專利名稱：一種彩色圖像區(qū)域復(fù)制篡改檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于信息安全技術(shù)領(lǐng)域，特別涉及一種檢測彩色圖像的區(qū)域是否經(jīng)過復(fù)制篡改及對復(fù)制區(qū)域和篡改區(qū)域進(jìn)行定位的方法，該方法能對存在噪聲、壓縮、模糊等常規(guī)變換和存在旋轉(zhuǎn)、縮放、翻轉(zhuǎn)等幾何變換情況下的區(qū)域復(fù)制篡改進(jìn)行有效的檢測，可用于網(wǎng)絡(luò)環(huán)境下數(shù)字圖像的真實性鑒別和取證。
背景技術(shù)：
通信技術(shù)、計算機(jī)和互聯(lián)網(wǎng)的飛速發(fā)展使得人們可以實現(xiàn)資源的共享，并且可以很輕易地獲得網(wǎng)上的圖像、音頻和視頻。但是由于各種圖像處理軟件的普及與應(yīng)用，一般用戶就可以對數(shù)字圖像進(jìn)行隨意的篡改且不會留下用人眼能看出的處理痕跡。這就使得眼見并不一定為實，如果這些虛假圖片在互聯(lián)網(wǎng)上廣泛地傳播或者一些偽造的圖像被應(yīng)用于司法取證、新聞報道、攝影比賽等場合，其所導(dǎo)致的誤判、錯誤報道等情況將會造成難以估量的損失。因此，對數(shù)字圖像的真實性和完整性的鑒別具有十分重要的意義。 目前，數(shù)字圖像認(rèn)證方法主要分為主動認(rèn)證和被動認(rèn)證兩大類。主動認(rèn)證分為兩類一是基于脆弱數(shù)字水印的圖像認(rèn)證。在圖像中預(yù)先嵌入脆弱數(shù)字水印，假如圖像遭受了篡改，數(shù)字水印將會受損且受損部分將會暴露篡改行為。ニ是基于數(shù)字簽名的圖像認(rèn)證，這種方法利用圖像內(nèi)容生成認(rèn)證碼或數(shù)字簽名?；跀?shù)字水印的方法需要在圖像中嵌入水印，對圖像的感知性能會產(chǎn)生一定的影響，且水印容易受到攻擊，對沒有嵌入水印的圖像起不到保護(hù)作用；基于數(shù)字簽名的方法雖然不會對圖像的感知性能造成影響，但是需要預(yù)先產(chǎn)生輔助信息且簽名容易丟失?；ヂ?lián)網(wǎng)中的圖像大部分沒有嵌入數(shù)字水印或者預(yù)先生成輔助信息。由于主動認(rèn)證的局限性，圖像被動認(rèn)證的方法越來越受到人們的關(guān)注，這種方法既不需要提前對圖像嵌入數(shù)字水印，也不需要事先生成輔助信息，僅僅根據(jù)圖像本身信息就可以判斷出是否經(jīng)過篡改、合成等偽造處理。數(shù)字圖像的被動認(rèn)證已經(jīng)成為圖像處理領(lǐng)域的前沿研究課題，對于多媒體的信息安全、甄別虛假新聞、司法取證等方面更具有重要意義。圖像的區(qū)域復(fù)制篡改就是將一幅圖像中的ー個區(qū)域進(jìn)行拷貝，并粘貼到該圖像中的另ー個區(qū)域，以達(dá)到掩蓋特定目標(biāo)或突出某一場景的目的。由于復(fù)制和粘貼操作都是在同一幅圖像中進(jìn)行的，篡改區(qū)域與整幅圖像具有相同的紋理、顔色、噪聲等特性，所以肉眼很難辨別圖像是否經(jīng)過了篡改。文獻(xiàn)Fridrich J, Soukal D, Lukas J. Detection ofしopy—Move Forgery in Digital Images.Proceedings of Digita丄 Forensic ResearchWorkshop, Cleveland, 2003.