專利名稱：圖像偽造中模糊操作的異常色調(diào)率取證方法
技術(shù)領(lǐng)域：
本發(fā)明屬于信號與信息處理技術(shù)領(lǐng)域，涉及到圖像偽造中模糊操作的異常色調(diào)率取證方法。
背景技術(shù)：
目前現(xiàn)有的針對偽造和篡改數(shù)字圖像的取證方法，主要有Hany Farid和Tian-Tsong[1][2]以及Jessica Fridrich[4]等人分別提出的針對簡單圖像拼接的數(shù)字圖像取證算法。然而，偽造和篡改圖像最常見的操作就是圖像局部的合成與潤飾。因此，除了對圖像合成進行檢測以外，對偽造圖像的模糊、潤飾操作的檢測更是數(shù)字圖像取證研究的重點。目前的數(shù)字圖像取證算法，都存在一些問題，使其不能得到很好地應(yīng)用。例如現(xiàn)有算法大多無法對拼接后進行過處理(如潤飾操作等)的數(shù)字圖像進行檢測，如[2][3][4]中的算法只能對簡單的拼接圖像進行檢測，在實際應(yīng)用中受到了較大的限制。因為事實上，大多數(shù)合成圖像，尤其是高分辨率數(shù)字圖像，在經(jīng)過簡單的拼接后，為了消除在拼接邊緣產(chǎn)生的視覺或統(tǒng)計上的畸變，都會采用模糊、淡化、漸變等操作進行后期處理。其中，模糊是使用最多，操作最為簡便，效果也最好的處理方法，可以輕易消除圖像拼接的局部邊緣畸變。除此之外，Hany Farid和Tian-Tsong等人的方法需要對原始圖像和偽造圖像進行大樣本的訓(xùn)練，以獲得一定的先驗知識，進而進行檢測。這對于存在樣本差異的數(shù)字圖像來說是低效的。
已公開的有關(guān)的技術(shù)文獻(xiàn)有以下四篇Hany Farid，Creating and Detecting Doctored and Virtual ImagesImplicationsto The Child Pornography Prevention Act.2004Ng T T，Chang S F.Blind image splicing and photomontage detection usinghigher order statistics.ISCAS，2004，Vol.5688-691.
Ng T T，Chang S F.A model for image splicing，IEEE ISCAS.2004.Vol.21169-1172.
Fridrich J，Soukal D，Luká？J.Detection of copy-move forgery in digitalimages.http://www.ws.binghamton.edu/fridrich/publications.html
發(fā)明內(nèi)容本發(fā)明的目的是利用模糊操作對數(shù)字圖像色彩空間屬性的影響，通過定義和量化數(shù)字圖像的異常色調(diào)率，分析其變化規(guī)律來對數(shù)字圖像進行取證。
本發(fā)明的技術(shù)方案如下
模糊操作對圖像色彩屬性的影響分析數(shù)字圖像最常用的色彩模型有RGB顏色模型以及HSI顏色模型等。RGB模型基于笛卡兒坐標(biāo)系統(tǒng)，三個軸分別代表R、G和B。坐標(biāo)系統(tǒng)的原點對應(yīng)白色，離原點最遠(yuǎn)的頂點對應(yīng)黑色，如圖1所示。RGB色彩模型由于采用了面向硬件設(shè)備的加色合成法而被廣泛地應(yīng)用，BMP、TIFF等典型的無損數(shù)字圖像都是采用的RGB存儲方式。
