CN110555792B - 基于归一化直方图综合特征向量的图像篡改盲检测方法 - Google Patents

Abstract

本发明公开了基于归一化直方图综合特征向量的图像篡改盲检测方法，包括步骤：输入M×N图像；使用离散小波变换对灰度图像进行滤波；使用直径为d的圆形滑动窗口将图像S分割成相互重叠的圆形图像块；对每个图像块都提取6个特征；对特征向量E进行归一化；将所有图像块的特征向量T组成矩阵K；对矩阵K进行字典排序；使用匹配函数来比较矩阵Kl中相邻两组特征向量来寻找相似图像对；使用欧几里得距离制定过滤规则；匹配的图像块所对应的中心为匹配点的位置，对应的区域是潜在的复制篡改区域，并把其标识出来。本发明缩小了图像尺寸，大大地提高了算法的效率；有效地检测出经过几何变换后的篡改区域，提高检测的准确度。

Description

基于归一化直方图综合特征向量的图像篡改盲检测方法

技术领域

本发明涉及图像信息安全领域，尤其涉及基于归一化直方图综合特征向量的图像篡改盲检测方法。

背景技术

图像伪造的方法有多种。美国达特茅斯学院的Hany Farid教授将图像篡改手段划分为六类：加强、合成、变体、润饰、绘制、计算机生成。

图像合成操作是最常见的一种数字图像篡改操作，也称复制-粘贴操作，即将图中某部分内容复制粘贴到图中的另外一个位置，这样可以达到掩盖图中人或物体的目的，而达到合成目标效果。针对这种图像篡改方法，Fridrich J.,Soukal D.,Lukas J,2003.Detection of copy–move forgery in digital images.In Proceedings ofDigital Forensic Research Workshop,Cleveland,OH,USA,August,pp:55-61提出一种基于离散余弦变换(DCT)块匹配检测方法，提高了穷举搜索算法的效率。

A.C.Popescu,H.Farid,2004.Exposing digital forgeries by detectingduplicated image regions,Technical Report,TR2004-515,Department of ComputerScience,Dartmouth college提出了使用主成分分析(PCA)而不是离散余弦变换把特征向量进行降维，有效降低运算的维数。

此后，吴琼，李国辉,，孙韶杰，涂丹，2008，基于小波和奇异值分解的图像复制伪造区域检测，小型微型计算机系统，Vol.29,No.4,pp:730-733利用离散小波将原图像提取低频部分图像后再进行分块，利用奇异值分解进行降维，最后通过字典排序查找，进一步减少了运算量。

赵俊红，2012。基于投影数据主成分分析的图像复制伪造检测，计算机工程。Vol.38.No.10，pp:203-205也针对Posucue传统算法检测慢的问题，提出一种基于投影数据主成分分析(PCA)的图像篡改检测算法。利用分块图像的行、列投影构建图像块投影特征矩阵，通过PCA对其降维，并使用字典排序法进行排序，结合图像块偏移置信距离判断图像复制-粘贴区域，完成被动取证。

申铉京，朱叶，吕颖达，陈海鹏，2014，基于SIFT和HSI模型的彩色图像复制-粘贴盲鉴别算法，吉林大学学报(工程和技术版)Vol.44,No.19,July.pp:171-176提出基于SIFT和HIS的算法能够降低错误的匹配率和对于被高斯模糊，白噪声和JPEG压缩的篡改后的图像具有更高的鲁棒性。

以上方法可以检测出图像的复制-粘贴篡改区域，但是均存在运算量大，耗时较多，准确率不高的特点，而且对于经过几何变换后的篡改区域，检测的准确度不高。

发明内容

为克服现有技术的不足，本发明提出基于归一化直方图综合特征向量的图像篡改盲检测方法。

本发明的技术方案是这样实现的：基于归一化直方图综合特征向量的图像篡改盲检测方法，包括步骤：

步骤1、输入M×N图像，如果其为彩色图像，则利用PAL-D电视制式的亮度公式Y＝0.222R+0.707G+0.071B将其转换成灰度图像，其中，R为红色，G为绿色，B为蓝色；