提出了離散余弦變換(DCT)量化系數(shù)模糊匹配的方法，將圖像分塊后，計算每個圖像塊的DCT量化系數(shù)，并對量化后DCT系數(shù)進(jìn)行字典排序，以檢測出圖像的篡改區(qū)域° 又獻(xiàn)Popescu A, Farid H. Exposing Digital Forgeries by DetectingDuplicated Image Regions. Dartmouth College, USA, TR2004-515, 2004.提出了基于主成分分析(PCA)的檢測方法，該方法利用PCA對分塊后的圖像特征向量進(jìn)行降維，可以有效提高檢測率。在發(fā)明專利駱偉祺，黃繼武.一種魯棒的圖像區(qū)域復(fù)制篡改檢測方法(專利號ZL200610036600. 9)中，駱偉祺等提出了一種基于圖像塊相似性比較的魯棒區(qū)域復(fù)制篡改檢測方法。上述方法只能對篡改區(qū)域沒有經(jīng)過幾何變換的圖像進(jìn)行檢測，然而篡改者為了掩蓋篡改的痕跡，可能會對被復(fù)制的目標(biāo)進(jìn)行一定的幾何變形，如對區(qū)域進(jìn)行旋轉(zhuǎn)、縮放、翻轉(zhuǎn)等變換，使上述方法對此類區(qū)域復(fù)制篡改無能為力。

發(fā)明內(nèi)容
為克服上述缺陷，本發(fā)明提供了ー種可以檢測被復(fù)制區(qū)域經(jīng)過旋轉(zhuǎn)、縮放、翻轉(zhuǎn)、噪聲或模糊等多種處理后的圖像篡改檢測方法，可以有效地檢測互聯(lián)網(wǎng)環(huán)境中存在區(qū)域復(fù)制篡改的圖像真?zhèn)?。本方法能夠?qū)σ伤拼鄹牡膱D像進(jìn)行檢測并且判斷是否經(jīng)過篡改，如果篡改過則標(biāo)記出篡改區(qū)域和復(fù)制區(qū)域，從而確定圖像的真?zhèn)?。為實現(xiàn)上述發(fā)明目的，提出ー種彩色圖像區(qū)域復(fù)制篡改檢測方法，其特征在于，包括以下步驟
步驟I):對被檢測的彩色圖像去除噪聲；步驟2):將所述步驟I)處理后的圖像進(jìn)行分塊，圖像塊之間相互重疊，并且相鄰的圖像塊之間僅有一行或一列的像素不同；步驟3):分別對所述步驟2)獲得的每個圖像塊的紅色(R)、緑色(G)和藍(lán)色(B)三個通道中灰度處在
之間的像素分成M段，統(tǒng)計出每段的像素數(shù)值作為該圖像塊的特征值，把獲得的三個通道的所有特征值組合起來作為該圖像塊的特征向量D ;其中，M為正整數(shù)，每個圖像塊共獲得3*M個特征值；步驟4):利用所述步驟3)獲得的每個圖像塊的特征向量，將每ー個圖像塊與其余圖像塊分別進(jìn)行相似性匹配，獲得正確匹配對圖像塊；步驟5):建立一個與被檢測圖像大小相同且各個像素點的灰度值全為零的ニ值圖，把所述步驟4)中獲得的正確匹配對圖像塊的位置標(biāo)記到ニ值圖中，在獲得的由檢測結(jié)果而生成的ニ值圖中標(biāo)記出彩色圖像區(qū)域復(fù)制篡改。更優(yōu)選地，還包括步驟6);所述步驟6):對所述步驟5)獲得的由檢測結(jié)果而生成的ニ值圖通過濾波去除錯誤匹配，并結(jié)合形態(tài)學(xué)處理得到最終檢測結(jié)果。更優(yōu)選地，所述步驟I)采用高斯低通濾波法對圖像進(jìn)行濾波，去除噪聲。更優(yōu)選地，所述步驟2)中將處理后的圖像分解為半徑為b的圓形圖像塊。更優(yōu)選地，所述步驟3)的具體工作步驟為步驟31):將每個圖像塊的紅色(R)、綠色(G)和藍(lán)色⑶三個通道中
灰度級處在
之間的像素分成M段，這M個灰度區(qū)間分別為O Iげ-I ,