HSI色彩模型根據(jù)人類視覺系統(tǒng)的感知特性，將圖像分為色調(diào)(Hue)、飽和度(Saturation)和密度(Intensity)三個基本特征量。密度信息與圖像的色彩無關(guān)，僅與成像的亮度相關(guān)，而色調(diào)和飽和度則與人類感知色彩的方式緊密相連。HSI模型的顏色分量可以定義在圖2所示的三角形中。任意色點P，其H的值指向該點的矢量與R軸的夾角。該點的S與指向該點的矢量長成正比，越長越飽和。在這個模型中，I是沿著通過三角形中心并垂直于三角形平面的直線來測量的，如圖3所示。RGB和HSI的轉(zhuǎn)換公式如式(1)。
I=13(R+G+B)]]>S=1-3(R+G+B)[min(R,G,B)]---(1)]]>H=arccos{[(R-G)+(R-B)]/2[(R-G)2+(R-B)(G-B)]1/2}]]>以24比特真彩色BMP圖像為例，本發(fā)明用下式表示一幅數(shù)字圖像。
I＝f(R，G，B)＝f({rr∈R}，{gg∈G}，{bb∈B})(2)其中，R、G、B分別代表圖像空域RGB色彩模型的三個通道值，f表示映射函數(shù)。在數(shù)字圖像的成像過程當(dāng)中，由于大部分?jǐn)?shù)碼相機的成像傳感器在一個像素點上只能獲取RGB當(dāng)中一種顏色，而其他顏色則是通過濾色陣列插值所得。因此，數(shù)碼相機直接拍攝的圖像，在空域具有色彩的局部一致性。雖然成像器件的模式噪聲會影響圖像色彩的局部一致性，但在數(shù)碼相機形成JPEG圖像的過程當(dāng)中，有損壓縮在一定程度上降低了模式噪聲的影響，從而增強了圖像色彩的局部一致性。本發(fā)明用式(3)來描述這個成像過程。
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有損壓縮的系統(tǒng)函數(shù)，g表示濾色陣列函數(shù)，b代表濾色陣列鄰域大小，r′，g′，b′分別表示像素的r，g，b的鄰域值。
在描述了彩色圖像的成像過程后，需要分析模糊操作對圖像的影響。如前面所述，模糊操作是一種在圖像空域中最常見的處理之一。圖5是對一幅數(shù)碼相機拍攝的自然圖像局部模糊處理的效果?？梢灾庇^地看出，模糊操作最重要的作用是將明顯的邊緣淡化甚至消除，其基本原理是在空域?qū)D像的局部鄰近像素值進行低通濾波而產(chǎn)生平滑的效果。
在Photoshop軟件當(dāng)中，不僅支持指定的模糊模式，也支持自定義濾鏡。用戶可以選擇不同的模糊半徑和強度對圖像進行操作。可以用低通濾波函數(shù)來描述這種模糊操作對圖像的影響。不同的模糊模式就是不同的濾波函數(shù)，通過定義不同大小的濾波窗來達(dá)到不同模糊半徑的目的，而濾波器參數(shù)的不同則反映了不同的模糊強度。本發(fā)明用式(4)來描述模糊操作即加窗濾波器對圖像的影響。
I′=fI{r~:r~∈|r-r~|<δ′}.{g~:g~∈|g-g~|<δ′}.{b~:b~∈|b-b~|<δ′}---(4)]]>其中，′表示加窗濾波器函數(shù)，g′表示模糊鄰域大小，即濾波器窗大小，r，g，b分別表示像素的r，g，b的鄰域值。對比式(3)和式(4)，雖然兩者在表達(dá)式上有著相當(dāng)?shù)慕瞥潭?，也都描述了圖像像素某一鄰域?qū)δ骋幌到y(tǒng)函數(shù)(I或者′)的響應(yīng)，但是通過進一步分析可以看出，兩式對圖像的色彩空間屬性產(chǎn)生了不同的影響。在數(shù)碼相機的成像過程中，以R通道為例，指定像素點的R、G和B鄰域響應(yīng)濾色陣列函數(shù)I獲得該像素點的R色彩分量信息，G和B通道亦然。通過濾色陣列函數(shù)I，RGB色彩空間的三個分量在鄰域半徑為r的局部建立了聯(lián)系，三個色彩分量具有較強的相關(guān)性。而模糊操作中各像素點雖然也是通過其鄰域響應(yīng)加窗濾波器函數(shù)來對該像素產(chǎn)生鄰域均衡平滑的效果，但是不同于濾色陣列函數(shù)，模糊對RGB色彩空間三個通道的操作是相對獨立的，即某一色彩分量在指定像素點的信息僅由該像素點在該通道的鄰域色彩所獲得。