CN104700345A - 建立本福德定律阈值库提高半脆弱水印认证检测率的方法 - Google Patents
建立本福德定律阈值库提高半脆弱水印认证检测率的方法 Download PDFInfo
- Publication number
- CN104700345A CN104700345A CN201510022928.4A CN201510022928A CN104700345A CN 104700345 A CN104700345 A CN 104700345A CN 201510022928 A CN201510022928 A CN 201510022928A CN 104700345 A CN104700345 A CN 104700345A
- Authority
- CN
- China
- Prior art keywords
- image
- threshold
- law
- semi
- malicious
- 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.)
- Granted
Links
Landscapes
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种建立本福德定律阈值库提高半脆弱水印认证检测率的方法,通过对测试图像进行与水印嵌入时一致的频率域变换得到其相应的系数,然后分析这些系数并在阈值库里搜索匹配,进而得到最适合此图像检测的阈值对图像进行检测。本发明方法提高了半脆弱水印图像篡改位置的检测率,与其它图像认证方法不同,其在检测时考虑到图像遭受非恶意操作的不定性,利用本福德定律分析并预测图像经受的非恶意操作对半脆弱水印所产生的影响,得到最佳检测阈值,从而提高图像认证的准确性。
Description
技术领域
本发明属于图像认证领域,涉及半脆弱水印图像算法,尤其是一种基于本福德定律来建立阈值库,并提高半脆弱水印图像篡改位置认证检测率的方法。
背景技术
数字水印中的半脆弱水印用于图像内容完整性和真实性的认证,它能把图像有可能经历的变化分成两类:非恶意操作和恶意攻击(即篡改)。通常来说,非恶意操作主要指图像在传输与存储过程中所产生的可以容忍的更改,如少量图像压缩、增强、滤波等,此时水印体现一定的鲁棒性。而恶意攻击则指对图像内容上的更改,如剪切、涂改等,此时水印具有一定的脆弱性,在恶意攻击下会随之改变。因此,通过和原有水印相互比较,我们可以判定图像被篡改的位置。
申请人在前期工作中发现,图像认证检测中的误检率和漏检率是一个进退维谷的关系,并在一个固定阈值下达到平衡。如图4所示,在图像认证检测中,随着检测阈值的增大,误检率随之升高,相反,漏检率会随之降低。通常当图像按某个固定比率压缩时,如QF=75,用一个固定的阈值就可以尽可能的降低误检率和漏检率。然而,当QF变为95,这个固定阈值就不再适用。因为在图像传输中,其压缩比是不可预测的,所以在图像检测过程中,最佳阈值也是不固定的。因此,只要检测系统预先检测出图像的非恶意操作程度(压缩、增强、滤波),并据此调节出最佳检测阈值,就能最大限度降低误检率和漏检率,达到最佳检测效果。
本福德定律指自然数居首位数的出现率存在一定规律,越小的数字出现率越高(1出现的概率是31%,2出现的概率是18%,依次类推,9出现的概率只有不到5%)。因为其应用的数据不能是有规律排序或经过人为修改的,所以可用于检查各种数据的真实性。
在图像处理方面,申请人通过分析JPEG2000图像频率域中DWT系数,发现JPEG2000图像压缩比率也遵从本福德定律。美国新泽西理工大学的施云庆教授带领的团队Fu等人在研究中提出广义的本福德定律,通过分析图像压缩后的DCT系数的首位数(自然数1-9)来估算JPEG压缩比率。
前文提到的半脆弱水印在图像认证中,用固定阈值的检测存在一定局限性。而利用本福德定律可以分析图像经受的非恶意操作程度,因此,申请人利用此特点,在半脆弱水印算法的基础上,研究自适应阈值调节方法,以此提高图像检测率。
通过检索,发现目前大部分水印算法并没有对检测的误检率和漏检率及其与非恶意操作的关系进行详细的分析,而且对于图像经受的非恶意操作默认为固定值的压缩,并没有指出 非恶意操作的不可预知性以及其对水印所产生的影响,而使用固定检测阈值对图像进行认证具有一定的局限性。
发明内容
本发明的目的在于克服现有技术的不足之处,提供一种建立本福德定律阈值库提高半脆弱水印认证检测率的方法,根据本方法建立的阈值库,可以得到图像检测的最佳阈值,进而提高了半脆弱水印图像篡改位置的检测率,适用于不同程度各种非恶意操作及多种非恶意操作同时存在的情况。
本发明解决技术问题所采用的技术方案是:
