專利名稱:一種魯棒的圖像區(qū)域復制篡改檢測方法
技術(shù)領(lǐng)域:
本發(fā)明屬于多媒體信息安全領(lǐng)域,具體涉及一種能對給定的數(shù)字圖像f,判斷它是否經(jīng)過了區(qū)域復制篡改并能實現(xiàn)篡改的定位的魯棒的圖像區(qū)域復制篡改檢測方法。
背景技術(shù):
高分辨率的數(shù)碼相機,功能強大的個人電腦及各種圖像處理軟件的普及與應用,使得一般的用戶都能很容易地實現(xiàn)對數(shù)字圖像的篡改而不留下明顯的痕跡。如今,眼見并不為實,如果虛假的相片被濫用,必將帶來一些問題,如涉及到法律證據(jù)的真實性,數(shù)字媒體的版權(quán),個人的隱私保護等,檢測圖像數(shù)據(jù)的真實性有著十分重要的意義。
區(qū)域復制篡改是把數(shù)字圖像中的一塊區(qū)域進行復制并粘貼到要去除的區(qū)域中,它是一種簡單有效去除圖像重要信息的篡改方法,如說明書附圖2所示。由于在同一幅圖像中有著一致的噪聲、紋理、顏色等信息,人眼很難對篡改后的圖像進行辨別。并且篡改者往往還會在“復制-粘貼”后添加一些后續(xù)操作,使得檢測的難度大大增加。檢測此形式的篡改對圖像數(shù)據(jù)真?zhèn)涡缘呐袛嗟扔兄匾膶嶋H意義。
發(fā)明內(nèi)容
本發(fā)明提供一種魯棒的圖像區(qū)域復制篡改檢測方法,本方法能夠?qū)o定數(shù)字圖像f,判斷它是否經(jīng)過了區(qū)域復制篡改,若有則還需定位出篡改的區(qū)域,從而確認其圖像數(shù)據(jù)的真?zhèn)涡浴?br>
本發(fā)明方法利用了自然圖像中的一些統(tǒng)計性質(zhì)如在同一幅自然圖像中存在大面積的相似區(qū)域的可能性很小,圖像塊的“平均值”特性對一般的圖像處理有操作較好的魯棒性等。本發(fā)明的技術(shù)方案如下本發(fā)明方法包括以下步驟1)抽取圖像塊特征;2)尋找相似塊對;3)去除錯誤的匹配塊對;4)判定篡改圖像和定位篡改區(qū)域。
所述步驟1)抽取圖像塊的特征的具體方法是首先把待測圖像f(設其大小為M*N)分解為b×b大小有重疊區(qū)域的塊Bi,i=1...(M-b+1)(N-b+1),對于每一個圖像分塊按如下的方式提取其七個特征c1,c2,c3分別記錄圖像塊紅、綠、藍三個顏色通道的平均值,c4,c5,c6,c7是圖像塊Y通道四個方向上part(1)所占的比值,特征向量V(i)=(c1,c2,c3,c4,c5,c6,c7)表示了圖像塊Bi的信息,將所有的V(i)保存于數(shù)組A中。
所述步驟2)尋找相似塊對的方法是將存于數(shù)組A中所有特征向量先按字典排序,然后兩兩比較各圖像塊的特征向量,若圖像塊Bi,Bj中對應的7個特征的絕對差小于[2.5,1.5,3.0,0.006,0.005,0.005,0.005],且對應塊間的距離大于L,則認為Bi,Bj是相似塊對,并按如下方法記錄塊對的“轉(zhuǎn)移向量”dd=(dx,dy),dx=x1-x2,dy=y(tǒng)1-y2,其中(x1,y1),(x2,y2)是兩個圖像塊的左上角位置的坐標。
所述步驟3)去除錯誤的匹配塊對的方法是統(tǒng)計步驟2)中的“轉(zhuǎn)移向量”,令出現(xiàn)頻率最多的一個作為“主轉(zhuǎn)移向量”,把“轉(zhuǎn)移向量”不等于“主轉(zhuǎn)移向量”的所有塊對認為是錯誤的匹配塊對給去除掉,在剩下的塊對中尋找出最大的兩個連通分量,并把連通分量中的空洞區(qū)域填補上。
