CN114743205A - 一种图像篡改检测方法和装置 - Google Patents

一种图像篡改检测方法和装置 Download PDF

Info

Publication number
CN114743205A
CN114743205A CN202210375552.5A CN202210375552A CN114743205A CN 114743205 A CN114743205 A CN 114743205A CN 202210375552 A CN202210375552 A CN 202210375552A CN 114743205 A CN114743205 A CN 114743205A
Authority
CN
China
Prior art keywords
character
image
single character
target image
characters
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.)
Pending
Application number
CN202210375552.5A
Other languages
English (en)
Inventor
刘勇
熊永福
杨博文
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.)
Chongqing Ant Consumer Finance Co ltd
Original Assignee
Chongqing Ant Consumer Finance Co ltd
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 Chongqing Ant Consumer Finance Co ltd filed Critical Chongqing Ant Consumer Finance Co ltd
Priority to CN202210375552.5A priority Critical patent/CN114743205A/zh
Publication of CN114743205A publication Critical patent/CN114743205A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Character Input (AREA)

Abstract

本说明书实施例提供一种图像篡改检测方法和装置,该方法包括:在对目标图像进行篡改检测时,获取目标图像,目标图像为截屏图像,目标图像中包括字符;对目标图像中的字符进行单字符提取,得到至少一个单字符;根据至少一个单字符的字符特征,确定目标图像是否被篡改。

