CN108230411A - 一种篡改图像的检测方法和装置 - Google Patents

一种篡改图像的检测方法和装置 Download PDF

Info

Publication number
CN108230411A
CN108230411A CN201711498547.9A CN201711498547A CN108230411A CN 108230411 A CN108230411 A CN 108230411A CN 201711498547 A CN201711498547 A CN 201711498547A CN 108230411 A CN108230411 A CN 108230411A
Authority
CN
China
Prior art keywords
coefficient
absolute value
dct coefficient
image
matrix
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
Application number
CN201711498547.9A
Other languages
English (en)
Other versions
CN108230411B (zh
Inventor
王艳
余炜
宋海英
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.)
Chengdu Technological University CDTU
Chengdu Univeristy of Technology
Original Assignee
Chengdu Technological University CDTU
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 Chengdu Technological University CDTU filed Critical Chengdu Technological University CDTU
Priority to CN201711498547.9A priority Critical patent/CN108230411B/zh
Publication of CN108230411A publication Critical patent/CN108230411A/zh
Application granted granted Critical
Publication of CN108230411B publication Critical patent/CN108230411B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/007—Transform coding, e.g. discrete cosine transform
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20052—Discrete cosine transform [DCT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Discrete Mathematics (AREA)
  • Multimedia (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明提供了一种篡改图像的检测方法和装置，涉及数字图像检测的技术领域，包括：通过对待处理图像进行重叠分块并进行二维离散余弦变换，得到待处理图像中每个图像块的DCT系数矩阵，得到多个DCT系数矩阵；通过量化矩阵对每个DCT系数矩阵进行量化操作，得到多个量化之后的DCT系数矩阵；基于多个量化之后的DCT系数矩阵提取每个图像块的特征信息，得到多个图像块的特征信息；基于多个图像块的特征信息确定待处理图像是否被篡改，本发明缓解了现有篡改图像检测技术中未分析直流系数在二次量化过程中的变化特点的技术问题，达到了图像的篡改检测效果明显提高技术效果。

