CN104486524A

CN104486524A - 检测图像是否经历两次压缩质量相同的jpeg压缩的方法

Info

Publication number: CN104486524A
Application number: CN201410853662.3A
Authority: CN
Inventors: 杨建权; 吴雪; 朱国普; 黄晓霞
Original assignee: Shenzhen Institute of Advanced Technology of CAS
Current assignee: Shenzhen Institute of Advanced Technology of CAS
Priority date: 2014-12-30
Filing date: 2014-12-30
Publication date: 2015-04-01
Anticipated expiration: 2034-12-30
Also published as: CN104486524B

Abstract

本发明提供一种检测图像是否经历两次压缩质量相同的JPEG压缩的方法，特征在于，所述方法包括：a)提取待检测JPEG图像的预定类型的图像特征；b)将提取的预定类型的图像特征输入预先训练好的分类器，从而确定待检测JPEG图像是否经历两次压缩质量相同的JPEG压缩，其中，利用从正样本集和负样本集提取的所述预定类型的图像特征来训练所述分类器，正样本集包括经历了两次压缩质量相同的JPEG压缩的JPEG图像，负样本集包括没有经历两次压缩质量相同的JPEG压缩的JPEG图像。通过本发明能够提高检测图像是否经历两次压缩质量相同的JPEG压缩的检测效率。

Description

检测图像是否经历两次压缩质量相同的JPEG压缩的方法

技术领域

本发明属于多媒体信息安全领域，更具体地说，涉及一种检测图像是否经历两次压缩质量相同的JPEG压缩的方法。

背景技术

联合图像专家小组(JPEG)图像压缩标准在图像摄取设备、网络传输、媒体分享等方面被广泛应用。然而，随着图像编辑软件日臻成熟和简单易用，JPEG图像有可能被恶意篡改却又难以被察觉。一幅JPEG图像被编辑后，可能被再次保存为JPEG格式以方便发布和散播。这时，所得到的JPEG图像为经历了两次JPEG压缩的图像，根据后一次JPEG压缩与前一次JPEG压缩的压缩质量是否相同，这种经历了两次JPEG压缩的图像可分为经历了两次压缩质量不同的JPEG压缩的图像和经历了两次压缩质量相同的JPEG压缩的图像。对于前一种图像，目前已有多个检测方法。而对于后一种图像，由于其相对于前者具有更强的隐蔽性，所以检测更困难。目前，现有的检测图像是否经历两次压缩质量相同的JPEG压缩的方法为基于两次相邻JPEG压缩的变化系数个数来检测，需要对待检测图像反复进行多次JPEG压缩以获取判决阈值，计算耗时长，效率低。

因此，需要一种检测效率高的检测图像是否经历两次压缩质量相同的JPEG压缩的方法。

发明内容

为克服现有技术的不足，本发明提供一种检测图像是否经历两次压缩质量相同的JPEG压缩的方法，能够提高检测效率。

本发明提供一种检测图像是否经历两次压缩质量相同的JPEG压缩的方法，其特征在于，所述方法包括：a)提取待检测JPEG图像的预定类型的图像特征；b)将提取的预定类型的图像特征输入预先训练好的分类器，从而确定待检测JPEG图像是否经历两次压缩质量相同的JPEG压缩，其中，利用从正样本集和负样本集提取的所述预定类型的图像特征来训练所述分类器，正样本集包括经历了两次压缩质量相同的JPEG压缩的JPEG图像，负样本集包括没有经历两次压缩质量相同的JPEG压缩的JPEG图像，其中，从任意一JPEG图像提取所述预定类型的图像特征的步骤包括：a1)根据JPEG解压缩算法获得所述一JPEG图像的浮点型的像素矩阵；a2)基于所述浮点型的像素矩阵获得所述一JPEG图像的整型的像素矩阵；a3)计算所述浮点型的像素矩阵与所述整型的像素矩阵的像素差矩阵M；a4)基于像素差矩阵M计算系数矩阵W，其中，系数矩阵W由系数构成；a5)按照预定规则对系数矩阵W进行分块；a6)基于系数矩阵W中的每个非全零分块，获得所述一JPEG图像的所述预定类型的图像特征。