Description

一种图像篡改检测方法和装置
技术领域
本文件涉及图像处理技术领域,尤其涉及一种图像篡改检测方法和装置。
背景技术
在一些应用场景下,通常需要检测图像是否被篡改。比如,在身份认证或信息校验的场景下,需要对用户上传的图像进行篡改检测,等等。
一般地,在进行图像篡改检测时,可以通过训练好的模型检测图像的清晰度、色差、噪声差异等信息,并以此来判断图像是否被篡改。然而,这样的检测方法通常适用于通过拍摄的方式得到的图像,针对截屏场景下的截屏图像而言,目前的检测方法还无法准确检测截屏图像是否被篡改。
发明内容
本说明书实施例提供一种图像篡改检测方法和装置,用于解决目前的图像篡改检测方案无法有效检测截屏图像是否被篡改的问题。
为解决上述技术问题,本说明书实施例是这样实现的:
第一方面,提出一种图像篡改检测方法,包括:
获取待检测的目标图像,所述目标图像为截屏图像,所述目标图像中包括字符;
对所述目标图像中的字符进行单字符提取,得到至少一个单字符;
根据所述至少一个单字符的字符特征,确定所述目标图像是否被篡改。
第二方面,提出一种图像篡改检测装置,包括:
获取模块,获取待检测的目标图像,所述目标图像为截屏图像,所述目标图像中包括字符;
字符提取模块,对所述目标图像中的字符进行单字符提取,得到至少一个单字符;
检测模块,根据所述至少一个单字符的字符特征,确定所述目标图像是否被篡改。
第三方面,提出一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,该可执行指令在被执行时使该处理器执行以下操作:
获取待检测的目标图像,所述目标图像为截屏图像,所述目标图像中包括字符;
对所述目标图像中的字符进行单字符提取,得到至少一个单字符;
根据所述至少一个单字符的字符特征,确定所述目标图像是否被篡改。
第四方面,提出一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下方法:
获取待检测的目标图像,所述目标图像为截屏图像,所述目标图像中包括字符;
对所述目标图像中的字符进行单字符提取,得到至少一个单字符;
根据所述至少一个单字符的字符特征,确定所述目标图像是否被篡改。
本说明书一个或多个实施例采用的上述至少一个技术方案能够达到以下技术效果:
在对截屏图像进行篡改检测时,通过对截屏图像进行单字符提取,并根据提取到的至少一个单字符的字符特征进行篡改检测,可以有效检测出截屏图像中细微的字符篡改,进而有效识别截屏图像是否伪造,提高检测结果的准确性,杜绝黑灰产使用图片篡改方式改变截屏图像原始信息,增加数据安全性。此外,由于可以将篡改检测精确到单个字符,因此,还可以避免对图像中其他信息的误检测。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本说明书实施例中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本说明书的一个实施例图像篡改检测方法的流程示意图;
图2是本说明书的一个实施例图像文本检测方法的流程示意图;
图3是本说明书的一个实施例图像单字符提取方法的流程示意图;
图4是本说明书的一个实施例电子设备的结构示意图;
图5是本说明书的一个实施例图像篡改检测装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书实施例中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都应当属于本文件的保护范围。
目前的图像篡改检测方法在对图像进行篡改检测时,通常可以分析图像的背景噪声,边缘锐度差异等手段来进行检测,但是,对于截屏图像而言,这种背景噪声消失,边缘锐度无差别,导致甄别难度加大。此外,目前的图像篡改检测方法通常用于对较大篡改区域的检测,当图像中仅有细微区域被篡改时,检测难度较大。由此可见,目前的图像篡改检测方法还无法有效的实现对截屏图像的篡改检测。
有鉴于此,本说明书实施例提供一种图像篡改检测方法和装置,该方法包括:获取待检测的目标图像,目标图像为截屏图像,目标图像中包括字符;对目标图像中的字符进行单字符提取,得到至少一个单字符;根据至少一个单字符的字符特征,确定目标图像是否被篡改。
本说明书提供的技术方案,在对截屏图像进行篡改检测时,通过对截屏图像进行单字符提取,并根据提取到的至少一个单字符的字符特征进行篡改检测,可以有效检测出截屏图像中细微的字符篡改,进而有效识别截屏图像是否伪造,提高检测结果的准确性,杜绝黑灰产使用图片篡改方式改变截屏图像原始信息,增加数据安全性。此外,由于可以将篡改检测精确到单个字符,因此,还可以避免对图像中其他信息的误检测。
需要说明的是,本说明书实施例提供的技术方案可以用于对图像进行篡改检测,尤其适用于对截屏图像的篡改检测。在进行图像的篡改检测时,可以用于对图像中字符的篡改检测,尤其适用于对数字等字符的篡改检测。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1是本说明书的一个实施例图像篡改检测方法的流程示意图。所述方法如下所述。