Description

一种篡改图像的检测方法和装置
技术领域
本发明涉及数字图像检测的技术领域，尤其是涉及一种篡改图像的检测方法和装置。
背景技术
随着信息高速公路、智能感知、物联网、大数据及人工智能的快速发展，数字图像处理技术的需求与日俱增。数字图像作为人类获取信息的重要来源和重要手段，已被广泛应用于人们日常生活和工作学习中的各个方面，包括电子政务中的公文审批、电子签名，电子商务中的合同、保险单、发票，法庭取证、新闻媒体等。与此同时，图像处理软件如美图秀秀、光影魔术手photoshop等软件的广泛使用，给大家的日常生活增添了乐趣之余，也被别有目的的篡改者用来精心的伪造数字图像。若篡改图像被滥用于科学发现、新媒体及法庭取证等方面，将会给社会带来严重的负面影响。
在已有的利用DCT系数特征进行图像篡改检测的方法中，都只研究了二次压缩过程中交流系数的改变，并未考虑到直流系数在二次量化过程中的变化。
针对上述问题，还未提出有效的解决方案。
发明内容
有鉴于此，本发明的目的在于提供一种篡改图像的检测方法和装置，以缓解了现有篡改图像检测技术中未分析直流系数在二次量化过程中的变化特点的技术问题。
第一方面，本发明实施例提供了一种篡改图像的检测方法，该方法包括：通过对待处理图像进行重叠分块并进行二维离散余弦变换，得到所述待处理图像中每个图像块的DCT系数矩阵，得到多个DCT系数矩阵；采用质量因子为QF的量化矩阵对每个所述DCT系数矩阵进行量化操作，得到多个量化之后的所述DCT系数矩阵；基于多个量化之后的所述DCT系数矩阵提取每个所述图像块的特征信息，得到多个图像块的特征信息；基于所述多个图像块的特征信息确定所述待处理图像是否被篡改。
进一步地，采用质量因子为QF的量化矩阵对每个所述DCT系数矩阵进行量化操作，得到多个量化之后的所述DCT系数矩阵包括：通过采用质量因子为QF的所述量化矩阵对所述DCT系数矩阵进行压缩操作，得到目标DCT系数矩阵。
进一步地，基于多个量化之后的所述DCT系数矩阵提取每个所述图像块的特征信息，得到所述多个图像块的特征信息包括：依次计算所述目标DCT系数矩阵中的直流系数和第一交流系数之间的第一差分绝对值，并基于所述第一差分绝对值确定第一组差分绝对值，其中，所述第一交流系数为所述目标DCT系数矩阵中第i行第j列的交流系数；依次计算所述第一交流系数和第二交流系数之间的第二差分绝对值，并基于所述第二差分绝对值确定第二组差分绝对值，其中，所述第二交流系数为JPEG编码过程中Z扫描方式下位于所述第一交流系数后且与所述第一交流系数相邻的交流系数；基于所述第一组差分绝对值和所述第二组差分绝对值确定所述图像块的特征信息。
进一步地，基于所述第一组差分绝对值和所述第二组差分绝对值确定所述图像块的特征信息包括：基于所述第一组差分绝对值和所述第二组差分绝对值构建直方图；基于所述直方图确定第一目标特征向量和第二目标特征向量，其中，所述第一目标特征向量用于表征直流系数和交流系数之间的差异化，所述第二目标特征向量用于表征交流系数和交流系数之间的差异化；将所述第一目标特征向量和所述第二目标特征向量作为所述图像块的特征信息。
进一步地，基于所述多个图像块的特征信息确定所述待处理图像是否被篡改包括：将所述多个图像块的特征信息输入至分类器中进行分析，以根据分析结果确定所述待处理图像是否被篡改。
第二方面，本发明实施例还提供一种篡改图像的检测装置，包括：图像处理装置，通过对待处理图像进行重叠分块并进行二维离散余弦变换，得到所述待处理图像中每个图像块的DCT系数矩阵，得到多个DCT系数矩阵；量化装置，采用质量因子为QF的量化矩阵对每个所述DCT系数矩阵进行量化操作，得到多个量化之后的所述DCT系数矩阵；特征提取装置，用于基于多个量化之后的所述DCT系数矩阵提取每个所述图像块的特征信息，得到多个图像块的特征信息；检测装置，用于基于所述多个图像块的特征信息确定所述待处理图像是否被篡改。
