CN106600598B - 基于局部网格匹配的彩色图像篡改检测方法 - Google Patents

基于局部网格匹配的彩色图像篡改检测方法 Download PDF

Info

Publication number
CN106600598B
CN106600598B CN201611200652.5A CN201611200652A CN106600598B CN 106600598 B CN106600598 B CN 106600598B CN 201611200652 A CN201611200652 A CN 201611200652A CN 106600598 B CN106600598 B CN 106600598B
Authority
CN
China
Prior art keywords
image
matching
color
algorithm
feature
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
CN201611200652.5A
Other languages
English (en)
Other versions
CN106600598A (zh
Inventor
王向阳
焦丽仙
杨红颖
牛盼盼
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.)
Liaoning Normal University
Original Assignee
Liaoning Normal University
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 Liaoning Normal University filed Critical Liaoning Normal University
Priority to CN201611200652.5A priority Critical patent/CN106600598B/zh
Publication of CN106600598A publication Critical patent/CN106600598A/zh
Application granted granted Critical
Publication of CN106600598B publication Critical patent/CN106600598B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于局部网格匹配的彩色图像篡改检测方法，首先对彩色图像进行高斯滤波预处理，利用颜色不变量和SURF算法提取特征点；其次，利用Delaunay方法进行三角网格剖分，构造三角网格的内切圆以及内切圆的外拓正方形，计算出内切圆的四元数指数矩作为三角网格的特征；然后，利用Rg2NN算法和BBF算法进行三角形网格特征的匹配；最后，利用RANSAC方法、ZNCC算法、形态学方法等进行后处理。由于使用了颜色不变量、四元数指数矩、有效的网格匹配以及后处理，具有较强的抗颜色攻击能力、较快的匹配速度和较高的检测精度。

