專利名稱:基于條件共生概率矩陣的移位jpeg雙壓縮篡改盲檢測方法
技術(shù)領(lǐng)域:
本發(fā)明涉及一種圖像篡改檢測方法,具體是一種基于條件共生概率矩陣的移位JPEG雙壓縮篡改盲檢測方法。
背景技術(shù):
隨著互聯(lián)網(wǎng)技術(shù)、高性能圖像獲取設(shè)備和智能圖像處理軟件快速發(fā)展,篡改一幅圖像的內(nèi)容而不留下任何痕跡變得易如反掌。事實上,數(shù)字圖像真實性問題已經(jīng)非常嚴(yán)峻,有時候惡意的篡改甚至可能給我們帶來法律上的糾紛。因此,數(shù)字圖像的真實性問題在司法鑒定和版權(quán)保護(hù)等領(lǐng)域有著十分重要的意義。對于數(shù)字圖像取證技術(shù),主要可分為兩大類,即主動和被動取證方法。主動取證方法是將數(shù)字水印或數(shù)字簽名嵌入數(shù)字圖像,通過檢測水印或簽名的改變來鑒定圖像的真實性。但是由于高額的代價,目前大多數(shù)圖像獲取設(shè)備并不具備水印或簽名嵌入的功能。相比而言,被動圖像取證技術(shù)不需要水印和圖像的先驗信息,這種取證方式具有很大的發(fā)展?jié)摿?。眾所周知,JPEG是一個被廣泛使用的國際圖像壓縮標(biāo)準(zhǔn)。因此,鑒定JPEG格式圖像的真實性在數(shù)字圖像取證領(lǐng)域變得尤為重要。復(fù)制-粘貼操作是JPEG圖像內(nèi)容篡改中的一種常見手段,被篡改的區(qū)域通常經(jīng)歷了兩次網(wǎng)格劃分不一致的JPEG壓縮,這種現(xiàn)象在JPEG 圖像內(nèi)容篡改里稱作移位 JPEG 雙壓縮(shifted double JPEG compression, SD-JPEGcompression)篡改。Weiqi Luo 等在文獻(xiàn)“A novel method for detecting cropped andrecompressed image block[C],,( IEEE International Conference on Acoustic, Speechand Signal Processing, Honolulu, Hawaii, USA: IEEE, 2007:217-220)中提出了一種基于塊效應(yīng)特征矩陣(blocking artifact characteristics matrix, BACM)的算法來檢測移位JPEG雙壓縮篡改的圖像塊,BACM對于JPEG單壓縮的圖像塊展現(xiàn)了一個規(guī)則的對稱形狀,而移位JPEG雙壓縮破壞了這種對稱性。Zhenhua Qu等在文獻(xiàn)“A convolutive mixingmodel for shifted double JPEG compression with application to passive imageauthentication [C],,( IEEE International Conference on Acoustic, Speech and SignalProcessing, Las Vegas, Nevada, USA: IEEE, 2008:1661-1664)將移位 JPEG 雙壓縮問題看成是一個噪聲卷積混合模型,借助獨立分量分析(independent components analysis, I CA)的理論思想,考察獨立值映射圖(independent value map, IVM)的對稱性來鑒定圖像塊是否經(jīng)歷移位JPEG雙壓縮。當(dāng)圖像塊比較大時,這兩種方法都能取得比較好的性能。然而,當(dāng)圖像塊比較小時,它們的檢測正確率仍然比較低。
發(fā)明內(nèi)容
本發(fā)明目的在于針對現(xiàn)有技術(shù)的不足,提供一種基于條件共生概率矩陣的移位JPEG雙壓縮篡改盲檢測方法。該方法圖像塊比較小時,比現(xiàn)有方法具有明顯優(yōu)勢。實現(xiàn)本發(fā)明目的的技術(shù)方案是
二維JPEG系數(shù)矩陣的元素之間存在相關(guān)性。移位JPEG雙壓縮擾亂了二維JPEG系數(shù)矩陣的幅度值分布,削弱了系數(shù)之間的相關(guān)性,而其相位變化較小。為了減少圖像內(nèi)容的影響,增強移位JPEG雙壓縮效應(yīng),首先對JPEG量化的離散余弦變換系數(shù)的幅度矩陣進(jìn)行水平、垂直、主對角和副對角四個方向差分和閾值化處理;然后,采用條件共生概率矩陣對這四個閾值化的差分矩陣進(jìn)行建模,選取條件共生概率矩陣的元素作為特征數(shù)據(jù),并用主分量分析(PCA)對特征進(jìn)行降維處理;最后通過支持向量機(jī)(SVM)訓(xùn)練和檢測來判決圖像塊是否經(jīng)過移位JPEG雙壓縮。所述的特征數(shù)據(jù)提取,包括以下步驟①將彩色JPEG圖像塊解壓縮后,得到亮度(Y)和色度(Cb和(;)分量的二維JPEG系數(shù)矩陣X (指JPEG量化的離散余弦變換系數(shù)幅度所組成的二維矩陣);②將Y分量的二維JPEG系數(shù)矩陣X做四個方向差分(即水平、垂直、主對角和副對角)處理,得到四個二維JPEG系數(shù)差分矩陣
Eh(i, j)=X(i, j)-x(i+l, j)Ev(i, j)=X(i, j)-X(i, j+1)Ed(i, j)=X(i, j)-X(i+l, j+1)Em(i, j)=X(i+l, j)-X(i, j+1)其中Eh,Ev,E<^P Em分別表示水平、垂直、主對角和副對角方向的二維JPEG系數(shù)差分矩陣;③將得到的四個二維JPEG系數(shù)差分矩陣Eh,Ev, Ed和Em進(jìn)行閾值化處理
>(/,./)丨印,./1<rm,j) = {T /:'(/,./) > 7'
-T E(iJ)<-T其中T = 2 ;④利用條件共生概率矩陣模型對閾值化的四個二維JPEG系數(shù)差分矩陣進(jìn)行建模,水平、垂直、主對角和副對角方向的條件共生概率矩陣如下
M - V
m -1-K aj) £kο+ii ))%/)=+ 2,/)==1/)1/.,(/. /) - /j ~y.......................................................................................
