CN109544502B - 一种jpeg图像下采样因子估计方法 - Google Patents

一种jpeg图像下采样因子估计方法 Download PDF

Info

Publication number
CN109544502B
CN109544502B CN201811115770.5A CN201811115770A CN109544502B CN 109544502 B CN109544502 B CN 109544502B CN 201811115770 A CN201811115770 A CN 201811115770A CN 109544502 B CN109544502 B CN 109544502B
Authority
CN
China
Prior art keywords
image
calculating
distribution
downsampling factor
jpeg
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.)
Active
Application number
CN201811115770.5A
Other languages
English (en)
Other versions
CN109544502A (zh
Inventor
卢伟
刘先进
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.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen 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 Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN201811115770.5A priority Critical patent/CN109544502B/zh
Publication of CN109544502A publication Critical patent/CN109544502A/zh
Application granted granted Critical
Publication of CN109544502B publication Critical patent/CN109544502B/zh
Active 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及数字图像取证技术领域，更具体地，涉及一种基于频谱分析和差分图像极值点距离分布的JPEG图像下采样因子估计方法。本发明首先计算差分图像的局部极值点，并获取其相邻极值点距离的分布。通过秩统计分析以及大量实验表明原始未压缩图像的差分极值点距离分布服从几何分布，而JPEG图像分布存在周期性峰值。因此该分布可用于检验图像是否存在JPEG块效应并获取其下采样因子的区间估计。对差分图像计算2D傅里叶变换并通过极大值滤波器定位频谱峰值点。结合差分图像极值点距离分布方法和频谱分析方法获取最终下采样因子估计。