所述步驟4)判定篡改圖像和定位篡改區(qū)域的方法是假設在步驟3)得到了兩個區(qū)域R1,R2,若滿足min(|R1|,|R2|)>αM*N*0.85%||R1|-|R2||/max(|R1|,|R2|)<Tr則認為圖像f經(jīng)過了區(qū)域復制篡改,R1,R2是檢測到的篡改區(qū)域。
本發(fā)明方法能夠?qū)o定的數(shù)字圖像f,判斷它是否經(jīng)過了區(qū)域復制篡改,若有則還需定位出篡改的區(qū)域,從而確認其圖像數(shù)據(jù)的真?zhèn)涡?。與現(xiàn)有的一些檢測方法相比,本發(fā)明能更有效地抵抗更多、更強的后處理攻擊,并且算法的實現(xiàn)僅需在圖像的空域上進行,效率也較高。
圖1是圖像塊Y通道上的四種分塊模式示意圖;圖2是區(qū)域復制篡改示意圖;圖3是篡改區(qū)域間對應塊間具有統(tǒng)一的轉(zhuǎn)移向量示意圖;圖4是測試圖例1;圖5是測試圖例1在加不同強度白噪聲下的檢測正確率與錯誤率;圖6是測試圖例1在不同質(zhì)量因子壓縮下的檢測正確率與錯誤率;圖7是本方法與文獻[1]所述方法的實驗結(jié)果比較(測試例子1);圖8是利用本方法對100幅圖像進行不同強度的加噪、JPEG壓縮,在不同篡改塊大小下檢測正確率與錯誤率的平均值。
具體實施例方式
下面結(jié)合附圖對本發(fā)明作進一步說明。
本發(fā)明方法包括以下步驟1)抽取圖像塊特征;2)尋找相似塊對;3)去除錯誤的匹配塊對;4)判定篡改圖像和定位篡改區(qū)域。
1)抽取圖像塊的特征假設待檢測的圖像為f,其大小為M*N。首先將f分解為有重疊區(qū)域的b×b(設定b=16)大小的圖像塊,設圖像塊為Bii=1...(M-b+1)(N-b+1)。對于每個圖像塊Bi,我們記錄其七個“平均值”的特征。
首先利用c1,c2,c3記錄圖像塊Bi的紅、綠、藍三個顏色通道的平均值。
然后利用公式Y(jié)=0.299R+0.587G+0.114B將Bi轉(zhuǎn)換到Y(jié)通道,并按圖1的方式將Y按圖中分解模式等分為兩個部分,設為Part(1)和Part(2)。利用c4,c5,c6,c7記錄Part(1)灰度占Y的比例。既ci=sum(part(1))/sum(part(1)+part(2))i=4,5,6,7從而得到圖像塊Bi的特征向量V(i)=(c1,c2,c3,c4,c5,c6,c7),將所有的特征向量存于數(shù)組A中。
2)尋找相似塊對首先對數(shù)組A的(M-b+1)(N-b+1)個特征向量作字典排序。然后兩兩比較它們的相似程度,若兩個特征向量對應特征的差的絕對值小于我們設定的閾值[2.5,1.5,3.0,0.006,0.005,0.005,0.005]并且兩個對應圖像塊間的距離大于L(設定L=50)。則認為是相似塊對,并按如下方法記錄塊對間的“轉(zhuǎn)移向量”d。
d=(dx,dy)dx=x1-x2,dy=y(tǒng)1-y2其中(x1,y1),(x2,y2)是兩個圖像塊的左上角位置的坐標。
3)去除錯誤的匹配塊對由于自然圖像臨近區(qū)域的相似性影響,并非所有2中找到的相似塊對都出自于篡改的區(qū)域D1,D2。如圖2、3所示,從區(qū)域復制篡改的過程看,所有來之D1,D2的對應塊都有統(tǒng)一的轉(zhuǎn)移向量,并且與其他相似塊對的轉(zhuǎn)移向量相比,其出現(xiàn)的概率往往是最大的。據(jù)此,我們利用“主轉(zhuǎn)移向量”方法去除錯誤的匹配塊對并實現(xiàn)定位。其步驟如下首先統(tǒng)計2中的所有轉(zhuǎn)移向量,然后選擇頻率出現(xiàn)最多的作為“主轉(zhuǎn)移向量”,把“轉(zhuǎn)移向量”不等于“主轉(zhuǎn)移向量”的所有塊對認為是錯誤的匹配塊對給去除掉。在剩下的塊對中尋找出最大的兩個連通分量,并把連通分量中的空洞區(qū)域填補,得到兩個區(qū)域R1,R2。