可选地，步骤a4)中通过下式计算系数矩阵W：

W＝[DCT(M)/Q]gQ

其中，DCT(M)表示对像素差矩阵M进行分块离散余弦变换，/Q表示使用量化表Q进行量化，·Q表示用量化表Q进行反量化，[]表示对方括号内的值进行取整，其中，量化表Q为所述一JPEG图像的量化表。

可选地，步骤a4)中通过下式计算系数矩阵W：

W＝[DCT(M)/Q]

其中，DCT(M)表示对像素差矩阵M进行分块离散余弦变换，/Q表示使用量化表Q进行量化，[]表示对方括号内的值进行取整，其中，量化表Q为所述一JPEG图像的量化表。

可选地，步骤a5)还包括：按照所述预定规则对所述像素差矩阵M分块，步骤a6)包括：a61)判断所述系数矩阵W中的每个非全零分块对应的像素差矩阵M中的分块的所有元素的值是否在预定范围内；a62)当所述像素差矩阵M中的分块的所有元素的值都在预定范围内时，所述分块对应的所述系数矩阵W中的非全零分块为圆整误差块；a63)当所述像素差矩阵M中的分块的所有元素的值不都在预定范围内时，所述分块对应的所述系数矩阵W中的非全零分块为截断误差块；a64)基于所有圆整误差块计算所述一JPEG图像的圆整误差块对应的特征向量；a65)基于所有截断误差块计算所述一JPEG图像的截断误差块对应的特征向量；a66)将所述圆整误差块对应的特征向量和所述截断误差块对应的特征向量进行组合，以获得所述一JPEG图像的所述预定类型的图像特征。

可选地，计算所述圆整误差块对应的特征向量的步骤包括：确定所有圆整误差块中的值为i的直流系数的个数h₁(i)，以形成向量U₁，i∈[E1，E2]，E1小于E2，E1和E2为非负整数；将所述向量U₁进行归一化，得到向量U₁′；确定所有圆整误差块中的值为j的交流系数的个数h₂(j)，以形成向量U₂，j∈[F1，F2]，F1小于F2，F1和F2为非负整数；将所述向量U₂进行归一化，得到向量U₂′；将向量U₁′和向量U₂′进行组合，以得到所述圆整误差块对应的特征向量，或者，计算所述圆整误差块对应的特征向量的步骤包括：确定所有圆整误差块中的值为k的系数的个数h₃(k)，以形成向量U₃，k∈[G1，G2]，G1小于G2，G1和G2为非负整数；将所述向量U₃进行归一化，以得到所述圆整误差块对应的特征向量。

可选地，计算所述截断误差块对应的特征向量的步骤包括：确定所有截断误差块中的值为r的直流系数的个数h₄(r)，以形成向量V₁，r∈[O1，O2]，O1小于O2，O1和O2为非负整数；将所述向量V₁进行归一化，得到向量V₁′；确定所有截断误差块中的值为s的交流系数的个数h₅(s)，以形成向量V₂，s∈[P1，P2]，P1小于P2，P1和P2为非负整数；将所述向量V₂进行归一化，得到向量V₂′；将向量V₁′和向量V₂′进行组合，以得到所述截断误差块对应的特征向量，或者，计算所述截断误差块对应的特征向量的步骤包括：确定所有截断误差块中的值为t的系数的个数h₆(t)，以形成向量V₃，t∈[N1，N2]，N1小于N2，N1和N2为非负整数；将所述向量V₃进行归一化，以得到所述截断误差块对应的特征向量。

可选地，步骤a6)包括：确定系数矩阵W的所有非全零分块中的值为x的直流系数的个数h₇(x)，以形成向量D₁，x∈[A1，A2]，A1小于A2，A1和A2为非负整数；将所述向量D₁进行归一化，得到向量D₁′；确定系数矩阵W的所有非全零分块中的值为y的交流系数的个数h₈(y)，以形成向量D₂，y∈[B1，B2]，B1小于B1，B1和B2为非负整数；将所述向量D₂进行归一化，得到向量D₂′；将向量D₁′和向量D₂′进行组合，以获得所述一JPEG图像的所述预定类型的图像特征。

