CN103345758A - 基于dct统计特征的jpeg图像区域复制篡改盲检测方法 - Google Patents

Abstract

本发明公开了一种基于DCT统计特征的JPEG图像区域复制盲检测方法，该方法是在不依靠图像水印等信息的条件下，仅根据图像内容提取图像的DCT统计特征，并且运用检测方法所提取的图像特征进行降维，利用降维后的图像特征检测图像是否经过区域复制粘贴篡改，并对篡改区域进行自动定位；通过该方法，可以实现JPEG图像的区域复制粘贴篡改检测，克服了传统的图像取证中依赖事先嵌入的数字水印或签名的弊端，并且通过降维处理优化了检测流程，提高了检测效率。

Description

基于DCT统计特征的JPEG图像区域复制篡改盲检测方法

技术领域

本发明涉及信息安全与计算机应用技术领域，特别涉及一种基于DCT统计特征的JPEG图像区域复制篡改盲检测方法。

背景技术

随着图像处理技术的成熟化与普及化，对数字图像的篡改变得越来越容易。人们可以利用各种工具随意篡改图像，单凭肉眼，无法分辨出这些图像的真假。篡改后的图像通过网络向大众传播，或造成娱乐效果，如一般的幽默图片；或对社会产生不良影响，如广场鸽事件和周正龙老虎事件。因此，对数字图像进行鉴别，已经成为一个新兴的研究领域。

区域复制篡改指的是一种特殊的图像篡改，即复制图像中的部分区域，将其粘贴到同一幅图像中的另一位置，以达到隐藏或添加内容的目的。由于同一幅图像有着一致的噪声、纹理和颜色等信息，加上篡改者往往在篡改之后采取模糊、降噪、重压缩等手段来掩盖修改痕迹，单凭肉眼和一般的鉴别手段很难判定图片是否经过篡改。

盲检测指的是在不依赖签名或水印的情况下，利用图像含有的信息鉴别图像，其应用场景广泛，是目前研究热点。目前成像设备生成的和互联网上传播的图像大多JPEG有损压缩图像，因此，针对JPEG图像的盲检测技术具有很高的实用价值。

目前有许多针对图像区域篡改的盲检测方法，但是都有不同程度上的局限性，主要包括：

1)提取的特征向量维数高，计算复杂度大，导致检测效率较低；

2)仅对某些特定类型的图片由较好效果，应用场景有所局限；

3)鲁棒性不强，在特殊情况下健壮性不足；

4)测试样本为自备样本，缺乏真实性与广泛性，缺乏实际应用意义。而本发明能够很好地解决上面的问题。

发明内容

本发明目的在于提供了一种基于DCT统计特征的JPEG图像区域复制盲检测方法，该方法通过提取JPEG图像的DCT统计特征，实现对JPEG区域复制篡改的检测与自动定位。该方法在提取JPEG图像的DCT统计特征后，将特征矩阵做降维处理，以降维后的矩阵作为特征向量进行后续操作，降低计算复杂度，提高了检测效率。

本发明解决其技术问题所采用的技术方案是：本发明设计一种对JPEG图像分块，按8*8像素块提取DCT统计特征，对特征进行字典排序，结合图像块的相等位移矢量发生频率信息检测并定位篡改区域的方法。该方法分为图像分块、特征提取、特征降维、特征排序、计算相等位移矢量发生频率、检测并定位篡改区域几个步骤。

方法流程：

1）图像分块：分块前将可疑图像进行预处理，为了减少计算量，本发明中均假设可疑图像为灰度图像。若图像为彩色图像，则转化为灰度图像进行后续处理。将灰度化后的可疑图像用一个B*B像素大小的滑块（B的大小可变，建议将B的值设为16），按照从上到下，从左到右的顺序进行扫描，每次移动一个像素，从而将图像分成了多个可重叠的子块，数目用N指代。

2）特征提取：针对已经划分好的子块，分别提取每一子块的DCT统计特征，用一组矩阵F(i,j)存储DCT系数，其中(i,j)代表图像子块的位置。按照从左到右，从上到下的顺序遍历图像的各个子块，对每个子块进行DCT变换。

得到DCT系数之后，对其进行量化操作，量化后每个图像子块得到一个B*B的特征矩阵F(i,j)。

3）特征降维：提取出的图像子块特征值维数较高，不便于进行后续计算。本发明中使用PCA降维方法进行DCT系数矩阵降维处理。使用特征矩阵F存储降维后的DCT系数，对于每个图像子块，降维后的特征矩阵保存为F的一行。

4）特征排序：本发明中所提出的区域复制篡改，复制区域来自原图片，因此被复制区域与复制区域的图像块具有相匹配的图像特征，所以具有相匹配特征的图像子块为可疑篡改区域。字典排序是一种对于随机变量形成序列的排序方法，通过将特征矩阵F进行字典排序处理，可以调整特征值的排列顺序，形成有序排列。

5）计算相等位移矢量发生频率：由于JPEG图像的特殊性，大量的特征块在经过JPEG压缩后会消失，所以仅通过比较图像子块的特征值并不能准确判断复制区域。因此引入位移矢量，在有多个特征匹配对均具有相同位移矢量的情况下，才将某对特征匹配对视为有用匹配。