Description

一种JPEG图像下采样因子估计方法
技术领域
本发明涉及数字图像取证技术领域，更具体地，涉及一种基于频谱分析和差分图像极值点距离分布的JPEG图像下采样因子估计方法。
背景技术
近年来，随着图像编辑软件和处理技术的快速发展，不会留下视觉痕迹的数字图像内容篡改变得越来越容易，如果数字图像被恶意篡改传播，必然会对人们的生活造成恶劣的影响。这种现状就要求数字图像取证技术对数字图像能够进行准确的辨别。因此，如何实现数字图像在传播、共享和应用过程中的内容真实性和安全性的可靠认证具有重要的实际意义。
图像重采样检测是数字图像取证技术的一个重要分支。当一幅图像被篡改时，例如拷贝某幅图像的一部分到原始图像中，通常需要进行几何变换如缩放、旋转、拉伸等操作来掩盖篡改痕迹。而几何变换往往涉及到插值和重采样操作，图像重采样检测即是检测图像是否存在几何变换痕迹。有效的数字图像重采样检测技术在信息安全体系中发挥着非常重要的作用。图像重采样检测技术主要可以应用在：司法刑侦取证、保险理赔、新闻等应用领域中。
现有的图像重采样检测技术主要分为两种：一种基于像素相关性的方法，这类方法基于图像重采样中插值过程中相邻像素之间存在相关性，这种相关性体现为差分图像的二阶统计特征存在周期性。通过DFT，这种周期性可以通过频谱的方式展现出了；另一种方法是基于机器学习，例如基于标准化能量密度的检测方法，该方法检测不同窗口大小的二阶差分图像的频率域标准化能量密度并将该特征用于训练SVM分类器，但该方法并不适用于参数估计和JPEG压缩图像。
发明内容
JPEG是目前最为主流的的图像格式。由于JPEG是有损压缩的，JPEG块效应会导致重采样检测方法检测到周期性的JPEG峰值，并且下采样的检测特征较弱。因此传统重采样检测技术很难有效取证JPEG图像下采样。本发明的目的在于克服现有技术的不足，提供一种基于频谱分析和差分图像极值点距离分布的JPEG图像下采样因子估计方法，能够有效地检测待测数字图像是否经过下采样操作，并估计其缩放因子。具有高效和鲁棒性高的优点。
为解决上述问题，本发明提供的技术方案为：一种基于频谱分析和差分图像极值点距离分布的JPEG图像下采样因子估计方法，其中，包括以下步骤：
S1.对待测图像进行色彩通道选择：如果待测图像是灰度图像则直接进行S2步骤，如果训练图像是彩色图像，则首先选择G通道再进行S2步骤；
S2.对S1步骤得到的图像计算其差分的局部极值点，并获取其相邻极值点距离的分布：对差分图像进行局部极值滤波，并计算相邻极值点的距离分布；
S3.获取下采样因子区间估计：对经过S2步骤得到的分布图并计算峰值周期T，得到区间估计
Figure GDA0004220951440000021
S4.计算差分频谱；对S1步骤得到的图像计算其差分的平方，再计算2D傅里叶变换并得到能量频谱图；
S5.获取下采样峰值点：结合S3得到的区间估计和S4的频谱图，选择满足估计区间的最高峰值点；
S6.估计下采样因子：S5得到的下采样峰值位置为P，则下采样因子估计值为
Figure GDA0004220951440000022
根据下采样因子估计值
Figure GDA0004220951440000023
确定所述JPEG图像是否经过篡改。
在本发明中，首次提出在差分图像极值点距离分布进行数字图像重采样篡改检测，充分利用了JPEG图像的块效应，能有效估计下采样区间。弥补了频谱估计方法的不确定性。
进一步地，所述的S3步骤具体包括：
S31.获得随机变量序列{Xn}，
Figure GDA0004220951440000024
的样本值，其中Xn表示第n对相邻极值点之间的距离，N表示总的样本数；
S32.计算频率
Figure GDA0004220951440000025
其中函数1(Xn＝i)表示为
Figure GDA0004220951440000026
S33.绘制P{i}的离散分布图，并对其进行X2检验是否服从几何分布，如果服从几何分布即检测不到JPEG块效应，否则计算峰值周期T。
进一步地，所述的S4步骤具体包括：
S41.对S1步骤得到的图像进行卷积操作，卷积核定义为[1，-2，1]，得到差分图像；
S42.计算差分图像的平方，然后计算每列信号的方差得到特征向量[v1,v2,…,vn],；
S43.计算S42步骤得到的特征向量的傅里叶变换以及其频谱图。
进一步地，所述的S5步骤具体包括：
S51.根据S3所得区间估计限定S4所得频谱的频率区间：S3所得下采样因子区间估计为
Figure GDA0004220951440000031
而下采样因子λ与频率的关系为
Figure GDA0004220951440000032
因此频率区间为
Figure GDA0004220951440000033
S52.选择S51所得频率区间内具有最强频谱强度的频率fn；
S53.计算下采样因子估计值，其公式为
Figure GDA0004220951440000034
与现有技术相比，有益效果是：本发明首先计算差分图像极值点距离分布，充分利用了JPEG图像的块效应，能有效估计下采样区间。通过极值点距离分布得到的下采样区间估计来选定下采样峰值，以此获取下采样因子的最终估计。因此该算法解决了JPEG图像的下采样检测且检测准确率相较于现有算法有了极大的提升。
附图说明
图1为本发明方法流程图。
图2为本发明实施例中差分图像极值点距离分布直方图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。
如图1所示，一种基于频谱分析和差分图像极值点距离分布的JPEG图像下采样因子估计方法，其中，包括以下步骤：
步骤1：选取图像测试数据集：
本实例中使用Dresden图像集中500幅原始未压缩图像。为避免图像中可能存在的CFA差值痕迹，每张图像都首先使用最近邻插值核缩小2倍。
步骤2.对待测图像进行色彩通道选择：测试图像集中所有图像都是彩色图像，则首先选择G通道再进行后续操作；
步骤3.对步骤2得到的图像计算其差分的局部极值点，并获取其相邻极值点距离的分布：对差分图像进行局部极值滤波，并计算相邻极值点的距离分布；
具体的处理过程如下：
S31.对步骤2得到的图像进行卷积操作，卷积核定义为[-1 1]，得到差分图像；
S32.对S31得到的差分图像进行极值滤波，序列{xn}极值点定义为
xm＝{xn|xn＞xn+δor xn＞xn+δ}
δ为预设参数，在本算法内设定为4，找出所有极值点，计算水平方向上相邻极值点的距离，获得随机变量序列{Xn}，
Figure GDA0004220951440000041
的样本值，其中Xn表示第n对相邻极值点之间的距离，N表示总的样本数；
S33.计算频率
Figure GDA0004220951440000042
其中函数1(Xn＝i)表示为
Figure GDA0004220951440000043
S33.绘制P{i}的离散分布图，并对其进行X2检验是否服从几何分布，如果服从几何分布即检测不到JPEG块效应，否则必然存在周期性的JPEG块效应峰值，计算峰值周期T。
S34.获取下采样因子区间估计：对经过S3步骤得到的分布图并计算峰值周期T，得到区间估计
Figure GDA0004220951440000044
步骤4.计算差分频谱；对S1步骤得到的图像计算其差分的平方，再计算2D傅里叶变换并得到能量频谱图；
具体的处理过程如下：
S41.对S1步骤得到的图像进行卷积操作，卷积核定义为[1，-2，1]，得到二阶差分图像；
S42.计算差分图像的平方，然后计算每列信号的方差得到特征向量[1,2,…,n],；
S43.计算S42步骤得到的特征向量的傅里叶变换以及其能量频谱图；
步骤5.获取下采样峰值点：结合S3得到的区间估计和S4的频谱图，选择满足估计区间的最高峰值点；
进一步地，所述的S5步骤具体包括：
S51.根据S3所得区间估计限定S4所得频谱的频率区间：S3所得下采样因子区间估计为
Figure GDA0004220951440000051
下采样因子λ与频率关系为
Figure GDA0004220951440000052
因此频率区间为
Figure GDA0004220951440000053
S52.选择S51所得频率区间内具有最强频谱强度的频率fn
步骤6.估计下采样因子：S5得到的下采样峰值位置为P，则下采样因子估计值为
Figure GDA0004220951440000054
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (4)