可选地，步骤a6)包括：确定系数矩阵W的所有非全零分块中的值为z的系数的个数h₉(z)，以形成向量D₃，z∈[C1，C2]，C1小于C2，C1和C2为非负整数；将所述向量D₃进行归一化，以获得所述一JPEG图像的所述预定类型的图像特征。

可选地，所述正样本集包括的图像是通过与待检测JPEG图像的量化表相同的量化表经历了两次压缩质量相同的JPEG压缩的JPEG图像。

根据本发明提供的一种检测图像是否经历两次压缩质量相同的JPEG压缩的方法，能够提高检测效率，同时，还提高了检测准确率。

将在接下来的描述中部分阐述本发明另外的方面和/或优点，还有一部分通过描述将是清楚的，或者可以经过本发明的实施而得知。

附图说明

通过下面结合附图进行的对实施例的描述，本发明的上述和/或其它目的和优点将会变得更加清楚，其中：

图1是示出根据本发明的示例性实施例的检测图像是否经历两次压缩质量相同的JPEG压缩的方法的流程图；

图2是示出根据本发明的示例性实施例的从任意一JPEG图像提取预定类型的图像特征的方法的流程图；

图3是示出根据本发明的第一示例性实施例的获得一JPEG图像的预定类型的图像特征的方法的流程图；

图4是示出根据本发明的第二示例性实施例的获得一JPEG图像的预定类型的图像特征的方法的流程图；

图5是示出根据本发明的第三示例性实施例的获得一JPEG图像的预定类型的图像特征的方法的流程图。

具体实施方式

现将详细描述本发明的示例性实施例，所述实施例的示例在附图中示出，其中，相同的标号指示相同的部分。以下将通过参照附图来说明所述实施例，以便解释本发明。

图1是示出根据本发明的示例性实施例的检测图像是否经历两次压缩质量相同的JPEG压缩的方法的流程图。

如图1所示，在步骤S101，提取待检测JPEG图像的预定类型的图像特征。这里，待检测JPEG图像为进行了JPEG压缩的JPEG图像。提取待检测JPEG图像的预定类型的图像特征的方法如图2所示。

图2是示出根据本发明的示例性实施例的从任意一JPEG图像提取预定类型的图像特征的方法的流程图。

如图2所示，在步骤S201，根据JPEG解压缩算法获得所述一JPEG图像的浮点型的像素矩阵。这里，可以使用现有的JPEG解压缩算法来获得所述一JPEG图像的浮点型的像素矩阵。

在步骤S202，基于步骤S201得到的JPEG图像的浮点型的像素矩阵获得所述一JPEG图像的整型的像素矩阵。这里，可使用现有的各种取整方法来将浮点型的像素矩阵中每一个像素值取整，进而获得所述一JPEG图像的整型的像素矩阵。优选地，使用四舍五入的方法进行取整。

在步骤S203，计算步骤S201得到的浮点型的像素矩阵与步骤S202得到的整型的像素矩阵的像素差矩阵M。即，使用浮点型的像素矩阵减去整型的像素矩阵得到像素差矩阵M。

在步骤S204，基于步骤S203得到的像素差矩阵M计算系数矩阵W。这里系数矩阵W由系数构成。即，系数矩阵W中的每一个元素均为系数。

在一个示例中，可通过下式计算系数矩阵W：

W＝[DCT(M)/Q]gQ (1)

这里，DCT(M)表示对像素差矩阵M进行分块离散余弦变换，/Q表示使用量化表Q进行量化，·Q表示用量化表Q进行反量化，[]表示对方括号内的值进行取整，这里，所使用的量化表Q为所述一JPEG图像的量化表。

在另一个示例中，可通过下式计算系数矩阵W：

W＝[DCT(M)/Q] (2)

这里，DCT(M)表示对像素差矩阵M进行分块离散余弦变换，/Q表示使用量化表Q进行量化，[]表示对方括号内的值进行取整。这里，所使用的量化表Q为所述一JPEG图像的量化表。