使用每个图像子块左上角的像素坐标标示该图像子块的位置，用一个矩阵存储每个图像子块的位置，子块间的坐标差值即为位移矢量。遍历排序后的特征矩阵F,找出相匹配的行，计算匹配行间的标准化位移矢量。同时设置块间位移矢量计数器，初始值为零，对于有效的匹配对，将其位移矢量计数器加一。匹配方法结束时的，位移矢量计数器的值表示不同位移矢量发生的频率。

6）标识篡改区域：对位移矢量计数大于门限值的图像子块，进行标识，即为篡改区域。门限值的选取和方法与可以识别的最小图像块有关。过大的门限值会造成可疑区域的判断遗漏，过小的门限值造成误判。在标记完可疑区域之后，对标记区域进行开运算，先腐蚀后膨胀。腐蚀操可以去除边缘点，删除小物体，膨胀操作可以使物体边缘向外界扩张，填补空洞，先腐蚀后膨胀可以达到消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积的目的，标记出更良好的篡改区形态。

有益效果：

1)本发明通过对所提取的特征进行降维，简化了计算复杂度，提高了检测效率。

2)本发明自动定位被篡改的区域，简化了检测人员的工作，有较强的实用性。

3)本发明考虑了JPEG图像压缩后的特征消失的现象，有较强的鲁棒性。

附图说明

图1是本发明的方法流程图。

具体实施方式

以下结合说明书附图对本发明创造作进一步的详细说明。

本发明的整个方法分为图像分块、特征提取、特征降维、特征排序、计算相等位移矢量发生频率、检测并定位篡改区域的几个步骤，下面具体对各个步骤逐一说明：

1)图像分块：

分块前将可疑图像进行预处理，为了减少计算量，本发明中均假设可疑图像为灰度图像。若可以图像为彩色图像，则转化为灰度图像进行后续处理。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按RGB三分量进行加权平均能得到较合理的灰度图像。将RGB彩色图像转化为灰度图像的公式为：

f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))

将灰度化后的可疑图像用一个B*B大小的滑块，按照从上到下，从左到右的顺序进行扫描，每次移动一个像素。从而将图像分成了N个可重叠的子块。假设原图像大小为M*N，则分块后得到(M–B+1)(N–B+1)个子图像块。用每个子块左上角的像素坐标(i,j)来标识该子块的位置。

2)特征提取：

针对已经划分好的子块，分别提取每一子块的DCT系数，用一组矩阵F(i,j)存储DCT系数，其中(i,j)代表图像子块的位置。按照从左到右，从上到下的顺序遍历图像的各个子块，对每个子块进行DCT变换。DCT变换的公式为：

$F(u,v)=\frac{1}{4}C\left(u\right)C\left(v\right)\left[\underset{i=0}{\overset{7}{\mathrm{\Σ}}}\underset{j=0}{\overset{7}{\mathrm{\Σ}}}f(i,j)\cos \frac{(2i+1\mathrm{u\π})}{16}\cos \frac{(2j+1)\mathrm{v\π}}{16}\right]$

C(u),C(v)=(2)^-1/2,当u,v=0

C(u),C(v)=1,其他。

其中，f(i,j)经DCT变换之后，F(0,0)是直流系数，其他为交流系数。

经过上述变换可以得到一个大小与图像子块一致的的频域系数矩阵。

得到DCT系数矩阵之后，对其进行量化操作，量化过程实际上是简单地把频率领域上每个成份，除以一个对于该成份的常数，且接着四舍五入取最接近的整数，在此过程中使用两种量化表：亮度量化值和色差量化值。量化后每个图像子块得到一个B*B的特征矩阵F(i,j)。将其存储为特征矩阵F的一行。

3)特征降维：提取出的每个图像子块的特征矩阵，维数仍然较高。因此，在这一步骤中对特征矩阵进行降维处理减少数据量。

本发明使用主成分分析方法(PCA)对特征矩阵降维，该方法是一种常用的基于变量协方差矩阵对信息进行压缩和抽提的方法，将高维的数据通过线性变换投影到低维空间上去。被PCA降掉的那些维度一般是图像噪声或是冗余数据，因此PCA方法尽可能地保证了数据不失真。该方法步骤如下：

(1)先将特征矩阵进行中心化，即保证每个维度的均值为零，只需让矩阵的每一列除以对应的均值即可。

(2)对特征矩阵计算其协方差矩阵。

(3)对协方差矩阵进行特征值分解，选取最大的p个特征值对应的特征向量组成投影矩阵。

(4)对原始样本矩阵进行投影，得到降维后的新样本矩阵。

分别对每一个图像子块的特征矩阵做降维处理，得到新的子特征矩阵，将其保存为新特征矩阵F_N的一行。

4)特征排序：对新的特征矩阵F_N进行字典排序。字典排序的实现过程为：

假设一个序列p1p2…pn，则按字典排序法得到下一个排列的步骤如下：

(1)求满足关系式pi-1<pi的i的最大值，即

i=max{i|pi-1<pi}

(2)求满足关系式pi<pj的j的最大值，即

j=max{j|pi<pj}

(3)pi-1与pj互换得到新序列

(4)将新序列pipi+1…pn的顺序逆转所得到得序列即为所求。

由于相似的图像块具有相似的特征，因此经过字典排序后相似图像块是相邻的，即排序后相邻的块为可能的相似匹配块。

5)计算相等位移矢量：对F中相邻的两行计算它们对应图像块坐标值的位移矢量．假设F中相邻的两行图像块的位置为(xi,xj),(xi+1,Xj+1),,)则对应的标准化位移矢量为：S=(s₁,s₂)=(|x_i-x_i+1|，|y_j-y_j-1|)