'I 2 「M-1-
—xT —xT-l -乂T T-I，其中 180 彡 T 彡 255 ;
M M 」Lが」步驟32):統(tǒng)計所述步驟31)中每個通道灰度區(qū)間的像素數(shù)值，該像素數(shù)值為圖像塊對應(yīng)通道的特征值；步驟33):利用所述步驟32)獲得的三個通道的所有特征值組合起來作為對應(yīng)圖像塊的特征向量D，把整幅圖像所有圖像塊中獲得的特征向量組成向量組S。
更優(yōu)選地，所述步驟5)中對ニ值圖進(jìn)行標(biāo)記時，只標(biāo)記圖像塊中心位置及其周圍上下左右的點。更優(yōu)選地，所述步驟6)中采用濾波方法對錯誤匹配的圖像塊進(jìn)行去除，所述濾波過程包括首先，生成ー個hXh的方形窗ロ；然后，對所述步驟5)獲得的由檢測結(jié)果而生成的ニ值圖進(jìn)行濾波，對圖像開始檢測；當(dāng)檢測到窗口中白點的個數(shù)大于或等于設(shè)定的閾值時，則不做任何處理；當(dāng)檢測到窗口中白點的個數(shù)小于閾值時，則把窗ロ中的像素點的灰度級全部置零；其中，窗ロ移動的步長為h。
本發(fā)明的優(yōu)點在于，能夠?qū)σ伤拼鄹倪^的圖像進(jìn)行檢測，并判斷出是否經(jīng)過了區(qū)域復(fù)制篡改操作，若經(jīng)過了篡改則定位出篡改的位置和復(fù)制的位置，從而判定數(shù)字圖像的真?zhèn)涡浴１痉椒ㄅc現(xiàn)有的ー些方法相比，提出基于彩色圖像的量化直方圖的區(qū)域復(fù)制篡改檢測方法，不僅能檢測出直接平移的區(qū)域篡改問題，還能檢測出區(qū)域經(jīng)過旋轉(zhuǎn)、縮放、翻轉(zhuǎn)等線性幾何變換的區(qū)域復(fù)制篡改問題，此外還能夠處理區(qū)域經(jīng)斜切、區(qū)域局部扭曲、投射變換等非線性仿射變形情況下的區(qū)域復(fù)制篡改。該方法計算簡單，僅需在空域上對圖像塊進(jìn)行匹配，提高了計算效率。


圖I是本發(fā)明提出的ー種彩色圖像區(qū)域復(fù)制篡改檢測方法流程圖；圖2是篡改后的圖像及其紅、綠、藍(lán)三色的直方圖；其中，(a)是篡改圖，(b)是紅色分量直方圖，(C)是綠色分量直方圖，(d)是藍(lán)色分量直方圖；圖3是原始圖像和篡改圖像及檢測結(jié)果圖；其中，(a)是原始圖像，(b)是篡改圖像，(C)是濾波圖，(d)是初始檢測結(jié)果圖，(e)是濾波后的結(jié)果圖，(f)是最終結(jié)果圖；圖4是篡改區(qū)域旋轉(zhuǎn)20度的篡改圖和檢測結(jié)果圖；其中，(a)是篡改區(qū)域旋轉(zhuǎn)20度的篡改圖，(b)是檢測結(jié)果圖；圖5是篡改區(qū)域旋轉(zhuǎn)90度的篡改圖和檢測結(jié)果圖；其中，(a)是篡改區(qū)域旋轉(zhuǎn)90度的篡改圖，(b)是檢測結(jié)果圖；圖6是篡改區(qū)域水平翻轉(zhuǎn)的篡改圖和檢測結(jié)果圖；其中，(a)是篡改區(qū)域水平翻轉(zhuǎn)的篡改圖，(b)是檢測結(jié)果圖；圖7是篡改區(qū)域垂直翻轉(zhuǎn)的篡改圖和檢測結(jié)果圖；其中，(a)是篡改區(qū)域垂直翻轉(zhuǎn)的篡改圖，(b)是檢測結(jié)果圖；圖8是篡改區(qū)域縮小為原來大小O. 8倍的篡改圖和檢測結(jié)果圖；其中，(a)是篡改區(qū)域縮小為原來大小O. 8倍的篡改圖，(b)是檢測結(jié)果圖；圖9是篡改區(qū)域放大為原來大小I. 2的篡改圖和檢測結(jié)果圖；其中，(a)是篡改區(qū)域放大為原來大小I. 2倍的篡改圖，(b)是檢測結(jié)果圖；圖10是篡改圖像和JPEG壓縮、添加高斯白噪聲和高斯模糊的篡改圖；其中，(a)是篡改圖像，圖(b)、(c)、(d)分別是JPEG壓縮的品質(zhì)因子分別為70、80、90的檢測結(jié)果圖，圖(e)和(f)是添加高斯白噪聲SNR分別為15、25的檢測結(jié)果圖，圖(g)和(h)是窗ロ為3X 3，標(biāo)準(zhǔn)方差分別為3和5高斯模糊的檢測圖。
