CN106327481A - 基于大数据的图像篡改检测方法及装置 - Google Patents

Abstract

本发明提供了一种基于大数据的图像篡改检测方法及装置，所述方法包括：提取待检测图像的低频分量；对所述低频分量进行分块和排序操作，得到图像特征按照预定顺序排列的多个图像块；确定各个所述图像块对应的相似图像块，对各个所述图像块与对应的相似图像块之间的偏移距离值的出现次数进行统计，其中，各个所述图像块与对应的相似图像块之间的相似度满足预设相似度条件，偏移距离值满足预设偏移距离条件；在所述低频分量中将出现次数满足预设阈值要求的偏移距离值对应的多个图像块确定出来，在确定出的所述多个图像块中确定被复制区域和篡改区域。本发明中的基于大数据的图像篡改检测方法及装置，能够提高图像篡改检测的效率。

Description

基于大数据的图像篡改检测方法及装置

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种基于大数据的图像篡改检测方法及装置。

背景技术

图像Copy-Move(复制粘贴)篡改是将图像中某一区域进行复制，将被复制区域粘贴到同一图像的不相交区域上，该粘贴后的不相交区域称为篡改区域。图像Copy-Move篡改检测是指检测同一幅图像中是否存在被复制区域和篡改区域，并确定出被复制区域和篡改区域。

图像Copy-Move篡改检测的基本思想是：从统计的角度来看，在自然图像上二个或以上空域中连贯区域精确匹配(包括颜色、形状、纹理等)的概率很小。现有技术中的图像Copy-Move篡改检测方法具体过程如下：首先将待检测图像划分为多个图像块，对每个图像块进行排序，在排序后的图像块中，计算相邻图像块之间的偏移距离，根据计算得到的偏移距离确定被复制区域和篡改区域。

现有技术中通常采用单像素移位对待检测图像进行重叠块划分，即整幅图像按照单个像素位移被划分为多个重叠块，这种处理方式能够提高篡改检测的精度，使篡改检测结果准确，然而，这种处理方式同时也将图像分成了大量的图像块，导致后续计算量大，使得图像篡改检测的时间长，降低图像篡改检测的效率，因此，现有技术中的图像篡改检测方法，具有图像篡改检测效率低的问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于大数据的图像篡改检测方法及装置，能够提高图像篡改检测的效率。

为达到上述目的，第一方面，本发明实施例提供了一种基于大数据的图像篡改检测方法，所述方法包括：提取待检测图像的低频分量；对所述低频分量进行分块和排序操作，得到图像特征按照预定顺序排列的多个图像块；确定各个所述图像块对应的相似图像块，对各个所述图像块与对应的相似图像块之间的偏移距离值的出现次数进行统计，其中，各个所述图像块与对应的相似图像块之间的相似度满足预设相似度条件，偏移距离值满足预设偏移距离条件；在所述低频分量中将出现次数满足预设阈值要求的偏移距离值对应的多个图像块确定出来，在确定出的所述多个图像块中确定被复制区域和篡改区域。

结合第一方面，本发明实施例提供了第一方面第一种可能的实施方式，其中，对所述低频分量进行分块和排序操作，包括：按照预设步长对所述低频分量进行滑窗分块，得到多个图像块；通过傅里叶梅林变换提取各个所述图像块的特征向量，对各个所述图像块的特征向量进行字典排序，根据所述字典排序的结果对各个所述图像块进行排序。

结合第一方面，本发明实施例提供了第一方面第二种可能的实施方式，其中，确定各个所述图像块对应的相似图像块，包括：计算当前图像块与相邻范围内的各个图像块之间的相似度和偏移距离值，将所述相似度满足预设相似度条件以及所述偏移距离值满足预设偏移距离条件的图像块作为所述当前图像块对应的相似图像块。

结合第一方面，本发明实施例提供了第一方面第三种可能的实施方式，其中，在所述低频分量中将出现次数满足预设阈值要求的偏移距离值对应的多个图像块确定出来，包括：在所述低频分量中将出现次数大于预设面积阈值的偏移距离值对应的多个图像块确定出来。