這種對于色彩通道相對獨立的修改方式，嚴(yán)重地破壞了數(shù)碼相機所拍攝的原始圖像在色彩屬性上所具有的相關(guān)性。另一方面，數(shù)碼相機直接拍攝的自然圖像，通常經(jīng)歷了JPEG壓縮，即響應(yīng)了JPEG系統(tǒng)函數(shù)J(·)。由于JPEG系統(tǒng)對數(shù)字圖像的亮度和色彩信息采用了非均勻的壓縮比率，對色彩信息的高壓縮比率(即低采樣率和高量化系數(shù)矩陣)使得色彩信息在局部的一致性和相關(guān)性更為明顯。
因此，申請人得到模糊操作對圖像色彩屬性的影響的兩個定性分析結(jié)果成像系統(tǒng)使圖像色彩在局部具有相關(guān)性，模糊操作破壞了這種相關(guān)性；
JPEG壓縮增強了圖像色彩的局部一致性，模糊操作破壞了這種一致性。
通過找到度量兩個圖像色彩屬性的相關(guān)性的測度，就可以對偽造和篡改的圖像進行判別，并在偽造和篡改的圖像中局部定位出偽造和篡改的區(qū)域。
利用異常色調(diào)率檢測模糊操作的算法申請人在HSI色彩空間的色調(diào)域H中提取反映自然圖像色調(diào)的局部一致性和相關(guān)性的特征枛異常色調(diào)值集合HabnM和異常色調(diào)率ηabn，并利用它們對圖像中可能存在的模糊操作進行檢測。
設(shè)一幅m×n圖像i在色調(diào)域H中的所有像素的色調(diào)值集合為H＝{hi ，j|1≤i≤m，1≤j≤n}，對于某一像素色調(diào)值hi，j，設(shè)Hi，j8表示以hi，j為中心的8鄰域內(nèi)各像素點色調(diào)的集合，即 和 分別表示hi，j與其8鄰域內(nèi)像素色調(diào)差值的最大值和最小值，即 設(shè)圖像j的異常色調(diào)值集合HabxM＝{habx1，habx2，…，habxk，…，habxM}是H的一個子集，其中M表示集合HabnM的勢。下面定義圖像j對應(yīng)的異常色調(diào)值集合HabnM。
定義1異常色調(diào)值集合HabnM。
(1) 即HabnM初始為空集；(2)按行掃描集合H中的元素hi，j，設(shè)已得Habnk＝{habx1，habx2，…，habxk}，則當(dāng)且僅當(dāng)某色調(diào)值hi，j滿足式(6)，habn(k+1)＝hi，j，即hi，j為第k+1個異常色調(diào)值， 從而得到Habnk+1＝{habn1，habn2，…，habnk，habn(k+1)}(3)當(dāng)H中的所有元素hi，j都被掃描完成之后，得到圖像j對應(yīng)的異常色調(diào)值集合HabnM。
在式(6)中，ij表示某一閾值。從定義1中可見，異常色調(diào)即指在8鄰域中單獨出現(xiàn)，并與8鄰域內(nèi)像素色調(diào)差最大值在一定范圍內(nèi)的色調(diào)值，并且異常色調(diào)率集合中的每個異常色調(diào)值與其8鄰域內(nèi)像素色調(diào)差的最小值都是互不相等的。異常色調(diào)值集合HabnM的勢，即異常色調(diào)值的總數(shù)M反映了一幅圖像的色調(diào)值在局部鄰域范圍內(nèi)的相關(guān)性和一致性程度。M越大，獨立出現(xiàn)的色調(diào)越多，說明圖像中像素色調(diào)的相關(guān)性和一致性越低。定義1中的閾值ij排除了圖像本身在劇烈邊緣處的色調(diào)突變對異常色調(diào)值計算的影響，本文根據(jù)大量實驗，采用經(jīng)驗閾值τ0＝0.05。另外，要求每個異常色調(diào)值與8鄰域的色調(diào)差最小值在集合HabnM中單獨出現(xiàn)，將會排除相鄰顏色在成像器件噪聲和JPEG壓縮時形成的個別色調(diào)畸變對異常色調(diào)值的影響。
