人工模糊圖像邊緣的盲檢測(cè)方法
【專利摘要】本發(fā)明涉及為檢測(cè)和定位數(shù)字圖像篡改中常采用的人工模糊邊緣操作，提出了一種基于模糊集合、局部清晰度與數(shù)學(xué)形態(tài)學(xué)的人工模糊邊緣檢測(cè)方法。首先利用模糊集合對(duì)圖像邊緣提取從而得到被增強(qiáng)的經(jīng)過人工模糊的圖像邊緣與被弱化的非人工模糊邊緣；然后引入局部清晰度來區(qū)分人工模糊與離焦模糊邊緣點(diǎn)；最后利用數(shù)學(xué)形態(tài)學(xué)中的腐蝕運(yùn)算細(xì)化掉被弱化的非人工模糊邊緣，保留被增強(qiáng)的人工模糊邊緣，從而實(shí)現(xiàn)對(duì)人工模糊圖像邊緣像素級(jí)定位。最后通過實(shí)例證明了本方法的有效性與正確性。
【專利說明】人工模糊圖像邊緣的盲檢測(cè)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種數(shù)字圖像取證領(lǐng)域，特別是一種人工模糊圖像邊緣的盲檢測(cè)方 法。

【背景技術(shù)】
[0002] 隨著數(shù)字圖像的快速發(fā)展，數(shù)字圖像處理軟件越來越多，即使非專業(yè)人士也能輕 松篡改圖像。篡改圖像的方式多種多樣[1]，對(duì)篡改拼接圖像的邊緣進(jìn)行人工模糊操作來 掩飾篡改痕跡就是圖像篡改操作中常用的做法，所以檢測(cè)人工模糊圖像邊緣成為了圖像取 證的關(guān)鍵。近來，國內(nèi)外學(xué)者對(duì)人工模糊有了不少研究。針對(duì)邊緣模糊王俊文[2]等提出 了基于非抽樣Contourlet變換的圖像Canny邊緣模糊前后的統(tǒng)計(jì)特征來定位篡改區(qū)域； Chen[3]等通過計(jì)算圖像邊緣的模糊參數(shù)進(jìn)行圖像處理；周琳娜[4]等通過同態(tài)濾波增強(qiáng) 人工模糊的拼接邊緣、弱化自然正常邊緣，再利用腐蝕運(yùn)算細(xì)化自然邊緣，從而定位圖像拼 接邊緣。陳英[5]等首次提出了不和諧點(diǎn)的概念，即人工模糊邊緣區(qū)域必然有不和諧點(diǎn)的 存在。上述方法有的雖復(fù)雜度小但只能間接證明人工模糊篡改，有些雖能對(duì)篡改區(qū)域進(jìn)行 定位，但復(fù)雜度較高。


【發(fā)明內(nèi)容】

[0003] 為改善上述問題，本發(fā)明提出了基于模糊集合、局部清晰度與數(shù)學(xué)形態(tài)學(xué)的人工 模糊圖像邊緣檢測(cè)方法。該方法首先利用模糊集合來增強(qiáng)人工模糊邊緣同時(shí)弱化非人工 模糊邊緣，然后用局部清晰度來區(qū)分人工模糊邊緣與離焦模糊邊緣，最后用腐蝕運(yùn)算細(xì)化 被弱化的非人工模糊邊緣，保留被增強(qiáng)的人工模糊邊緣，從而達(dá)到被動(dòng)取證的目的，實(shí)驗(yàn)表 明，本方法的時(shí)間復(fù)雜度小且能對(duì)篡改區(qū)域進(jìn)行定位。
[0004] 本發(fā)明采用以下方案實(shí)現(xiàn)：一種人工模糊圖像邊緣的盲檢測(cè)方法，其特征在于包 括以下步驟：
[0005] 步驟S01 :設(shè)計(jì)合適的人工模糊邊緣模糊隸屬度函數(shù)來增強(qiáng)人工模糊邊緣，弱化 非人工模糊邊緣；
[0006] 步驟S02 :提取經(jīng)模糊集合增強(qiáng)的圖像邊緣信息；
[0007] 步驟S03 :計(jì)算以每一個(gè)經(jīng)模糊集合增強(qiáng)的邊緣點(diǎn)為中心的ηΧη大小的方塊內(nèi)的 局部清晰度G，若G大于試驗(yàn)閾值Gth，則該邊緣點(diǎn)就被認(rèn)定為人工模糊邊緣點(diǎn)，否則為離焦 模糊邊緣點(diǎn)，然后去除被認(rèn)為離焦模糊邊緣點(diǎn)；
[0008] 步驟S04 :選擇合適的結(jié)構(gòu)元素對(duì)經(jīng)過上述處理得到的圖像邊緣做腐蝕運(yùn)算從而 細(xì)化掉被弱化的非人工模糊邊緣同時(shí)保留被增強(qiáng)的人工模糊邊緣，從而對(duì)篡改區(qū)域像素級(jí) 定位。
[0009] 在本發(fā)明一實(shí)施例中，所述步驟S01中所述人工模糊邊緣模糊隸屬度函數(shù)采用采 用對(duì)稱梯形作為隸屬度函數(shù)。該隸屬度函數(shù)表示如公式（3)所示：
[0010]