一种建立本福德定律阈值库提高半脆弱水印认证检测率的方法,通过对测试图像进行与水印嵌入时一致的频率域变换得到其相应的系数,然后分析这些系数并在阈值库里搜索匹配,进而得到最适合此图像检测的阈值对图像进行检测。
而且,具体步骤如下:
⑴获取图像系数:通过对测试图像进行与水印嵌入时一致的频率域变换得到其相应的系数;
⑵分析:按系数首位出现率的规律生成曲线图;
⑶匹配:利用误差平方和SSE将步骤⑵生成的曲线图与阈值库中由变量组生成的曲线图组进行对照,当误差平方和为最小值时,判定二者匹配;
⑷根据匹配的变量组找到阈值库中相对应的最佳阈值;
⑸利用所得最佳阈值对图像进行检测。
而且,所述阈值库其建立方法为:
⑴建立图像库:选取英国诺丁汉特伦特大学提供的图像库中1338张无压缩、分辨率为512×384的灰度图像,以及图像处理研究中常用的30张试验用图像;
⑵嵌入水印:选取50~100个具有代表性的半脆弱水印算法,在所选每一图像上均分别嵌入该50~100个半脆弱水印算法;
⑶非恶意处理:首先通过实验对非恶意操作及其程度进行认定,然后利用一种非恶意操作或多种非恶意操作结合,并采用不同操作程度对每一图像分别进行处理;
⑷频率域转换:采用与步骤⑵水印嵌入时相同的频率域对经非恶意处理的图像进行频率域变换,获取其频率域系数;
⑸判定:检查所获取的频率域系数首位出现率的规律是否符合本福德定律;
⑹分析:对符合本福德定律的系数进行分析,通过曲线曲面拟合方法中的移动最小二乘MLS法得出这些系数在广义本福德定律中的变量组,找到不同程度非恶意操作与此变量组的 对应关系,同时通过实验得出不同程度非恶意操作下使误检率与漏检率相对较低的最佳检测阈值组;
⑺分类、对应:利用机器学习中的常用快速分类算法SVM,对前面得出的变量组与阈值组进行分类,然后依据不同程度非恶意操作,将变量组与最佳检测阈值组相对应,建立检测阈值库。
本发明的优点和积极效果是:
1、本发明基于本福德定律计算半脆弱水印图像的最佳检测阈值,最终目的是提高半脆弱水印图像篡改位置的检测率,与其它图像认证方法不同,其在检测时考虑到图像遭受非恶意操作的不定性,利用本福德定律分析并预测图像经受的非恶意操作对半脆弱水印所产生的影响,通过阈值库得到最佳检测阈值,从而提高图像认证的准确性。
2、本发明阈值库的阈值取样范围广泛、全面,考虑到半脆弱水印算法中的非恶意操作并不仅限于图像压缩,所以本发明在阈值库建立时模拟不同程度的多种非恶意操作及多种非恶意操作组合的情况,对各个情形均进行认定与分类,找到检测阈值的规律,进而实现其自适应。
3、本发明选取至少50~100个具有代表性的半脆弱水印算法,构建出基于多种频率域半脆弱水印算法的图像检测阈值库,在不改变现有半脆弱水印算法的基础上,构建一套适用于大部分半脆弱水印算法的图像检测系统。
4、本发明完善了半脆弱水印图像认证系统,在原有工作基础上,考虑图像遭受非恶意操作的程度对半脆弱水印产生的影响,提高了系统检测的精度。
5、本发明将本福德定律的特点应用于分析并预测图像经受的非恶意操作程度上,研究具有自适应能力的检测阈值调节系统,在图像经受不可预知的非恶意操作下,有效解决了最佳检测阈值的确定问题。
附图说明
图1为本方法的计算流程图;
图2为本方法阈值库的建立流程图;
图3为加入本发明方法的图像认证系统认证流程图;
图4背景技术中固定阈值与误检率、漏检率的关系图。
具体实施方式
下面结合附图并通过具体实施例对本发明作进一步详述,以下实施例只是描述性的,不是限定性的,不能以此限定本发明的保护范围。
一种基于本福德定律计算半脆弱水印图像最佳检测阈值的方法,通过对测试图像进行与 水印嵌入时一致的频率域变换得到其相应的系数,然后分析这些系数并在阈值库里搜索匹配,进而得到最适合此图像检测的阈值对其进行检测。
如图1所示,具体步骤如下:
⑴获取图像系数:通过对测试图像进行与水印嵌入时一致的频率域变换得到其相应的系数;
⑵分析:将系数首位出现率的规律生成曲线图;
⑶匹配:利用误差平方和(Sum of Square Error,简称SSE)将步骤⑵生成的曲线图与阈值库中由变量组生成的曲线图组进行对照,当误差平方和为最小值时,判定二者匹配;
⑷根据匹配的变量组找到阈值库中相对应的最佳阈值。
所述阈值库的建立方法,如图2所示,具体步骤为:
⑴建立图像库:选取英国诺丁汉特伦特大学提供的图像库中1338张(无压缩,512×384)灰度图像,以及图像处理研究中常用的30张试验用图像;
⑵嵌入水印:选取至少50~100个具有代表性的半脆弱水印算法,在所选每一图像上均分别嵌入50~100个半脆弱水印算法;
⑶非恶意处理:模拟不同程度的多种非恶意操作对图像进行处理,首先通过实验对非恶意操作及其程度进行认定,然后利用一种非恶意操作或多种非恶意操作结合,并采用不同操作程度对每一图像分别进行处理;
⑷频率域转换:采用与步骤⑵水印嵌入时相同的频率域对经非恶意处理的图像进行频率域变换,获取其频率域系数;