S102:获取待检测的目标图像,目标图像为截屏图像,目标图像中包括字符。
在需要对某个截屏图像进行篡改检测时,可以获取待检测的目标图像。目标图像为截屏图像,目标图像中可以包括字符。字符可以是汉字、数字(比如阿拉伯数字0-9)、英文字母、特殊字母(比如希腊字符)或特殊符号等。
S104:对目标图像中的字符进行单字符提取,得到至少一个单字符。
对目标图像中的字符进行单字符提取可以是将目标图像中的每个字符分别进行提取,得到一个或多个单字符。比如,目标图像中包括0-9共10个数字,那么,在对目标图像进行单字符提取后,可以将这10个数字分别提取出来,得到0-9共10个单字符。
可选地,作为一个实施例,对目标图像中的字符进行单字符提取,得到至少一个单字符,可以包括以下S22至S26:
S22:对目标图像进行文本检测,得到至少一个子图像,一个子图像中包括一行字符或一列字符。
本实施例中,对目标图像的文本检测可以通过预先确定的文本检测模型实现。具体地,在使用文本检测模型对目标图像进行文本检测时,可以先对目标图像进行归一化处理,使得目标图像能够符合文本检测模型对输入图像的尺寸要求。之后,可以将归一化处理后的目标图像输入文本检测模型,经文本检测模型处理后,可以输出至少一个定位框。针对任一定位框而言,该定位框可以是文本检测模型对目标图像中的一行字符或一列字符进行文本定位后得到的定位框。
在得到至少一个定位框后,考虑到可能存在误检测的定位框,因此,为了提高检测结果,还可以对至少一个定位框进行过滤。在过滤时,可以将至少一个定位框中不符合预设条件的定位框进行过滤。其中,定位框不符合预设条件,可以是定位框的高度大不在预设高度范围内,或宽度不在预设宽度范围内。
比如,在截屏场景下,截屏图像中的字符大小基本相同,这样,在截屏图像中包括至少一行字符的情况下,单行字符的高度一定,在截屏图像中包括至少一列字符的情况下,单列字符的高度一定。这样,可以根据截屏图像中的字符大小设置宽度范围和高度范围,在对定位框进行过滤时,在截屏图像中包括至少一行字符的情况下,可以判断定位框的高度是否在预设的高度范围内,若不在,则需要将定位框过滤掉。同理,在截屏图像中包括至少一列字符的情况下,可以判断定位框的宽度是否在预设的宽度范围内,若不在,则需要将定位框过滤掉。
或者,也可以不设置宽度范围和高度范围,而是通过定位框的平均高度和平均宽度进行判断。比如,在截屏图像中包括多行字符的情况下,每行字符的高度大致相同,可以确定检测得到的多个定位框的平均高度,在对定位框进行过滤时,可以判断定位框的高度与平均高度之间的差值是否大于或等于平均高度的设定比值(比如50%),若是,则需要将定位框过滤掉。同理,在截屏图像中包括多列字符的情况下,每列字符的宽度大致相同,可以确定检测得到的多个定位框的平均宽度,在对定位框进行过滤时,可以判断定位框的宽度与平均宽度之间的差值是否大于或等于平均宽度的设定比值(比如50%),若是,则需要将定位框过滤掉。
在将至少一个定位框中不符合预设条件的定位框进行过滤后,剩余的定位框即为符合预设条件的定位框,本实施例中,可以将符合预设条件的至少一个定位框对应的图像确定为对目标图像进行文本检测后得到的至少一个子图像。
可选地,上述文本检测模型可以是Faster-RCNN文字检测网络。Faster-RCNN文字检测网络是一种快速的深度学习目标检测模型,该算法在fast rcnn基础上提出了RPN候选框生成算法,使得目标检测速度大大提高。当然,该文本检测模型也可以是其他能够实现文本检测并输出子图像的模型,这里不再一一举例说明。
S24:对至少一个子图像进行二值化处理,得到至少一个二值图像。
这里的二值化处理可以是将任一子图像中的字符区域和非字符区域进行分离,也即将任一子图像中的字符和背景进行分离。在对至少一个子图像进行二值化处理后,可以得到至少一个二值图像。其中,一个子图像可以对应一个二值图像,一个二值图像可以表征一个子图像中的字符区域和非字符区域。比如,二值图像中可以包括0和1两种像素,1可以表示子图像中的字符,0可以表示子图像中的背景。
可选地,在对至少一个子图像进行二值化处理时,可以使用OTSU算法。OTSU算法是一种确定图像二值化分割阈值的算法,该算法又称作最大类间方差法或大津法,因为按照大津法求得的阈值进行图像二值化分割后,前景与背景图像的类间方差最大。当然,可以使用其他能够实现二值化处理的算法,这里不再一一举例说明。
S26:基于至少一个二值图像进行单字符提取,得到至少一个单字符。
本实施例中,一个二值图像中可以包括一个或多个单字符,在基于二值图像进行单字符提取后,一个二值图像可以提取得到一个或多个单字符。
可选地,作为一个实施例,基于至少一个二值图像进行单字符提取,得到至少一个单字符,可以包括以下S32至S38:
S32:提取至少一个二值图像中与字符区域对应的字符图像。
二值图像中包括与字符区域对应的字符图像以及与非字符区域(即背景区域)对应的背景图像,这里可以将二值图像中与字符区域对应的字符图像提取出来。其中,一个二值图像可以提取得到一个字符图像。