具體實施例方式下面結(jié)合附圖，對本發(fā)明的技術(shù)方案進(jìn)行進(jìn)一步詳細(xì)的說明。本發(fā)明技術(shù)方案包括以下步驟(I)將待檢測的彩色圖像進(jìn)行高斯低通濾波；(2)將濾波后的圖像分成固定大小的圓形圖像塊，且相鄰的圖像塊之間只有一行或一列不同；
(3)計算圓形圖像塊紅色、緑色和藍(lán)色(RGB)三個分量的量化直方圖，并構(gòu)成組合直方圖，以此作為圖像塊的特征；(4)對圖像塊的特征進(jìn)行匹配，找出最相似的圖像塊并將它們標(biāo)記到圖像上；(5)通過濾波和形態(tài)學(xué)處理去掉錯誤匹配，整個檢測過程如流程圖I所示。(I)對彩色圖像進(jìn)行濾波
設(shè)疑似進(jìn)行過區(qū)域復(fù)制篡改過的彩色圖像為f，把疑似篡改過的圖像f進(jìn)行高斯低通濾波，提取圖像的低頻部分，對圖像進(jìn)行濾波時使用模板為3X3的窗ロ，標(biāo)準(zhǔn)方差取值為3，篡改圖像如圖3(b)，濾波后的圖像如圖3(c);通過濾波可以有效減少干擾，為圖像的后續(xù)操作做準(zhǔn)備。(2)對彩色圖像分塊設(shè)疑似篡改過的彩色圖像大小f為WXH，首先將圖像f分解成半徑為b = 8的圓形圖像塊，并保證相鄰的圖像塊之間只有一行或者一列的像素不同，由此可知圖像f共可獲得圖像塊數(shù)為B= (ff-2b+l) X (H-2b+l);圓形圖像快與別的形狀的圖像塊相比有ー些優(yōu)勢當(dāng)篡改區(qū)域發(fā)生了旋轉(zhuǎn)操作時對匹配造成的影響比較小。(3)提取圖像塊的特征首先把獲得的圖像塊的紅色R、綠色G、藍(lán)色B三個通道的灰度級在[O 199]之間的像素分別量化，使每個通道分成5段灰度等級。圖2 (b)、(c)、(d)分別是圖2 (a)的紅色、緑色、藍(lán)色分量的直方圖，圖像塊的直方圖彩色圖像的顔色范圍過于龐大，在RGB顔色空間中，區(qū)域顏色直方圖包含256X256X256 = 224個顏色。圖像塊R、G、B三種顏色的像素的灰度級主要分布區(qū)間為[O 199]，而灰度級大于199的像素比較少?？紤]到算法效率和統(tǒng)計的特點，將每個顏色通道量化到5個灰度等級[O 39]、[40 79]、[80 119]、[120 159]、[159 199]，統(tǒng)計出各個區(qū)間的像素數(shù)值，并把統(tǒng)計出的每個區(qū)間像素數(shù)值作為圖像塊的特征值，把獲得的三個通道的所有特征值組合起來作為圖像塊的特征向量。每個圖像塊共獲得15個特征值，設(shè)整幅特征向量組為S，整幅圖像總共可以獲得(W-2b+l) X (H-2b+l) X 15個特征值。(4)特征匹配并定位匹配塊首先對特征向量組S進(jìn)行降維處理，由于S是ー個三維向量，不容易進(jìn)行字典排序，調(diào)整特征向量組的維數(shù)使之變成ニ維向量并生成ー個行數(shù)(W-2b+l) X (H-2b+l)列數(shù)為15的數(shù)組A。