M i N-1
Σ 取./) = 1AH-) + l)= ,£ Ci,,/+2)=ii)) Pi(£; (i.j +1) = + 2) = ))£;,(/,/)=/}^-
t O
~ ,·克:.-(,+=Ci'+~j+-)- φ十十I/十2) = /ψ:Μ-. }=Α = 二1^....................Α; _;;i-,................................................................................
= U: (,-+1,—/—I卜》;,£:,(/+1./ — 2) U)!-1)=m,¢,(1+2,; -2)=η)|Λ; (/-Λ = I)-
ΣΣ#(4(μ)=/)“ 2其中,M和N分別是閾值化的二維JPEG系數(shù)差分矩陣的水平和垂直方向尺寸。
fl A-I B — μ H C=
I, m, n e Z, -T ^ I, m, n ^ T, =/,5 = m,C = H) = |(' !丨.他 ' — <>因此,采用四個條件
概率矩陣的元素作為特征數(shù)據(jù),當(dāng)T = 2時,其特征維數(shù)為500維。
所述的特征降維處理,包括以下步驟令特征矩陣為Cx,其大小為Hi1Xn1,矩陣的每一行表示一個特征向量,因此,特征維數(shù)為Hilt5 PCA降維旨在找到變換矩陣W,獲得新特征CY=WT(Cx-l·! x),使得新特征Cy具有更好的分類能力的成分,包括以下步驟①計算協(xié)方差矩陣Σ x:
權(quán)利要求
1.基于條件共生概率矩陣的移位JPEG雙壓縮篡改盲檢測方法,其特征是步驟包括首先對JPEG量化的離散余弦變換系數(shù)的幅度矩陣進(jìn)行水平、垂直、主對角和副對角四個方向差分和閾值化處理;然后,采用條件共生概率矩陣對這四個閾值化的差分矩陣進(jìn)行建摸,選取條件共生概率矩陣的元素作為特征數(shù)據(jù),經(jīng)歸一化和主分量分析(PCA)降維處理;最后通過支持向量機(jī)(SVM)的訓(xùn)練和檢測來判決圖像塊是否經(jīng)過移位JPEG雙壓縮。
2.根據(jù)權(quán)利要求I所述的基于條件共生概率矩陣的移位JPEG雙壓縮篡改盲檢測方法,其特征在于所述彩色JPEG圖像塊的特征數(shù)據(jù)提取,包括以下步驟 ①將彩色JPEG圖像塊解壓縮后,得到亮度(Y)和色度(Cb和(;)分量的ニ維JPEG系數(shù)矩陣X,指JPEG量化的離散余弦變換系數(shù)幅度所組成的ニ維矩陣; ②將Y分量的ニ維JPEG系數(shù)矩陣X做水平、垂直、主對角和副對角四個方向差分處理,得到四個ニ維JPEG系數(shù)差分矩陣Eh(i, j)=X(i, j)-X(i+l, j)Ev(i, j)=X(i, j)-X(i, j+1)Ed(i, j)=X(i, j)-X(i+l, j+1)Em(i, j)=X(i+l, j)-X(i, j+1) 其中Eh,Ev,Ed和Em分別表示水平、垂直、主對角和副對角方向的ニ維JPEG系數(shù)差分矩陣; ③將得到的四個ニ維JPEG系數(shù)差分矩陣Eh,Ev,Ed和Em進(jìn)行閾值化處理
3.根據(jù)權(quán)利要求I所述的基于條件共生概率矩陣的移位JPEG雙壓縮篡改盲檢測方法,其特征在于 所述的主分量分析特征降維,令特征矩陣為Cx,其大小為HI1Xn1,矩陣的每一行表示一個特征向量,因此,特征維數(shù)為PCA降維g在找到變換矩陣W,獲得新特征Cy = Wt(Cx-U x),使得新特征Cy具有更好的分類能力的成分,其步驟包括 ①計算協(xié)方差矩陣E x