遍历字典排序后的特征矩阵的每一行，计算相邻两行的标准化位移矢量，记录满足距离阈值Td的相等位移矢量的匹配块的发生频率，存储在频率计数器矩阵C中，即将对应的计数器元素自增1：

C(S₁，S₂)=C(S_l，S₂)+1

本发明的方法中进行相似性匹配时需要定义以下两个阈值：位移发生频率阈值Tf和距离阈值Td。Tf限定相等位移矢量的匹配块的发生频率，它决定了方法可检测到的区域复制块的大小；Td限定相邻两行的标准化位移矢量的大小，由于自然图像中相邻的块具有更大的相似性，因而决定了算法检测到复制粘贴图像块的正确率。若c(S₁，S₂)>Tf，则认为相应的匹配块对应于复制粘贴区域，并对这些图像块进行标识。

6)标识篡改区域：对位移矢量计数大于门限值的图像子块，进行标识，即为篡改区域。

在标记完可疑区域之后，对标记区域进行开运算，先腐蚀后膨胀，达到消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积的目的，标记出更良好的篡改区形态。使用结构元素B对集合A进行开操作，定义为：

通过图像分块、特征提取和特征降维步骤，可以提取出分块后图像的特征值，并对特征值进行了优化，可以得到用于判断区域相似性的基本数据。特征排序操作后，相邻的特征值表征的图像块为特征相似块，可以初步归为可疑区域。为了精简可疑区域，增强准确性，利用相等位移矢量发生频率进行进一步筛选。标记处筛选后的可以区域之后，对标记区进行优化操作，得到最终的结果。

Claims (7)

1.一种基于DCT统计特征的JPEG图像区域复制篡改盲检测方法，其特征在于，包括如下步骤：

1）图像分块；分块前将可疑图像进行预处理；

2）特征提取；针对已经划分好的子块，分别提取每一子块的DCT统计特征；

3）特征降维；使用PCA降维方法进行DCT系数矩阵降维处理；

4）特征排序；区域复制篡改，复制区域来自原图片；被复制区域与复制区域的图像块具有相匹配的图像特征；具有相匹配特征的图像子块为可疑篡改区域；

5）计算相等位移矢量发生频率；引入位移矢量，在有多个特征匹配对均具有相同位移矢量的情况下，才将某对特征匹配对视为有用匹配；

6）标识篡改区域；对位移矢量计数大于门限值的图像子块，进行标识。

2.根据权利要求1所述的一种基于DCT统计特征的JPEG图像区域复制篡改盲检测方法，其特征在于：所述方法的步骤1中可疑图像均假设为灰度图像。

3.根据权利要求1所述的一种基于DCT统计特征的JPEG图像区域复制篡改盲检测方法，其特征在于：所述方法的步骤2中是用一组矩阵F(i,j)存储DCT系数，其中(i,j)代表图像子块的位置；按照从左到右，从上到下的顺序遍历图像的各个子块，对每个子块进行DCT变换；得到DCT系数之后，对其进行量化操作，量化后每个图像子块得到一个B*B的特征矩阵F(i,j)。

4.根据权利要求1所述的一种基于DCT统计特征的JPEG图像区域复制篡改盲检测方法，其特征在于：所述方法的步骤3中使用PCA降维方法进行DCT系数矩阵降维处理，包括如下步骤：

(1)先将特征矩阵进行中心化，即保证每个维度的均值为零，只需让矩阵的每一列除以对应的均值即可；

(2)对特征矩阵计算其协方差矩阵；

(3)对协方差矩阵进行特征值分解，选取最大的p个特征值对应的特征向量组成投影矩阵；

(4)对原始样本矩阵进行投影，得到降维后的新样本矩阵。

5.根据权利要求1所述的一种基于DCT统计特征的JPEG图像区域复制篡改盲检测方法，其特征在于：所述方法的步骤4中包括字典排序的方法。

6.根据权利要求1所述的一种基于DCT统计特征的JPEG图像区域复制篡改盲检测方法，其特征在于：所述方法的步骤5中使用每个图像子块左上角的像素坐标标示该图像子块的位置，用一个矩阵存储每个图像子块的位置，子块间的坐标差值即为位移矢量。

7.根据权利要求1所述的一种基于DCT统计特征的JPEG图像区域复制篡改盲检测方法，其特征在于：所述方法的步骤6中包括门限值的选取与方法；门限值的选取与方法与可以识别的最小图像块有关。

Images