3)判定篡改圖像和定位篡改區(qū)域由于在一般的圖像中也會存在相似的區(qū)域,但其面積一般較小。經(jīng)過大量的實驗,我們設置了如下規(guī)則判斷待測圖像是否經(jīng)過了區(qū)域復制篡改操作。若在3中得到了兩個區(qū)域R1,R2,并且它們滿足min(|R1|,|R2|)>αM*N*0.85%||R1|-|R2||/max(|R1|,|R2|)<Tr則認為圖像f經(jīng)過了區(qū)域復制篡改,R1,R2是檢測到的篡改區(qū)域。其中α=61%,Tr=6%。
下面給出一些檢測的例子與實驗的統(tǒng)計數(shù)據(jù)。
如圖4所示,圖4(a)是原始的圖像,圖4(b)是篡改后圖像。在沒有經(jīng)過任何后處理操作,利用本專利方法得到的檢測正確率為0.99123,錯誤率為0.1045。其中正確率錯誤率的定義如下r=|R1∩D1|+|R2∩D2||D1|+|D2|,w=|R1∪D1|+|R2∪D2||D1|+|D2|-r]]>
圖5、圖6是經(jīng)過添加高斯噪聲、有損的JPEG后處理操作的檢測結(jié)果,圖示下方表示檢測的正確率與錯誤率(r,w),圖5(a)表示對篡改后圖像添加SNR為20db的白高斯噪聲后的檢測結(jié)果,圖5(b)、圖5(c)分別對應添加30db和40db后的檢測結(jié)果。圖6(a)表示對篡改后圖像進行質(zhì)量因子為40的JPEG壓縮后的檢測結(jié)果,圖6(b)、圖6(c)分別對應以質(zhì)量因子為65,90JPEG壓縮后的檢測結(jié)果。圖7是利用本發(fā)明方法與文獻[1]方法的實驗對比。文獻[1].A.C.Popescu and H.Farid.Exposing digital forgeriesby detecting duplicated image regions.Technical Report TR2004-515,Dartmouth College,Aug.2004??梢钥吹奖痉椒ǜ唪敯粜?。
此外,本發(fā)明方法還能抵抗以下的攻擊高斯模糊(n1=n2=5,方差σ=1)及混合操作(先進行高斯模糊,然后加SNR 24db白高斯噪聲,最后作質(zhì)量因子為60的JPEG壓縮),以上例子的檢測結(jié)果如下表1所示表1
為了進一步地測試本方法的有效性及對各種后續(xù)操作的魯棒性,我們隨機選取了100幅圖像(大小均為300*400)進行測試,對于每一幅圖像,我們隨機地選取一個方塊進行復制,并把它粘貼到同一圖像中的不相交的區(qū)域中,然后再對這些篡改后的圖像進行不同的操作高斯模糊,加高斯白噪聲,有損JPEG壓縮,及其它們的混合操作。在測試中我們選取方塊大小分別是32*32,48*48,64*64,80*80。
表2列出了沒有進行后操作下的檢測結(jié)果。從表2中數(shù)據(jù)可以看到,所有圖像的正確率高達99.9%,而錯誤率均低于5%。
表2
表3~表6與圖8列出了100幅圖像在不同大小篡改區(qū)域,經(jīng)不同的后處理操作下的檢測結(jié)果。表3是高斯模糊檢測結(jié)果,表4是添加高斯白噪聲的誤判率,表5是有損JPEG壓縮下的誤判率,表6是混合操作下的檢測結(jié)果。
表3
表4
表5
表6
