專利名稱：針對(duì)cfa插值圖像的篡改檢測(cè)與篡改定位方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像篡改檢測(cè)技術(shù)領(lǐng)域，具體涉及一種針對(duì)CFA插值圖像的篡改檢測(cè)與篡改定位方法。
背景技術(shù)：
近年來，隨著數(shù)字采集設(shè)備的快速普及以及功能強(qiáng)大的圖像編輯軟件的廣泛使用，對(duì)數(shù)字圖像的編輯和修改變得越來越容易。為了滿足某種需要或達(dá)到某種目的，人們能夠隨意地對(duì)數(shù)字照片進(jìn)行各種修改和編輯，由此極大地降低了數(shù)字照片的可信度，顛覆了“眼見為實(shí)”的傳統(tǒng)觀念。
篡改和偽造圖像的存在讓人們失去了對(duì)多媒體數(shù)據(jù)的信任，給政治、經(jīng)濟(jì)、軍事、法律等多個(gè)領(lǐng)域造成了不良影響或重大損失。如何檢測(cè)數(shù)字圖像的內(nèi)容真實(shí)性已成為近年來法律界和信息產(chǎn)業(yè)界所面臨的一個(gè)重要的迫切需要解決的問題。展開對(duì)數(shù)字圖像內(nèi)容真實(shí)性的研究，對(duì)維護(hù)互聯(lián)網(wǎng)的公共信任秩序、維護(hù)法律公正、新聞?wù)\信、科學(xué)誠信等，具有十分重要的意義。數(shù)字圖像內(nèi)容真實(shí)性認(rèn)證技術(shù)分為主動(dòng)取證(見Shivakumar B L, BabooSS. Digital image Forgery Detection [J] SAJOSPS, 2010，10 (2) : 16-25.)和被動(dòng)取證(見Ng T T, Chang S F, Lin C Y, Sun Q B. Passive-blind Image Forensics[J]. In MultimediaSecurity Technologies for Digital Rights, Elsvier, 2006, 15 (2) : 383-412. ) 主動(dòng)認(rèn)證方法的主要缺點(diǎn)是需要圖像的先驗(yàn)信息。被動(dòng)取證是一種不依賴于任何附加信息或先驗(yàn)知識(shí)的取證技術(shù)，是基于數(shù)字圖像的固有特征，直接對(duì)數(shù)字圖像內(nèi)容進(jìn)行鑒別和取證分析，對(duì)其來源進(jìn)行追蹤和鑒別。由于不依賴任何先驗(yàn)信息，圖像被動(dòng)取證技術(shù)的應(yīng)用范圍非常廣泛，并在近年來受到越來越多的關(guān)注。近年來，由于數(shù)字采集設(shè)備的快速普及，數(shù)碼照片滲透到了我們生活的方方面面，同時(shí)，針對(duì)數(shù)碼照片的內(nèi)容真實(shí)性認(rèn)證也成了新的研究熱點(diǎn)。一般數(shù)碼彩色照片的成像原理，是通過單個(gè)傳感器結(jié)合色彩濾鏡矩陣(ColorFilter Array, CFA)成像的。最常用的CFA是Bayer矩陣，獲取的圖像僅采集了照片中1/3的彩色樣本點(diǎn)，其余樣本點(diǎn)需要用插值方法填充才能獲得三通道的彩色照片。插值使樣本點(diǎn)之間具有了特定的相關(guān)性，而圖像篡改會(huì)破壞或改變這種相關(guān)性。據(jù)此原理，Popescu (見A. C. Popescu, H. Farid. Exposingdigitalforgeries in color filter array interpolated images[J]. IEEE TransactionsonSignal Processing, 2005, Vol. 53 (10) : 3948-3959.)最早用一個(gè)簡(jiǎn)化的線性模型來描述由CFA插值引入的周期性,然后用EM(Expectation/Maximization)算法來量化評(píng)估圖像中是否存在這種周期性，并通過檢測(cè)這種周期性的一致性來確定圖像篡改。該方法的缺點(diǎn)是需要人為判斷后驗(yàn)概率圖的每一圖像塊的傅里葉變換后是否存在有規(guī)律的亮點(diǎn)。若不存在亮點(diǎn)，則說明此圖像塊沒有進(jìn)行過插值或插值被破壞了。該方法的缺點(diǎn)是需要人為參與進(jìn)行查看和判斷，限制了算法不能進(jìn)行自動(dòng)檢測(cè)。