CN110992335A - 基于离散拉东极复指数变换的复制粘贴篡改图像检测方法 - Google Patents

基于离散拉东极复指数变换的复制粘贴篡改图像检测方法 Download PDF

Info

Publication number
CN110992335A
CN110992335A CN201911210928.1A CN201911210928A CN110992335A CN 110992335 A CN110992335 A CN 110992335A CN 201911210928 A CN201911210928 A CN 201911210928A CN 110992335 A CN110992335 A CN 110992335A
Authority
CN
China
Prior art keywords
image
copy
area
size
paste
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.)
Withdrawn
Application number
CN201911210928.1A
Other languages
English (en)
Inventor
甘艳芬
钟君柳
杨继翔
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.)
South China Business College of Guangdong University of Foreign Studies
Original Assignee
South China Business College of Guangdong University of Foreign Studies
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 South China Business College of Guangdong University of Foreign Studies filed Critical South China Business College of Guangdong University of Foreign Studies
Priority to CN201911210928.1A priority Critical patent/CN110992335A/zh
Publication of CN110992335A publication Critical patent/CN110992335A/zh
Withdrawn legal-status Critical Current

Links

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
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/543—User-generated data transfer, e.g. clipboards, dynamic data exchange [DDE], object linking and embedding [OLE]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

本发明公开了基于离散拉东极复指数变换的复制粘贴篡改图像检测方法，包括步骤：将输入的多通道RGB彩色图像转换为灰度图像；设所述灰度图像尺寸为M×N，设计尺寸为9×9的圆形模板以步长为1的条件下将灰度图像分割成相互重叠的图像块；提取所述图像块的DRPCET特征，将提取到的所述DRPCET特征组成新特征矩阵V；对所述V进行字典排序，得到矩阵Vt；使用皮尔森相关系数去评估和分析所述字典排序的结果；判断是否是复制‑粘贴篡改区域。本发明基于DRPCET的检测方法可以有效的抵御高斯噪声和几何变换的共同干扰，保持较高的检测精确度，同时本发明所提出的方法具有优越的性能和强鲁棒特性。