可以理解，前述两个示例中的取整都可以使用现有的各种取整方法来实现，优选地，使用四舍五入的方法进行取整。

在步骤S205，按照预定规则对步骤S204计算的系数矩阵W进行分块。这里，可使用各种分块方法来对所述系数矩阵W进行分块。

在步骤S206，基于系数矩阵W中的每个非全零分块，获得所述一JPEG图像的所述预定类型的图像特征。这里，获得所述一JPEG图像的所述预定类型的图像特征的方法将在后面结合图3-图5进行说明。

在步骤S102，将步骤S101提取的预定类型的图像特征输入预先训练好的分类器，从而确定待检测JPEG图像是否经历两次压缩质量相同的JPEG压缩。这里，预先训练好的分类器是利用从正样本集和负样本集提取的所述预定类型的图像特征来训练的分类器。可以基于各种模型训练分类器。例如，可以训练支持向量机(SVM)分类器。这里，从正样本集和负样本集提取所述预定类型的图像特征的方法与步骤S101提取待检测JPEG图像的预定类型的图像特征的方法相同。正样本集包括经历了两次压缩质量相同的JPEG压缩的JPEG图像，负样本集包括没有经历两次压缩质量相同的JPEG压缩的JPEG图像。优选地，所述正样本集包括的图像是通过与待检测JPEG图像的量化表相同的量化表经历了两次压缩质量相同的JPEG压缩的JPEG图像。

下面结合图3-图5对前述步骤S206中获得所述一JPEG图像的所述预定类型的图像特征的方法进行详细说明。

图3是示出根据本发明的第一示例性实施例的获得一JPEG图像的预定类型的图像特征的方法的流程图。图3所示的获得一JPEG图像的预定类型的图像特征的方法为优选示例。这里，步骤S205还包括按照所述预定规则对所述像素差矩阵M分块。即，按照相同的规则对系数矩阵W和像素差矩阵M进行分块。

如图3所示，在步骤S301，判断所述系数矩阵W中的每个非全零分块对应的像素差矩阵M中的分块的所有元素的值是否在预定范围内。这里，系数矩阵W中的分块与像素差矩阵M中的分块一一对应。

在步骤S302，当所述像素差矩阵M中的分块的所有元素的值都在预定范围内时，所述分块对应的所述系数矩阵W中的非全零分块为圆整误差块。

在步骤S303，当所述像素差矩阵M中的分块的所有元素的值不都在预定范围内时，所述分块对应的所述系数矩阵W中的非全零分块为截断误差块。

在步骤S304，基于所有圆整误差块计算所述一JPEG图像的圆整误差块对应的特征向量。这里，作为一个优选示例，计算所述圆整误差块对应的特征向量的步骤包括：

步骤S3041，确定所有圆整误差块中的值为i的直流系数的个数h₁(i)，以形成向量U₁。这里，i∈[E1，E2]，E1小于E2，E1和E2为非负整数。向量U₁的分量表示为h₁(i)。这里，向量U₁的分量可以按各种顺序排列。优选地，向量U₁的分量按照分量对应的i从小到大的顺序排列。

步骤S3042，将向量U₁进行归一化，得到向量U₁′。这里，可使用各种归一化方法进行归一化。优选地，可用向量U₁除以向量U₁的所有分量的和得到向量U₁′。

步骤S3043，确定所有圆整误差块中的值为j的交流系数的个数h₂(j)，以形成向量U₂。这里，j∈[F1，F2]，F1小于F2，F1和F2为非负整数。向量U₂的分量表示为h₂(j)。这里，向量U₂的分量可以按各种顺序排列。优选地，向量U₂的分量按照分量对应的j从小到大的顺序排列。

步骤S3044，将向量U₂进行归一化，得到向量U₂′。这里，可使用各种归一化方法进行归一化。优选地，可用向量U₂除以向量U₂的所有分量的和得到向量U₂′。

步骤S3045，将向量U₁′和向量U₂′进行组合，以得到所述圆整误差块对应的特征向量。这里，可通过各种组合方式进行组合。优选地，将向量U₁′和向量U₂′合并得到所述特征向量为[U₁′，U₂′]。