进一步地，所述量化装置还用于：通过采用质量因子为QF的所述量化矩阵对所述DCT系数矩阵进行压缩操作，得到目标DCT系数矩阵。
进一步地，所述特征提取装置还用于：依次计算所述目标DCT系数矩阵中的直流系数和第一交流系数之间的第一差分绝对值，并基于所述第一差分绝对值确定第一组差分绝对值，其中，所述第一交流系数为所述目标DCT系数矩阵中第i行第j列的交流系数；依次计算所述目标DCT系数矩阵中的第一交流系数和第二交流系数之间的第二差分绝对值，并基于所述第二差分绝对值确定第二组差分绝对值，其中，所述第二交流系数为JPEG编码过程中Z扫描方式下位于所述第一交流系数后且与所述第一交流系数相邻的交流系数；基于所述第一组差分绝对值和所述第二组差分绝对值确定所述图像块的特征信息。
进一步地，所述特征提取装置还用于：基于所述第一组差分绝对值和所述第二组差分绝对值构建直方图；基于所述直方图确定第一目标特征向量和第二目标特征向量，其中，所述第一目标特征向量用于表征直流系数和交流系数之间的差异化，所述第二目标特征向量用于表征交流系数和交流系数之间的差异化；将所述第一目标特征向量和所述第二目标特征向量作为所述图像块的特征信息。
进一步地，所述装置用于：将所述多个图像块的特征信息输入至分类器中进行分析，以根据分析结果确定所述待处理图像是否被篡改。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
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具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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的附图。
图1为本发明实施例提供的一种篡改图像的检测方法的流程图；
图2为本发明实施例提供的另一种篡改图像的检测方法的流程图；
图3为本发明实施例提供的DCT系数矩阵量化特征提取的详细流程图；
图4为本发明实施例提供的一种篡改图像的检测装置的示意图。
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，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。
实施例一：
根据本发明实施例，提供了一种篡改图像的检测方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种篡改图像的检测方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，通过对待处理图像进行重叠分块并进行二维离散余弦变换，得到所述待处理图像中每个图像块的DCT系数矩阵，得到多个DCT系数矩阵；
步骤S104，采用质量因子为QF的量化矩阵对每个所述DCT系数矩阵进行量化操作，得到多个量化之后的所述DCT系数矩阵；
步骤S106，基于多个量化之后的所述DCT系数矩阵提取每个所述图像块的特征信息，得到多个图像块的特征信息；
步骤S108，基于所述多个图像块的特征信息确定所述待处理图像是否被篡改。
需要说明的是，本发明实施例是在JPEG图像压缩特点的基础上，提出一种利用DCT系数差分绝对值差异特点进行篡改检测的新方法，上述步骤S102至步骤S108所描述的步骤均可以在图像篡改检测软件中来实现。
在本发明实施例中，首先，通过对待处理图像进行重叠分块并进行二维离散余弦变换，得到待处理图像中每个图像块的DCT系数矩阵，得到多个DCT系数矩阵；接着，通过量化矩阵对每个DCT系数矩阵进行量化操作，得到多个量化之后的DCT系数矩阵；然后，基于多个量化之后的DCT系数矩阵提取每个图像块的特征信息，得到多个图像块的特征信息；最后，基于多个图像块的特征信息确定待处理图像是否被篡改，从而缓解了现有技术中并未分析直流系数在二次量化过程中的变化特点的技术问题，达到了图像的篡改检测效果明显提高技术效果。