S34:对字符图像进行图像形态学处理,得到多个连通分量。
图像形态学也可以称为数学形态学(mathematical Morphology),是图像处理中应用最为广泛的技术之一,主要用于从图像中提取对表达和描绘区域形状有意义的图像分量,使后续的识别工作能够抓住目标对象最为本质(most discriminative)的形状特征,如边界和连通区域等。
本实施例中,在对字符图像进行图像形态学处理后,可以得到多个连通分量。其中,一个字符图像可以对应多个连通分量。
需要说明的是,针对单个字符而言,若单个字符的各部分是粘连在一起的,则在对字符进行图像形态学的处理后,可以得到一个连通分量,针对不同字符而言,由于不同字符并非是粘连在一起的,则在对多个字符进行图像形态学的处理后,可以得到多个连通分量。比如,针对单个数字字符8,由于8的上下两部分是粘连在一起的,因此,在对数字字符8进行图像形态学的处理后,可以得到一个连通分量。针对两个数字字符80,由于8和0之间是不粘连的,因此,在对数字字符80进行图像形态学的处理后,可以得到两个连通分量,分别是8对应的连通分量以及0对应的连通分量。本实施例确定连通分量的目的就是将一个个的字符准确切分出来。
S36:对多个连通分量中的噪声连通分量进行过滤,得到字符连通分量。
考虑到在对字符图像进行图像形态学处理时,可能会包含噪声对应的噪声连通分量,因此,为了避免噪声连通分量对后续单字符提取的影响,从而提高字符提取的准确度,在得到多个连通分量后,可以对多个连通分量中的噪声连通分量进行过滤,过滤后得到的连通分量即为字符对应的字符连通分量。
可选地,作为一个实施例,在对噪声连通分量进行过滤时,考虑到噪声连通分量占用的像素个数通常小于字符连通分量占用的像素个数,因此,可以根据连通分量占用的像素个数对噪声连通分量进行过滤。具体地,针对S34中得到的任一连通分量,可以判断连通分量占用的像素个数是否小于预设阈值(可以根据实际情况进行设置),若小于,则可以认为该连通分量为噪声连通分量,需要将该连通分量进行过滤,若不小于,则可以认为该连通分量为字符连通分量,不需要进行过滤。
S38:基于字符连通分量进行单字符切割,得到至少一个单字符。
在得到字符连通分量后,可以基于字符连通分量进行单字符切割,得到至少一个单字符。其中,一个字符连通分量可以切割得到一个单字符,通过对S36中得到的至少一个字符连通分量进行单字符切割,可以得到至少一个单字符。
基于上述步骤,可以实现对目标图像的单字符提取,并得到至少一个单字符。
可选地,作为一个实施例,在提取得到至少一个单字符后,还可以针对任一单字符,确定单字符的字符特征,以便后续可以基于单字符的字符特征确定目标图像是否被篡改。其中,单字符的字符特征可以包括以下至少一项:
单字符占用的像素个数;单字符所占矩形区域的长度;单字符所占矩形区域的宽度;单字符的水平位置;单字符的垂直位置;单字符的hu形状矩特征;单字符所在图像区域的灰度直方图。
上述单字符的水平位置可以是单字符在其所在的一行或一列字符中的水平位置,或者也可以是单字符在整个目标图像中的水平位置。同理,上述单字符的垂直位置可以是单字符在其所在的一行或一列字符中的垂直位置,或者也可以是单字符在整个目标图像中的垂直位置。
上述单字符的hu形状矩特征是一个7维特征,可以表征单字符的形状。其中,针对同一个字符,若字符的形状不同,比如不同字体的数字字符1,字符形状是不相同,则字符对应的hu形状矩特征也不同。
上述灰度直方图是一个概率分布图,与单字符所在图像区域的背景有关,具体可以是单字符以及该单字符所在背景的灰度直方图,可以表征背景的连续性,即通过灰度直方图可以判断单字符所在图像区域的背景连续性。
S106:根据至少一个单字符的字符特征,确定目标图像是否被篡改。
在S106中,可以根据至少一个单字符的字符特征,确定目标图像中是否包含被篡改的字符,进而确定目标图像是否被篡改。
可选地,作为一个实施例,在根据至少一个单字符的字符特征,确定目标图像是否被篡改,可以包括以下步骤:
根据至少一个单字符的字符特征,对至少一个单字符进行单字符的篡改检测;
根据单字符的篡改检测结果,确定目标图像是否被篡改。
也就是说,在确定目标图像是否被篡改时,可以先根据至少一个单字符的字符特征,对至少一个单字符进行篡改检测,即将篡改检测精确到单个字符,判断单个字符是否被篡改,然后根据单字符的检测结果确定目标图像是否被篡改。
可选地,作为一个实施例,在根据至少一个单字符的字符特征进行单字符的篡改检测时,可以包括以下步骤:
获取预先训练的分类器;
针对任一单字符,将单字符的字符特征输入分类器,确定单字符属于被篡改字符的概率。
分类器可以通过正样本(截屏图像中未被篡改的单字符的字符特征)和负样本(截屏图像中被篡改的单字符的字符特征)预先训练得到。分类器用于根据单字符的字符特征确定单字符属于被篡改字符的概率。