Description

基于局部网格匹配的彩色图像篡改检测方法
技术领域
本发明涉及针对复制粘贴的图像篡改检测方法，特别涉及一种基于局部网格匹配的彩色图像篡改检测方法，属于数字图像认证技术领域。
背景技术
图像认证技术即为鉴定数字图像完整、真实等属性的方法，篡改检测技术是其中一种常用的方法。多数图像篡改手段都是从像素层面进行的，这些篡改方法改变了图像内容和统计特征。针对这种篡改手法，学者们提出了一系列针对性检测方法，例如针对复制粘贴篡改的检测方法和针对拼接篡改的检测方法等。其中，复制粘贴篡改检测方法大致可以分为两类：基于块的检测方法和基于特征点的检测方法。基于块的检测方法是提取每块特征后，将其与其他每一块进行特征匹配，找到具有相似特征的块。块检测方法虽然针对噪声、压缩时检测效果很好，但针对几何攻击旋转、缩放时缺乏鲁棒性。基于点的检测方法通常使用SIFT和SURF算法提取特征点，然后使用相应的局部特征描述子进行特征点之间的匹配。基于点的检测方法虽然针对几何变换时具有鲁棒性，但是如果不均匀的区域被用来隐藏对象时，则无法从中提取特征点。此外，在进行特征匹配时，大多数现有方法提高匹配速度时，存在降低检测精度的问题，或者提高检测精度时，粗存在降低匹配速度的问题。
发明内容
本发明是为了解决现有技术所存在的上述技术问题，提供一种基于局部网格匹配的彩色图像篡改检测方法。
本发明的技术解决方案是： 一种基于局部网格匹配的彩色图像篡改检测方法，其特征在于按照如下步骤：
约定：I指待检测的图像；I1指经过高斯滤波预处理的图像；矩阵Ipts用于存放所有检测到的特征点的信息；矩阵tri用于存放三角形的三个顶点；Nmax为四元数指数矩的阶数；矩阵E_feature用于存放11个四元指数矩矩值和相应的三角形位置；Rg2NN指逆序广义2近邻算法；BBF为优化查找算法；
Figure 572646DEST_PATH_IMAGE001
表示三角形网格的匹配阈值；
Figure 876588DEST_PATH_IMAGE002
表示像素范围；RANSAC指参数估计方法；ZNCC指立体匹配算法。
a. 初始设置
读取待检测图像I，对I进行高斯滤波预处理得到I1；
b. 颜色不变量特征点提取
b.1 根据彩色图像的色彩特征与几何结构特征，构造颜色不变量图像；
b.2 对颜色不变量图像进行SURF特征点提取；
b.3 将提取的特征点信息存入矩阵Ipts中，并在I上显示所提取的特征点；
c. 三角网格不变量构造
利用Delaunay方法对提取的特征点构造三角网格，并将构造的每个三角形的顶点放入矩阵tri中；
d. 内切圆四元数指数矩计算
d.1 利用三角形的顶点求其内切圆的圆心与半径；
d.2 求I1图像上的每个内切圆的外拓正方形，并在正方形的四周“补0”；
d.3 将正方形块的直角坐标转化为极坐标并求出R、G、B分量，设置Nmax为5，利用傅里叶变换求各分量指数矩的分解
Figure 24148DEST_PATH_IMAGE003
、
Figure 667619DEST_PATH_IMAGE004
、
Figure 878152DEST_PATH_IMAGE005
；
d.4 按照下式计算内切圆的四元数指数矩矩值：
Figure 420122DEST_PATH_IMAGE006
，
Figure 561254DEST_PATH_IMAGE007
，
Figure 872281DEST_PATH_IMAGE008
，
Figure 643927DEST_PATH_IMAGE009
；
d.5 选取11个较为稳定的矩值作为三角形网格的特征，并标识相应的三角形的位置；
d.6 重复d.3~d.5，将所有三角网格的特征及相应位置存入矩阵E_feature中；
e. Rg2NN快速匹配
e.1 使用BBF算法计算每个三角形的近邻；
e.2 计算每个三角形的特征描述子与其他三角形的特征描述子的欧几里德距离，并按从小到大的顺序排列，得到
Figure 656883DEST_PATH_IMAGE010
；
e.3 逆序计算特征描述子欧几里德距离之间的比值，即依次计算
Figure 355367DEST_PATH_IMAGE011
，若
Figure 583217DEST_PATH_IMAGE012
且
Figure 525766DEST_PATH_IMAGE013
，则说明待检测三角形和其距离
Figure 839066DEST_PATH_IMAGE014
的k-2个特征点均相似，其中
Figure 322000DEST_PATH_IMAGE015
取值为0.6；
e.4 在
Figure 794570DEST_PATH_IMAGE002
之外计算匹配三角形，设置
Figure 721069DEST_PATH_IMAGE002
为20，避免距离较近的三角形由于纹理相似导致特征相似；
f. 后处理
f.1 利用RANSAC方法来消除错误匹配；
f.2 最后使用ZNCC算法和形态学方法等对匹配的区域进行标记。
本发明首先对彩色图像进行高斯滤波预处理，利用颜色不变量和SURF算法提取特征点；其次，利用Delaunay方法进行三角网格剖分，构造三角网格的内切圆以及内切圆的外拓正方形，计算出内切圆的四元数指数矩作为三角网格的特征；然后，利用Rg2NN算法和BBF算法进行三角形网格特征的匹配；最后，利用RANSAC方法、ZNCC算法、形态学方法等进行后处理。实验结果表明，本发明的方法由于使用了颜色不变量、四元数指数矩、有效的网格匹配以及后处理，具有较强的抗颜色攻击能力、较快的匹配速度和较高的检测精度。