Description

基于离散拉东极复指数变换的复制粘贴篡改图像检测方法
技术领域
本发明涉及图像篡改检测技术领域，尤其涉及基于离散拉东极复指数变换的复制粘贴篡改图像检测方法。
背景技术
图像篡改打破了公众一直以来所强调的眼见为实的观念。图像篡改检测在我们的日常生活中起到相当重要的作用。它对社会生活和科学研究也有着重要的影响。它也能为法院、财务文档、新闻报道提供真伪判断提供依据。复制-粘贴篡改是数字图像篡改中最普遍的一种，它是将一幅图像的一部分内容复制到该图像的其他位置去掩盖某些重要的图像特征，例如：V.Christlein,C.Riess,J.Jordan,C.Riess and E.Angelopoulou,Anevaluation of popular copy-move forgery detection approaches,IEEETrans.Inf.Forensics Security.7(6)(2012)1841–1854.和S.A.Fattah,M.M.I.Ullah,M.Ahmed et al.,A scheme for copy-move forgery detection in digital imagesbased on 2D-DWT,in Proc.IEEE 57th Int.Midwest Symp.Circuits and Systems(MWSCAS)(2014),pp.801–804.
先前的图像篡改检测算法都已成功用于简单复制-粘贴篡改检测。一种基于穷举搜索法来匹配相似的离散余弦变换系数(DCT)特征方法被首次提出用于检测复制-粘贴篡改图像，例如：J.Fridrich,D.Soukal and J.Lukas,Detection of copy-move forgery indigital images,The Digital Forensic Research Workshop(2003),pp.55–61.
接着，基于主成份分析(PCA)的方法来降低特征向量的维数和提高检测效率的方法被提出，例如：A.C.Popescu and H.Farid,Exposing digital forgeries by detectingtraces of resampling,IEEE Trans.Signal Process.53(2)(2005)758–767.
基于小波变换相关系数的方法用来检测和定位篡改区域，例如：Y.Sutcu,B.Coskun,H.T.Sencar and N.Memon,Tamper detection based on regularity ofwavelet transform coe±cients,in Proc.IEEE Int.Conf.Image Processing(ICIP)(2007),pp.397–400.
近年来，用户能使用一些功能强大的图像处理软件对图像进行复杂的复制-粘贴篡改操作。篡改图像的粘贴部分不仅是平移，还有旋转和缩放操作。然而，现有的传统方法已经不能有效地处理经过旋转和缩放变换的篡改图像。
为了解决这些问题，不变矩方法作为特征提取方法被用来检测这些复杂的篡改图像。其中有：Hu矩，例如：M.K.Hu,Visual pattern recognition by moment invariants,IEEE Trans.Inf.Theory.8(2)(1962)179–187.
Zernike矩(ZMs)，例如：S.X.Liao and M.Pawlak,On the accuracy of Zernikemoments for image analysis,IEEE Trans.Pattern Anal.Mach.Intell.20(12)(1998)1358–1364.Krawtchouk矩(KMs),例如：M.B.Imamoglu,G.Ulutas and M.Ulutas,Detectionof copy-move forgery using krawtchouk moment,in Proc.8thInt.Conf.Electricaland Electronics Engineering(2013),pp.311–314.
和正交傅立叶-梅林矩(OFMMs)等，例如：Y.L.Sheng and L.X.Shen,OrthogonalFourier-Mellin moments for invariant pattern recognition,J.Opt.Soc.Am.A 11(6)(1994)1748–1757.
作为提取图像特征方法来检测复制-粘贴篡改图像。有不少学者将不变矩进行改进使其更加准确地检测出复制-粘贴篡改区域。结合傅立叶-梅林变换和改进的相位相关(MPOC)来构造旋转不变性用于检测篡改区域，例如：S.Singh,M.Ramalho,P.L.Correia andL.D.Soares,A rotation-invariant degraded partial palmprint recognitiontechnique,in Proc.20th European Conf.Signal Processing(EUSIPCO)(2012),pp.1499–1503.