在进行单字符的篡改检测时,可以获取预先训练的分类器,然后针对任一单字符,可以将单字符的字符特征输入分类器,分类器的输出结果即为该单字符属于被篡改字符的概率。可选地,在将单字符的字符特征输入分类器之前,还可以对单字符的字符特征进行归一化处理,使其符合分类器的输入要求。
在得到单字符属于被篡改字符的概率后,可以判断单字符属于被篡改字符的概率是否大于或等于预设概率阈值。预设概率阈值可以根据实际需求进行设置,比如可以设置为80%等。若判断结果为单字符属于被篡改字符的概率大于或等于预设概率阈值,则可以认为单字符属于被篡改字符。反之,若判断结果为单字符属于被篡改字符的概率小于预设概率阈值,则可以认为单字符不属于被篡改字符。
基于上述步骤可以确定至少一个单字符中任一单字符是否为被篡改字符。之后,可以根据至少一个单字符的检测结果,确定目标图像是否被篡改。具体地,可以判断至少一个单字符中是否存在被篡改单字符,若存在,则可以确定目标图像被篡改,反之,若不存在,则可以确定目标图像没有被篡改。
可选地,作为另一个实施例,在根据至少一个单字符的字符特征进行单字符的篡改检测时,可以包括以下步骤:
根据至少一个单字符的字符特征的特征值,确定字符特征的平均特征值;
针对任一单字符,确定单字符的字符特征的特征值与平均特征值的差值是否大于或等于平均特征值的设定比值;
若是,则确定单字符为被篡改字符。
具体地,在字符特征的个数为一个的情况下,比如,单字符的字符特征可以是单字符所占矩形区域的长度、单字符所占矩形区域的宽度、单字符的水平位置、单字符的垂直位置中的任一项,那么,可以确定至少一个单字符针对该字符特征的平均特征值。之后,针对任一单字符,可以判断该单字符的字符特征的特征值与平均特征值之间的差值是否大于或等于平均特征值的设定比值(比如可以是30%),若是,则可以说明该单字符的字符特征与其他单字符的字符特征之间的差异较大,此时可以确定该单字符为被篡改字符,若否,则可以说明该单字符的字符特征与其他单字符的字符特征之间的差异较小,此时可以确定该单字符不是被篡改字符。
在字符特征的个数为多个的情况下,比如,单字符的字符特征可以是单字符所占矩形区域的长度、单字符所占矩形区域的宽度、单字符的水平位置、单字符的垂直位置中的至少一项,那么,针对任一字符特征,都可以确定至少一个单字符针对该字符特征的平均特征值,并针对任一单字符,判断该单字符的字符特征的特征值与平均特征值之间的差值是否大于或等于平均特征值的设定比值(比如可以是30%),若是,则可以说明该单字符的字符特征与其他单字符的字符特征之间的差异较大,此时可以确定该单字符为被篡改字符,若否,则需要结合其他字符特征的判断结果,具体而言,若单字符针对多个字符特征的判断结果均为单字符的字符特征的特征值与平均特征值之间的差值小于平均特征值的设定比值,则可以确定单字符不是被篡改字符。
可选地,在上述判断单字符的字符特征的特征值与平均特征值之间的差值是否大于或等于平均特征值的设定比值时,也可以将平均特征至替换为预设的某个基准值,即判断单字符的字符特征的特征值与预设基准值之间的差值是否大于或等于预设基准值的设定比值,预设基准值可以根据实际情况进行设置。这样,可以无需计算字符特征的平均特征值,从而减少检测过程中的计算量,同时也可以在字符特征的特征值存在异常值的情况下,避免计算得到的平均特征值也异常,从而导致根据平均特征值进行单字符的篡改检测时,检测结果的准确度较低的问题。
需要说明的是,针对上述两种单字符的篡改检测方法,即基于分类器进行单字符的篡改检测以及基于字符特征的平均特征值进行单字符的篡改检测,在实际应用中,可以使用任一种方法进行单字符的篡改检测。优选地,为了提高对目标图像的篡改检测精度,可以采用上述两种单字符的篡改检测方法共同进行单字符的篡改检测,并将两种检测方法得到的检测结果取并集,在根据检测结果确定目标图像是否被篡改时,可以判断两种检测方法得到的并集检测结果中是否存在被篡改字符,若存在,则可以确定目标图像被篡改,若不存在,则可以确定目标图像没有被篡改。
基于本说明书上述一个或多个实施例,在对截屏图像进行篡改检测时,提取单字符作为判定依据,对于特别细微的截屏图像文字篡改仍然有效;运用图像形态学方法对字符进行篡判定,输出结果具有可解释性;对文字的篡改检测可以将篡改的字符精确到具体某个字符,可以避免错杀其余的信息。
本说明书实施例提供的技术方案,在对截屏图像进行篡改检测时,通过对截屏图像进行单字符提取,并根据提取到的至少一个单字符的字符特征进行篡改检测,可以有效检测出截屏图像中细微的字符篡改,进而有效识别截屏图像是否伪造,提高检测结果的准确性,杜绝黑灰产使用图片篡改方式改变截屏图像原始信息,增加数据安全性。此外,由于可以将篡改检测精确到单个字符,因此,还可以避免对图像中其他信息的误检测。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
图4是本说明书的一个实施例电子设备的结构示意图。请参考图4,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成图像篡改检测装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