结合第一方面上述的实施方式，本发明实施例提供了第一方面第四种可能的实施方式，其中，所述方法还包括：对确定有被复制区域和篡改区域的所述低频分量进行变换，得到确定有被复制区域和篡改区域的待检测图像。

第二方面，本发明实施例提供了一种基于大数据的图像篡改检测装置，所述装置包括：提取模块，用于提取待检测图像的低频分量；分块排序模块，用于对所述低频分量进行分块和排序操作，得到图像特征按照预定顺序排列的多个图像块；统计模块，用于确定各个所述图像块对应的相似图像块，对各个所述图像块与对应的相似图像块之间的偏移距离值的出现次数进行统计，其中，各个所述图像块与对应的相似图像块之间的相似度满足预设相似度条件，偏移距离值满足预设偏移距离条件；确定模块，用于在所述低频分量中将出现次数满足预设阈值要求的偏移距离值对应的多个图像块确定出来，在确定出的所述多个图像块中确定被复制区域和篡改区域。

结合第二方面，本发明实施例提供了第二方面第一种可能的实施方式，其中，所述分块排序模块包括：分块单元，用于按照预设步长对所述低频分量进行滑窗分块，得到多个图像块；排序单元，用于通过傅里叶梅林变换提取各个所述图像块的特征向量，对各个所述图像块的特征向量进行字典排序，根据所述字典排序的结果对各个所述图像块进行排序。

结合第二方面，本发明实施例提供了第二方面第二种可能的实施方式，其中，所述统计模块包括：相似图像块确定单元，用于计算当前图像块与相邻范围内的各个图像块之间的相似度和偏移距离值，将所述相似度满足预设相似度条件以及所述偏移距离值满足预设偏移距离条件的图像块作为所述当前图像块对应的相似图像块。

结合第二方面，本发明实施例提供了第二方面第三种可能的实施方式，其中，所述确定模块包括：阈值确定单元，用于在所述低频分量中将出现次数大于预设面积阈值的偏移距离值对应的多个图像块确定出来。

结合第二方面上述的实施方式，本发明实施例提供了第二方面第四种可能的实施方式，其中，所述装置还包括：变换模块，用于对确定有被复制区域和篡改区域的所述低频分量进行变换，得到确定有被复制区域和篡改区域的待检测图像。

本发明实施例中，提取待检测图像的低频分量，对低频分量进行分块和排序操作，得到图像特征按照预定顺序排列的多个图像块，确定各个图像块对应的相似图像块，对各个图像块与对应的相似图像块之间的偏移距离值的出现次数进行统计，在低频分量中将出现次数满足预设阈值要求的偏移距离值对应的多个图像块确定出来，在确定出的多个图像块中确定被复制区域和篡改区域。通过本发明实施例中的方法及装置，由于提取待检测图像的低频部分，对低频部分进行处理，在低频部分中确定被复制区域和篡改区域，因此能够减少图像篡改检测过程中的计算量，提高图像篡改检测的效率。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本发明实施例所提供的基于大数据的图像篡改检测方法的流程示意图；

图2A示出了本发明实施例所提供的离散小波变换的一级图像分解示意图；

图2B示出了本发明实施例所提供的离散小波变换的二级图像分解示意图；

图3示出了本发明实施例所提供的基于大数据的图像篡改检测方法的另一种流程示意图；

图4示出了本发明实施例所提供的基于大数据的图像篡改检测装置的模块组成示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

考虑到现有技术中的图像篡改检测方法，具有图像篡改检测效率低的问题，本发明提供了一种基于大数据的图像篡改检测方法及装置，下面结合实施例进行具体描述。

图1示出了本发明实施例所提供的基于大数据的图像篡改检测方法的流程示意图。如图1所示，本发明实施例中的方法包括以下步骤：

步骤S101，提取待检测图像的低频分量。

待检测图像为需要进行图像篡改检测的图像。本步骤中，能够对待检测图像进行DWT(Discrete Wavelet Transform，离散小波变换)，得到待检测图像的低频分量。