基于解析傅立叶-梅林变换(AFMT)的方法对于检测旋转和缩放图像篡改有不错的效果，例如：Y.F.Gan and J.L.Zhong,Application of AFMT method for compositeforgery detection,Nonlinear Dyn.84(1)(2016)341–353.
解析傅立叶-梅林变换(AFMT)的缺点是其函数，尤其是它的不变矩结构非常复杂。基于极谐变换(PHTs)的篡改检测方法被提出用来抗旋转变换的复制-粘贴篡改操作，例如：P.T.Yap,X.D.Jiang and A.C.Kot,Two-dimensional polar harmonic transforms forinvariant image representation,IEEE Trans.Pattern Anal.Mach.Intell.32(7)(2010)1260–1270.
极谐变换(PHTs)是由极复指数变换(PCET)、极余弦变换(PCT)、极正弦变换(PST)组成。在这三种变换中，PCET比PCT和PST有相对较好的几何不变性。
拉东变换算法为图像篡改提供了一种构造不变矩的解决方案,例如：J.Radon,Uber die Bestimmung von Funktionen durchihre Integral werte langs gewisserMannigfaltigkeiten,Berichte Sachsische Acadamie der Wissenschaften,Leipzig,Math.Phys.Kl 69(1917)262–267.
拉东变换对噪声具有较强的鲁棒性并且可以获取它的不变性。拉东变换已经成功用于许多的图像检测和分析中。然而，直到现在，基于拉东变换的不变矩方法还没有被进一步应用于复制-粘贴图像篡改检测中。
发明内容
针对现有的复制-粘贴篡改图像检测算法存在的问题，本发明提出一种基于离散拉东-极复指数变换的复制-粘贴篡改图像检测算法。
本发明的技术方案是这样实现的：基于离散拉东极复指数变换的复制粘贴篡改图像检测方法，包括
步骤1：将输入的多通道RGB彩色图像转换为灰度图像；
步骤2：设所述灰度图像尺寸为M×N，设计尺寸为9×9的圆形模板以步长为1的条件下将灰度图像分割成相互重叠的图像块，得到图像块的数量为L＝(M-4)×(N-4)；
步骤3：提取所述图像块的DRPCET特征，将提取到的所述DRPCET特征组成新特征矩阵V，其中，特征矩阵V中的每个元素值都为检测图像中所提取的相应特征；
步骤4：对所述V进行字典排序，得到矩阵Vt，所述矩阵V和Vt的尺寸一致；
步骤5：使用皮尔森相关系数去评估和分析所述字典排序的结果；
步骤6：确定篡改区域，根据篡改区域篡改区域尺寸的特点和篡改区域和源复制区域之间的距离，判断是否是复制-粘贴篡改区域。
进一步地，所述步骤6包括步骤：设原图的尺寸表示为M×N，复制区域的尺寸表示为M1×N1，
(1)如果图像中像素的总数超过100,000，复制区域的整体尺寸被定义为原图像尺寸的2.5％或8％；
(2)如果图像中像素的总数小于100,000，复制区域的像素至少是50×50，并且少于6500个像素；
(3)如果篡改区域和复制区域在X-Y座标系上的距离定义大于0.15×M或0.15×N，标记区域只要满足规则(1)(2)(3)，则认为是复制-粘贴篡改区域。
与现有技术相比，本发明基于DRPCET的检测方法可以有效的抵御高斯噪声和几何变换的共同干扰，保持较高的检测精确度，同时本发明所提出的方法具有优越的性能和强鲁棒特性。
具体实施方式
本发明提出了一种基于离散拉东-极复指数变换(DRPCET)的复制-粘贴篡改图像检测算法，包括构造二维的DRPCET来对经过平移、旋转和缩放攻击的复制-粘贴篡改图像进行检测。除此之外，还使用了字典排序方法和皮尔森相关系数来检测和定位出可疑的篡改区域。
步骤1：输入多通道的RGB彩色图像，将其转换为灰度图像。
步骤2：设灰度图像尺寸为M×N，设计尺寸为9×9的圆形模板以步长为1的条件下将灰度图像分割成相互重叠的图像块，得到图像块的数量为L＝(M-4)×(N-4)。
步骤3：提取图像块的DRPCET特征。
在前期的研究中，P.T.Yap
P.T.Yap,X.D.Jiang and A.C.Kot,Two-dimensional polar harmonictransforms for invariant image representation,IEEE Trans.PatternAnal.Mach.Intell.32(7)(2010)1260–1270.
提出了PCET。此处，PCET是一组定义在极座标系里单位圆上的二维变换，如下所示：
Figure BDA0002298074000000051
