專利名稱：基于dct域統(tǒng)計特性的自然圖像與計算機生成圖像的鑒別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像鑒別技術(shù)領(lǐng)域，尤其涉及的是一種基于DCT域統(tǒng)計特性的自然圖像與計算機生成圖像的鑒別方法。
背景技術(shù)：
隨著信息時代的到來，數(shù)字化成像設(shè)備越來越普遍，傳統(tǒng)的膠片圖像正逐步被數(shù)字圖像所取代，但數(shù)字圖像更很容易被篡改，偽造。一些3D圖像生成軟件可以輕易的生成以假亂真的計算機圖像，以至于人眼幾乎無法將其與自然圖像區(qū)分開來。隨著數(shù)字圖像的應用范圍不斷擴大，特別是其在新聞、司法等行業(yè)的應用不斷增多，面對大量的數(shù)字圖像如何鑒別其相應的來源便成了一個急需解決的問題。真實圖像和計算機生成圖像的鑒別方法，一直是數(shù)字圖像取證中的重要問題，也是首要的問題。自然圖像PM是指由數(shù)碼相機、掃描儀等成像設(shè)備獲取的真實世界的影像，它強調(diào)由真實世界獲取。而計算機生成圖像CG是指由計算機通過圖像處理軟件(常用的有3Ds MAX, Maya, Softimage等)生成的與真實世界相似的影像,它雖有真實世界的對應物，但不是由真實世界直接獲得。CG的生成過程是首先構(gòu)建一個3D多邊模型模擬期望的形狀，然后為模型賦予顏色和紋理，并且用模擬光源照射，最后將修飾好的模型送到一個虛擬的照相機前成像，生成圖像。兩者在平滑度、色彩數(shù)量、直方圖連續(xù)性和細小紋理復雜度等方面有很大的不同。目前多數(shù)的數(shù)字圖像處理軟件都是在電腦上操作的，也即那些偽造、篡改的圖像都是在電腦上操作的，對計算機生成圖像和自然圖像的區(qū)別的認識，將對篡改圖像的篡改區(qū)域的認識起到引領(lǐng)作用，可以依此來對篡改圖像進行檢測，因此對計算機生成圖像的檢測研究就具有十分重要的意義。現(xiàn)有的自然圖像與計算機鑒別方法的特征提取都是采用單一類型的特征信息，信息涵蓋不全，分析能力不強，收集到的特征信息不能夠十分準確地用于計算機生成圖像和自然圖像的檢測。比如，目前基于離散小波變換的統(tǒng)計特征提取技術(shù)、特征閥值判決技術(shù)等都沒有包含足夠全面的特征信息，以至于自動檢測的準確率不高。經(jīng)過現(xiàn)有技術(shù)文獻的檢索發(fā)現(xiàn)，S. Lyu和H. Farid在文章“How Realistic isPhotorealistic ，，(IEEE Transactions on Signal Processing, 2005, 53 (2) :845-850.)(IEEE信號處理期刊)提出首先對待測圖像進行小波變換，然后在小波域上提取均值、方差、偏態(tài)、峰態(tài)四個統(tǒng)計量，將這四個統(tǒng)計量作為統(tǒng)計特征，然后對這些特征向量用機器學習方法進行分類判決。該方法只從統(tǒng)計上對圖像進行分析，并未指出計算機生成圖像與自然圖像的本質(zhì)差異，鑒別率只有84. 97%,因此鑒別率并不理想。W. Chen和Q. Y. shi在文章“Identifying Computer Graphics using HSV Color Model and Statistical Momentsof Characteristic Functions，， (IEEE International Conference on Multimedia andExpo. Beijing IEEE, 2007 :1123-1126.) 一種基于HSV顏色模型的統(tǒng)計方法來區(qū)分Photo和CG，將圖像由RGB顏色空間映射到HSV顏色空間，然后對圖像進行離散小波變換(DWT)以及離散傅里葉變換(DFT)之后，再統(tǒng)計圖像特征進行圖像分類鑒別，進一步提高了圖像的鑒別準確率。鑒別率只有82. 1%，該方法的鑒別率并不理想。李文祥和張濤在文章“基于二階差分統(tǒng)計量的自然圖像與計算機圖形的鑒別”(計算機輔助設(shè)計與圖形學學報計算機輔助設(shè)計與圖形學學報.2010,22(9) =195-200.)提出一種基于圖像二階差分統(tǒng)計量的鑒別方法.首先在HSV顏色空間提取圖像及其校準圖像的二階差分信號和預測誤差信號，在此基礎(chǔ)上提取二階差分信號的方差、峰度以及預測誤差信號的I 4階統(tǒng)計量，并將其作為分類特征，結(jié)合Fisher線性判別分析，實現(xiàn)2類圖像的正確分類.實進一步提高了圖像的鑒別準確率。鑒別率達到了 92.8%。王讓定和郭克在專利中“基于多小波變換的自然圖像和計算機生成圖像的識別方法”(專利號201010618428. 4)中公開了一種基于多小波變換的自然圖像和計算機生成圖像的識別方法，特點包括以下步驟(I)將訓練樣本圖像和測試樣本圖像轉(zhuǎn)換到HSV顏色空間，分別獲取相應的色相分量圖像、飽和度圖像和亮度量圖像；(2)將各分量圖像進行預處理后再將各分量圖像進行一階多小波變換；(3)將獲得的色相分量圖像、飽和度分量圖像和亮度分量圖像的16個子帶作為對象，計算每個子帶小波系數(shù)的均值、方差、偏斜度和峰度，獲得192個特征值；(4)將特征值校準再歸一化處理后代入SVM分類器中進行訓練和測試，獲得圖像的類別，檢測識別率達到了 92. 79%。現(xiàn)有的自然圖像與計算機鑒別方法的特征提取都是采用單一類型的特征信息，信息涵蓋不全，分析能力不強，收集到的特征信息不能夠十分準確地用于計算機生成圖像和自然圖像的檢測。比如，目前基于離散小波變換的統(tǒng)計特征提取技術(shù)、特征閥值判決技術(shù)等都沒有包含足夠全面的特征信息，以至于自動檢測的準確率不高。