1.一种JPEG图像下采样因子估计方法，其特征在于，包括以下步骤：
S1.对待测图像进行色彩通道选择：如果待测图像是灰度图像则直接进行S2步骤，如果待测图像是彩色图像，则首先选择绿色G通道再进行S2步骤；
S2.对S1步骤得到的图像计算其差分的局部极值点，并获取其相邻极值点距离的分布：对差分图像进行局部极值滤波，并计算相邻极值点的距离分布；
S3.获取下采样因子区间估计：对经过S2步骤得到的相邻极值点的距离分布并计算峰值周期T，得到区间估计
Figure FDA0004220951430000011
S4.计算差分频谱；对S1步骤得到的图像计算其差分的平方，再计算傅里叶变换并得到频谱图；
S5.获取下采样峰值点：结合S3得到的区间估计和S4的频谱图，选择满足估计区间的最高峰值点；
S6.估计下采样因子：S5得到的下采样峰值位置为P，则下采样因子估计值为
Figure FDA0004220951430000012
根据下采样因子估计值
Figure FDA0004220951430000016
确定所述JPEG图像是否经过篡改。
2.根据权利要求1所述的一种JPEG图像下采样因子估计方法，其特征在于，所述的S3步骤具体包括：
S31.获得随机变量序列{Xn}，
Figure FDA0004220951430000015
的样本值，其中Xn表示第n对相邻极值点之间的距离，N表示总的样本数；
S32.计算频率
Figure FDA0004220951430000013
其中函数1(Xn＝i)表示为
Figure FDA0004220951430000014
S33.绘制P{i}的离散分布图，并对其进行X2检验是否服从几何分布，如果服从几何分布，即表示检测不到JPEG块效应，表示JPEG图像未经过篡改；否则计算峰值周期T。
3.根据权利要求1所述的一种JPEG图像下采样因子估计方法，其特征在于，所述的S4步骤具体包括：
S41.对S1步骤得到的图像进行卷积操作，卷积核定义为[1，-2，1]，得到差分图像；
S42.计算差分图像的平方，然后计算每列信号的方差得到特征向量[v1,v2,…,vn]；
S43.计算S42步骤得到的特征向量的傅里叶变换以及其频谱图。
4.根据权利要求1所述的一种JPEG图像下采样因子估计方法，其特征在于，所述的S5步骤具体包括：
S51.根据S3所得区间估计限定S4所得频谱的频率区间：S3所得下采样因子区间估计为
Figure FDA0004220951430000021
而下采样因子λ与频率的关系为
Figure FDA0004220951430000022
因此频率区间为
Figure FDA0004220951430000023
S52.选择S51所得频率区间内具有最强频谱强度的频率fn；
S53.计算下采样因子估计值，其公式为
Figure FDA0004220951430000024
CN201811115770.5A 2018-09-25 2018-09-25 一种jpeg图像下采样因子估计方法 Active CN109544502B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811115770.5A CN109544502B (zh) 2018-09-25 2018-09-25 一种jpeg图像下采样因子估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811115770.5A CN109544502B (zh) 2018-09-25 2018-09-25 一种jpeg图像下采样因子估计方法