获取待检测的目标图像,所述目标图像为截屏图像,所述目标图像中包括字符;
对所述目标图像中的字符进行单字符提取,得到至少一个单字符;
根据所述至少一个单字符的字符特征,确定所述目标图像是否被篡改。
上述如本说明书图4所示实施例揭示的图像篡改检测装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1至图3的方法,并实现图像篡改检测装置在图1至图3所示实施例中的功能,本说明书实施例在此不再赘述。
当然,除了软件实现方式之外,本说明书实施例的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本说明书实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的便携式电子设备执行时,能够使该便携式电子设备执行图1至图3所示实施例的方法,并具体用于执行以下操作:
获取待检测的目标图像,所述目标图像为截屏图像,所述目标图像中包括字符;
对所述目标图像中的字符进行单字符提取,得到至少一个单字符;
根据所述至少一个单字符的字符特征,确定所述目标图像是否被篡改。
图5是本说明书的一个实施例图像篡改检测装置50的结构示意图。请参考图5,在一种软件实施方式中,所述图像篡改检测装置50可包括:获取模块51、字符提取模块52和检测模块53,其中:
获取模块51,获取待检测的目标图像,所述目标图像为截屏图像,所述目标图像中包括字符;
字符提取模块52,对所述目标图像中的字符进行单字符提取,得到至少一个单字符;
检测模块53,根据所述至少一个单字符的字符特征,确定所述目标图像是否被篡改。
可选地,作为一个实施例,所述字符提取模块52对所述目标图像中的字符进行单字符提取,得到至少一个单字符,包括:
对所述目标图像进行文本检测,得到至少一个子图像,一个子图像中包括一行字符或一列字符;
对所述至少一个子图像进行二值化处理,得到至少一个二值图像;
基于所述至少一个二值图像进行单字符提取,得到至少一个单字符。
可选地,作为一个实施例,所述字符提取模块52对所述目标图像进行文本检测,得到至少一个子图像,包括:
对所述目标图像进行归一化处理;
采用预先确定的文本检测模型对所述目标图像进行文本检测,得到至少一个定位框;
将所述至少一个定位框中不符合预设条件的定位框进行过滤,将符合所述预设条件的至少一个定位框确定为所述至少一个子图像。
可选地,作为一个实施例,所述字符提取模块52基于所述至少一个二值图像进行单字符提取,得到至少一个单字符,包括:
提取所述至少一个二值图像中与字符区域对应的字符图像;
对所述字符图像进行图像形态学处理,得到多个连通分量;
对所述多个连通分量中的噪声连通分量进行过滤,得到字符连通分量;
基于所述字符连通分量进行单字符切割,得到至少一个单字符。
可选地,作为一个实施例,所述字符提取模块52在提取得到至少一个单字符后,针对任一单字符,确定所述单字符的字符特征,所述字符特征包括以下至少一项:
单字符占用的像素个数;单字符所占矩形区域的长度;单字符所占矩形区域的宽度;单字符的水平位置;单字符的垂直位置;单字符的hu形状矩特征;单字符所在图像区域的灰度直方图。
可选地,作为一个实施例,所述检测模块53根据所述至少一个单字符的字符特征,确定所述目标图像是否被篡改,包括:
根据所述至少一个单字符的字符特征,对所述至少一个单字符进行单字符的篡改检测;
根据所述至少一个单字符的篡改检测结果,确定所述目标图像是否被篡改。
可选地,作为一个实施例,所述检测模块53对所述至少一个单字符进行单字符的篡改检测,包括:
获取预先训练的分类器;
针对任一单字符,将所述单字符的字符特征输入所述分类器,确定所述单字符属于被篡改字符的概率;
若所述单字符属于被篡改字符的概率大于或等于预设概率阈值,则确定所述单字符为被篡改字符。
可选地,作为一个实施例,所述检测模块53对所述至少一个单字符进行单字符的篡改检测,包括:
根据所述至少一个单字符的字符特征的特征值,确定所述字符特征的平均特征值;
针对任一单字符,确定所述单字符的字符特征的特征值与所述平均特征值之间的差值是否大于或等于所述平均特征值的设定比值;
若是,则确定所述单字符为被篡改字符。
可选地,作为一个实施例,所述检测模块53根据所述至少一个单字符的篡改检测结果,确定所述目标图像是否被篡改,包括:
若所述至少一个单字符中存在被篡改字符,则确定所述目标图像被篡改。
本说明书实施例提供的图像篡改检测装置50还可执行图1至图3的方法,并实现图像篡改检测装置在图1至图3所示实施例的功能,本说明书实施例在此不再赘述。
总之,以上所述仅为本说明书的较佳实施例而已,并非用于限定本文件的保护范围。凡在本说明书一个或多个实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本文件的保护范围之内。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。