在另一个示例中，计算所述圆整误差块对应的特征向量的步骤包括：

步骤S3041′，确定所有圆整误差块中的值为k的系数的个数h₃(k)，以形成向量U₃。这里，k∈[G1，G2]，G1小于G2，G1和G2为非负整数。向量U₃的分量表示为h₃(k)。这里，向量U₃的分量可以按各种顺序排列。优选地，向量U₃的分量按照分量对应的k从小到大的顺序排列。

步骤S3042′，将所述向量U₃进行归一化，以得到所述圆整误差块对应的特征向量。这里，可使用各种归一化方法进行归一化。优选地，可用向量U₃除以向量U₃的所有分量的和得到所述特征向量。

在步骤S305，基于所有截断误差块计算所述一JPEG图像的截断误差块对应的特征向量。这里，作为一个优选示例，计算所述截断误差块对应的特征向量的步骤包括：

步骤S3051，确定所有截断误差块中的值为r的直流系数的个数h₄(r)，以形成向量V₁。这里，r∈[O1，O2]，O1小于O2，O1和O2为非负整数。向量V₁的分量表示为h₄(r)。这里，向量V₁的分量可以按各种顺序排列。优选地，向量V₁的分量按照分量对应的r从小到大的顺序排列。

步骤S3052，将向量V₁进行归一化，得到向量V₁′。这里，可使用各种归一化方法进行归一化。优选地，可用向量V₁除以向量V₁的所有分量的和得到向量V₁′。

步骤S3053，确定所有截断误差块中的值为s的交流系数的个数h₅(s)，以形成向量V₂。这里，s∈[P1，P2]，P1小于P2，P1和P2为非负整数。向量V₂的分量表示为h₅(s)。这里，向量V₂的分量可以按各种顺序排列。优选地，向量V₂的分量按照分量对应的s从小到大的顺序排列。

步骤S3044，将向量V₂进行归一化，得到向量V₂′。这里，可使用各种归一化方法进行归一化。优选地，可用向量V₂除以向量V₂的所有分量的和得到向量V₂′。

步骤S3055，将向量V₁′和向量V₂′进行组合，以得到所述截断误差块对应的特征向量。这里，可通过各种组合方式进行组合。优选地，将向量V₁′和向量V₂′合并得到所述特征向量为[V₁′，V₂′]。

在另一个示例中，计算所述截断误差块对应的特征向量的步骤包括：

步骤S3051′，确定所有截断误差块中的值为t的系数的个数h₆(t)，以形成向量V₃。这里，t∈[N1，N2]，N1小于N2，N1和N2为非负整数。向量V₃的分量表示为h₆(t)。这里，向量V₃的分量可以按各种顺序排列。优选地，向量V₃的分量按照分量对应的t从小到大的顺序排列。

步骤S3052′，将所述向量V₃进行归一化，以得到所述截断误差块对应的特征向量。这里，可使用各种归一化方法进行归一化。优选地，可用向量V₃除以向量V₃的所有分量的和得到所述特征向量。

在步骤S306，将所述圆整误差块对应的特征向量和所述截断误差块对应的特征向量进行组合，以获得所述一JPEG图像的所述预定类型的图像特征。这里，可通过各种组合方式进行组合。优选地，将圆整误差块对应的特征向量和截断误差块对应的特征向量合并得到所述预定类型的图像特征。

图4是示出根据本发明的第二示例性实施例的获得一JPEG图像的预定类型的图像特征的方法的流程图。

如图4所示，在步骤S401，确定系数矩阵W的所有非全零分块中的值为x的直流系数的个数h₇(x)，以形成向量D₁。这里，x∈[A1，A2]，A1小于A2，A1和A2为非负整数。向量D₁的分量表示为h₇(x)。这里，向量D₁的分量可以按各种顺序排列。优选地，向量D₁的分量按照分量对应的x从小到大的顺序排列。

在步骤S402，将向量D₁进行归一化，得到向量D₁′。这里，可使用各种归一化方法进行归一化。优选地，可用向量D₁除以向量D₁的所有分量的和得到向量D₁′。

在步骤S403，确定系数矩阵W的所有非全零分块中的值为y的交流系数的个数h₈(y)，以形成向量D₂。这里，y∈[B1，B2]，B1小于B2，B1和B2为非负整数。向量D₂的分量表示为h₈(y)。这里，向量D₂的分量可以按各种顺序排列。优选地，向量D₂的分量按照分量对应的y从小到大的顺序排列。