与现有技术相比，本发明具有以下有益效果：
第一，使用颜色不变量提取特征点，兼顾了彩色图像的色彩特性与几何结构特性，在抵抗颜色攻击方面更具有鲁棒性；
第二，基于三角网格匹配篡改检测方法与基于块的检测方法的相比，速度更快，更具有鲁棒性；与基于点的检测方法相比，鲁棒性相当，但精度更高；
第三，使用四元数指数矩矩值作为三角网格特征，保留了图像显著的颜色信息特征；
第四，使用Rg2NN快速匹配的算法，提高了特征匹配速度与篡改检测精度。
附图说明
图1为本发明实施例篡改区域标记图。
图2为本发明实施例提取颜色不变量特征点结果图。
图3为本发明实施例利用Delaunay构造三角网格结果图。
图4为本发明实施例构造三角形内切圆结果图。
图5为本发明实施例利用Rg2NN进行三角网格特征匹配结果图。
图6为本发明实施例匹配区域标记结果图。
图7为本发明实施例的流程图。
具体实施方式
本发明的方法共包括四个阶段：颜色不变量特征点提取、三角网格不变量构造、内切圆的四元数指数矩计算以及三角网格特征匹配。
约定：I指待检测的图像；I1指经过高斯滤波预处理的图像；矩阵Ipts用于存放所有检测到的特征点的信息；矩阵tri用于存放三角形的三个顶点；Nmax为四元数指数矩的阶数；矩阵E_feature用于存放11个四元指数矩矩值和相应的三角形位置；Rg2NN指逆序广义2近邻算法；BBF为优化查找算法；
Figure 708616DEST_PATH_IMAGE001
表示三角形网格的匹配阈值；
Figure 805361DEST_PATH_IMAGE002
表示像素范围；RANSAC指参数估计方法；ZNCC指立体匹配算法。
具体步骤如图7所示：
a. 初始设置
读取待检测图像I，对I进行高斯滤波预处理得到I1；
b. 颜色不变量特征点提取
b.1 根据彩色图像的色彩特征与几何结构特征，构造颜色不变量图像；
b.2 对颜色不变量图像进行SURF特征点提取；
b.3 将提取的特征点信息存入矩阵Ipts中，并在I上显示所提取的特征点；
c. 三角网格不变量构造
利用Delaunay方法对提取的特征点构造三角网格，并将构造的每个三角形的顶点放入矩阵tri中；
d. 内切圆四元数指数矩计算
d.1 利用三角形的顶点求其内切圆的圆心与半径；
d.2 求I1图像上的每个内切圆的外拓正方形，并在正方形的四周“补0”；
d.3 将正方形块的直角坐标转化为极坐标并求出R、G、B分量，设置Nmax为5，利用傅里叶变换求各分量指数矩的分解
Figure 679907DEST_PATH_IMAGE003
、
Figure 26575DEST_PATH_IMAGE004
、
Figure 252151DEST_PATH_IMAGE005
；
d.4 按照下式计算内切圆的四元数指数矩矩值：
Figure 342467DEST_PATH_IMAGE006
，
Figure 337099DEST_PATH_IMAGE007
，
Figure 589088DEST_PATH_IMAGE008
，
Figure 316609DEST_PATH_IMAGE009
；
d.5 选取11个较为稳定的矩值作为三角形网格的特征，并标识相应的三角形的位置；
d.6 重复d.3~d.5，将所有三角网格的特征及相应位置存入矩阵E_feature中；
e. Rg2NN快速匹配
e.1 使用BBF算法计算每个三角形的近邻；
e.2 计算每个三角形的特征描述子与其他三角形的特征描述子的欧几里德距离，并按从小到大的顺序排列，得到
Figure 945036DEST_PATH_IMAGE010
；
e.3 逆序计算特征描述子欧几里德距离之间的比值，即依次计算
Figure 59754DEST_PATH_IMAGE011
，若
Figure 482645DEST_PATH_IMAGE012
且
Figure 682813DEST_PATH_IMAGE013
，则说明待检测三角形和其距离
Figure 114932DEST_PATH_IMAGE014
的k-2个特征点均相似，其中
Figure 880894DEST_PATH_IMAGE015
取值为0.6；
e.4 在
Figure 488068DEST_PATH_IMAGE002
之外计算匹配三角形，设置
Figure 159221DEST_PATH_IMAGE002
为20，避免距离较近的三角形由于纹理相似导致特征相似；
f. 后处理
f.1 利用RANSAC方法来消除错误匹配；
f.2 最后使用ZNCC算法和形态学方法等对匹配的区域进行标记。
实验测试和参数设置：
实验是在Windows10×64位环境下，使用MATLAB 7.12.0（R2011a）执行的，实验所涉及到的均是分辨率为1000×700或者700×1000像素的彩色图像，可从以下站点进行下载：http://www.dicgim.unipa.it/cvip/ 。为本发明实施例篡改区域标记如图1所示；本发明实施例提取颜色不变量特征点结果如图2所示；本发明实施例利用Delaunay构造三角网格结果如图3所示；本发明实施例构造三角形内切圆结果如图4所示；本发明实施例利用Rg2NN进行三角网格特征匹配结果如图5所示；本发明实施例匹配区域标记结果如图6所示。

