CN1862598A - 图像伪造中模糊操作的异常色调率取证方法 - Google Patents

Abstract

本发明属于信号与信息处理技术领域，涉及到一种图像伪造中模糊操作的异常色调率取证方法。其特征在于提供了一种基于异常色调率的数字图像取证方法，可以针对数字图像伪造和篡改中最为常用的模糊操作，利用模糊操作对数字图像局部色彩属性造成的异常，通过定义异常色调集合和异常色调率，对图像色调的局部一致性和相关性程度进行量化，进而对一幅经过伪造和模糊操作的数字图像进行检测。本发明的效果益处是能够有效地检测出对数码相机拍摄图像进行模糊操作的痕迹，并能够对经过模糊操作的图像局部进行准确的基于像素块的定位。本发明适用于信息安全领域。

Description

图像伪造中模糊操作的异常色调率取证方法

技术领域  本发明属于信号与信息处理技术领域，涉及到图像伪造中模糊操作的异常色调率取证方法。

背景技术

目前现有的针对伪造和篡改数字图像的取证方法，主要有Hany Farid和Tian-Tsong[1][2]以及Jessica Fridrich[4]等人分别提出的针对简单图像拼接的数字图像取证算法。然而，伪造和篡改图像最常见的操作就是图像局部的合成与润饰。因此，除了对图像合成进行检测以外，对伪造图像的模糊、润饰操作的检测更是数字图像取证研究的重点。目前的数字图像取证算法，都存在一些问题，使其不能得到很好地应用。例如现有算法大多无法对拼接后进行过处理(如润饰操作等)的数字图像进行检测，如[2][3][4]中的算法只能对简单的拼接图像进行检测，在实际应用中受到了较大的限制。因为事实上，大多数合成图像，尤其是高分辨率数字图像，在经过简单的拼接后，为了消除在拼接边缘产生的视觉或统计上的畸变，都会采用模糊、淡化、渐变等操作进行后期处理。其中，模糊是使用最多，操作最为简便，效果也最好的处理方法，可以轻易消除图像拼接的局部边缘畸变。除此之外，Hany Farid和Tian-Tsong等人的方法需要对原始图像和伪造图像进行大样本的训练，以获得一定的先验知识，进而进行检测。这对于存在样本差异的数字图像来说是低效的。

已公开的有关的技术文献有以下四篇：

Hany Farid，Creating and Detecting Doctored and Virtual Images：Implicationsto The Child Pornography Prevention Act.2004

Ng T T，Chang S F.Blind image splicing and photomontage detection usinghigher order statistics.ISCAS，2004，Vol.5：688-691.

Ng T T，Chang S F.A model for image splicing，IEEE ISCAS.2004.Vol.2：1169-1172.

Fridrich J，Soukal D，Luká？J.Detection of copy-move forgery in digitalimages.http://www.ws.binghamton.edu/fridrich/publications.html3

发明内容

本发明的目的是利用模糊操作对数字图像色彩空间属性的影响，通过定义和量化数字图像的异常色调率，分析其变化规律来对数字图像进行取证。

本发明的技术方案如下：

模糊操作对图像色彩属性的影响分析

数字图像最常用的色彩模型有RGB颜色模型以及HSI颜色模型等。RGB模型基于笛卡儿坐标系统，三个轴分别代表R、G和B。坐标系统的原点对应白色，离原点最远的顶点对应黑色，如图1所示。RGB色彩模型由于采用了面向硬件设备的加色合成法而被广泛地应用，BMP、TIFF等典型的无损数字图像都是采用的RGB存储方式。

HSI色彩模型根据人类视觉系统的感知特性，将图像分为色调(Hue)、饱和度(Saturation)和密度(Intensity)三个基本特征量。密度信息与图像的色彩无关，仅与成像的亮度相关，而色调和饱和度则与人类感知色彩的方式紧密相连。HSI模型的颜色分量可以定义在图2所示的三角形中。任意色点P，其H的值指向该点的矢量与R轴的夹角。该点的S与指向该点的矢量长成正比，越长越饱和。在这个模型中，I是沿着通过三角形中心并垂直于三角形平面的直线来测量的，如图3所示。RGB和HSI的转换公式如式(1)。