然后對數(shù)組A的(W-2b+l) X (H-2b+l)特征向量作字典排序，使數(shù)組中的特征向量從上到下依次從小到大排列并記錄每行特征向量對應(yīng)的圖像塊在原始圖像中的位置。在圖像塊的特征向量進(jìn)行相似性匹配時需要預(yù)先設(shè)定三個閾值分別是相似度閾值Ts、距離閾值Td和區(qū)域面積閾值Ta。相似度閾值Ts :相似度閾值是衡量兩個圖像塊的特征向量的相似性的參數(shù)，為了衡量特征向量AiyAjis的相似度本發(fā)明采用歐氏距離，定義為剛 TS = ^(Ais-Ajs)2(2)首先設(shè)定特征比較范圍，由于對所有的特征向量進(jìn)行了字典排序，使得相似圖像塊的特征向量在數(shù)組A中的位置離得比較近，設(shè)定特征比較范圍為20行。從第一行數(shù)據(jù)開始分別與其下面20行特征向量進(jìn)行比較并計算其歐氏距離；圖像塊越相似，計算出的歐氏距離越小。在進(jìn)行試驗過程中，我們隨機(jī)選取了 100幅圖像做區(qū)域復(fù)制篡改，篡改區(qū)域大小為80X80，然后對篡改圖像做了不同的后處理操作，包括添加高斯白噪聲、高斯模糊、旋轉(zhuǎn)、縮放和JPEG壓縮。對于每幅經(jīng)過篡改后的圖像，當(dāng)相似度閾值Ts取5. 5時檢測效果比較好并且能有效夠檢測出篡改區(qū)域和復(fù)制區(qū)域。距離閾值Td:篡改圖像的圖像塊與其相鄰的圖像塊只有一行或者一列的像素不同，在圖像塊與圖像塊的特征向量進(jìn)行相似匹配過程中，如果所比較的兩個圖像塊位置很 近，即使不是正確的匹配塊，也會得到較高的相似度，導(dǎo)致錯誤匹配。為此，提出了距離閾值TdO在實驗過程中選取的匹配塊的半徑為8，為了減少相鄰的匹配塊造成的影響，當(dāng)匹配塊對的中心坐標(biāo)之間的距離大于或者等于距離閾值時進(jìn)行比較，在本方法中我們?nèi)【嚯x閾值Td 為 16。區(qū)域面積閾值Ta:在自然圖像中，除了大片平坦區(qū)域(如藍(lán)天、草地、公路、白云等)，存在相似(包括顔色、形狀、紋理等)大面積區(qū)域的可能性不是很大。如果檢測到一幅彩色圖像中存在大面積的相似區(qū)域，那么很可能此圖像是被區(qū)域復(fù)制篡改過的。在文獻(xiàn)駱偉祺，黃繼武，丘國平.魯棒的區(qū)域復(fù)制圖像篡改檢測技術(shù).計算機(jī)學(xué)報，2007，30 (11)1998-2007.中作者指出大面積區(qū)域不小于原始圖像尺寸的O. 85%，在檢測過程中，檢測到的圖像塊與原始的篡改塊在形狀上往往存在一定的差異，因此可定義區(qū)域面積閾值Ta為Ta ^ WXHX0. 85% X η(3)其中，η為受損系數(shù)。當(dāng)檢測出的匹配塊滿足設(shè)定的閾值Ts和Td吋，則認(rèn)為是正確匹配的ー對圖像塊。在進(jìn)行比較的20對匹配塊中有可能存在多個滿足條件的匹配塊，假如在比較范圍內(nèi)有多對滿足條件的匹配塊只選獲得的相似度閾值最小的那個圖像塊作為正確匹配塊對并對其定位，如果沒有滿足條件的則不做任何處理。(5)對圖像進(jìn)行濾波及形態(tài)學(xué)處理建立ー個與原始圖像大小相同且各個像素點的灰度級全為零的ニ值圖，把步驟