Claims (1)

1.一种基于局部网格匹配的彩色图像篡改检测方法，其特征在于按照如下步骤进行：
约定：I指待检测的图像；I1指经过高斯滤波预处理的图像；矩阵Ipts用于存放所有检测到的特征点的信息；矩阵tri用于存放三角形的三个顶点；Nmax为四元数指数矩的阶数；矩阵E_feature用于存放11个四元数指数矩矩值和相应的三角形位置；Rg2NN指逆序广义2近邻算法；BBF为优化查找算法；TRg2nn表示三角形网格的匹配阈值；Npix表示像素范围；RANSAC指参数估计方法；
ZNCC指立体匹配算法；
a.初始设置
读取待检测图像I，对I进行高斯滤波预处理得到图像I1；
b.颜色不变量特征点提取
b.1根据图像I1的色彩特征与几何结构特征，构造颜色不变量图像；
b.2对颜色不变量图像进行SURF特征点提取；
b.3将提取的特征点信息存入矩阵Ipts中，并在图像I1上显示所提取的特征点；
c.三角形网格不变量构造
利用Delaunay方法对提取的特征点构造三角形网格，并将构造的每个三角形网格的顶点放入矩阵tri中；
d.内切圆四元数指数矩计算
d.1利用三角形网格的顶点求其内切圆的圆心与半径；
d.2求图像I1上的每个内切圆的外拓正方形，并在外拓正方形的四周“补0”；
d.3将外拓正方形的直角坐标转化为极坐标并求出R、G、B分量，设置Nmax为5，利用傅里叶变换求各分量指数矩的分解Mn,l(fR)、Mn,l(fG)、Mn,l(fB)；
d.4按照下式计算内切圆的四元数指数矩矩值：
Figure FDA0002300345140000011
Figure FDA0002300345140000012
Figure FDA0002300345140000021
Figure FDA0002300345140000022
d.5选取11个矩值作为三角形网格的特征，并标识相应的三角形网格的位置；
d.6重复d.3～d.5，将所有三角形网格的特征及相应位置存入矩阵E_feature中；
e.Rg2NN快速匹配
e.1使用BBF算法计算每个三角形网格的近邻；
e.2计算每个三角形网格的特征描述子与其他三角形网格的特征描述子的欧几里德距离，并按从小到大的顺序排列，得到D＝{d1,d2,…,dm-1}；
e.3逆序计算特征描述子欧几里德距离之间的比值，即依次计算Ti＝di-1/di,i＝m,m-1,…，2，若Tk≥TRg2nn,m≥k≥2且Tk-1<TRg2nn，则说明待检测三角形网格和其距离{d1,d2,…,dk-2}的k-2个特征点均相似，其中TRg2nn取值为0.6；
e.4在Npix之外计算匹配三角形，设置Npix为20，避免距离较近的三角形网格由于纹理相似导致特征相似；
f.后处理
f.1利用RANSAC方法来消除错误匹配；
f.2最后使用ZNCC算法和形态学方法对匹配的区域进行标记。
CN201611200652.5A 2016-12-22 2016-12-22 基于局部网格匹配的彩色图像篡改检测方法 Expired - Fee Related CN106600598B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611200652.5A CN106600598B (zh) 2016-12-22 2016-12-22 基于局部网格匹配的彩色图像篡改检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611200652.5A CN106600598B (zh) 2016-12-22 2016-12-22 基于局部网格匹配的彩色图像篡改检测方法

Publications (2)

Publication Number Publication Date
CN106600598A CN106600598A (zh) 2017-04-26
CN106600598B true CN106600598B (zh) 2020-03-17

Family

ID=58602816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611200652.5A Expired - Fee Related CN106600598B (zh) 2016-12-22 2016-12-22 基于局部网格匹配的彩色图像篡改检测方法

Country Status (1)