图2A示出了本发明实施例所提供的离散小波变换的一级图像分解示意图，如图2A所示，待检测图像经过离散小波变换，能够分解成一个低频子带和三个高频子带，cA即为低频子带，低频子带cA集中了图像的主要能量，cH,cV,cD分别为水平高频子带、垂直高频子带和对角高频子带。图2B示出了本发明实施例所提供的离散小波变换的二级图像分解示意图，如图2B所示，对低频子带cA继续进行离散小波变换，还能够将cA分解为cA2,cH2,cV2,cD2，依次类推，离散小波变换能够将图像进行更多级的分解。

离散小波变换是一种时域-频域变换，同时具有时域-频域良好局部化性质。待检测图像经过离散小波变换之后，所得到的低频分量仍然保持原图像的概貌和空间特性，而高频子带更多反映了图像的细节，故本发明实施例利用小波分解这个特性，对待检测图像进行降维，以低频子带获取的特征对图像进行分析，能够提高检测效率，降低时间复杂度。例如，待检测图像为512×512(单位像素)的图像，通过离散小波变换对待检测图像进行二级分解，得到其低频分量尺寸仅为128×128(单位像素)。

通过对待检测图像进行离散小波变换，提取待检测图像的低频分量，能够较大程度降低待检测图像的维数，同时小波低频对噪声不敏感，也使得提取的特征的鲁棒性得到加强。假设待检测图像的大小为M×N，对待检测图像进行一级离散小波变换，提取的低频分量的大小为

步骤S102，对该低频分量进行分块和排序操作，得到图像特征按照预定顺序排列的多个图像块。

其中，预定顺序可以是升序，即，对该低频分量进行分块和排序操作，得到图像特征按照升序排列的多个图像块；预定顺序还可以是降序，即，对该低频分量进行分块和排序操作，得到图像特征按照降序排列的多个图像块，其中，图像特征也可以叫做图像特征值。

对该低频分量进行分块和排序操作，包括以下(1)和(2)两个动作：

(1)按照预设步长对低频分量进行滑窗分块，得到多个图像块。

(2)通过傅里叶梅林变换提取各个图像块的特征向量，对各个图像块的特征向量进行字典排序，根据字典排序的结果对各个图像块进行排序。

上述动作(1)中，预设步长大于1个像素且小于滑窗分块对应的窗口宽度的一半。比如，假设低频分量的大小为滑窗分块的窗口大小为b×b，滑窗分块以滑动步长k按照从左到右、从上往下的顺序滑动，在低频分量中提取出部分重叠的多个图像块，图像块的总数量为其中，1<k<b/2。

上述动作(2)中，通过傅里叶梅林变换提取得到的特征向量为几何不变特征量。对各个图像块的特征向量进行字典排序，由于每个特征向量对应一个图像块，因此根据字典排序的结果，能够对各个图像块进行排序。由于字典排序是按照特征向量之间的数值大小关系进行排序，因此经过排序后的相邻图像块之间的特征较为接近。

上述动作(2)具体执行为：通过傅里叶梅林变换(FMT变换)提取各个图像块的特征向量，将提取得到的特征向量构造成第一特征矩阵，第一特征矩阵中每个特征向量均代表一个图像块，各个特征向量的位置表示各个图像块的位置，各个特征向量之间的顺序表示各个图像块之间的顺序，记录每个图像块的位置，得到第一位置列表。对第一特征矩阵中的特征向量进行字典排序，得到第二特征矩阵，由于第二特征矩阵中的特征向量经过排序，因此与各个特征向量对应的图像块也经过排序，根据排序结果将第一位置列表修改为第二位置列表，第二位置列表表示排序后的各个图像块的位置。

本发明实施例中，在进行傅里叶梅林变换特征提取时，采用移动步长滑窗的分块方式，大大减少了图像块的个数，提高了特征计算的效率。并且，本发明实施例中将离散小波变换与傅里叶梅林变换结合起来，利用离散小波变换的低频部分进行傅里叶梅林变换特征提取，降低了输入图像的维数，提高篡改检测的效率。