其中，Mkl是f(r,θ)的极复指数变换，k和l＝1,2,...,∞，他们分别是PCET的系数和重复度。Hkl(r,θ)是PCET的内核函数，H* kl(r,θ)表示Hkl(r,θ)的复共轭。
拉东变换(RT)是一种线积分，直线L穿过二维函数f(r,θ)所对应的强度就是函数f(r,θ)在直线L上的线积分，公式如下所示：
Rf(r,θ)＝∫Lf(r,θ)ds (2)
在表达式(1)中使用Rf(r,θ)来替代f(r,θ)，拉东极复指数变换(RPCET)有如下定义：
Figure BDA0002298074000000052
为了使RPCET具有缩放不变性，RPCET重新定义如下：
Figure BDA0002298074000000053
其中，Mg,kl表示函数f经过缩放
Figure BDA0002298074000000055
系数后的RPCRT。为了把RPCET定义在离散域内，式(4)重新定义如下：
Figure BDA0002298074000000054
首先，通过式(5)来提取每个图像块内的DRPCET特征。由提取到的特征组成的新特征矩阵V。其中，特征矩阵V中的每个元素值都为检测图像中所提取的相应特征。
步骤4：针对矩阵V进行字典排序，得到矩阵Vt。矩阵V和Vt的尺寸一致。
步骤5：完成对特征矩阵进行字典排序之后，使用皮尔森相关系数去评估和分析字典排序的结果。待匹配的特征的皮尔森相关系数大于0.8。并且，这些待匹配的特征在图像上是连续的区域。区域的尺寸介于图像尺寸2.5％-8％时，这意味着两个区域是匹配区域，所以将其标记起来。
步骤6：图像中的背景信息，如天空、草地和海洋，相互之间都是非常相似的颜色、强度等。为了确定篡改区域，每个篡改区域尺寸的特点和篡改区域和源复制区域之间的距离，例如：
W.Q.Luo,J.W.Huang and G.P.Qiu,Robust detection of region duplicationforgery in digital image,Chin.J.Comput.30(11)(2007)1998–2007.
基于上述文献的分析，开展大量的计算机数值仿真，并分析相关结果来寻找最优的规则。规则如下：设原图的尺寸表示为M×N，复制区域的尺寸表示为M1×N1。
1)如果图像中像素的总数超过100,000，复制区域的整体尺寸被定义为原图像尺寸的2.5％或8％。
2)如果图像中像素的总数小于100,000，复制区域的像素至少是50×50，并且少于6500个像素。
3)篡改区域和复制区域在X-Y座标系上的距离定义大于0.15×M,0.15×N。这暗示了距离必须满足r≥[(0.1×M)2+(0.1×N)2]1/2这种情况。
标记起的区域只要满足如上规则，则认为是复制-粘贴篡改区域。
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.基于离散拉东极复指数变换的复制粘贴篡改图像检测方法，其特征在于，包括
步骤1：将输入的多通道RGB彩色图像转换为灰度图像；
步骤2：设所述灰度图像尺寸为M×N，设计尺寸为9×9的圆形模板以步长为1的条件下将灰度图像分割成相互重叠的图像块，得到图像块的数量为L＝(M-4)×(N-4)；
步骤3：提取所述图像块的DRPCET特征，将提取到的所述DRPCET特征组成新特征矩阵V，其中，特征矩阵V中的每个元素值都为检测图像中所提取的相应特征；
步骤4：对所述V进行字典排序，得到矩阵Vt，所述矩阵V和Vt的尺寸一致；
步骤5：使用皮尔森相关系数去评估和分析所述字典排序的结果；
步骤6：确定篡改区域，根据篡改区域篡改区域尺寸的特点和篡改区域和源复制区域之间的距离，判断是否是复制-粘贴篡改区域。
2.如权利要求1所述的基于离散拉东极复指数变换的复制粘贴篡改图像检测方法，其特征在于，所述步骤6包括步骤：设原图的尺寸表示为M×N，复制区域的尺寸表示为M1×N1，
(1)如果图像中像素的总数超过100,000，复制区域的整体尺寸被定义为原图像尺寸的2.5％或8％；
(2)如果图像中像素的总数小于100,000，复制区域的像素至少是50×50，并且少于6500个像素；
(3)如果篡改区域和复制区域在X-Y座标系上的距离定义大于0.15×M或0.15×N，标记区域只要满足规则(1)(2)(3)，则认为是复制-粘贴篡改区域。
CN201911210928.1A 2019-12-02 2019-12-02 基于离散拉东极复指数变换的复制粘贴篡改图像检测方法 Withdrawn CN110992335A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911210928.1A CN110992335A (zh) 2019-12-02 2019-12-02 基于离散拉东极复指数变换的复制粘贴篡改图像检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911210928.1A CN110992335A (zh) 2019-12-02 2019-12-02 基于离散拉东极复指数变换的复制粘贴篡改图像检测方法