$I=\frac{1}{3}(R+G+B)$

$S=1-\frac{3}{(R+G+B)}\left[\min (R,G,B)\right]---\left(1\right)$

$H=\arccos \left\{\frac{[(R-G)+(R-B)]/2}{{[{(R-G)}^2+(R-B)(G-B)]}^{1/2}}\right\}$

以24比特真彩色BMP图像为例，本发明用下式表示一幅数字图像。

         I＝f(R，G，B)＝f({r：r∈R}，{g：g∈G}，{b：b∈B})                (2)

其中，R、G、B分别代表图像空域RGB色彩模型的三个通道值，f表示映射函数。在数字图像的成像过程当中，由于大部分数码相机的成像传感器在一个像素点上只能获取RGB当中一种颜色，而其他颜色则是通过滤色阵列插值所得。因此，数码相机直接拍摄的图像，在空域具有色彩的局部一致性。虽然成像器件的模式噪声会影响图像色彩的局部一致性，但在数码相机形成JPEG图像的过程当中，有损压缩在一定程度上降低了模式噪声的影响，从而增强了图像色彩的局部一致性。本发明用式(3)来描述这个成像过程。

            I＝f{f(k({r′，g′，b′}，{r′，g′，b′}，{r′，g′，b′}))}

         r′，g′，b′：r′∈|r-r′|＜δ，g′∈|g-g′|＜δ，b′∈|b-b′|＜δ    (3)

其中，r表示JPEG有损压缩的系统函数，g表示滤色阵列函数，b代表滤色阵列邻域大小，r′，g′，b′分别表示像素的r，g，b的邻域值。

在描述了彩色图像的成像过程后，需要分析模糊操作对图像的影响。如前面所述，模糊操作是一种在图像空域中最常见的处理之一。图5是对一幅数码相机拍摄的自然图像局部模糊处理的效果。可以直观地看出，模糊操作最重要的作用是将明显的边缘淡化甚至消除，其基本原理是在空域对图像的局部邻近像素值进行低通滤波而产生平滑的效果。

在Photoshop软件当中，不仅支持指定的模糊模式，也支持自定义滤镜。用户可以选择不同的模糊半径和强度对图像进行操作。可以用低通滤波函数来描述这种模糊操作对图像的影响。不同的模糊模式就是不同的滤波函数，通过定义不同大小的滤波窗来达到不同模糊半径的目的，而滤波器参数的不同则反映了不同的模糊强度。本发明用式(4)来描述模糊操作即加窗滤波器对图像的影响。

$I^{\&prime;}=f\left(\begin{array}{c}I\left(\begin{array}{c}\{\tilde{r}:\tilde{r}\&Element;|r-\tilde{r}|<{\mathrm{\&delta;}}^{\&prime;}\}.\\ \{\tilde{g}:\tilde{g}\&Element;|g-\tilde{g}|<{\mathrm{\&delta;}}^{\&prime;}\}.\\ \{\tilde{b}:\tilde{b}\&Element;|b-\tilde{b}|<{\mathrm{\&delta;}}^{\&prime;}\}\end{array}\right)\end{array}\right)---\left(4\right)$

其中，′表示加窗滤波器函数，g′表示模糊邻域大小，即滤波器窗大小，r，g，b分别表示像素的r，g，b的邻域值。对比式(3)和式(4)，虽然两者在表达式上有着相当的近似程度，也都描述了图像像素某一邻域对某一系统函数(I或者′)的响应，但是通过进一步分析可以看出，两式对图像的色彩空间属性产生了不同的影响。在数码相机的成像过程中，以R通道为例，指定像素点的R、G和B邻域响应滤色阵列函数I获得该像素点的R色彩分量信息，G和B通道亦然。通过滤色阵列函数I，RGB色彩空间的三个分量在邻域半径为r的局部建立了联系，三个色彩分量具有较强的相关性。而模糊操作中各像素点虽然也是通过其邻域响应加窗滤波器函数来对该像素产生邻域均衡平滑的效果，但是不同于滤色阵列函数，模糊对RGB色彩空间三个通道的操作是相对独立的，即某一色彩分量在指定像素点的信息仅由该像素点在该通道的邻域色彩所获得。这种对于色彩通道相对独立的修改方式，严重地破坏了数码相机所拍摄的原始图像在色彩属性上所具有的相关性。另一方面，数码相机直接拍摄的自然图像，通常经历了JPEG压缩，即响应了JPEG系统函数J(·)。由于JPEG系统对数字图像的亮度和色彩信息采用了非均匀的压缩比率，对色彩信息的高压缩比率(即低采样率和高量化系数矩阵)使得色彩信息在局部的一致性和相关性更为明显。