在本发明实施例中，步骤S102，通过对待处理图像进行重叠分块并进行二维离散余弦变换，得到所述待处理图像中每个图像块的DCT系数矩阵，得到多个DCT系数矩阵。
具体地，首先，将所述待处理图像输入数字图像检测软件中，其中，所述待处理图像为JPEG格式的灰度图像，大小为M*N，若图像为彩色图像，需要将彩色图像转化为灰度图像。
然后，按照从左上角到右下角的顺序将所述待处理图像分成(M-8+1)*(N-8+1)个可重叠的图像块(图像块大小为8*8)，每个块计为Bi,j，其中(i，j)为图像块左上角坐标。
最后，对每个图像块进行离散余弦变换，得到多个DCT系数矩阵。
在本发明实施例中，如图2所示，步骤S104，采用质量因子为QF的量化矩阵对每个所述DCT系数矩阵进行量化操作，得到多个量化之后的所述DCT系数矩阵，包括如下步骤：
步骤S1041，通过采用质量因子为QF的所述量化矩阵对所述DCT系数矩阵进行压缩操作，得到目标DCT系数矩阵。
在本发明实施例中，所述步骤S104为JPEG图像的量化阶段，所述量化阶段用于将所述多个DCT系数矩阵中的系数根据JPEG标准给出的标准量化表(所述量化表中的数据为对应位置的量化步长)进行量化，量化过程可以去除图像中大量的冗余信息，量化后的系数按从低频到高频的Z扫描方式进行排列，系数中第一位为直流系数，其余表示交流系数，最后一位是熵编码。
所述量化阶段包括通过采用质量因子为QF的所述量化矩阵对所述DCT系数矩阵进行压缩操作，从而得到目标DCT系数矩阵，其中，所述质量因子QF的值可以选取50或者80，通过控制质量因子的大小可以控制JPEG图像的压缩质量。
具体地，为得到目标DCT系数矩阵，可以通过下述公式获得，其中，q表示质量因子：
其中，i,j∈{1,2,…,8}
通过上述公式可以发现，当采用不同质量因子进行压缩时，量化矩阵中直流和交流位置对应的量化步长是不同的，随着质量因子的增大，量化步长逐渐减小；同时，根据Z扫描方式下直流与前9个交流系数位置的量化步长差异值可以发现，质量因子的不同导致了量化步长的差异，其中，直流位置量化步长差异最大，从而引起JPEG图像中DCT系数统计规律发生相应的变化。
在本发明实施例中，如图2所示，所述步骤S106，基于多个量化之后的所述DCT系数矩阵提取每个所述图像块的特征信息，得到所述多个图像块的特征信息，包括如下步骤：
步骤S1061，依次计算所述目标DCT系数矩阵中的直流系数和第一交流系数之间的第一差分绝对值，并基于所述第一差分绝对值确定第一组差分绝对值，其中，所述第一交流系数为所述目标DCT系数矩阵中第i行第j列的交流系数；
步骤S1062，依次计算所述目标DCT系数矩阵中的第一交流系数和第二交流系数之间的第二差分绝对值，并基于所述第二差分绝对值确定第二组差分绝对值，其中，所述第二交流系数为在JPEG编码过程中Z扫描方式下，位于所述第一交流系数后且与所述第一交流系数相邻的交流系数；
步骤S1063，基于所述第一组差分绝对值和所述第二组差分绝对值确定所述图像块的特征信息。
在本发明实施例中，计算所述目标DCT系数矩阵的直流系数和第一交流系数之间的第一差分绝对值，并基于所述第一差分绝对值确定第一组差分绝对值，其中，所述直流系数位于所述目标DCT系数矩阵的第一位，所述第一交流系数为所述目标DCT系数矩阵中第i行第j列的交流系数，即所述第一交流系数位于所述目标DCT系数矩阵的(i，j)位置。
计算所述目标DCT系数矩阵中的第一交流系数和第二交流系数之间的第二差分绝对值，并基于所述第二差分绝对值确定第二组差分绝对值，其中，如果所述第一交流系数的位置位于所述目标DCT系数矩阵的(i，j)位置，则所述第二交流系数则是在JPEG编码过程中Z扫描方式下，位于所述第一交流系数后且与所述第一交流系数相邻的交流系数。