⑸判定:检查所获取的频率域系数首位出现率的规律是否符合本福德定律;
⑹分析:对符合本福德定律的系数进行分析,通过曲线曲面拟合方法中的移动最小二乘(Moving Least-Squares,MLS)法得出这些系数在广义本福德定律中的变量组,找到不同程度非恶意操作与此变量组的对应关系。同时通过实验得出不同程度非恶意操作下使误检率与漏检率相对较低的最佳检测阈值组。公式(1)为广义本福德定律,其中N、s、q为变量组。
⑺分类、对应:利用机器学习中的常用快速分类算法SVM(Support Vector Machine),对前面得出的变量组与阈值组进行分类,然后依据不同程度非恶意操作,将变量组与最佳检测阈值组相对应,建立检测阈值库。
应用本方法的图像认证过程如图3所示,首先对测试图像进行与水印嵌入时一致的频率域变换得到其相应的系数,然后通过分析这些系数并在阈值库里搜索匹配,进而得到最适合 此图像检测的自适应阈值,利用该阈值提取水印对图像进行检测,输入密钥,与原始水印对比认证。
以Slant Transform(SLT)图像变换的半脆弱水印认证算法为例,如表1所示,常用512*512像素的测试图像中,通过SLT变换方法加入水印后,进行了恶意图像篡改(64*64像素),以及非恶意图像操作(随机QF=50~95之间图像压缩和随机加入微量图像噪点),系统利用以本福德定律为基础的阈值库,找到最佳阈值并进行认证。结果显示,与使用固定阈值检测相比,使用本发明方法找到的最佳阈值在新的图像篡改位置认证中平均检测率提高了8.51%。
测试图像 | 检测率提高(%) |
Lena | 6.98 |
Baboon | 9.04 |
Ship | 7.60 |
Trucks | 8.98 |
Bridge | 8.94 |
San Diego | 9.15 |
Girl | 7.79 |
Gun | 9.61 |
平均 | 8.51 |
表1
以上所述的仅是本发明的优选实施方式,应当指出,对于本领域的普通技术人员来说,在不脱离发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (3)
1.一种建立本福德定律阈值库提高半脆弱水印认证检测率的方法,其特征在于:通过对测试图像进行与水印嵌入时一致的频率域变换得到其相应的系数,然后分析这些系数并在阈值库里搜索匹配,进而得到最适合此图像检测的阈值对图像进行检测。
2.根据权利要求1所述的建立本福德定律阈值库提高半脆弱水印认证检测率的方法,其特征在于:具体步骤如下:
⑴获取图像系数:通过对测试图像进行与水印嵌入时一致的频率域变换得到其相应的系数;
⑵分析:按系数首位出现率的规律生成曲线图;
⑶匹配:利用误差平方和SSE将步骤⑵生成的曲线图与阈值库中由变量组生成的曲线图组进行对照,当误差平方和为最小值时,判定二者匹配;
⑷根据匹配的变量组找到阈值库中相对应的最佳阈值;
⑸利用所得最佳阀值对图像进行检测。
3.根据权利要求1或2所述的建立本福德定律阈值库提高半脆弱水印认证检测率的方法,其特征在于:所述阈值库其建立方法为:
⑴建立图像库:选取英国诺丁汉特伦特大学提供的图像库中1338张无压缩、分辨率为512×384的灰度图像,以及图像处理研究中常用的30张试验用图像;
⑵嵌入水印:选取50~100个具有代表性的半脆弱水印算法,在所选每一图像上均分别嵌入该50~100个半脆弱水印算法;
⑶非恶意处理:首先通过实验对非恶意操作及其程度进行认定,然后利用一种非恶意操作或多种非恶意操作结合,并采用不同操作程度对每一图像分别进行处理;
⑷频率域转换:采用与步骤⑵水印嵌入时相同的频率域对经非恶意处理的图像进行频率域变换,获取其频率域系数;
⑸判定:检查所获取的频率域系数首位出现率的规律是否符合本福德定律;
⑹分析:对符合本福德定律的系数进行分析,通过曲线曲面拟合方法中的移动最小二乘MLS法得出这些系数在广义本福德定律中的变量组,找到不同程度非恶意操作与此变量组的对应关系,同时通过实验得出不同程度非恶意操作下使误检率与漏检率相对较低的最佳检测阈值组;
⑺分类、对应:利用机器学习中的常用快速分类算法SVM,对前面得出的变量组与阈值组进行分类,然后依据不同程度非恶意操作,将变量组与最佳检测阈值组相对应,建立检测阈值库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510022928.4A CN104700345B (zh) | 2015-01-16 | 2015-01-16 | 建立本福德定律阈值库提高半脆弱水印认证检测率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510022928.4A CN104700345B (zh) | 2015-01-16 | 2015-01-16 | 建立本福德定律阈值库提高半脆弱水印认证检测率的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104700345A true CN104700345A (zh) | 2015-06-10 |