(4)中獲得的正確匹配對的圖像塊的位置標(biāo)記到ニ值圖中，標(biāo)記時只標(biāo)記圖像塊的中心位置及其上下左右共計5個位置上的像素，直接標(biāo)記的結(jié)果如圖3(d)。在獲得的由檢測結(jié)果而生成的ニ值圖中有許多孤立的白色像素點，這些點實際上是錯誤匹配的圖像塊，因此應(yīng)當(dāng)盡可能地去掉這些點。本發(fā)明中我們建立ー個8X8的濾波窗ロ并采用此窗ロ對整幅圖像進(jìn)行濾波。首先從圖像的左上角開始檢測，當(dāng)檢測到窗口中白點的個數(shù)大于或等于設(shè)定的閾值20時不做任何處理，若小于閾值20時則把窗口中的像素點的灰度值全部置零。通過此方法不但可以有效濾除那些孤立的錯誤匹配塊，而且可以保護(hù)那些正確匹配的圖像塊不受干擾，提高圖像區(qū)域復(fù)制篡改檢測的效果。
ニ值圖3(e)經(jīng)過濾波后如果還有一些較大的錯誤匹配區(qū)域，可以對圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)的開操作去除這些為匹配區(qū)域；如果沒有這種錯誤匹配區(qū)域這可以省略此步驟。因為對圖像進(jìn)行標(biāo)記時只是標(biāo)記了圖像塊的中心位置及其上下左右共計5個位置上的像素，使得檢測出的篡改區(qū)域和復(fù)制區(qū)域比原始的篡改區(qū)域和復(fù)制區(qū)域小，所以對圖3(e)進(jìn)行數(shù)學(xué)形態(tài)學(xué)上的閉操作處理。為了展示本發(fā)明的效果，我們給出了ー些篡改圖像和相應(yīng)的檢測結(jié)果。如圖3所示，(a)是原始圖像，(b)是篡改后的圖像 ，(C)是篡改圖像濾波后的圖像，(d)是初始檢測結(jié)果，圖(e)是利用本發(fā)明中提出的濾波器進(jìn)行濾波的結(jié)果，(f)是對圖(e)進(jìn)行閉操作后得到的最終檢測結(jié)果。由圖(f)可知，在沒有任何幾何變換和攻擊的情況下，檢測效果很好。圖4、圖5、圖6、圖7是篡改區(qū)域經(jīng)過旋轉(zhuǎn)20度、90度和水平翻轉(zhuǎn)、垂直翻轉(zhuǎn)的篡改圖像和檢測結(jié)果。由檢測結(jié)果可知篡改區(qū)域即使經(jīng)過了這些幾 變換之后檢測效果仍然非常好。圖8 (a)和圖9(a)是篡改區(qū)域分別經(jīng)過縮小為原來大小的O. 8倍和放大為原來大小I. 2倍后的圖像，由其對應(yīng)的檢測結(jié)果圖(b)可知圖像即使經(jīng)過了這種縮放處理檢測效果仍然很好。圖10是篡改圖像經(jīng)過有損JPEG壓縮、添加高斯白噪聲和高斯模糊后的圖像相應(yīng)的檢測結(jié)果。圖(b)、(c)、(d)是經(jīng)過質(zhì)量因子分別為70、80、90的有損JPEG壓縮后的檢測結(jié)果，圖(e)和(f)是篡改圖像添加SNR為15db和25db高斯白噪聲處理后的結(jié)果，圖(g)和(h)是篡改圖像經(jīng)過模板為3 X 3，標(biāo)準(zhǔn)方差分別為3和5的高斯模糊處理后的檢測結(jié)果。由以上檢測結(jié)果可知，本發(fā)明對常規(guī)的各種信號處理攻擊和區(qū)域的幾何變形都具有很好的魯棒性。性能測試和實驗分析為了更有效的驗證本發(fā)明的魯棒性，我們將本發(fā)明的方法在兩個數(shù)據(jù)庫中進(jìn)行測試，這里定義了正確匹配率Fr和錯誤匹配率Fw，其公式如下，
權(quán)利要求
