合不为空集时,将记为满足的值;
C6、计算经验概率 &rho; = P { cos ( 2 &pi; Y ~ i / q ~ ) < cos ( 6 &pi;&sigma; / q ~ ) } , 以及
C7、当时,若 则令为所述第i个JPEG解压缩图像块中第m行第n列的量化步长真值否则令该量化步长真值
C8、当时,若τ≤γ,则令为所述第i个JPEG解压缩图像块中第m行第n列的量化步长真值否则令该量化步长真值
所述α=0.6,β1=0.06,β2=0.08,β3=0.6,γ=0.01,
CN201210271450.5A 2012-07-31 2012-07-31 一种用于图像的量化步长估计处理方法及装置 Expired - Fee Related CN102801975B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210271450.5A CN102801975B (zh) 2012-07-31 2012-07-31 一种用于图像的量化步长估计处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210271450.5A CN102801975B (zh) 2012-07-31 2012-07-31 一种用于图像的量化步长估计处理方法及装置

Publications (2)

Publication Number Publication Date
CN102801975A CN102801975A (zh) 2012-11-28
CN102801975B true CN102801975B (zh) 2014-10-29

Family

ID=47200930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210271450.5A Expired - Fee Related CN102801975B (zh) 2012-07-31 2012-07-31 一种用于图像的量化步长估计处理方法及装置

Country Status (1)

Country Link
CN (1) CN102801975B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103096081B (zh) * 2013-01-15 2016-04-20 深圳市中瀛鑫科技股份有限公司 变换系数的处理方法、小波变换编码方法及模块与编码器
CN106488250B (zh) * 2015-08-26 2019-05-07 中国科学院深圳先进技术研究院 一种估计jpeg双重压缩图像首压量化步长的方法和装置
CN108174223B (zh) * 2016-12-07 2020-07-24 中国科学院深圳先进技术研究院 估计jpeg压缩位图量化步长的方法及系统
CN112560901A (zh) * 2020-12-01 2021-03-26 南京航空航天大学 一种基于图像预处理与对抗训练结合的防御对抗样本的方法
CN117134909B (zh) * 2023-10-20 2024-03-29 网络通信与安全紫金山实验室 去相关的信道密钥生成方法、装置、通信设备及存储介质
CN118133932B (zh) * 2024-05-10 2024-06-28 南京信息工程大学 一种针对jpeg量化步长估计的对抗样本生成方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005080161A (ja) * 2003-09-03 2005-03-24 Nippon Telegr & Teleph Corp <Ntt> 画像符号化方法、画像符号化装置、画像符号化プログラム及びそのプログラムを記録した記録媒体
CN101706944A (zh) * 2009-11-03 2010-05-12 上海大学 基于量化表估计的检测jpeg图像篡改的方法
CN101989355A (zh) * 2009-07-31 2011-03-23 北京邮电大学 一种针对jpeg图像二次压缩的检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100316131A1 (en) * 2009-06-12 2010-12-16 Motorola, Inc. Macroblock level no-reference objective quality estimation of video

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005080161A (ja) * 2003-09-03 2005-03-24 Nippon Telegr & Teleph Corp <Ntt> 画像符号化方法、画像符号化装置、画像符号化プログラム及びそのプログラムを記録した記録媒体
CN101989355A (zh) * 2009-07-31 2011-03-23 北京邮电大学 一种针对jpeg图像二次压缩的检测方法
CN101706944A (zh) * 2009-11-03 2010-05-12 上海大学 基于量化表估计的检测jpeg图像篡改的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王俊文.数字图像内容篡改盲取证研究.《中国优秀博硕士学位论文全文数据库(博士)》.2011, *

Also Published As

Publication number Publication date
CN102801975A (zh) 2012-11-28

Similar Documents

Publication Publication Date Title
CN102801975B (zh) 一种用于图像的量化步长估计处理方法及装置
Stamm et al. Anti-forensics of digital image compression
US7058200B2 (en) Method for the prior monitoring of the detectability of a watermarking signal
US20100226527A1 (en) Watermark embedding and detecting methods, systems devices and components
US20080031535A1 (en) APPARATUS AND METHOD FOR A GENERALIZED BENFORD&#39;s LAW ANALYSIS OF DCT AND JPEG COEFFICIENTS
CN106062816A (zh) 用于对hdr图像进行编码和解码的方法和装置
Rabie et al. On the embedding limits of the discrete cosine transform
US10477249B2 (en) Video processing for masking coding artifacts using dynamic noise maps
Stamm et al. Wavelet-based image compression anti-forensics
CN110246076B (zh) 基于Tucker分解的高动态范围图像水印方法
CN102713977B (zh) 用于使用量化代码评定图像质量的方法和设备
Oostveen et al. Adaptive quantization watermarking
EP3035687A1 (en) A device and a method for encoding an image and corresponding decoding method and decoding device
Altun et al. Optimal spread spectrum watermark embedding via a multistep feasibility formulation
KR20210078350A (ko) 초분광 영상 처리에서의 무손실 압축방법
CN104837014B (zh) 压缩图像的方法和图像处理设备
Ramkumar et al. Self-noise suppression schemes in blind image steganography
US20130156255A1 (en) Method and system for performing transcoding resistant watermarking
Akhtar et al. Revealing the traces of histogram equalisation in digital images
US20060039619A1 (en) Image compression using a color visual model
Tsai et al. A visible wavelet watermarking technique based on exploiting the contrast sensitivity function and noise reduction of human vision system
Lu et al. Designing non-additive distortions for jpeg steganography based on blocking artifacts reduction
US10735741B2 (en) Method, device, and computer program product for compressing an input data set
CN103279963A (zh) 地理信息图像的压缩方法
Zhang et al. A universal entropy masking model in digital watermarking system

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20141029

Termination date: 20210731