因此，申请人得到模糊操作对图像色彩属性的影响的两个定性分析结果：

成像系统使图像色彩在局部具有相关性，模糊操作破坏了这种相关性；

JPEG压缩增强了图像色彩的局部一致性，模糊操作破坏了这种一致性。

通过找到度量两个图像色彩属性的相关性的测度，就可以对伪造和篡改的图像进行判别，并在伪造和篡改的图像中局部定位出伪造和篡改的区域。

利用异常色调率检测模糊操作的算法

申请人在HSI色彩空间的色调域H中提取反映自然图像色调的局部一致性和相关性的特征枛异常色调值集合H_abn ^M和异常色调率η_abn，并利用它们对图像中可能存在的模糊操作进行检测。

设一幅m×n图像i在色调域H中的所有像素的色调值集合为H＝{h_i ，j|1≤i≤m，1≤j≤n}，对于某一像素色调值h_i，j，设H_i，j ⁸表示以h_i，j为中心的8邻域内各像素点色调的集合，即

和

分别表示h_i，j与其8邻域内像素色调差值的最大值和最小值，即：

设图像j的异常色调值集合H_abx ^M＝{h_abx1，h_abx2，…，h_abxk，…，h_abxM}是H的一个子集，其中M表示集合H_abn ^M的势。下面定义图像j对应的异常色调值集合H_abn ^M。

定义1：异常色调值集合H_abn ^M。

(1)

即H_abn ^M初始为空集；

(2)按行扫描集合H中的元素h_i，j，设已得H_abn ^k＝{h_abx1，h_abx2，…，h_abxk}，则当且仅当某色调值h_i，j满足式(6)，h_abn(k+1)＝h_i，j，即h_i，j为第k+1个异常色调值，

从而得到

           H_abn ^k+1＝{h_abn1，h_abn2，…，h_abnk，h_abn(k+1)}

(3)当H中的所有元素h_i，j都被扫描完成之后，得到图像j对应的异常色调值集合H_abn ^M。

在式(6)中，i_j表示某一阈值。从定义1中可见，异常色调即指在8邻域中单独出现，并与8邻域内像素色调差最大值在一定范围内的色调值，并且异常色调率集合中的每个异常色调值与其8邻域内像素色调差的最小值都是互不相等的。异常色调值集合H_abn ^M的势，即异常色调值的总数M反映了一幅图像的色调值在局部邻域范围内的相关性和一致性程度。M越大，独立出现的色调越多，说明图像中像素色调的相关性和一致性越低。定义1中的阈值i_j排除了图像本身在剧烈边缘处的色调突变对异常色调值计算的影响，本文根据大量实验，采用经验阈值τ₀＝0.05。另外，要求每个异常色调值与8邻域的色调差最小值在集合H_abn ^M中单独出现，将会排除相邻颜色在成像器件噪声和JPEG压缩时形成的个别色调畸变对异常色调值的影响。

定义2：已知一幅m×n图像i中的所有色调值的集合H及异常色调值集合H_abn ^M，则异常色调率η_abn为

${\mathrm{\&eta;}}_{\mathrm{abn}}=\frac{\left|{H_{\mathrm{abn}}}^M\right|}{\left|H\right|}=\frac{M}{m\&times;n}\&times;100\%---\left(7\right)$

其中||表示集的势。

从式(7)中可以看出，异常色调率η_abn即指异常色调值的总数占图像像素总数的百分比，它表示了一幅图像的全局异常色调率，由于模糊操作极大地破坏了数码相机拍摄得到的图像的色调相关性和一致性，因此，存在模糊操作的图像的全局异常色调率会发生剧烈的突变，其突变比例大多在十倍以上，有的可高达几十倍。