CN104700345B CN104700345B (zh) | 2017-10-17 |
Family
ID=53347435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510022928.4A Expired - Fee Related CN104700345B (zh) | 2015-01-16 | 2015-01-16 | 建立本福德定律阈值库提高半脆弱水印认证检测率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104700345B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109493270A (zh) * | 2018-11-07 | 2019-03-19 | 中南大学 | 一种基于slt-dm的水印图像还原方法 |
CN109613108A (zh) * | 2018-12-27 | 2019-04-12 | 帝沃检测技术(上海)有限公司 | 阈值选择方法及设备 |
CN111882478A (zh) * | 2020-08-04 | 2020-11-03 | 鲁东大学 | 基于Slant变换的空域自适应彩色图像盲水印方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1658223A (zh) * | 2005-03-23 | 2005-08-24 | 中山大学 | 一种基于特征的数字图象认证方法 |
CN1885339A (zh) * | 2006-07-07 | 2006-12-27 | 中山大学 | 一种基于图像特征的电子印章认证方法 |
-
2015
- 2015-01-16 CN CN201510022928.4A patent/CN104700345B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1658223A (zh) * | 2005-03-23 | 2005-08-24 | 中山大学 | 一种基于特征的数字图象认证方法 |
CN1885339A (zh) * | 2006-07-07 | 2006-12-27 | 中山大学 | 一种基于图像特征的电子印章认证方法 |
Non-Patent Citations (2)
Title |
---|
XI ZHAO 等: "使用广义本福德定律用来精确检测水印图像中的未知JPEG压缩的图论", 《DIGITAL SIGNAL PROCESSING》 * |
段贵多 等: "一种新颖的用于图像内容认证、定位和恢复的半脆弱数字水印算法研究", 《电子学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109493270A (zh) * | 2018-11-07 | 2019-03-19 | 中南大学 | 一种基于slt-dm的水印图像还原方法 |
CN109493270B (zh) * | 2018-11-07 | 2023-03-24 | 中南大学 | 一种基于slt-dm的水印图像还原方法 |
CN109613108A (zh) * | 2018-12-27 | 2019-04-12 | 帝沃检测技术(上海)有限公司 | 阈值选择方法及设备 |
CN111882478A (zh) * | 2020-08-04 | 2020-11-03 | 鲁东大学 | 基于Slant变换的空域自适应彩色图像盲水印方法 |
CN111882478B (zh) * | 2020-08-04 | 2022-04-29 | 鲁东大学 | 基于Slant变换的空域自适应彩色图像盲水印方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104700345B (zh) | 2017-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Improved DCT-based detection of copy-move forgery in images | |
Kumar et al. | Image transformation technique using steganography methods using LWT technique | |