所述第一组差分绝对值和所述第二组差分绝对值的计算思路与计算公式如下所述：
待处理图像经过量化阶段的压缩后，高频系数大多数为0，统计后的作用不明显。因此为了降低算法复杂度，仅对Z扫描方式下的前9个低频位置交流系数的差分绝对值进行统计。
设│DAi,j│表示直流与位置(i，j)交流系数的差分绝对值，│AAi,j│表示位置(i，j)交流系数与Z扫描方式下其后一个位置交流系数的差分绝对值，│DAi,j│和│AAi,j│出现的频次分别为DAHi,j(m)和AAHi,j(m)；其中，DAHi,j(m)为│DAHi,j│＝m出现的次数，AAHi,j(m)为│AAHi,j│＝m出现的次数，所述第一组差分绝对值和所述第二组差分绝对值，分别通过下述公式进行计算：
│DAi,j│＝m
│AAi,j│＝m
其中，DAi,j表示0至160之间的第一差分绝对值的求和结果。
其中，AAi,j表示0至15之间的第二差分绝对值的求和结果。
在本发明实施例中，如图3所示，步骤S1063，基于所述第一组差分绝对值和所述第二组差分绝对值确定所述图像块的特征信息，包括如下步骤：
步骤S31，基于所述第一组差分绝对值和所述第二组差分绝对值构建直方图；
步骤S32，基于所述直方图确定第一目标特征向量和第二目标特征向量，其中，所述第一目标特征向量用于表征直流系数和交流系数之间的差异化，所述第二目标特征向量用于表征交流系数和交流系数之间的差异化；
步骤S33，将所述第一目标特征向量和所述第二目标特征向量作为所述图像块的特征信息。
在本发明实施例中，分别计算出所述第一组差分绝对值和所述第二组差分绝对值后，根据图像空域像素直方图思想，构建DCT系数差分绝对值直方图；通过对所述DCT系数差分绝对值直方图中的数据进行比较，发现直流与交流系数的差分绝对值频次差异计算量较大，因此将m划分为[0，30)，[30，50)，[50，70)，[70，160)四个区间，如下所示：
然后，根据所述DCT系数差分绝对值直方图中的数据，分别计算第一目标特征向量(即，反映直流与交流系数差异化特征向量)和第二目标特征向量(即，反映交流与交流系数差异化特征向量)，计算公式如下所述：
第一目标特征向量计算公式：
第二目标特征向量计算公式：
根据上述公式进行计算后，每个图像块都可以得到包括所述第一目标特征向量和所述第二目标特征向量的(4+16)*9＝180个特征向量，将这些特征向量作为所述图像块的特征信息。
在本发明实施例中，如图2所示，步骤S108，基于所述多个图像块的特征信息确定所述待处理图像是否被篡改，包括如下步骤：
步骤S1081，将所述多个图像块的特征信息输入至分类器中进行分析，以根据分析结果确定所述待处理图像是否被篡改。
在本发明实施例中，将所述多个图像块的特征信息输入至分类器中进行分析，以根据分析结果确定所述待处理图像是否被篡改。
具体地，在本发明实施例中，分类器可以选取为支持向量机。可以预先对该支持向量机进行训练，在支持向量机的精度满足要求之后，就可以通过该支持向量机对多个图像块的特征信息进行分析。其中，在对支持向量机进行训练时，训练样本包括输入和输出，其中，输入是多个图像的特征信息，输出是“1”或者“-1”。其中，“1”表示该图像未被篡改，“-1”表示该图像被篡改。
在对多个图像块的特征信息进行分析时，输入至该支持向量机中的数据为多个图像块的特征信息，该支持向量机的输出即为能够表明该图像是否被篡改的结果信息，例如“1”或者“-1”。当输出结果为“1”时，表明该图像未被篡改，当输出结果为“-1”时，表表明该图像被篡改。与此同时，还能够确定该图像中被篡改的区域是具体是哪个区域。
实施例二：
本发明实施例还提供了一种篡改图像的检测装置，该篡改图像的检测装置主要用于执行本发明实施例上述内容所提供的图像的篡改检测方法，以下对本发明实施例提供的篡改图像的检测装置做具体介绍。