現(xiàn)有技術(shù)中還有一種通過統(tǒng)計(jì)像素的中間值來估計(jì)CFA插值模式的方法(見 Chang-Hee Choi, Jung-Ho Choi, Heung-Kyu Lee.CFA patternidentif icationof digital cameras using intermediate value counting[C] Proceedings ofMM&Sec，ll’ACM New York, NY，USA, 2011.)。近年來學(xué)者們多用這種方法來區(qū)分?jǐn)?shù)碼照片與計(jì)算機(jī)生成的圖片(見 Wenxiang Li, TaoZhang, Ergong Zheng, Xijian Ping.Identifying Photorealistic Computer GraphicsUsing Second-order DifferenceStatistics[C], FSKDj 2010, pp. 2316-2319.)。該類方法普遍對(duì)JPEG格式的圖像無能為力，原因是由于JPEG壓縮引起的“馬賽克”效應(yīng)。所以，近年來有不少學(xué)者致力于去除“馬賽克”效應(yīng)的研究(見 Matthias Kirchner. Efficient Estimation of CFA PatternConfiguration in DigitalCamera Images[J]. Media Forensics and Security,Vol. 7541，SPIE(2010)，pp. 754111.)。還有一種方法(見Lu Li, Jianru Xue, Xiaofeng Wangand LihuaTian. A Robust Approach to Detect Tampering by Exploring CorrelationPatterns[C] 14th International Conference on Computer Analysis of ImagesandPatterns,LNCS 6855，515-522，Seville (Spain)，29-31，August 2011.)把由 JPEG 壓縮引起的“馬賽克”效應(yīng)看作是高斯噪聲，通過定義一個(gè)修正函數(shù)減弱JPEG壓縮對(duì)CFA相關(guān)性 的破壞，使該方法對(duì)JPEG壓縮具有魯棒性?？v觀目前的該類研究，普遍存在如下問題(1)對(duì)旋轉(zhuǎn)/縮放的篡改區(qū)域的檢測(cè)能力較弱；(2)對(duì)于內(nèi)容保持的圖像處理操作的魯棒性較差；(3)篡改檢測(cè)精度不十分理想；(4)篡改定位效果不令人滿意。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種針對(duì)CFA插值圖像的篡改檢測(cè)與篡改定位方法，不需要對(duì)圖像分塊，對(duì)惡意篡改操作很敏感，而且能夠比較精確地確定被篡改區(qū)域的位置。本發(fā)明所采用的技術(shù)方案是，一種針對(duì)CFA插值圖像的篡改檢測(cè)與篡改定位方法，首先建立一個(gè)CFA插值模型，然后利用EM算法對(duì)該CFA插值模型求解，獲得插值模型的線性系數(shù)，再利用該線性系數(shù)對(duì)測(cè)試圖像進(jìn)行線性濾波，計(jì)算求得的濾波圖像與測(cè)試圖像之間的差值矩陣，對(duì)差值矩陣進(jìn)行圖像形態(tài)學(xué)處理，計(jì)算失真矩陣，最后通過分析失真矩陣中是否存在異常區(qū)域來檢測(cè)測(cè)試圖像的內(nèi)容真實(shí)性，以確定檢測(cè)圖像是否被篡改過；對(duì)失真矩陣對(duì)應(yīng)的圖像進(jìn)行圖像形態(tài)學(xué)填充操作，并把填充后的結(jié)果以圖像的形式顯示出來，就得到篡改偽造的區(qū)域，實(shí)現(xiàn)篡改定位。本發(fā)明方法具體步驟如下步驟I、建立CFA插值模型測(cè)試圖像大小為XXY，選擇測(cè)試圖像某一顏色通道作為樣本顏色通道，f(x, y)表示該樣本顏色通道的像素值，將其分為兩大類M1和M2, M1表示該像素是經(jīng)過CFA插值獲得的，M2表示該像素是由傳感器直接獲得的，屬于M1的像素值用線性模型表示為/(.'■■ )’)= Z+ IL 少 + V) + r(x, y)