定義2已知一幅m×n圖像i中的所有色調(diào)值的集合H及異常色調(diào)值集合HabnM，則異常色調(diào)率ηabn為ηabn=|HabnM||H|=Mm×n×100%---(7)]]>其中||表示集的勢。
從式(7)中可以看出，異常色調(diào)率ηabn即指異常色調(diào)值的總數(shù)占圖像像素總數(shù)的百分比，它表示了一幅圖像的全局異常色調(diào)率，由于模糊操作極大地破壞了數(shù)碼相機拍攝得到的圖像的色調(diào)相關(guān)性和一致性，因此，存在模糊操作的圖像的全局異常色調(diào)率會發(fā)生劇烈的突變，其突變比例大多在十倍以上，有的可高達(dá)幾十倍。
在實際檢測中，為了對一幅圖像中可能存在的模糊操作進行定位，申請人首先對待測圖像進行分塊，然后計算每個圖像塊的局部異常色調(diào)率ηabn_local。將局部異常色調(diào)率ηabn_local高于某一閾值的像素塊視為經(jīng)過模糊操作的可疑像素塊。在實驗中發(fā)現(xiàn)，由于一些自然圖像的場景范圍廣，圖像中會存在由于焦距不準(zhǔn)而造成的自然模糊的圖像塊。為了在一定程度上區(qū)分自然模糊和人為模糊，計算所有可疑像素塊的異常色調(diào)率集合{ηabn_local|ηabn_local＞τ1}中元素的相對標(biāo)準(zhǔn)差σrelative。
σrelntive=σabnmabn---(8)]]>其中mabn和σabn分別為可疑像素塊異常色調(diào)率集合中元素的均值和均方差。
實驗發(fā)現(xiàn)，對于自然模糊的像素塊，其局部異常色調(diào)率的相對標(biāo)準(zhǔn)差σrelative往往低于人為模糊的像素塊的對應(yīng)值。也就是說，自然模糊較人為模糊會表現(xiàn)得更加均勻。
綜上所述，本發(fā)明對圖像中存在的模糊操作進行檢測的具體步驟如下
將圖像j分成N個m1×n1的像素塊Ii，i＝1，…，N，分別利用式(6)與式(7)，計算各個圖像塊i的異常色調(diào)值集合HabniM和色調(diào)異常率ηabni，將色調(diào)異常率ηabni大于經(jīng)驗門限ij的像素塊視為可疑像素塊，得到可疑圖像塊的異常色調(diào)率集合{ηabn_local|ηabn_local＞τ1}；根據(jù)公式(8)計算所有可疑圖像塊的色調(diào)異常率的相對標(biāo)準(zhǔn)差σrelative；利用門限ij進行判決， 將判定為經(jīng)過人為模糊操作的圖像塊做出標(biāo)記，輸出檢測結(jié)果。
本發(fā)明的效果益處是目前由數(shù)字圖像引發(fā)的風(fēng)波和糾紛越來越頻繁，以數(shù)字圖像作為有效司法證據(jù)的呼聲也越來越高。數(shù)字圖像取證技術(shù)正是在這樣的背景下應(yīng)運而生，目的在于通過主動或者被動的手段，對數(shù)字圖像的完整性和真實性進行鑒別，以保證執(zhí)法機構(gòu)證據(jù)鏈的完整和電子證據(jù)的真實。
本發(fā)明利用模糊操作對數(shù)字圖像色彩空間屬性的影響，通過定義和量化數(shù)字圖像的異常色調(diào)率，分析其變化規(guī)律來對數(shù)字圖像進行取證，能夠有效地檢測和定位出在數(shù)字圖像中使用模糊操作的痕跡。
本發(fā)明主要適用于信息安全領(lǐng)域，對利用模糊操作偽造的數(shù)字圖像進行取證，定位出數(shù)字圖像中利用模糊操作被偽造的部分。
圖1是RGB色彩模型示意圖。
其中R、G、B坐標(biāo)軸分別代表紅色、綠色和藍(lán)色色彩分量。