Country Link
CN (1) CN106600598B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107993230B (zh) * 2017-12-18 2021-11-19 辽宁师范大学 基于三角网格综合特征的图像篡改检测方法
CN110147800A (zh) * 2019-05-20 2019-08-20 哈尔滨工业大学 基于sift的图像复制粘贴篡改盲检方法
CN110599478B (zh) * 2019-09-16 2023-02-03 中山大学 一种图像区域复制粘贴篡改检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105427350A (zh) * 2015-12-28 2016-03-23 辽宁师范大学 基于局部四元数指数矩的彩色图像复制篡改检测方法
CN105608701A (zh) * 2015-12-28 2016-05-25 辽宁师范大学 基于四元数圆谐矩的彩色图像分割方法
CN105631871A (zh) * 2015-12-28 2016-06-01 辽宁师范大学 基于四元数指数矩的彩色图像复制篡改检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105427350A (zh) * 2015-12-28 2016-03-23 辽宁师范大学 基于局部四元数指数矩的彩色图像复制篡改检测方法
CN105608701A (zh) * 2015-12-28 2016-05-25 辽宁师范大学 基于四元数圆谐矩的彩色图像分割方法
CN105631871A (zh) * 2015-12-28 2016-06-01 辽宁师范大学 基于四元数指数矩的彩色图像复制篡改检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JPEG IMAGE TAMPERING DETECTION USING BLOCKING ARTIFACTS;Dijana Tralic等;《2012 19th International Conference on Systems, Signals and Image Processing (IWSSIP)》;20120413;全文 *
局部彩色图像的篡改检测与内容修复方法研究;王向阳等;《辽宁师范大学学报（自然科学版）》;20131215;第36卷(第4期);全文 *
数字图像篡改盲取证技术研究;刘丽娟;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150815(第8期);全文 *

Also Published As

Publication number Publication date
CN106600598A (zh) 2017-04-26

Similar Documents

Publication Publication Date Title
Meena et al. A hybrid copy-move image forgery detection technique based on Fourier-Mellin and scale invariant feature transforms
CN110334762B (zh) 一种基于四叉树结合orb和sift的特征匹配方法
CN104778701A (zh) 一种基于rgb-d传感器的局部图像描述方法
CN106600598B (zh) 基于局部网格匹配的彩色图像篡改检测方法
CN105160686B (zh) 一种基于改进sift算子的低空多视角遥感影像匹配方法
US11042986B2 (en) Method for thinning and connection in linear object extraction from an image
Chen et al. Visible and infrared image registration based on region features and edginess
CN107180436A (zh) 一种改进的kaze图像匹配算法
Hui et al. Research of image matching algorithm based on SURF features
CN109003307B (zh) 基于水下双目视觉测量的捕鱼网目尺寸设计方法
Zhang et al. Saliency-driven oil tank detection based on multidimensional feature vector clustering for SAR images
Yao et al. An adaptive uniform distribution ORB based on improved quadtree
CN107993230B (zh) 基于三角网格综合特征的图像篡改检测方法
CN109993695B (zh) 一种不规则图形标注的图像碎片拼接方法及系统
Yu et al. High-Precision pixelwise SAR–optical image registration via flow fusion estimation based on an attention mechanism
CN107229935B (zh) 一种三角形特征的二进制描述方法
Lee et al. Backbone alignment and cascade tiny object detecting techniques for dolphin detection and classification
CN109815791B (zh) 基于血管的身份识别方法和装置
CN103996043A (zh) 图像不变特征区域的检测方法
CN111160363A (zh) 特征描述子生成方法、装置、可读存储介质及终端设备
Hasheminasab et al. An integrated ransac and graph based mismatch elimination approach for wide-baseline image matching
Wang et al. Edge detection from high-resolution remotely sensed imagery based on Gabor filter in frequency domain
Yin A comparative study on the method of extracting edge and contour information of multifunctional digital ship image
Muzaffer et al. Copy move forgery detection using gabor filter and orb
Chen et al. Efficient feature matching algorithms applied to robust image processing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for 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: 20200317

Termination date: 20201222

CF01 Termination of patent right due to non-payment of annual fee