V'V=-N (1-1),其中，a = {a v |-/V < /./, I，< 是模型的系數(shù)，x、y是像素坐標(biāo)，u、V是分別對(duì)應(yīng)x、y
的偏移量，N是整數(shù)，a 0,0 = 0,r(x, y)是殘差且服從均值為O、方差為o 2的高斯分布；f (X，y)屬于M2的概率為Pr {f (x, y) | f (x, y) G M2I,記為P0,貝丨J P0服從均勻分布，它等于f(x，y)取值范圍的倒數(shù)；
步驟2、運(yùn)行該CFA插值模型的EM算法，得到插值模型的線性系數(shù)a丨u,v;其中，插值模型的線性系數(shù)a ' u，v的具體計(jì)算方法為步驟2. I、參數(shù)初始化定義當(dāng)前像素與其周圍8個(gè)像素有關(guān),并假設(shè)式(1-1)中N = I, O Q = 2, P0=-
隨機(jī)選取一組線性模型的系數(shù)a u,v ;
步驟2. 2、迭代 計(jì)算E步,求出f (X，y)屬于M1的條件概率P (x, y)，然后計(jì)算f (x, y)屬于M1的后驗(yàn)概率w (X，y)；步驟2. 3、計(jì)算并判斷計(jì)算M步，求出一組新的系數(shù)a ' u，v以及一個(gè)新的正態(tài)分布方差O2，計(jì)算是否Eu,v| au v-a，u v| < e , e由算法設(shè)置給定，若是，則停止迭代，若否，則令a u,v = a，u v并返回步驟2. 2繼續(xù)迭代，直至迭代終止，輸出插值模型的系數(shù)a ' u,v；步驟3、線性濾波用對(duì)測(cè)試圖像f (x，y)進(jìn)行線性濾波，得到濾波圖像f' (x, y)
權(quán)利要求
1.一種針對(duì)CFA插值圖像的篡改檢測(cè)與篡改定位方法，其特征在于，首先建立一個(gè)CFA插值模型，然后利用EM算法對(duì)該CFA插值模型求解，獲得插值模型的線性系數(shù)，再利用該線性系數(shù)對(duì)測(cè)試圖像進(jìn)行線性濾波，計(jì)算求得的濾波圖像與測(cè)試圖像之間的差值矩陣，對(duì)差值矩陣進(jìn)行圖像形態(tài)學(xué)處理，計(jì)算失真矩陣，最后通過分析失真矩陣中是否存在異常區(qū)域來檢測(cè)測(cè)試圖像的內(nèi)容真實(shí)性，以確定檢測(cè)圖像是否被篡改過；對(duì)失真矩陣對(duì)應(yīng)的圖像進(jìn)行圖像形態(tài)學(xué)填充操作，并把填充后的結(jié)果以圖像的形式顯示出來，就得到篡改偽造的區(qū)域，實(shí)現(xiàn)篡改定位。
2.基于權(quán)利要求I所述針對(duì)CFA插值圖像的篡改檢測(cè)與篡改定位方法，其特征在于，具體步驟如下 步驟I、建立CFA插值模型 測(cè)試圖像大小為XXY，選擇測(cè)試圖像某一顏色通道作為樣本顏色通道，f(x, y)表示該樣本顏色通道的像素值，將其分為兩大類M1和M2J1表示該像素是經(jīng)過CFA插值獲得的，M2表示該像素是由傳感器直接獲得的，屬于M1的像素值用線性模型表示為
全文摘要
本發(fā)明公開了一種針對(duì)CFA插值圖像的篡改檢測(cè)與篡改定位方法，首先建立一個(gè)CFA插值模型，然后利用EM算法對(duì)該CFA插值模型求解，獲得插值模型的線性系數(shù)，再利用該線性系數(shù)對(duì)測(cè)試圖像進(jìn)行線性濾波，計(jì)算求得的濾波圖像與測(cè)試圖像之間的差值矩陣，對(duì)差值矩陣進(jìn)行圖像形態(tài)學(xué)處理，計(jì)算失真矩陣，最后通過分析失真矩陣中是否存在異常區(qū)域來檢測(cè)測(cè)試圖像的內(nèi)容真實(shí)性，以確定檢測(cè)圖像是否被篡改過；對(duì)失真矩陣對(duì)應(yīng)的圖像進(jìn)行圖像形態(tài)學(xué)填充操作，并把填充后的結(jié)果以圖像的形式顯示出來，就得到篡改偽造的區(qū)域，實(shí)現(xiàn)篡改定位。本發(fā)明不需要對(duì)圖像分塊，對(duì)惡意篡改操作很敏感，而且能夠比較精確地確定被篡改區(qū)域的位置。
文檔編號(hào)G06T7/60GK102968803SQ201210461999
公開日2013年3月13日 申請(qǐng)日期2012年11月15日 優(yōu)先權(quán)日2012年11月15日
發(fā)明者王曉峰, 劉真理, 劉勇, 李寧, 何光輝 申請(qǐng)人:西安理工大學(xué)