图4为根据本发明实施例的一种篡改图像的检测装置的示意图，如图4所示，该篡改图像的检测装置包括：图像处理装置10，量化装置20，特征提取装置30和检测装置40，其中，
所述图像处理装置10，通过对待处理图像进行重叠分块并进行二维离散余弦变换，得到所述待处理图像中每个图像块的DCT系数矩阵，得到多个DCT系数矩阵；
所述量化装置20，用于通过量化矩阵对每个所述DCT系数矩阵进行量化操作，得到多个量化之后的所述DCT系数矩阵；
所述特征提取装置30，用于基于多个量化之后的所述DCT系数矩阵提取每个所述图像块的特征信息，得到多个图像块的特征信息；
所述检测装置40，用于基于所述多个图像块的特征信息确定所述待处理图像是否被篡改。
在本发明实施例中，首先，通过对待处理图像进行重叠分块并进行二维离散余弦变换，得到待处理图像中每个图像块的DCT系数矩阵，得到多个DCT系数矩阵；接着，量化装置通过采用质量因子为QF的量化矩阵对每个所述DCT系数矩阵进行量化操作，得到多个量化之后的所述DCT系数矩阵；然后，特征提取装置基于多个量化之后的DCT系数矩阵提取每个图像块的特征信息，得到多个图像块的特征信息；最后，检测装置基于多个图像块的特征信息确定待处理图像是否被篡改，从而缓解了现有篡改图像检测技术中未分析直流系数在二次量化过程中的变化特点的技术问题，达到了图像的篡改检测效果明显提高技术效果。
可选地，所述量化装置20还用于：通过采用质量因子为QF的所述量化矩阵对所述DCT系数矩阵进行压缩操作，得到目标DCT系数矩阵。
可选地，所述特征提取装置30还用于：依次计算所述目标DCT系数矩阵中的直流系数和第一交流系数之间的第一差分绝对值，并基于所述第一差分绝对值确定第一组差分绝对值，其中，所述第一交流系数为所述目标DCT系数矩阵中第i行第j列的交流系数；依次计算所述目标DCT系数矩阵中的第一交流系数和第二交流系数之间的第二差分绝对值，并基于所述第二差分绝对值确定第二组差分绝对值，其中，所述第二交流系数为在JPEG编码过程中Z扫描方式下，位于所述第一交流系数后且与所述第一交流系数相邻的交流系数；基于所述第一组差分绝对值和所述第二组差分绝对值确定所述图像块的特征信息。
可选地，所述特征提取装置30还用于：基于所述第一组差分绝对值和所述第二组差分绝对值构建直方图；基于所述直方图确定第一目标特征向量和第二目标特征向量，其中，所述第一目标特征向量用于表征直流系数和交流系数之间的差异化，所述第二目标特征向量用于表征交流系数和交流系数之间的差异化；将所述第一目标特征向量和所述第二目标特征向量作为所述图像块的特征信息。
可选地，所述检测装置用于：将所述多个图像块的特征信息输入至分类器中进行分析，以根据分析结果确定所述待处理图像是否被篡改。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
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，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、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，在本发明各个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，可以存储在一个处理器可执行的非易失的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 AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
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)