4.根據(jù)權(quán)利要求I所述的基于條件共生概率矩陣的移位JPEG雙壓縮篡改盲檢測方法,其特征在于 所述的支持向量機(jī)訓(xùn)練和測試過程,包括以下步驟 ①對于圖像塊的移位JPEG雙壓縮篡改檢測,品質(zhì)因子QF1—般是未知的,假設(shè)QF1在{50,60,70,80,90}中隨機(jī)均勻選取,品質(zhì)因子QF2可以從JPEG圖像頭文件中計算得到;根據(jù)品質(zhì)因子QF1和QF2,用已知類別的包括大小為BXB、品質(zhì)因子為QF2的JPEG單壓縮圖像塊和品質(zhì)因子為QF1和QF2的移位JPEG雙壓縮圖像塊構(gòu)成訓(xùn)練集,對訓(xùn)練集的每個圖像塊提取上述的條件共生概率矩陣特征,得到的特征數(shù)據(jù)經(jīng)歸一化和PCA降維處理,并用標(biāo)志位來標(biāo)志其圖像塊所屬類別(標(biāo)志位為-I表示其為JPEG單壓縮圖像塊,I表示移位JPEG雙壓縮圖像塊); ②SVM分類器核函數(shù)選用徑向基核函數(shù),將訓(xùn)練集特征送入SVM,利用網(wǎng)格搜索和交叉驗證,得到交叉驗證準(zhǔn)確率最高的最優(yōu)參數(shù)c和g,并用它們訓(xùn)練支持向量機(jī); ③提取測試圖像塊的條件共生概率矩陣特征,得到的特征數(shù)據(jù)經(jīng)歸一化和PCA降維處理,并用訓(xùn)練過的SVM判斷其所屬類別。
5.根據(jù)權(quán)利要求4所述的基于條件共生概率矩陣的移位JPEG雙壓縮篡改盲檢測方法,其特征在于所述圖像塊的移位JPEG雙壓縮篡改檢測,包括以下步驟 ①從合成JPEG圖像的頭文件中計算得到品質(zhì)因子QF2; ②根據(jù)BXB的基塊大小和品質(zhì)因子QF2,令QF1在{50,60,70,80,90}中隨機(jī)均勻選取,利用上述方法訓(xùn)練SVM,將訓(xùn)練好的SVM通過調(diào)整決策閾值得到1%的錯誤正例率(FP,指JPEG單壓縮的圖像塊被錯誤的分類成移位JPEG雙壓縮的圖像塊的比率); ③用BXB大小的子塊以32像素的間隔從左到右和從上到下遍歷給定的合成JPEG圖像,依次得到待檢測的BXB大小的子塊,提取每個待檢測BXB大小的子塊的特征,并經(jīng)歸一化和PCA降維處理;然后,用訓(xùn)練好的SVM對每個子塊依次進(jìn)行分類和標(biāo)記(移位JPEG雙壓縮的圖像塊被標(biāo)記為“ I ”,JPEG單壓縮的圖像塊被標(biāo)記為“O ”),標(biāo)記完所有的被檢測的圖像塊后,可以得到一個ニ值決策矩陣(binary decision matrix, BDM); ④用窗ロ大小為3X3的中值濾波器對上述ニ值決策矩陣進(jìn)行濾波,進(jìn)ー步移除ー些可能被誤判為移位JPEG雙壓縮的孤立JPEG單壓縮圖像塊,可以得到濾波后的ニ值決策矩 !,filtered binary decision matrix, FBDM); ⑤根據(jù)FBDM的元素值,在合成JPEG圖像相應(yīng)位置標(biāo)記被檢測出的篡改區(qū)域。
6.根據(jù)權(quán)利要求I或2或4所述的基于條件共生概率矩陣的移位JPEG雙壓縮篡改盲檢測方法,其特征在于圖像塊尺寸B=128 X 128和B=256 X 256。
全文摘要
本發(fā)明涉及的是一種基于條件共生概率矩陣的移位JPEG雙壓縮篡改盲檢測方法。該方法首先對JPEG量化的離散余弦變換系數(shù)的幅度矩陣進(jìn)行水平、垂直、主對角和副對角四個方向差分和閾值化處理;然后,采用條件共生概率矩陣對這四個閾值化的差分矩陣進(jìn)行建模,選取條件共生概率矩陣的元素作為特征數(shù)據(jù),并用主分量分析對特征數(shù)據(jù)進(jìn)行降維處理;最后通過支持向量機(jī)技術(shù)判決圖像塊是否經(jīng)過移位JPEG雙壓縮。實驗表明,當(dāng)圖像塊比較小時,該方法比現(xiàn)有算法具有明顯優(yōu)勢,使移位JPEG雙壓縮篡改檢測的實用性大大提高,為進(jìn)一步發(fā)展數(shù)字圖像取證領(lǐng)域奠定了很好的基礎(chǔ)。
文檔編號G06T7/00GK102819842SQ20121026695
公開日2012年12月12日 申請日期2012年7月30日 優(yōu)先權(quán)日2012年7月30日
發(fā)明者趙峰, 黃慧瓊, 王士林, 張玉金 申請人:桂林電子科技大學(xué)