Publications (1)

Publication Number Publication Date
CN110992335A true CN110992335A (zh) 2020-04-10

Family

ID=70089046

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911210928.1A Withdrawn CN110992335A (zh) 2019-12-02 2019-12-02 基于离散拉东极复指数变换的复制粘贴篡改图像检测方法

Country Status (1)

Country Link
CN (1) CN110992335A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116522289A (zh) * 2023-01-17 2023-08-01 山东青橙视联信息科技有限公司 一种基于区块链的多视角图像版权保护方法、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102956026A (zh) * 2011-08-26 2013-03-06 鲍丽燕 基于不变矩的Copy-Move型篡改图像盲检测方法
CN104166955A (zh) * 2014-05-29 2014-11-26 西安理工大学 基于保角变换图像哈希生成及图像篡改检测定位方法
CN105844643A (zh) * 2016-03-30 2016-08-10 北京信息科技大学 图像篡改检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102956026A (zh) * 2011-08-26 2013-03-06 鲍丽燕 基于不变矩的Copy-Move型篡改图像盲检测方法
CN104166955A (zh) * 2014-05-29 2014-11-26 西安理工大学 基于保角变换图像哈希生成及图像篡改检测定位方法
CN105844643A (zh) * 2016-03-30 2016-08-10 北京信息科技大学 图像篡改检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHONG, JUNLIU; GAN, YANFEN; YOUNG, JANSON; LIN, PEIYU: "Copy Move Forgery Image Detection via Discrete Radon and Polar Complex Exponential Transform-Based Moment Invariant Features", INTERNATIONAL JOURNAL OF PATTERN RECOGNITION AND ARTICIAL INTELLIGENCE, vol. 31, no. 2, pages 1 - 25 *
ZHONG, JUNLIU;GAN, YANFEN;YOUNG, JANSON;LIN, PEIYU, COPY MOVE FORGERY IMAGE DETECTION VIA DISCRETE RADON AND POLAR COMPLEX EXPONENTIAL TRANSFORM-BASED MOMENT INVARIANT FEATURES, vol. 31, no. 2, pages 1 - 25 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116522289A (zh) * 2023-01-17 2023-08-01 山东青橙视联信息科技有限公司 一种基于区块链的多视角图像版权保护方法、设备及介质
CN116522289B (zh) * 2023-01-17 2024-03-08 山东青橙数字科技有限公司 一种基于区块链的多视角图像版权保护方法、设备及介质

Similar Documents

Publication Publication Date Title
Babu et al. An optimized technique for copy–move forgery localization using statistical features
Qin et al. Perceptual image hashing via dual-cross pattern encoding and salient structure detection
Emam et al. PCET based copy-move forgery detection in images under geometric transforms
Soni et al. CMFD: a detailed review of block based and key feature based techniques in image copy‐move forgery detection
Al-Qershi et al. Passive detection of copy-move forgery in digital images: State-of-the-art
Gani et al. A robust copy-move forgery detection technique based on discrete cosine transform and cellular automata
Meena et al. A hybrid copy-move image forgery detection technique based on Fourier-Mellin and scale invariant feature transforms
Yan et al. Multi-scale image hashing using adaptive local feature extraction for robust tampering detection
Fadl et al. Robust copy–move forgery revealing in digital images using polar coordinate system
Hosny et al. Copy‐for‐duplication forgery detection in colour images using QPCETMs and sub‐image approach
Jaiprakash et al. Low dimensional DCT and DWT feature based model for detection of image splicing and copy-move forgery
Liang et al. Efficient hashing method using 2D-2D PCA for image copy detection
Huang et al. Perceptual image hashing with locality preserving projection for copy detection
Muhammad et al. Copy move image forgery detection method using steerable pyramid transform and texture descriptor
CN103559697A (zh) 基于fft的碎纸片纵切拼接复原算法
Alamro et al. Copy-move forgery detection using integrated DWT and SURF
Kaur et al. A passive blind approach for image splicing detection based on DWT and LBP histograms
Samanta et al. Analysis of perceptual hashing algorithms in image manipulation detection
Park et al. Rotation and scale invariant upsampled log-polar fourier descriptor for copy-move forgery detection
Nirmal Jothi et al. Tampering detection using hybrid local and global features in wavelet-transformed space with digital images
Roy et al. Perceptual hashing scheme using KAZE feature descriptors for combinatorial manipulations
Tang et al. Geometrically robust video hashing based on ST-PCT for video copy detection
Jaiswal et al. Copy-move forgery detection using shift-invariant SWT and block division mean features
Wang et al. Perceptual hash-based coarse-to-fine grained image tampering forensics method
Zhong et al. Radon odd radial harmonic Fourier moments in detecting cloned forgery image

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20200410