發(fā)明內(nèi)容
針對目前自然圖像和計算機生成圖像的鑒別方法鑒定準確率不高的問題，提出了一種基于DCT域統(tǒng)計特性的自然圖像與計算機生成圖像的鑒別方法。本發(fā)明的技術(shù)方案如下一種基于DCT域統(tǒng)計特性的自然圖像與計算機生成圖像的鑒別方法，包括以下步驟(1)首先對待測圖像進行高斯模糊處理、降維處理，然后對圖像R、G、B3個通道分別進行8X8的不重復塊DCT離散余弦變換，得到的8X8分塊DCT系數(shù)矩陣；(2)對每一通道DCT域AC系數(shù)的首位有效數(shù)字的分布進行統(tǒng)計，得到3條概率分布曲線；(3)計算3條概率分布曲線的平均絕對差分，若平均絕對差分大于設(shè)定的閾值T，說明3條概率分布曲線的重合程度不強，將待測圖像判定為自然圖像，否則判定為計算機生成圖像；所述平均絕對差分
定義如下
權(quán)利要求
1.一種基于DCT域統(tǒng)計特性的自然圖像與計算機生成圖像的鑒別方法，其特征在于，包括以下步驟(1)首先對待測圖像進行高斯模糊處理、降維處理，然后對圖像R、G、B3個通道分別進行8X8的不重復塊DCT離散余弦變換，得到的8X8分塊DCT系數(shù)矩陣；(2)對每一通道DCT域AC系數(shù)的首位有效數(shù)字的分布進行統(tǒng)計，得到3條概率分布曲線；(3)計算3條概率分布曲線的平均絕對差分，若平均絕對差分大于設(shè)定的閾值T，說明3條概率分布曲線的重合程度不強，將待測圖像判定為自然圖像，否則判定為計算機生成圖像；所述平均絕對差分15定義如下
2.根據(jù)權(quán)利要求I所述的鑒別方法，其特征在于，所述步驟(I)中，所述的對圖像進行高斯模糊處理，模糊半徑設(shè)定為0. 3，在二維空間正態(tài)分布方程為
3.根據(jù)權(quán)利要求I所述的鑒別方法，其特征在于，所述步驟(3)中，所述閾值T的確定方法如下 (1)首先對實驗組圖像進行高斯模糊處理、降維處理，然后對圖像R、G、B3個通道分別進行8 X 8的不重復塊離散余弦變換，得到的8 X 8分塊DCT系數(shù)矩陣； (2)對每一通道DCT域AC系數(shù)的首位有效數(shù)字的分布進行統(tǒng)計，得到3條概率分布曲線. (3)計算3條曲線的平均絕對差分，通過統(tǒng)計實驗組圖像的平均絕對差分，比較出平均絕對差分的最大值與最小值，并以最小值為初始值，初始值與每一個平均絕對差分作對比，統(tǒng)計出自然圖像平均絕對差分小于初始值的個數(shù)A以及計算機生成圖像平均絕對差分大于初始值的個數(shù)B，通過A的值除以自然圖像的個數(shù)，計算出自然圖像的鑒別錯誤率，利用同樣的方法計算出計算機生成圖像的鑒別錯誤率，得到相應的鑒別正確率后，取兩個鑒別正確率平均數(shù)，得到最終的鑒別平均正確率，在初始值的基礎(chǔ)上加上0. 00001，直到數(shù)值等于平均絕對差分的最大值， 利用上述方法統(tǒng)計出最高的鑒別正確率已經(jīng)對應的數(shù)值，此數(shù)值就是閾值T。
全文摘要
本發(fā)明公開了一種基于DCT域統(tǒng)計特性的自然圖像與計算機生成圖像的鑒別方法，其特征在于，包括以下步驟(1)首先對待測圖像進行高斯模糊處理、降維處理，然后對圖像R、G、B3個通道分別進行8×8的不重復塊DCT離散余弦變換，得到的8×8分塊DCT系數(shù)矩陣；(2)對每一通道DCT域AC系數(shù)的首位有效數(shù)字的分布進行統(tǒng)計，得到3條概率分布曲線；(3)計算3條概率分布曲線的平均絕對差分，若平均絕對差分大于設(shè)定的閾值T，說明3條曲線的重合程度不強，將待測圖像判定為自然圖像，否則判定為計算機生成圖像。實驗結(jié)果顯示，這種算法提高了自然圖像與計算機生成圖像的鑒別準確率。與已有算法相比具有更高的識別率，鑒別準確率達到95.22％，且計算量小、易于實現(xiàn)。
文檔編號G06T7/00GK102968793SQ20121046978
公開日2013年3月13日 申請日期2012年11月20日 優(yōu)先權(quán)日2012年11月20日
發(fā)明者陳長寶, 張震, 楊宇豪, 杜紅民, 謝永杰, 佟森峰, 莊東剛, 盛鐸, 宋超, 范秉琪, 趙曉祥, 崔帥 申請人:百年金海安防科技有限公司, 鄭州大學