在实际检测中，为了对一幅图像中可能存在的模糊操作进行定位，申请人首先对待测图像进行分块，然后计算每个图像块的局部异常色调率η_{abn_local}。将局部异常色调率η_{abn_local}高于某一阈值的像素块视为经过模糊操作的可疑像素块。在实验中发现，由于一些自然图像的场景范围广，图像中会存在由于焦距不准而造成的自然模糊的图像块。为了在一定程度上区分自然模糊和人为模糊，计算所有可疑像素块的异常色调率集合{η_{abn_local}|η_{abn_local}＞τ₁}中元素的相对标准差σ_relative。

${\mathrm{\&sigma;}}_{\mathrm{re}\ln \mathrm{tive}}=\frac{{\mathrm{\&sigma;}}_{\mathrm{abn}}}{m_{\mathrm{abn}}}---\left(8\right)$

其中m_abn和σ_abn分别为可疑像素块异常色调率集合中元素的均值和均方差。

实验发现，对于自然模糊的像素块，其局部异常色调率的相对标准差σ_relative往往低于人为模糊的像素块的对应值。也就是说，自然模糊较人为模糊会表现得更加均匀。

综上所述，本发明对图像中存在的模糊操作进行检测的具体步骤如下：

将图像j分成N个m₁×n₁的像素块I_i，i＝1，…，N，分别利用式(6)与式(7)，计算各个图像块i的异常色调值集合H_abni ^M和色调异常率η_abni，将色调异常率η_abni大于经验门限i_j的像素块视为可疑像素块，得到可疑图像块的异常色调率集合{η_{abn_local}|η_{abn_local}＞τ₁}；

根据公式(8)计算所有可疑图像块的色调异常率的相对标准差σ_relative；利用门限i_j进行判决，

将判定为经过人为模糊操作的图像块做出标记，输出检测结果。

本发明的效果益处是：

目前由数字图像引发的风波和纠纷越来越频繁，以数字图像作为有效司法证据的呼声也越来越高。数字图像取证技术正是在这样的背景下应运而生，目的在于通过主动或者被动的手段，对数字图像的完整性和真实性进行鉴别，以保证执法机构证据链的完整和电子证据的真实。

本发明利用模糊操作对数字图像色彩空间属性的影响，通过定义和量化数字图像的异常色调率，分析其变化规律来对数字图像进行取证，能够有效地检测和定位出在数字图像中使用模糊操作的痕迹。

本发明主要适用于信息安全领域，对利用模糊操作伪造的数字图像进行取证，定位出数字图像中利用模糊操作被伪造的部分。

附图说明

图1是RGB色彩模型示意图。

其中R、G、B坐标轴分别代表红色、绿色和蓝色色彩分量。

图2是HSI色彩模型与RGB色彩模型的平面关系示意图。

其中三角形的三个顶点分别代表红色、绿色、蓝色。中心点代表白色或者黑色，向量P与R轴的夹角代表色调值。

图3是HSI色彩模型与RGB色彩模型的立体关系示意图。

其中，亮度I的值是沿通过三角形中心并垂直于三角形平面的直线来测量的。

图4是一幅未经过模糊处理的样本示意图。

图5是图4中的图像样本经过模糊操作后的效果图。

图6是一幅经过模糊操作的图像样本示意图。

图7是一幅伪造图像样本示意图。

其中，图像右侧的石狮为伪造篡改部分。

图8是一幅伪造样本示意图。

其中，白衣男子为伪造篡改部分。

图9是对图6中的经过模糊操作的图像样本检测的结果示意图。

图10是对图7中经过伪造篡改的图像样本检测的结果示意图。

图11是对图8中经过伪造篡改的图像样本检测的结果示意图。

具体实施方式

以下结合技术方案和附图，详细叙述本发明的具体实施方式。

实验中所用的图像是117幅柯达DC290和119幅尼康E5700数码相机拍摄的JPEG图像转换成24比特真彩色的BMP图像。实验中用AdobePhotoshop 8.0对随机抽取的47幅来自柯达DC290相机的图像进行了模糊操作，模糊主直径从30～100不等，图6是其中一幅模糊图像样本。实验还使用AdobePhotoshop 8.0合成了20幅伪造图像，图7和图8是两幅伪造图像样本，其中石狮和白衣男子为伪造部分。