在步骤S404，将向量D₂进行归一化，得到向量D₂′。这里，可使用各种归一化方法进行归一化。优选地，可用向量D₂除以向量D₂的所有分量的和得到向量D₂′。

在步骤S405，将向量D₁′和向量D₂′进行组合，以获得所述一JPEG图像的所述预定类型的图像特征。这里，可通过各种组合方式进行组合。优选地，将向量D₁′和向量D₂′合并得到所述预定类型的图像特征。

如图5所示，在步骤S501，确定系数矩阵W的所有非全零分块中的值为z的系数的个数h₉(z)，以形成向量D₃。这里，z∈[C1，C2]，C1小于C2，C1和C2为非负整数。向量D₃的分量表示为h₉(z)。这里，向量D₃的分量可以按各种顺序排列。优选地，向量D₃的分量按照分量对应的z从小到大的顺序排列。

在步骤S502，将向量D₃进行归一化，以获得所述一JPEG图像的所述预定类型的图像特征。这里，可使用各种归一化方法进行归一化。优选地，可用向量D₃除以向量D₃的所有分量的和得到所述一JPEG图像的所述预定类型的图像特征。

根据本发明的检测图像是否经历两次压缩质量相同的JPEG压缩的方法，能够提高检测效率，同时，还提高了检测准确率。

此外，根据本发明的上述方法可以被实现为计算机可读记录介质中的计算机代码。本领域技术人员可以根据对上述方法的描述来实现所述计算机代码。当所述计算机代码在计算机中被执行时实现本发明的上述方法。

本发明的以上实施例仅仅是示例性的，而本发明并不受限于此。本领域技术人员应该理解：在不脱离本发明的原理和精神的情况下，可对这些实施例进行改变，其中，本发明的范围在权利要求及其等同物中限定。

Claims

1.一种检测图像是否经历两次压缩质量相同的JPEG压缩的方法，其特征在于，所述方法包括：

a)提取待检测JPEG图像的预定类型的图像特征；

b)将提取的预定类型的图像特征输入预先训练好的分类器，从而确定待检测JPEG图像是否经历两次压缩质量相同的JPEG压缩，其中，利用从正样本集和负样本集提取的所述预定类型的图像特征来训练所述分类器，正样本集包括经历了两次压缩质量相同的JPEG压缩的JPEG图像，负样本集包括没有经历两次压缩质量相同的JPEG压缩的JPEG图像，

其中，从任意一JPEG图像提取所述预定类型的图像特征的步骤包括：

a1)根据JPEG解压缩算法获得所述一JPEG图像的浮点型的像素矩阵；

a2)基于所述浮点型的像素矩阵获得所述一JPEG图像的整型的像素矩阵；

a3)计算所述浮点型的像素矩阵与所述整型的像素矩阵的像素差矩阵M；

a4)基于像素差矩阵M计算系数矩阵W，其中，系数矩阵W由系数构成；

a5)按照预定规则对系数矩阵W进行分块；

a6)基于系数矩阵W中的每个非全零分块，获得所述一JPEG图像的所述预定类型的图像特征。

2.根据权利要求1所述的方法，其特征在于，步骤a4)中通过下式计算系数矩阵W：

W＝[DCT(M)/Q]gQ

其中，DCT(M)表示对像素差矩阵M进行分块离散余弦变换，/Q表示使用量化表Q进行量化，·Q表示用量化表Q进行反量化，[]表示对方括号内的值进行取整，

其中，量化表Q为所述一JPEG图像的量化表。

3.根据权利要求1所述的方法，其特征在于，步骤a4)中通过下式计算系数矩阵W：

W＝[DCT(M)/Q]