步骤2、使用离散小波变换对灰度图像进行滤波，提取低频部分的图像S，其中图像S的尺寸为M/2×N/2；

步骤3、使用直径为d的圆形滑动窗口将图像S分割成相互重叠的圆形图像块，其中图像块的个数为L＝[M/2-d+1]×[N/2-d+1]；

步骤4、对每个图像块都提取6个特征，构成特征向量E＝[f₁,f₂,f₃,f₄,f₅,f₆]；

步骤5、对特征向量E进行归一化，归一化的向量形式如下：

其中，

步骤6、将所有图像块的特征向量T组成矩阵K，其中矩阵K的尺寸为L×6的矩阵K，其中L为图像块的个数，6为图像块的特征数；

步骤7、对矩阵K进行字典排序，得到矩阵Kl，矩阵K和Kl的尺寸一致；

步骤8、使用匹配函数来比较矩阵Kl中相邻两组特征向量来寻找相似图像对，匹配函数的公式如下：

其中，e_j,k为第k个图像块的第j个特征，k＝1,2,…,L。由匹配函数公式可知，当第k个图像块匹配函数的值为最小时，可以将两个相似的图像块匹配起来；

步骤9、使用欧几里得距离制定过滤规则，设两个相似图像块的中心坐标为：(x₁,y₁)和(x₂,y₂)，则两个相似图像块的欧几里得距离D如下所示：

如果D满足阈值设定，则将该两个图像块保留下来，否则，将该两个图像块过滤；

步骤10、匹配的图像块所对应的中心为匹配点的位置，对应的区域是潜在的复制篡改区域，并把其标识出来。

进一步地，步骤4包括步骤：

步骤4a、提取直方图不变矩特征，设图像块f(x,y),其灰度值范围为r₀,r₁…r_t-1,，其中r_t-1为图像最大灰度值，其直方图定义为:

P(r_i)＝n_i/n (1)

且

对P(r_i)，k阶矩定义为

其中m₀是0阶矩，用于表示图像质量，

k阶中心矩定义为：

其中μ＝(m₁/m₀)为图像的平均灰度值，k阶中心矩的归一化定义为：

由公式(1),(2)和(3)可得，μ₀＝1,η₀＝1，所以μ_k＝η_k，为了使提取特征具有几何不变性，将中心矩做归一化处理，如下所示：

f₁＝η₅/η₂η₃ (4)

f₃＝η₇/η₃η₄ (6)；

步骤4b、提取峰度、偏度、能量特征。度量峰度、偏度、能量的公式分别为：

f₄＝η₃/η₁η₂ (7)

进一步地，步骤9中所述过滤规则的制定过程包括步骤：

设两个相似图像块的中心坐标为：(x₁,y₁)和(x₂,y₂)，则两个相似图像块的欧几里得距离D如下所示：

如果D满足阈值设定，则将该两个图像块保留下来，否则，将该两个图像过滤，阈值设定如下所示：

本发明的有益效果在于，与现有技术相比，本发明使用了离散小波变换来提取图像的低频信息，并且缩小了图像尺寸，大大地提高了算法的效率；而且归一化直方图中和特征向量具有几何不变性，可以有效地检测出经过几何变换后的篡改区域，提高检测的准确度。

附图说明

图1是本发明基于归一化直方图综合特征向量的图像篡改盲检测方法模型图。

具体实施方式

下面将结合本发明实施例中的附图，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。基于本发明中的实施例，本领域普通技术人员在没有作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。

请参见图1，针对现有技术存在的运算量大、准确率不高、对旋转和缩放鲁棒性不高的问题，本发明提出一种基于归一化直方图综合特征向量的图像篡改盲检测算法，可以自动检测和定位出图像的复制-粘贴篡改区域。

为了解决上述问题，本发明基于归一化直方图综合特征向量的图像篡改盲检测算法，包括

步骤1、输入为M×N图像，如果其为彩色图像，则利用PAL-D电视制式的亮度公式Y＝0.222R+0.707G+0.071B将其转换成灰度图像。其中，R为红色，G为绿色，B为蓝色；