通过傅里叶梅林变换提取得到的特征向量的具体过程如下。

令f₂(x,y)是图像f₁(x,y)经过平移、一致缩放和旋转变换后的图像，f₂(x,y)可表示为：

f₂(x,y)＝f₁(σ(x cosα+y sinα)-x₀,σ(-x sinα+y cosα)-y₀)； (1)

其中，(x,y)表示图像中像素的坐标，α是旋转角度，σ为缩放因子，(x₀,y₀)是水平和垂直方向平移量，则f₁(x,y)和f₂(x,y)对应的傅里叶(Fourier)变换F₁(u,v)和F₂(u,v)之间满足式：

其中，为f₂(x,y)的相位信息。相应图像的频谱幅度满足式：

|F₂(u,v)|＝|σ|^-2|F₁(σ^-1(u cosα+v sinα),σ^-1(-u sinα+v cosα))|； (3)

上式表明，频谱幅度是平移不变量，仅与旋转角α和缩放比例σ有关，而与平移量(x₀,y₀)无关，图像的旋转使得其频谱幅度也旋转了同样的角度，图像的缩放使得其频谱幅度也缩放了相同的倍数σ。因此，可以通过对数-极坐标变换(Log-Polar Transform，LPT)来减少旋转和缩放效应，极坐标变换如下式所示：

$\left\{\begin{array}{c}u=rcos\mathrm{\&psi;}\\ v=rsin\mathrm{\&psi;}\end{array}\right.;---\left(4\right)$

其中，r∈R,0≤ψ≤2π。(u，v)与(r,ψ)之间形成唯一的对应关系。令：

f_1p(r,ψ)＝|F₁(r cosψ,r sinψ)|； (5)

f_2p(r,ψ)＝|F₂(r cosψ,r sinψ)|； (6)

由式(3)可得：

f_2p(r,ψ)＝σ^-2f_1p(r/σ,ψ-α)； (7)

从式(7)可以看出旋转效应转化为极坐标下的极角线性变化。继续对式(7)作对数转换可得：

f_2pl(λ,ψ)＝σ^-2f_1pl(λ-η,ψ-α)； (8)

其中，λ＝logr，η＝logσ。式(8)表明图像在空域中的旋转和缩放变换会转换为对数-极坐标域中相应参数的平移变换，而图像的平移在对数-极坐标域没有任何影响。为了消除平移参数，根据傅里叶平移变换的特性，在式(8)两边再次应用傅里叶变换得到式(9)：

|F_2pl(λ,ψ)|＝|σ|^-2|F_1pl(λ-η,ψ-α)|； (9)

式(9)表明，傅里叶-梅林变换的频谱幅度被缩放了|σ|^-2倍(σ是缩放因子)，成为平移、旋转和缩放的不变量。在傅里叶-梅林变换基础上，提取傅里叶-梅林变换系数矢量化，最终就可以得到了图像的几何特征不变量。

步骤S103，确定各个图像块对应的相似图像块，对各个图像块与对应的相似图像块之间的偏移距离值的出现次数进行统计，其中，各个图像块与对应的相似图像块之间的相似度满足预设相似度条件，偏移距离值满足预设偏移距离条件。

本步骤中，确定各个图像块对应的相似图像块，具体为：计算当前图像块与相邻范围内的各个图像块之间的相似度和偏移距离值，将相似度满足预设相似度条件以及偏移距离值满足预设偏移距离条件的图像块作为当前图像块对应的相似图像块。

计算当前图像块与相邻范围内的各个图像块之间的相似度具体可以为：根据当前图像块的特征向量和相邻范围内的各个图像块的特征向量计算当前图像块与相邻范围内的各个图像块之间的相似度。其中，相邻范围内的各个图像块指的是围绕当前图像块的8个图像块。一种优选的实施方式中，通过公式根据当前图像块的特征向量和相邻范围内的各个图像块的特征向量计算当前图像块与相邻范围内的各个图像块之间的相似度，公式中，t_i为当前图像块的特征向量，t_j为相邻范围内的任意一个图像块的特征向量，T为计算得到的相似度。