Publications (2)

Publication Number Publication Date
CN109544502A CN109544502A (zh) 2019-03-29
CN109544502B true CN109544502B (zh) 2023-06-30

Family

ID=65841158

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811115770.5A Active CN109544502B (zh) 2018-09-25 2018-09-25 一种jpeg图像下采样因子估计方法

Country Status (1)

Country Link
CN (1) CN109544502B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5289548A (en) * 1992-06-30 1994-02-22 Loral Aerospace Corp. Compression and reconstruction of radiological images
CN106709915A (zh) * 2017-01-06 2017-05-24 天津大学 一种图像重采样操作检测方法
WO2018032270A1 (en) * 2016-08-15 2018-02-22 Qualcomm Incorporated Low complexity tamper detection in video analytics

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7956930B2 (en) * 2006-01-06 2011-06-07 Microsoft Corporation Resampling and picture resizing operations for multi-resolution video coding and decoding
CN1916958A (zh) * 2006-07-20 2007-02-21 中山大学 一种jpeg图像的篡改检测方法
US8121434B2 (en) * 2008-06-13 2012-02-21 Microsoft Corporation Multi-pass image resampling
CN103020901A (zh) * 2012-12-05 2013-04-03 上海电力学院 数字图像旋转角度的盲估计方法
CN104036485A (zh) * 2013-08-21 2014-09-10 江南大学 一种关于图像重采样篡改检测的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5289548A (en) * 1992-06-30 1994-02-22 Loral Aerospace Corp. Compression and reconstruction of radiological images
WO2018032270A1 (en) * 2016-08-15 2018-02-22 Qualcomm Incorporated Low complexity tamper detection in video analytics
CN106709915A (zh) * 2017-01-06 2017-05-24 天津大学 一种图像重采样操作检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于重采样检测的JPEG图像拼接篡改取证;谢鹏程;李峰;;计算技术与自动化(第01期);第77-81页 *
重采样图像的盲检测技术;姚恒;魏为民;唐振军;;计算机工程与应用(第30期);第166-168页 *

Also Published As

Publication number Publication date
CN109544502A (zh) 2019-03-29

Similar Documents

Publication Publication Date Title
Kang et al. Robust median filtering forensics using an autoregressive model
CN107067389B (zh) 一种图像篡改盲取证方法
Liu et al. Downscaling factor estimation on pre-JPEG compressed images
Peng et al. A complete passive blind image copy-move forensics scheme based on compound statistics features
Cooper Improved photo response non-uniformity (PRNU) based source camera identification
Muhammad et al. Copy-move forgery detection using dyadic wavelet transform
CN111612741B (zh) 一种基于失真识别的精确无参考图像质量评价方法
Birajdar et al. Blind method for rescaling detection and rescale factor estimation in digital images using periodic properties of interpolation
Chen et al. Detection of operation chain: JPEG-resampling-JPEG
CN104408728A (zh) 一种基于噪声估计的伪造图像检测方法
Feng et al. An energy-based method for the forensic detection of re-sampled images
CN106709915B (zh) 一种图像重采样操作检测方法
KR100887183B1 (ko) 얼굴인식 전처리장치 및 방법과 이를 이용한얼굴인식시스템
Zhou et al. Image splicing detection based on image quality and analysis of variance
Mahdian et al. Detection of resampling supplemented with noise inconsistencies analysis for image forensics
CN108269221B (zh) 一种jpeg重压缩图像篡改定位方法
Muhammad Multi-scale local texture descriptor for image forgery detection
CN111275687B (zh) 一种基于连通区域标记的细粒度图像拼接检测方法
CN109544502B (zh) 一种jpeg图像下采样因子估计方法
Wang et al. Coarse-to-fine grained image splicing localization method based on noise level inconsistency
Qiao et al. Classifying between computer generated and natural images: An empirical study from RAW to JPEG format
CN106845540B (zh) 一种图像重采样操作插值类型识别方法
Zhan et al. An image splicing detection method based on PCA minimum eigenvalues.
Sahu et al. Exposing image resizing utilizing welch power spectral density analysis for double compressed JPEG images
Birajdar et al. Blind authentication of resampled images and rescaling factor estimation

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