步骤2、使用离散小波变换(Discrete Wavelet Transform,DWT)对灰度图像进行滤波，提取低频部分的图像S，其中图像S的尺寸为M/2×N/2；

步骤3、使用直径为d的圆形滑动窗口将图像S分割成相互重叠的圆形图像块，其中图像块的个数为L＝[M/2-d+1]×[N/2-d+1]；

步骤4、对每个图像块都提取6个特征，构成特征向量E＝[f₁,f₂,f₃,f₄,f₅,f₆]，具体包括：

步骤4a、提取直方图不变矩特征。设图像块f(x,y),其灰度值范围为r₀,r₁…r_t-1,，其中t-1为图像最大灰度值，其直方图定义为:

P(r_i)＝n_i/n (1)

且

对P(r_i)，k阶矩定义为

其中m₀是0阶矩，用于表示图像质量。

k阶中心矩定义为：

其中μ＝(m₁/m₀)为图像的平均灰度值。k阶中心矩的归一化定义为：

由公式(1),(2)和(3)可得，μ₀＝1,η₀＝1，所以μ_k＝η_k。为了使提取特征具有几何不变性，将中心矩做归一化处理。如下所示：

f₁＝η₅/η₂η₃ (4)

f₃＝η₇/η₃η₄ (6)

步骤4b、提取峰度、偏度、能量特征。度量峰度、偏度、能量的公式分别为：

f₄＝η₃/η₁η₂ (7)

步骤5、对特征向量E进行归一化。归一化的向量形式如下：

其中，

步骤6、将所有图像块的特征向量T组成矩阵K，其中矩阵K的尺寸为L×6的矩阵K，其中L为图像块的个数，6为图像块的特征数。

步骤7、对矩阵K进行字典排序，得到矩阵Kl。矩阵K和Kl的尺寸一致。

步骤8、使用匹配函数来比较矩阵Kl中相邻两组特征向量来寻找相似图像对。匹配函数的公式如下：

其中，e_j,k为第k个图像块的第j个特征，k＝1,2,…,L。由匹配函数公式可知，当第k个图像块匹配函数的值为最小时，可以将两个相似的图像块匹配起来。

步骤9、使用欧几里得距离制定过滤规则。设两个相似图像块的中心坐标为：(x₁,y₁)和(x₂,y₂)，则两个相似图像块的欧几里得距离D如下所示：

如果D满足阈值设定，则将该两个图像块保留下来，否则，将该两个图像过滤。阈值设定如下所示：

步骤10、匹配的图像块所对应的中心为匹配点的位置，对应的区域是潜在的复制篡改区域，并把其标识出来。

步骤11、通过实验论证本发明的性能。

实验使用图像检测准确率作为评价标准。根据本发明提出的算法对样本进行测试，测试结果如表1所示。根据测试结果，本发明提出的算法对复制-粘贴伪造操作具有较高的检测率，包括在0°到90°之间小角度旋转、一定程度的尺度缩放和添加高斯噪声类型的篡改。

表.1本发明提出算法的图像检测准确率

	测试图片总数	准确率
			在在0°到90°间旋转	100	80％
缩小1/5	100	83％
			放大1/5	100	85％
加性高斯噪声	100	86％

表1是本发明提出的算法和三个不同的算法进行比较鲁棒性，分别是：

赵俊红，2012，基于投影数据主成分分析的图像复制伪造检测，计算机工程，Vol.38,No.10，pp:203-205；赵伟,汪涛,吕皖丽等，2014，基于Tamura纹理特征的Copy-Move图像篡改盲检测，计算机工程与应用，50(3):177-180；申铉京，朱叶，吕颖达，陈海鹏，2014，基于SIFT和HSI模型的彩色图像复制-粘贴盲鉴别算法，吉林大学学报(工程和技术版)Vol.44,No.19,July.pp:171-176.