对于伪造图像的检测，首先需要对数码相机拍摄图像的自然属性进行分析和建模。有多种方法可以对图像的自然属性和统计特性进行描述，比较典型的有在小波域和离散余弦变换域的模型描述，但这些模型用于检测篡改图像，往往需要大量样本进行训练，同时也不能对伪造的图像感兴趣区域进行定位分析。本发明提出的方法是利用数码相机采集图像过程中的感光器件特性和图像生成机理，将图像像素点的色调值用集合的方式进行描述，并用集合的势操作对异常色调值进行定量统计。从实验结果可以看出，本发明提出的异常色调值集合的势，可以有效地描述一幅数码相机拍摄的自然图像的全局色彩特性。

伪造图像的检测除了要求区分原始图像和篡改图像，还需要进一步对篡位局部进行定位，而伪造区域的定位也一直是检测的难点和重点。本发明在使用自然图像全局色彩特性的同时，采用了局部异常色调率对图像局部区域进行定量分析，可以对伪造图像进行篡改局部的分析和定位。

图9是对图6中模糊图像样本检测的结果，从分析结果可以看出，模糊局部被准确有效地检测和标明出来。图10和图11分别是对图7和图8两幅篡改图像样本检测的结果，图中伪造的石狮和白衣男子均被准确检测出来。

准确性是衡量数字图像取证算法是否行之有效最重要的方面。准确性一方面体现在对相机拍摄原始图像检测错误率(虚警率)和对篡改图像检测错误率(漏检率)的高低，另一方面则体现在对篡改图像局部定位的精确性。虚警率和漏检率可以利用大量图像样本的检测统计值来衡量，虚警率和漏检率越低，算法准确性越高。对篡改部分的标识情况则反映了篡改图像局部定位的精确性。表一是对相机拍摄原始图像和篡改图像的检测统计情况。图10和图11则反映出了对篡改图像局部定位的精确性。

表一  对相机拍摄原始图像和篡改图像的检测统计结果

图像类型	图像数目	检测正确数	检测错误数	检测正确率(％)	虚警率/漏检率(％)
						Kodak DC290原始图像	117	111	6	94.9	5.1
Kodak DC290模糊图像	47	45	2	95.7	4.3
						DC290合成图像	13	12	1	92.3	7.1
Nikon E5700原始图像	119	97	22	81.5	19.5
						Nikon E5700合成图像	7	6	6	85.7	14.3

Claims (4)

1.图像伪造中模糊操作的异常色调率取证方法，其特征在于在HSI色彩空间的色调域H中提取反映自然图像色调的局部一致性和相关性的特征枛异常色调值集合H_abn ^M和异常色调率η_abn，并利用它们对图像中存在的模糊操作进行检测。

2.根据权利要求1所述的图像伪造中模糊操作的异常色调率取证方法，其特征是定义图像I对应的异常色调值集合H_abn ^M：(1)H_abn ^o＝_，即H_abn ^M初始为空集；(2)按行扫描集合图像色调集合H中的元素h，设已得H_abn ^k＝{h_abn1，h_abn2，…，h_abnk}，则当且仅当某色调值h_i，j满足

时，有h_abn(k+1)＝h，，即h_i，j为第k+1个异常色调值，从而得到H_abn ^k+1＝{h_abn1，h_abn2，…，h_abnk，h_abn(k+1)}；(3)当H中的所有元素h_i，j都被扫描完成之后，得到图像I对应的异常色调值集合H_abn ^M。

3.根据权利要求1所述的图像伪造中模糊操作的异常色调率取证方法，其特征是异常色调率η_abn定义为 ${\mathrm{\&eta;}}_{\mathrm{abn}}=\frac{\left|{H_{\mathrm{abn}}}^M\right|}{\left|H\right|}=\frac{M}{m\&times;n}\&times;100\%,$ 其中||表示集的势，H是图像中的所有色调值的集合，H_abn ^M是异常色调值集合。

4.根据权利要求1所述的图像伪造中模糊操作的异常色调率取证方法，其特征是对待测图像进行分块，然后计算每个图像块的局部异常色调率η_{abn_local}；将局部异常色调率η_{abn_local}高于某一阈值的像素块视为经过模糊操作的可疑像素块。

Images