计算当前图像块与相邻范围内的各个图像块之间的偏移距离值具体可以为：根据当前图像块的位置和相邻范围内的各个图像块的位置计算当前图像块与相邻范围内的各个图像块之间的偏移距离值。其中，相邻范围内的各个图像块指的是围绕当前图像块的8个图像块。一种优选的实施方式中，通过公式根据当前图像块的位置和相邻范围内的各个图像块的位置计算当前图像块与相邻范围内的各个图像块之间的偏移距离值，公式中，(x_i,y_i)为当前图像块的位置坐标，(x_j,y_j)为相邻范围内的任意一个图像块的位置，D为计算得到的偏移距离值。

预设相似度条件为预设相似度阈值，预设偏移距离条件为预设偏移距离阈值，满足预设相似度条件为大于预设相似度阈值，满足预设偏移距离条件为大于预设偏移距离阈值，将相似度满足预设相似度条件以及偏移距离值满足预设偏移距离条件的图像块作为当前图像块对应的相似图像块，具体可以为，将相似度大于预设相似度阈值以及偏移距离值大于预设相似度阈值的图像块作为当前图像块对应的相似图像块。

记录各个图像块与对应的相似图像块之间的偏移距离值，对各个图像块与对应的相似图像块之间的偏移距离值的出现次数进行统计。具体地，对各个图像块与对应的相似图像块之间的偏移距离值进行统计，绘制直方图，得到每个偏移距离值出现的次数，也即，每个偏移距离值的个数。

步骤S104，在低频分量中将出现次数满足预设阈值要求的偏移距离值对应的多个图像块确定出来，在确定出的多个图像块中确定被复制区域和篡改区域。

其中，在低频分量中将出现次数满足预设阈值要求的偏移距离值对应的多个图像块确定出来，具体为：在低频分量中将出现次数大于预设面积阈值的偏移距离值对应的多个图像块确定出来。预设面积阈值在1倍的低频分量大小至2倍的低频分量大小之间，优选为1.6倍的低频分量大小。

一种具体的实施方式中，将偏移距离值的出现次数h大于2S对应的图像块的坐标记录在结果矩阵R中，其中R的大小与低频分量的大小相同，均为R初始化为0。矩阵R中标记的图像块对即为在低频中检测到的疑似篡改块对，即疑似被复制区域和疑似篡改区域。其中，S是预设的面积阈值。从篡改的操作过程可知，篡改后的图像中至少存在2个较大面积的相似区域，基于此，偏移距离值的出现次数阈值是2S。

在自然图像中，除了大片平坦区域(如蓝天、白云等外)，存在相似(颜色、形状、纹理等)大面积区域的可能性是很少的。基于对图像库的统计结果，“大面积区域”假定为不小于原始图像尺寸的0.85％。若检测到一幅图像中存在大面积的相似区域，则很可能是被复制粘贴篡改过的。由于本发明实施例中采用的是离散小波变换后的低频分量作为检测图像，其大小为所以设置面积阈值S为2S即为1.6倍的低频分量大小。

本发明实施例中，在图像块数量大大减少的前提下，将图像特征与偏移距离和篡改面积结合起来，提高了图像篡改检测的效率和效果。

由于根据偏移距离值的出现次数确定出来的多个图像块不仅包括被复制区域和篡改区域，可能还包括其他误检测区域，因此还需要在确定出的多个图像块中确定被复制区域和篡改区域。考虑到误检测区域大多为尺寸较小的区域，比被复制区域和篡改区域的尺寸要小，因此这里可以将多个图像块组成的区域中尺寸小于预设尺寸阈值的区域剔除，将尺寸大于或等于预设尺寸阈值的区域保留下来作为被复制区域和篡改区域。其他实施方式中，还能够通过人工鉴别的方式在确定出的多个图像块中确定被复制区域和篡改区域。