從上述的表格與圖示可以看到,本發(fā)明方法有較好的檢測與定位功能。即使篡改圖像在經(jīng)過不同的后處理操作如加噪、模糊、有損的JPEG壓縮等。都能很好地識別出圖像的篡改區(qū)域,是一種魯棒的區(qū)域復制篡改檢測技術(shù)。
權(quán)利要求
1.一種魯棒的圖像區(qū)域復制篡改檢測方法,其特征是本發(fā)明方法包括以下步驟1)抽取圖像塊特征;2)尋找相似塊對;3)去除錯誤的匹配塊對;4)判定篡改圖像和定位篡改區(qū)域。
2.根據(jù)權(quán)利要求書1所述的圖像區(qū)域復制篡改檢測方法,其特征是所述步驟1)抽取圖像塊的特征的具體方法是首先把待測圖像f(設其大小為M*N)分解為b×b大小有重疊區(qū)域的塊Bi,i=1...(M-b+1)(N-b+1),對于每一個圖像分塊按如下的方式提取其七個特征c1,c2,c3分別記錄圖像塊紅、綠、藍三個顏色通道的平均值,c4,c5,c6,c7是圖像塊Y通道四個方向上part(1)所占的比值,用特征向量V(i)=(c1,c2,c3,c4,c5,c6,c7)表示了圖像塊Bi的信息,并將所有的V(i)保存于數(shù)組A中。
3.根據(jù)權(quán)利要求書1所述的圖像區(qū)域復制篡改檢測方法,其特征是所述步驟2)尋找相似塊對的方法是將存于數(shù)組A中所有特征向量先按字典排序,然后兩兩比較各圖像塊的特征向量,若圖像塊Bi,Bj中對應的7個特征的絕對差小于[2.5,1.5,3.0,0.006,0.005,0.005,0.005],且對應塊間的距離大于L,則認為Bi,Bj是相似塊對,并按如下方法記錄塊對間的“轉(zhuǎn)移向量”dd=(dx,dy),dx=x1-x2,dy=y(tǒng)1-y2,其中(x1,y1),(x2,y2)是兩個圖像塊的左上角位置的坐標。
4.根據(jù)權(quán)利要求書1所述的圖像區(qū)域復制篡改檢測方法,其特征是所述步驟3)去除錯誤的匹配塊對的方法是統(tǒng)計步驟2)中的“轉(zhuǎn)移向量”,令出現(xiàn)頻率最多的一個作為“主轉(zhuǎn)移向量”,把“轉(zhuǎn)移向量”不等于“主轉(zhuǎn)移向量”的所有塊對認為是錯誤的匹配塊對給去除掉,在剩下的塊對中尋找出最大的兩個連通分量,并把連通分量中的空洞區(qū)域填補上。
5.根據(jù)權(quán)利要求書1所述的圖像區(qū)域復制篡改檢測方法,其特征是所述步驟4)判定篡改圖像和定位篡改區(qū)域的方法是假設在步驟3)得到了兩個區(qū)域R1,R2,若滿足min(|R1|,|R2|)>αM*N*0.85% ||R1|-|R2||/max(|R1|,|R2|)<Tr則認為圖像f經(jīng)過了區(qū)域復制篡改,R1,R2是檢測到的篡改區(qū)域。
全文摘要
本發(fā)明提出一種基于圖像塊相似性比較的魯棒區(qū)域復制篡改檢測方法,屬于多媒體信息安全領(lǐng)域。本發(fā)明方法包括以下步驟1)抽取圖像塊特征;2)尋找相似塊對;3)去除錯誤的匹配塊對;4)判定篡改圖像和定位篡改區(qū)域。本發(fā)明方法首先將待測圖像分解成有重疊區(qū)域的小塊,從中提取出每塊的特征,然后選擇恰當?shù)拈撝刀攘扛鞣謮K的相似性得到相似塊對,最后去除錯誤的匹配塊對以定位出篡改區(qū)域。可以利用本發(fā)明有效地對此篡改后的圖像作檢測,因此對圖像數(shù)據(jù)真?zhèn)涡缘呐袛嗟扔兄匾膶嶋H意義。
文檔編號G06T1/00GK1900970SQ200610036600
公開日2007年1月24日 申請日期2006年7月20日 優(yōu)先權(quán)日2006年7月20日
發(fā)明者駱偉祺, 黃繼武 申請人:中山大學