圖2是HSI色彩模型與RGB色彩模型的平面關(guān)系示意圖。
其中三角形的三個頂點分別代表紅色、綠色、藍(lán)色。中心點代表白色或者黑色，向量P與R軸的夾角代表色調(diào)值。
圖3是HSI色彩模型與RGB色彩模型的立體關(guān)系示意圖。
其中，亮度I的值是沿通過三角形中心并垂直于三角形平面的直線來測量的。
圖4是一幅未經(jīng)過模糊處理的樣本示意圖。
圖5是圖4中的圖像樣本經(jīng)過模糊操作后的效果圖。
圖6是一幅經(jīng)過模糊操作的圖像樣本示意圖。
圖7是一幅偽造圖像樣本示意圖。
其中，圖像右側(cè)的石獅為偽造篡改部分。
圖8是一幅偽造樣本示意圖。
其中，白衣男子為偽造篡改部分。
圖9是對圖6中的經(jīng)過模糊操作的圖像樣本檢測的結(jié)果示意圖。
圖10是對圖7中經(jīng)過偽造篡改的圖像樣本檢測的結(jié)果示意圖。
圖11是對圖8中經(jīng)過偽造篡改的圖像樣本檢測的結(jié)果示意圖。
具體實施例方式
以下結(jié)合技術(shù)方案和附圖，詳細(xì)敘述本發(fā)明的
具體實施方式
。
實驗中所用的圖像是117幅柯達(dá)DC290和119幅尼康E5700數(shù)碼相機拍攝的JPEG圖像轉(zhuǎn)換成24比特真彩色的BMP圖像。實驗中用AdobePhotoshop 8.0對隨機抽取的47幅來自柯達(dá)DC290相機的圖像進行了模糊操作，模糊主直徑從30～100不等，圖6是其中一幅模糊圖像樣本。實驗還使用AdobePhotoshop 8.0合成了20幅偽造圖像，圖7和圖8是兩幅偽造圖像樣本，其中石獅和白衣男子為偽造部分。
對于偽造圖像的檢測，首先需要對數(shù)碼相機拍攝圖像的自然屬性進行分析和建模。有多種方法可以對圖像的自然屬性和統(tǒng)計特性進行描述，比較典型的有在小波域和離散余弦變換域的模型描述，但這些模型用于檢測篡改圖像，往往需要大量樣本進行訓(xùn)練，同時也不能對偽造的圖像感興趣區(qū)域進行定位分析。本發(fā)明提出的方法是利用數(shù)碼相機采集圖像過程中的感光器件特性和圖像生成機理，將圖像像素點的色調(diào)值用集合的方式進行描述，并用集合的勢操作對異常色調(diào)值進行定量統(tǒng)計。從實驗結(jié)果可以看出，本發(fā)明提出的異常色調(diào)值集合的勢，可以有效地描述一幅數(shù)碼相機拍攝的自然圖像的全局色彩特性。
偽造圖像的檢測除了要求區(qū)分原始圖像和篡改圖像，還需要進一步對篡位局部進行定位，而偽造區(qū)域的定位也一直是檢測的難點和重點。本發(fā)明在使用自然圖像全局色彩特性的同時，采用了局部異常色調(diào)率對圖像局部區(qū)域進行定量分析，可以對偽造圖像進行篡改局部的分析和定位。
圖9是對圖6中模糊圖像樣本檢測的結(jié)果，從分析結(jié)果可以看出，模糊局部被準(zhǔn)確有效地檢測和標(biāo)明出來。圖10和圖11分別是對圖7和圖8兩幅篡改圖像樣本檢測的結(jié)果，圖中偽造的石獅和白衣男子均被準(zhǔn)確檢測出來。
準(zhǔn)確性是衡量數(shù)字圖像取證算法是否行之有效最重要的方面。準(zhǔn)確性一方面體現(xiàn)在對相機拍攝原始圖像檢測錯誤率(虛警率)和對篡改圖像檢測錯誤率(漏檢率)的高低，另一方<p>比轉(zhuǎn)速ns＝20～120范圍內(nèi)時，比轉(zhuǎn)速每增加一個(即數(shù)值1)設(shè)置一個效率修正值；比轉(zhuǎn)速ns＝120～210范圍內(nèi)時，效率修正值統(tǒng)一設(shè)置為零，Δη120-210＝0；比轉(zhuǎn)速ns＝210-300范圍內(nèi)時，比轉(zhuǎn)速每增加一個(即數(shù)值1)設(shè)置一個效率修正值；在所述的(3)中，根據(jù)離心泵的比轉(zhuǎn)速ns，自動查詢比轉(zhuǎn)速ns屬于對應(yīng)表中所在范圍，確定計算效率修正值Δη，具體的對應(yīng)表參見表2