本发明实施例中，提取待检测图像的低频分量，对低频分量进行分块和排序操作，得到图像特征按照预定顺序排列的多个图像块，确定各个图像块对应的相似图像块，对各个图像块与对应的相似图像块之间的偏移距离值的出现次数进行统计，在低频分量中将出现次数满足预设阈值要求的偏移距离值对应的多个图像块确定出来，在确定出的多个图像块中确定被复制区域和篡改区域。通过本发明实施例中的方法，由于提取待检测图像的低频部分，对低频部分进行处理，在低频部分中确定被复制区域和篡改区域，因此能够减少图像篡改检测过程中的计算量，提高图像篡改检测的效率。

图3示出了本发明实施例所提供的基于大数据的图像篡改检测方法的流程示意图。如图3所示，本发明实施例中的方法还包括以下步骤：

步骤S105，将确定有被复制区域和篡改区域的低频分量进行变换，得到确定有被复制区域和篡改区域的待检测图像。

具体可以结合待检测图像的三个高频子带信息，对确定有被复制区域和篡改区域的低频分量进行小波逆变换，从而在待检测图像中确定被复制区域和篡改区域。

综上，本发明实施例具有以下有益效果：本发明实施例中，在进行傅里叶梅林变换特征提取时，采用移动步长滑窗的分块方式，大大减少了图像块的个数，提高了特征计算的效率。并且，本发明实施例中将离散小波变换与傅里叶梅林变换结合起来，利用离散小波变换的低频部分进行傅里叶梅林变换特征提取，降低了输入图像的维数，提高篡改检测的效率。本发明实施例中，在图像块数量大大减少的前提下，将图像特征与偏移距离和篡改面积结合起来，提高了图像篡改检测的效率和效果。通过本发明实施例中的方法，在对大量待检测图像进行处理时，与现有技术相比，能够提高检测效率，加快检测速度。

本发明实施例中的基于大数据的图像篡改检测方法，能够利用基于大数据的云计算方式从云服务器中下载待检测图像，在本地对图像进行篡改检测，篡改检测完成后，再利用基于大数据的云计算方式将经过检测的图像上传至云服务器之中，利用云服务器存储大量待检测图像和检测后的图像，从而减少本地存储量，降低对本地存储量的需求。

对应上述方法，本发明实施例还提供了一种基于大数据的图像篡改检测装置，图4示出了本发明实施例所提供的基于大数据的图像篡改检测装置的模块组成示意图，如图4所示，该装置包括：

提取模块41，用于提取待检测图像的低频分量；

分块排序模块42，用于对低频分量进行分块和排序操作，得到图像特征按照预定顺序排列的多个图像块；

统计模块43，用于确定各个图像块对应的相似图像块，对各个图像块与对应的相似图像块之间的偏移距离值的出现次数进行统计，其中，各个图像块与对应的相似图像块之间的相似度满足预设相似度条件，偏移距离值满足预设偏移距离条件；

确定模块44，用于在低频分量中将出现次数满足预设阈值要求的偏移距离值对应的多个图像块确定出来，在确定出的多个图像块中确定被复制区域和篡改区域。

其中，分块排序模块42包括：分块单元，用于按照预设步长对低频分量进行滑窗分块，得到多个图像块；排序单元，用于通过傅里叶梅林变换提取各个图像块的特征向量，对各个图像块的特征向量进行字典排序，根据字典排序的结果对各个图像块进行排序。

其中，统计模块43包括：相似图像块确定单元，用于计算当前图像块与相邻范围内的各个图像块之间的相似度和偏移距离值，将相似度满足预设相似度条件以及偏移距离值满足预设偏移距离条件的图像块作为当前图像块对应的相似图像块。

其中，确定模块44包括：阈值确定单元，用于在低频分量中将出现次数大于预设面积阈值的偏移距离值对应的多个图像块确定出来。

本实施例中的装置还包括：变换模块，用于对确定有被复制区域和篡改区域的低频分量进行变换，得到确定有被复制区域和篡改区域的待检测图像。

本发明实施例中，提取待检测图像的低频分量，对低频分量进行分块和排序操作，得到图像特征按照预定顺序排列的多个图像块，确定各个图像块对应的相似图像块，对各个图像块与对应的相似图像块之间的偏移距离值的出现次数进行统计，在低频分量中将出现次数满足预设阈值要求的偏移距离值对应的多个图像块确定出来，在确定出的多个图像块中确定被复制区域和篡改区域。通过本发明实施例中的装置，由于提取待检测图像的低频部分，对低频部分进行处理，在低频部分中确定被复制区域和篡改区域，因此能够减少图像篡改检测过程中的计算量，提高图像篡改检测的效率。