测试结果如表2所示。(赵俊红，2012)算法在区域复制粘贴检测算法中具有较差的鲁棒性。(张伟等,2014)算法是在(赵俊红,2012)算法上进行改进的，因此有较好的鲁棒性。(申铉京等,2014)的算法能检测缩放，但是不能检测小角度旋转。本发明提出的算法不仅有着很好的鲁棒性，而且能检测经过小角度旋转和缩放的伪造区域。

表.2几种复制-粘贴篡改检测算法比较

	赵俊红	赵伟	申铉京	本算法
					平移	√	√	√	√
缩放			√	√
					小角度旋转		√		√
加性高斯噪声		√	√	√

本发明的技术方案有如下效果：上述方案提出了一种基于归一化直方图综合特征向量的图像篡改盲检测算法。相比于以往的传统方法，本文提出的算法使用了离散小波变换来提取图像的低频信息，并且缩小了图像尺寸，大大地提高了算法的效率。而且归一化直方图中和特征向量具有几何不变性，可以有效地检测出经过几何变换后的篡改区域，提高检测的准确度。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (2)

1.基于归一化直方图综合特征向量的图像篡改盲检测方法，其特征在于，包括步骤：

步骤1、输入M×N图像，如果其为彩色图像，则利用PAL-D电视制式的亮度公式Y＝0.222R+0.707G+0.071B将其转换成灰度图像，其中，R为红色，G为绿色，B为蓝色；

步骤2、使用离散小波变换对灰度图像进行滤波，提取低频部分的图像S，其中图像S的尺寸为M/2×N/2；

步骤3、使用直径为d的圆形滑动窗口将图像S分割成相互重叠的圆形图像块，其中图像块的个数为L＝[M/2-d+1]×[N/2-d+1]；

步骤4、对每个图像块都提取6个特征，构成特征向量E＝[f₁,f₂,f₃,f₄,f₅,f₆]；

步骤5、对特征向量E进行归一化，归一化的向量形式如下：

其中，

步骤6、将所有图像块的特征向量T组成矩阵K，其中矩阵K的尺寸为L×6的矩阵，其中L为图像块的个数，6为图像块的特征数；

步骤7、对矩阵K进行字典排序，得到矩阵Kl，矩阵K和Kl的尺寸一致；

步骤8、使用匹配函数来比较矩阵Kl中相邻两组特征向量来寻找相似图像对，匹配函数的公式如下：

其中，e_j,k为第k个图像块的第j个特征，k＝1,2,…,L，由匹配函数公式可知，当第k个图像块匹配函数的值为最小时，可以将两个相似的图像块匹配起来；

步骤9、使用欧几里得距离制定过滤规则，所述过滤规则的制定过程包括步骤：

设两个相似图像块的中心坐标为：(x₁,y₁)和(x₂,y₂)，则两个相似图像块的欧几里得距离D如下所示：

如果D满足阈值设定，则将该两个图像块保留下来，否则，将该两个图像过滤，阈值设定如下所示：

步骤10、匹配的图像块所对应的中心为匹配点的位置，对应的区域是潜在的复制篡改区域，并把其标识出来。

2.如权利要求1所述的基于归一化直方图综合特征向量的图像篡改盲检测方法，其特征在于，步骤4包括步骤：

步骤4a、提取直方图不变矩特征，设图像块f(x,y),其灰度值范围为r₀,r₁…r_t-1，其中r_t-1为图像最大灰度值，其直方图定义为:

P(r_i)＝n_i/n (1)

且

对P(r_i)，k阶矩定义为

其中m₀是0阶矩，用于表示图像质量，

k阶中心矩定义为：

其中μ＝(m₁/m₀)为图像的平均灰度值，k阶中心矩的归一化定义为：

由公式(1),(2)和(3)可得，μ₀＝1,η₀＝1，所以μ_k＝η_k，为了使提取特征具有几何不变性，将中心矩做归一化处理，如下所示：

f₁＝η₅/η₂η₃ (4)

f₃＝η₇/η₃η₄ (6)；

步骤4b、提取峰度、偏度、能量特征，度量峰度、偏度、能量的公式分别为：

f₄＝η₃/η₁η₂ (7)

Images