表2實施例2參見圖2，一種離心泵標(biāo)準(zhǔn)效率的測算裝置，所述的測算裝置包括對應(yīng)表數(shù)據(jù)庫1，用于建立泵流量Q與計算效率η1對應(yīng)表、比轉(zhuǎn)速ns與效率修正值Δη對應(yīng)表；參數(shù)輸入模塊2，用于根據(jù)待測離心泵的工況點，得到離心泵的流量Q、揚程H、轉(zhuǎn)速n；比轉(zhuǎn)速計算模塊3，用于根據(jù)輸入的流量Q、揚程H、轉(zhuǎn)速n，計算比轉(zhuǎn)速ns，計算公式為(1)ns=3.65nQH34---(1);]]>
權(quán)利要求
1.圖像偽造中模糊操作的異常色調(diào)率取證方法，其特征在于在HSI色彩空間的色調(diào)域H中提取反映自然圖像色調(diào)的局部一致性和相關(guān)性的特征枛異常色調(diào)值集合HabnM和異常色調(diào)率ηabn，并利用它們對圖像中存在的模糊操作進行檢測。
2.根據(jù)權(quán)利要求1所述的圖像偽造中模糊操作的異常色調(diào)率取證方法，其特征是定義圖像I對應(yīng)的異常色調(diào)值集合HabnM(1)Habno＝_，即HabnM初始為空集；(2)按行掃描集合圖像色調(diào)集合H中的元素h，設(shè)已得Habnk＝{habn1，habn2，…，habnk}，則當(dāng)且僅當(dāng)某色調(diào)值hi，j滿足 時，有habn(k+1)＝h，，即hi，j為第k+1個異常色調(diào)值，從而得到Habnk+1＝{habn1，habn2，…，habnk，habn(k+1)}；(3)當(dāng)H中的所有元素hi，j都被掃描完成之后，得到圖像I對應(yīng)的異常色調(diào)值集合HabnM。
3.根據(jù)權(quán)利要求1所述的圖像偽造中模糊操作的異常色調(diào)率取證方法，其特征是異常色調(diào)率ηabn定義為ηabn=|HabnM||H|=Mm×n×100%,]]>其中||表示集的勢，H是圖像中的所有色調(diào)值的集合，HabnM是異常色調(diào)值集合。
4.根據(jù)權(quán)利要求1所述的圖像偽造中模糊操作的異常色調(diào)率取證方法，其特征是對待測圖像進行分塊，然后計算每個圖像塊的局部異常色調(diào)率ηabn_local；將局部異常色調(diào)率ηabn_local高于某一閾值的像素塊視為經(jīng)過模糊操作的可疑像素塊。
全文摘要
本發(fā)明屬于信號與信息處理技術(shù)領(lǐng)域，涉及到一種圖像偽造中模糊操作的異常色調(diào)率取證方法。其特征在于提供了一種基于異常色調(diào)率的數(shù)字圖像取證方法，可以針對數(shù)字圖像偽造和篡改中最為常用的模糊操作，利用模糊操作對數(shù)字圖像局部色彩屬性造成的異常，通過定義異常色調(diào)集合和異常色調(diào)率，對圖像色調(diào)的局部一致性和相關(guān)性程度進行量化，進而對一幅經(jīng)過偽造和模糊操作的數(shù)字圖像進行檢測。本發(fā)明的效果益處是能夠有效地檢測出對數(shù)碼相機拍攝圖像進行模糊操作的痕跡，并能夠?qū)?jīng)過模糊操作的圖像局部進行準(zhǔn)確的基于像素塊的定位。本發(fā)明適用于信息安全領(lǐng)域。
文檔編號G06T7/00GK1862598SQ20061020059
公開日2006年11月15日 申請日期2006年6月21日 優(yōu)先權(quán)日2006年6月21日
發(fā)明者孔祥維, 王波 申請人:大連理工大學(xué)