本发明实施例所提供的基于大数据的图像篡改检测装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种基于大数据的图像篡改检测方法，其特征在于，所述方法包括：

提取待检测图像的低频分量；

对所述低频分量进行分块和排序操作，得到图像特征按照预定顺序排列的多个图像块；

确定各个所述图像块对应的相似图像块，对各个所述图像块与对应的相似图像块之间的偏移距离值的出现次数进行统计，其中，各个所述图像块与对应的相似图像块之间的相似度满足预设相似度条件，偏移距离值满足预设偏移距离条件；

在所述低频分量中将出现次数满足预设阈值要求的偏移距离值对应的多个图像块确定出来，在确定出的所述多个图像块中确定被复制区域和篡改区域。

2.根据权利要求1所述的方法，其特征在于，对所述低频分量进行分块和排序操作，包括：

按照预设步长对所述低频分量进行滑窗分块，得到多个图像块；

通过傅里叶梅林变换提取各个所述图像块的特征向量，对各个所述图像块的特征向量进行字典排序，根据所述字典排序的结果对各个所述图像块进行排序。

3.根据权利要求1所述的方法，其特征在于，确定各个所述图像块对应的相似图像块，包括：

计算当前图像块与相邻范围内的各个图像块之间的相似度和偏移距离值，将所述相似度满足预设相似度条件以及所述偏移距离值满足预设偏移距离条件的图像块作为所述当前图像块对应的相似图像块。

4.根据权利要求1所述的方法，其特征在于，在所述低频分量中将出现次数满足预设阈值要求的偏移距离值对应的多个图像块确定出来，包括：

在所述低频分量中将出现次数大于预设面积阈值的偏移距离值对应的多个图像块确定出来。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：

对确定有被复制区域和篡改区域的所述低频分量进行变换，得到确定有被复制区域和篡改区域的待检测图像。

6.一种基于大数据的图像篡改检测装置，其特征在于，所述装置包括：

提取模块，用于提取待检测图像的低频分量；

分块排序模块，用于对所述低频分量进行分块和排序操作，得到图像特征按照预定顺序排列的多个图像块；

统计模块，用于确定各个所述图像块对应的相似图像块，对各个所述图像块与对应的相似图像块之间的偏移距离值的出现次数进行统计，其中，各个所述图像块与对应的相似图像块之间的相似度满足预设相似度条件，偏移距离值满足预设偏移距离条件；

确定模块，用于在所述低频分量中将出现次数满足预设阈值要求的偏移距离值对应的多个图像块确定出来，在确定出的所述多个图像块中确定被复制区域和篡改区域。

7.根据权利要求6所述的装置，其特征在于，所述分块排序模块包括：

分块单元，用于按照预设步长对所述低频分量进行滑窗分块，得到多个图像块；

排序单元，用于通过傅里叶梅林变换提取各个所述图像块的特征向量，对各个所述图像块的特征向量进行字典排序，根据所述字典排序的结果对各个所述图像块进行排序。

8.根据权利要求6所述的装置，其特征在于，所述统计模块包括：

相似图像块确定单元，用于计算当前图像块与相邻范围内的各个图像块之间的相似度和偏移距离值，将所述相似度满足预设相似度条件以及所述偏移距离值满足预设偏移距离条件的图像块作为所述当前图像块对应的相似图像块。

9.根据权利要求6所述的装置，其特征在于，所述确定模块包括：

阈值确定单元，用于在所述低频分量中将出现次数大于预设面积阈值的偏移距离值对应的多个图像块确定出来。

10.根据权利要求6至9任一项所述的装置，其特征在于，所述装置还包括：

变换模块，用于对确定有被复制区域和篡改区域的所述低频分量进行变换，得到确定有被复制区域和篡改区域的待检测图像。