1.ー種彩色圖像區(qū)域復(fù)制篡改檢測方法，其特征在于，包括以下步驟 步驟I):對被檢測的彩色圖像去除噪聲； 步驟2):將所述步驟I)處理后的圖像進(jìn)行分塊，圖像塊之間相互重疊，并且相鄰的圖像塊之間僅有一行或一列的像素不同； 步驟3):分別對所述步驟2)獲得的每個圖像塊的紅色(R)、緑色(G)和藍(lán)色(B)三個通道中灰度處在[O T]之間的像素分成M段，統(tǒng)計出每段的像素數(shù)值作為該圖像塊的特征值，把獲得的三個通道的所有特征值組合起來作為該圖像塊的特征向量D ;其中，M為正整數(shù)，每個圖像塊共獲得3*M個特征值； 步驟4):利用所述步驟3)獲得的每個圖像塊的特征向量，將每ー個圖像塊與其余圖像塊分別進(jìn)行相似性匹配，獲得正確匹配對圖像塊； 步驟5):建立一個與被檢測圖像大小相同且各個像素點的灰度值全為零的ニ值圖，把所述步驟4)中獲得的正確匹配對圖像塊的位置標(biāo)記到ニ值圖中，在獲得的由檢測結(jié)果而生成的ニ值圖中標(biāo)記出彩色圖像區(qū)域復(fù)制篡改。
2.根據(jù)權(quán)利要求書I所述的彩色圖像區(qū)域復(fù)制檢測方法，其特征在于，還包括步驟6)；所述步驟6):對所述步驟5)獲得的由檢測結(jié)果而生成的ニ值圖通過濾波去除錯誤匹配，并結(jié)合形態(tài)學(xué)處理得到最終檢測結(jié)果。
3.根據(jù)權(quán)利要求I或2所述的彩色圖像區(qū)域復(fù)制檢測方法，其特征在于，所述步驟I)采用高斯低通濾波法對圖像進(jìn)行濾波，去除噪聲。
4.根據(jù)權(quán)利要求I或2所述的彩色圖像區(qū)域復(fù)制檢測方法，其特征在于，所述步驟2)中將處理后的圖像分解為半徑為b的圓形圖像塊。
5.根據(jù)權(quán)利要求I或2所述的彩色圖像區(qū)域復(fù)制檢測方法，其特征在于，所述步驟3)的具體工作步驟為 步驟31):將每個圖像塊的紅色(R)、緑色(G)和藍(lán)色⑶三個通道中灰度級處在[O T]之間的像素分成M段，這M個灰度區(qū)間分別為
6.根據(jù)權(quán)利要求I或2所述的彩色圖像區(qū)域復(fù)制檢測方法，其特征在于，所述步驟5)中對ニ值圖進(jìn)行標(biāo)記時，只標(biāo)記圖像塊中心位置及其周圍上下左右的點。
7.根據(jù)權(quán)利要求2所述的彩色圖像區(qū)域復(fù)制檢測方法，其特征在于，所述步驟6)中采用濾波方法對錯誤匹配的圖像塊進(jìn)行去除，所述濾波過程包括 首先，生成ー個hXh的方形窗ロ ； 然后，對所述步驟5)獲得的由檢測結(jié)果而生成的ニ值圖進(jìn)行濾波，對圖像開始檢測； 當(dāng)檢測到窗口中白點的個數(shù)大于或等于設(shè)定的閾值時，則不做任何處理；當(dāng)檢測到窗口中白點的個數(shù)小于閾值時，則把窗ロ中的像素點的灰度級全部置零；其中，窗ロ移動的步長為h 。
全文摘要
本發(fā)明提出一種彩色圖像區(qū)域復(fù)制篡改檢測方法，首先對被檢測的彩色圖像去除噪聲；將噪聲處理后的圖像進(jìn)行分塊，相鄰的圖像塊之間僅有一行或一列的像素不同；分別對每個圖像塊的紅色、綠色和藍(lán)色三個通道的像素量化，并將每個通道依據(jù)灰度分成M段，統(tǒng)計出每段的像素數(shù)目作為該圖像塊的特征值，把獲得的三個通道的所有特征值組合起來作為該圖像塊的特征向量D；利用每個圖像塊的特征向量，一圖像塊與其余圖像塊分別進(jìn)行相似性匹配，獲得正確匹配對圖像塊；建立一個與被檢測圖像大小相同且各個像素點的灰度級全為零的二值圖，把獲得的正確匹配對圖像塊的位置標(biāo)記到二值圖中，在獲得的由檢測結(jié)果而生成的二值圖中檢測出彩色圖像區(qū)域復(fù)制篡改。
文檔編號G06T1/00GK102693522SQ20121012977
公開日2012年9月26日 申請日期2012年4月28日 優(yōu)先權(quán)日2012年4月28日
發(fā)明者李淑尚, 李雷達(dá), 王曉迎, 王雪維 申請人:中國礦業(yè)大學(xué)