Claims (12)

1.一种图像篡改检测方法,包括:
获取待检测的目标图像,所述目标图像为截屏图像,所述目标图像中包括字符;
对所述目标图像中的字符进行单字符提取,得到至少一个单字符;
根据所述至少一个单字符的字符特征,确定所述目标图像是否被篡改。
2.如权利要求1所述的方法,对所述目标图像中的字符进行单字符提取,得到至少一个单字符,包括:
对所述目标图像进行文本检测,得到至少一个子图像,一个子图像中包括一行字符或一列字符;
对所述至少一个子图像进行二值化处理,得到至少一个二值图像;
基于所述至少一个二值图像进行单字符提取,得到至少一个单字符。
3.如权利要求2所述的方法,对所述目标图像进行文本检测,得到至少一个子图像,包括:
对所述目标图像进行归一化处理;
采用预先确定的文本检测模型对所述目标图像进行文本检测,得到至少一个定位框;
将所述至少一个定位框中不符合预设条件的定位框进行过滤,将符合所述预设条件的至少一个定位框确定为所述至少一个子图像。
4.如权利要求2所述的方法,基于所述至少一个二值图像进行单字符提取,得到至少一个单字符,包括:
提取所述至少一个二值图像中与字符区域对应的字符图像;
对所述字符图像进行图像形态学处理,得到多个连通分量;
对所述多个连通分量中的噪声连通分量进行过滤,得到字符连通分量;
基于所述字符连通分量进行单字符切割,得到至少一个单字符。
5.如权利要求1所述的方法,在提取得到至少一个单字符后,所述方法还包括:
针对任一单字符,确定所述单字符的字符特征,所述字符特征包括以下至少一项:
单字符占用的像素个数;单字符所占矩形区域的长度;单字符所占矩形区域的宽度;单字符的水平位置;单字符的垂直位置;单字符的hu形状矩特征;单字符所在图像区域的灰度直方图。
6.如权利要求1所述的方法,根据所述至少一个单字符的字符特征,确定所述目标图像是否被篡改,包括:
根据所述至少一个单字符的字符特征,对所述至少一个单字符进行单字符的篡改检测;
根据所述至少一个单字符的篡改检测结果,确定所述目标图像是否被篡改。
7.如权利要求6所述的方法,对所述至少一个单字符进行单字符的篡改检测,包括:
获取预先训练的分类器;
针对任一单字符,将所述单字符的字符特征输入所述分类器,确定所述单字符属于被篡改字符的概率;
若所述单字符属于被篡改字符的概率大于或等于预设概率阈值,则确定所述单字符为被篡改字符。
8.如权利要求6所述的方法,对所述至少一个单字符进行单字符的篡改检测,包括:
根据所述至少一个单字符的字符特征的特征值,确定所述字符特征的平均特征值;
针对任一单字符,确定所述单字符的字符特征的特征值与所述平均特征值之间的差值是否大于或等于所述平均特征值的设定比值;
若是,则确定所述单字符为被篡改字符。
9.如权利要求7或8所述的方法,根据所述至少一个单字符的篡改检测结果,确定所述目标图像是否被篡改,包括:
若所述至少一个单字符中存在被篡改字符,则确定所述目标图像被篡改。
10.一种图像篡改检测装置,包括:
获取模块,获取待检测的目标图像,所述目标图像为截屏图像,所述目标图像中包括字符;
字符提取模块,对所述目标图像中的字符进行单字符提取,得到至少一个单字符;
检测模块,根据所述至少一个单字符的字符特征,确定所述目标图像是否被篡改。
11.一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,该可执行指令在被执行时使该处理器执行以下操作:
获取待检测的目标图像,所述目标图像为截屏图像,所述目标图像中包括字符;
对所述目标图像中的字符进行单字符提取,得到至少一个单字符;
根据所述至少一个单字符的字符特征,确定所述目标图像是否被篡改。
12.一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下方法:
获取待检测的目标图像,所述目标图像为截屏图像,所述目标图像中包括字符;
对所述目标图像中的字符进行单字符提取,得到至少一个单字符;
根据所述至少一个单字符的字符特征,确定所述目标图像是否被篡改。
CN202210375552.5A 2022-04-11 2022-04-11 一种图像篡改检测方法和装置 Pending CN114743205A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210375552.5A CN114743205A (zh) 2022-04-11 2022-04-11 一种图像篡改检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210375552.5A CN114743205A (zh) 2022-04-11 2022-04-11 一种图像篡改检测方法和装置