1.一种篡改图像的检测方法，其特征在于，包括：
通过对待处理图像进行重叠分块并进行二维离散余弦变换，得到所述待处理图像中每个图像块的DCT系数矩阵，得到多个DCT系数矩阵；
采用质量因子为QF的量化矩阵对每个所述DCT系数矩阵进行量化操作，得到多个量化之后的所述DCT系数矩阵；
基于多个量化之后的所述DCT系数矩阵提取每个所述图像块的特征信息，得到多个图像块的特征信息；
基于所述多个图像块的特征信息确定所述待处理图像是否被篡改。
2.根据权利要求1所述的方法，其特征在于，采用质量因子为QF的量化矩阵对每个所述DCT系数矩阵进行量化操作，得到多个量化之后的所述DCT系数矩阵包括：
通过采用质量因子为QF的所述量化矩阵对所述DCT系数矩阵进行压缩操作，得到目标DCT系数矩阵。
3.根据权利要求2所述的方法，其特征在于，基于多个量化之后的所述DCT系数矩阵提取每个所述图像块的特征信息，得到所述多个图像块的特征信息包括：
依次计算所述目标DCT系数矩阵中的直流系数和第一交流系数之间的第一差分绝对值，并基于所述第一差分绝对值确定第一组差分绝对值，其中，所述第一交流系数为所述目标DCT系数矩阵中第i行第j列的交流系数；
依次计算所述目标DCT系数矩阵中的第一交流系数和第二交流系数之间的第二差分绝对值，并基于所述第二差分绝对值确定第二组差分绝对值，其中，所述第二交流系数为在JPEG编码过程中Z扫描方式下，位于所述第一交流系数后且与所述第一交流系数相邻的交流系数；
基于所述第一组差分绝对值和所述第二组差分绝对值确定所述图像块的特征信息。
4.根据权利要求3所述的方法，其特征在于，基于所述第一组差分绝对值和所述第二组差分绝对值确定所述图像块的特征信息包括：
基于所述第一组差分绝对值和所述第二组差分绝对值构建直方图；
基于所述直方图确定第一目标特征向量和第二目标特征向量，其中，所述第一目标特征向量用于表征直流系数和交流系数之间的差异化，所述第二目标特征向量用于表征交流系数和交流系数之间的差异化；
将所述第一目标特征向量和所述第二目标特征向量作为所述图像块的特征信息。
5.根据权利要求1至4中任一项所述的方法，其特征在于，基于所述多个图像块的特征信息确定所述待处理图像是否被篡改包括：
将所述多个图像块的特征信息输入至分类器中进行分析，以根据分析结果确定所述待处理图像是否被篡改。
6.一种篡改图像的检测装置，其特征在于，包括：
图像处理装置，通过对待处理图像进行重叠分块并进行二维离散余弦变换，得到所述待处理图像中每个图像块的DCT系数矩阵，得到多个DCT系数矩阵；
量化装置，采用质量因子为QF的量化矩阵对每个所述DCT系数矩阵进行量化操作，得到多个量化之后的所述DCT系数矩阵；
特征提取装置，用于基于多个量化之后的所述DCT系数矩阵提取每个所述图像块的特征信息，得到多个图像块的特征信息；
检测装置，用于基于所述多个图像块的特征信息确定所述待处理图像是否被篡改。
7.根据权利要求6所述的装置，其特征在于，所述量化装置还用于：
通过采用质量因子为QF的所述量化矩阵对所述DCT系数矩阵进行压缩操作，得到目标DCT系数矩阵。
8.根据权利要求7所述的装置，其特征在于，所述特征提取装置还用于：
依次计算所述目标DCT系数矩阵中的直流系数和第一交流系数之间的第一差分绝对值，并基于所述第一差分绝对值确定第一组差分绝对值，其中，所述第一交流系数为所述目标DCT系数矩阵中第i行第j列的交流系数；
依次计算所述目标DCT系数矩阵中的第一交流系数和第二交流系数之间的第二差分绝对值，并基于所述第二差分绝对值确定第二组差分绝对值，其中，所述第二交流系数为在JPEG编码过程中Z扫描方式下，位于所述第一交流系数后且与所述第一交流系数相邻的交流系数；
基于所述第一组差分绝对值和所述第二组差分绝对值确定所述图像块的特征信息。
9.根据权利要求8所述的装置，其特征在于，所述特征提取装置还用于：
基于所述第一组差分绝对值和所述第二组差分绝对值构建直方图；
基于所述直方图确定第一目标特征向量和第二目标特征向量，其中，所述第一目标特征向量用于表征直流系数和交流系数之间的差异化，所述第二目标特征向量用于表征交流系数和交流系数之间的差异化；
将所述第一目标特征向量和所述第二目标特征向量作为所述图像块的特征信息。
10.根据权利要求6至9中任一项所述的装置，所述检测装置用于：
将所述多个图像块的特征信息输入至分类器中进行分析，以根据分析结果确定所述待处理图像是否被篡改。
CN201711498547.9A 2017-12-29 2017-12-29 一种篡改图像的检测方法和装置 Active CN108230411B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711498547.9A CN108230411B (zh) 2017-12-29 2017-12-29 一种篡改图像的检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711498547.9A CN108230411B (zh) 2017-12-29 2017-12-29 一种篡改图像的检测方法和装置