【權(quán)利要求】
1. 一種人工模糊圖像邊緣的盲檢測(cè)方法，其特征在于包括以下步驟： 步驟SOl:設(shè)計(jì)合適的人工模糊邊緣模糊隸屬度函數(shù)來增強(qiáng)人工模糊邊緣，弱化非人 工模糊邊緣； 步驟S02 :提取經(jīng)模糊集合增強(qiáng)的圖像邊緣信息； 步驟S03 :計(jì)算以每一個(gè)經(jīng)模糊集合增強(qiáng)的邊緣點(diǎn)為中心的nXn大小方塊內(nèi)的局部清 晰度G，若G大于試驗(yàn)閾值Gth，則該邊緣點(diǎn)就被認(rèn)定為人工模糊邊緣點(diǎn)，否則為離焦模糊邊 緣點(diǎn)，然后去除被認(rèn)為離焦模糊邊緣點(diǎn)； 步驟S04 :選擇合適的結(jié)構(gòu)元素對(duì)經(jīng)過上述處理得到的圖像邊緣做腐蝕運(yùn)算從而細(xì)化 掉被弱化的非人工模糊邊緣同時(shí)保留被增強(qiáng)的人工模糊邊緣，從而對(duì)篡改區(qū)域像素級(jí)定 位。
2. 根據(jù)權(quán)利要求1所述的人工模糊圖像邊緣的盲檢測(cè)方法，其特征在于：所述步驟SOl 中所述人工模糊邊緣模糊隸屬度函數(shù)采用采用對(duì)稱梯形作為隸屬度函數(shù)。該隸屬度函數(shù)表 示如公式（3)所示：
公式（3)中，u(i，j)表示在（i，j)處的像素點(diǎn)對(duì)于模糊集合4的隸屬度，d(i，j)表示 像素點(diǎn)（i，j)的灰度值與以其為鄰點(diǎn)的3X3的子圖像的中心點(diǎn)的灰度值的差的絕對(duì)值， a，％，a2分別是根據(jù)具體圖像而設(shè)定的閾值。
3. 根據(jù)權(quán)利要求1所述的人工模糊圖像邊緣的盲檢測(cè)方法，其特征在于：所述局部清 晰度G采用公式（4)計(jì)算，
式中豕(/，/)/&,豕(/，/)/辦分別表示像素（i，j)分別在x，y方向上的微分，nXn表 示以像素點(diǎn)（i，j)為中心的正方形大小。
4. 根據(jù)權(quán)利要求1所述的人工模糊圖像邊緣的盲檢測(cè)方法，其特征在于：所述結(jié)構(gòu)元 素選用3X3大小方形結(jié)構(gòu)。
【文檔編號(hào)】G06T7/00GK104268861SQ201410477594
【公開日】2015年1月7日 申請(qǐng)日期:2014年9月18日 優(yōu)先權(quán)日:2014年9月18日
【發(fā)明者】陳明志, 賈福運(yùn) 申請(qǐng)人:福州北卡信息科技有限公司