Publications (1)

Publication Number Publication Date
CN114743205A true CN114743205A (zh) 2022-07-12

Family

ID=82281333

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210375552.5A Pending CN114743205A (zh) 2022-04-11 2022-04-11 一种图像篡改检测方法和装置

Country Status (1)

Country Link
CN (1) CN114743205A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116109914A (zh) * 2023-04-07 2023-05-12 平安银行股份有限公司 银行流水图像的鉴别真伪方法、装置、电子设备及介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116109914A (zh) * 2023-04-07 2023-05-12 平安银行股份有限公司 银行流水图像的鉴别真伪方法、装置、电子设备及介质

Similar Documents

Publication Publication Date Title
US10896349B2 (en) Text detection method and apparatus, and storage medium
CN110046529B (zh) 二维码识别方法、装置及设备
US9317764B2 (en) Text image quality based feedback for improving OCR
CN107220640B (zh) 字符识别方法、装置、计算机设备和计算机可读存储介质
CN107203765B (zh) 敏感图像检测方法和装置
CN107368827B (zh) 字符识别方法及装置、用户设备、服务器
Liu et al. Hybrid cascade structure for license plate detection in large visual surveillance scenes
CN110175609B (zh) 界面元素检测方法、装置及设备
CN111274957A (zh) 网页页面验证码识别方法、装置、终端和计算机存储介质
CN110647882A (zh) 图像校正方法、装置、设备及存储介质
US11132576B2 (en) Text recognition method and apparatus, electronic device, and storage medium
CN110263805B (zh) 证件验证、身份验证方法、装置及设备
CN110443184B (zh) 身份证信息提取方法、装置及计算机存储介质
CN113486828A (zh) 图像处理方法、装置、设备和存储介质
US10909227B2 (en) Certificate verification
CN110232381B (zh) 车牌分割方法、装置、计算机设备及计算机可读存储介质
CN112232336A (zh) 一种证件识别方法、装置、设备及存储介质
CN113129298B (zh) 文本图像的清晰度识别方法
CN114743205A (zh) 一种图像篡改检测方法和装置
CN111460355A (zh) 一种页面解析方法和装置
CN115171125A (zh) 数据异常的检测方法
CN110533020B (zh) 一种文字信息的识别方法、装置及存储介质
CN113920434A (zh) 一种基于目标的图像翻拍检测方法、装置及介质
CN115223022A (zh) 一种图像处理方法、装置、存储介质及设备
KR20140112869A (ko) 문자 인식 장치 및 방법

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