Publications (2)

Publication Number Publication Date
CN108230411A true CN108230411A (zh) 2018-06-29
CN108230411B CN108230411B (zh) 2021-03-09

Family

ID=62644943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711498547.9A Active CN108230411B (zh) 2017-12-29 2017-12-29 一种篡改图像的检测方法和装置

Country Status (1)

Country Link
CN (1) CN108230411B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111709883A (zh) * 2019-03-01 2020-09-25 阿里巴巴集团控股有限公司 一种图像检测方法、装置及设备
CN111932544A (zh) * 2020-10-19 2020-11-13 鹏城实验室 篡改图像检测方法、装置及计算机可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1858799A (zh) * 2005-05-08 2006-11-08 中国科学院计算技术研究所 一种数字图像哈希签名方法
CN103345758A (zh) * 2013-07-25 2013-10-09 南京邮电大学 基于dct统计特征的jpeg图像区域复制篡改盲检测方法
CN103796017A (zh) * 2014-01-23 2014-05-14 深圳大学 一种图像判别装置及其判别方法
US20170091588A1 (en) * 2015-09-02 2017-03-30 Sam Houston State University Exposing inpainting image forgery under combination attacks with hybrid large feature mining
CN107204007A (zh) * 2017-05-22 2017-09-26 天津大学 一种基于截断dct域系数的复制粘贴盲取证方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1858799A (zh) * 2005-05-08 2006-11-08 中国科学院计算技术研究所 一种数字图像哈希签名方法
CN103345758A (zh) * 2013-07-25 2013-10-09 南京邮电大学 基于dct统计特征的jpeg图像区域复制篡改盲检测方法
CN103796017A (zh) * 2014-01-23 2014-05-14 深圳大学 一种图像判别装置及其判别方法
US20170091588A1 (en) * 2015-09-02 2017-03-30 Sam Houston State University Exposing inpainting image forgery under combination attacks with hybrid large feature mining
CN107204007A (zh) * 2017-05-22 2017-09-26 天津大学 一种基于截断dct域系数的复制粘贴盲取证方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
GUOBO LI等: "A Self-embedded Watermarking Scheme Based on Relationship Function of Corresponding Inter-blocks DCT Coefficient", 《IEEE XPLORE》 *
ZHANG SHI-QIANG等: "The Image Compression Method Based on Adaptive Segment and Adaptive Quantified", 《IEEE XPLORE》 *
杨富圣等: "一种基于差分DCT系数对直方图的图像取证方法", 《电子学报》 *
韩洪立等: "多重JPEG压缩图像的压缩痕迹检测", 《应用科学学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111709883A (zh) * 2019-03-01 2020-09-25 阿里巴巴集团控股有限公司 一种图像检测方法、装置及设备
CN111709883B (zh) * 2019-03-01 2023-06-13 阿里巴巴集团控股有限公司 一种图像检测方法、装置及设备
CN111932544A (zh) * 2020-10-19 2020-11-13 鹏城实验室 篡改图像检测方法、装置及计算机可读存储介质

Also Published As

Publication number Publication date
CN108230411B (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
CA2400085C (en) Visual attention system
CN107909039B (zh) 基于并行算法的高分辨率遥感影像的地表覆盖分类方法
Duanmu et al. Fast CU partition decision using machine learning for screen content compression
CN112528969B (zh) 人脸图像的真伪检测方法、系统、计算机设备和存储介质
US20230008085A1 (en) Method for embedding watermark in video data and apparatus, method for extracting watermark in video data and apparatus, device, and storage medium
CN108737841A (zh) 编码单元深度确定方法及装置
CN109948397A (zh) 一种人脸图像校正方法、系统及终端设备
CN107944459A (zh) 一种rgb‑d物体识别方法
CN109670491A (zh) 鉴别人脸图像的方法、装置、设备和存储介质
Chen et al. JSNet: a simulation network of JPEG lossy compression and restoration for robust image watermarking against JPEG attack
Kumar et al. Near lossless image compression using parallel fractal texture identification
CN112801846A (zh) 一种水印嵌入、提取方法、装置、计算机设备和存储介质
CN111488810A (zh) 人脸识别方法、装置、终端设备及计算机可读介质
Nirmal Jothi et al. Tampering detection using hybrid local and global features in wavelet-transformed space with digital images
CN113808277A (zh) 一种图像处理方法及相关装置
CN108230411A (zh) 一种篡改图像的检测方法和装置
CN110163095B (zh) 回环检测方法、回环检测装置及终端设备
Niu et al. Image retargeting quality assessment based on registration confidence measure and noticeability-based pooling
CN113298931B (zh) 一种物体模型的重建方法、装置、终端设备和存储介质
Das et al. Image splicing detection with principal component analysis generated low-dimensional homogeneous feature set based on local binary pattern and support vector machine
CN106056575B (zh) 一种基于似物性推荐算法的图像匹配方法
Sheng et al. Detection of content-aware image resizing based on Benford’s law
CN109741300A (zh) 一种适用于视频编码的图像显著性快速检测方法和装置
Huang et al. Anti-forensics for double JPEG compression based on generative adversarial network
Pei et al. VIFST: Video Inpainting Localization Using Multi-view Spatial-Frequency Traces

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