其中，DCT(M)表示对像素差矩阵M进行分块离散余弦变换，/Q表示使用量化表Q进行量化，[]表示对方括号内的值进行取整，

其中，量化表Q为所述一JPEG图像的量化表。

4.根据权利要求1所述的方法，其特征在于，步骤a5)还包括：按照所述预定规则对所述像素差矩阵M分块，

步骤a6)包括：

a61)判断所述系数矩阵W中的每个非全零分块对应的像素差矩阵M中的分块的所有元素的值是否在预定范围内；

a62)当所述像素差矩阵M中的分块的所有元素的值都在预定范围内时，所述分块对应的所述系数矩阵W中的非全零分块为圆整误差块；

a63)当所述像素差矩阵M中的分块的所有元素的值不都在预定范围内时，所述分块对应的所述系数矩阵W中的非全零分块为截断误差块；

a64)基于所有圆整误差块计算所述一JPEG图像的圆整误差块对应的特征向量；

a65)基于所有截断误差块计算所述一JPEG图像的截断误差块对应的特征向量；

a66)将所述圆整误差块对应的特征向量和所述截断误差块对应的特征向量进行组合，以获得所述一JPEG图像的所述预定类型的图像特征。

5.根据权利要求4所述的方法，其特征在于，计算所述圆整误差块对应的特征向量的步骤包括：

确定所有圆整误差块中的值为i的直流系数的个数h₁(i)，以形成向量U₁，i∈[E1，E2]，E1小于E2，E1和E2为非负整数；

将所述向量U₁进行归一化，得到向量U₁′；

确定所有圆整误差块中的值为j的交流系数的个数h₂(j)，以形成向量U₂，j∈[F1，F2]，F1小于F2，F1和F2为非负整数；

将所述向量U₂进行归一化，得到向量U₂′；

将向量U₁′和向量U₂′进行组合，以得到所述圆整误差块对应的特征向量，

或者，计算所述圆整误差块对应的特征向量的步骤包括：

确定所有圆整误差块中的值为k的系数的个数h₃(k)，以形成向量U₃，k∈[G1，G2]，G1小于G2，G1和G2为非负整数；

将所述向量U₃进行归一化，以得到所述圆整误差块对应的特征向量。

6.根据权利要求4所述的方法，其特征在于，计算所述截断误差块对应的特征向量的步骤包括：

确定所有截断误差块中的值为r的直流系数的个数h₄(r)，以形成向量V₁，r∈[O1，O2]，O1小于O2，O1和O2为非负整数；

将所述向量V₁进行归一化，得到向量V₁′；

确定所有截断误差块中的值为s的交流系数的个数h₅(s)，以形成向量V₂，s∈[P1，P2]，P1小于P2，P1和P2为非负整数；

将所述向量V₂进行归一化，得到向量V₂′；

将向量V₁′和向量V₂′进行组合，以得到所述截断误差块对应的特征向量，

或者，计算所述截断误差块对应的特征向量的步骤包括：

确定所有截断误差块中的值为t的系数的个数h₆(t)，以形成向量V₃，t∈[N1，N2]，N1小于N2，N1和N2为非负整数；

将所述向量V₃进行归一化，以得到所述截断误差块对应的特征向量。

7.根据权利要求1所述的方法，其特征在于，步骤a6)包括：

确定系数矩阵W的所有非全零分块中的值为x的直流系数的个数h₇(x)，以形成向量D₁，x∈[A1，A2]，A1小于A2，A1和A2为非负整数；

将所述向量D₁进行归一化，得到向量D₁′；

确定系数矩阵W的所有非全零分块中的值为y的交流系数的个数h₈(y)，以形成向量D₂，y∈[B1，B2]，B1小于B1，B1和B2为非负整数；

将所述向量D₂进行归一化，得到向量D₂′；

将向量D₁′和向量D₂′进行组合，以获得所述一JPEG图像的所述预定类型的图像特征。

8.根据权利要求1所述的方法，其特征在于，步骤a6)包括：

确定系数矩阵W的所有非全零分块中的值为z的系数的个数h₉(z)，以形成向量D₃，z∈[C1，C2]，C1小于C2，C1和C2为非负整数；

将所述向量D₃进行归一化，以获得所述一JPEG图像的所述预定类型的图像特征。

9.根据权利要求1所述的方法，其特征在于，所述正样本集包括的图像是通过与待检测JPEG图像的量化表相同的量化表经历了两次压缩质量相同的JPEG压缩的JPEG图像。