CN103561271B (zh) | 静止摄像头拍摄的运动目标被移除视频空域篡改检测方法 | |
Cai et al. | Reliable histogram features for detecting LSB matching | |
CN103747271A (zh) | 一种基于混合感知哈希的视频篡改检测方法和装置 | |
CN103037212A (zh) | 基于视觉感知的自适应块压缩传感图像编码方法 | |
CN105120294A (zh) | 一种jpeg格式图像来源鉴别方法 | |
CN103747255A (zh) | 一种基于空域感知哈希的视频篡改检测方法和装置 | |
CN104700345A (zh) | 建立本福德定律阈值库提高半脆弱水印认证检测率的方法 | |
CN104217389A (zh) | 一种基于改进Arnold变换的图像水印嵌入、提取的方法与装置 | |
CN104217387A (zh) | 一种基于量化嵌入的图像水印嵌入、提取的方法与装置 | |
Chu et al. | Detectability of the order of operations: An information theoretic approach | |
CN103561274B (zh) | 静止摄像头拍摄的运动目标被移除视频时域篡改检测方法 | |
Fu et al. | A watermarking scheme based on rotating vector for image content authentication | |
Hu et al. | A histogram based watermarking algorithm robust to geometric distortions | |
Mishra et al. | An experimental study into objective quality assessment of watermarked images | |
Akhtar et al. | Revealing the traces of histogram equalisation in digital images | |
Wang et al. | Statistical modeling and steganalysis of DFT-based image steganography | |
Peng et al. | Comparison and analysis of the performance of PRNU extraction methods in source camera identification | |
Ng et al. | Blind steganalysis with high generalization capability for different image databases using L-GEM | |
Chetan et al. | An intelligent blind semi-fragile watermarking scheme for effective authentication and tamper detection of digital images using curvelet transforms | |
Li et al. | A novel fingerprinting algorithm with blind detection in DCT domain for images | |
Mungmode et al. | An Enhanced Edge Adaptive Steganography Approach using Threshold Value for Region Selection | |
Zhao et al. | Image forensics using generalised Benford's law for accurate detection of unknown JPEG compression in watermarked images | |
Fadl et al. | Fan search for image copy-move forgery detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171017 Termination date: 20190116 |
|
CF01 | Termination of patent right due to non-payment of annual fee |