專利名稱：一種數(shù)字照片圖像壓縮歷史的檢測方法
技術領域：
本發(fā)明涉及一種數(shù)字照片圖像被動盲取證的方法，尤其是涉及一種數(shù)字照片圖像壓縮歷史的檢測方法。
背景技術：
幾乎所有的相機都提供JPEG (Joint Photographic Experts Group)圖像壓縮功能。當一幅數(shù)字照片圖像從相機轉存到其它設備后，經(jīng)常會經(jīng)歷再次或多次壓縮。當一幅數(shù)字照片圖像被圖像編輯軟件打開、編輯、裁減或縮放，或者圖像合成、偽造后再次保存時，都會發(fā)生相機外的再次或多次壓縮；在數(shù)字照片圖像傳輸時，如在郵件中作為附件傳輸時，為了降低數(shù)字照片圖像的字節(jié)數(shù)，數(shù)字照片圖像也會經(jīng)受壓縮軟件的大幅度再次壓縮。因此，揭示一幅數(shù)字照片圖像經(jīng)歷的相機外的JPEG壓縮在圖像取證中具有重要意義。首先，對數(shù)字照片圖像所經(jīng)歷過的相機外的JPEG壓縮的取證可以作為圖像真實性檢測的一個重要環(huán)節(jié)，例如，對篡改圖像中不同圖像部分經(jīng)歷的壓縮不一致性檢測是篡改圖像取證的一種重要方法；第二，數(shù)字照片圖像的壓縮檢測對提高圖像隱寫分析方法的準確性尤為重要，尤其是針對F5和OutGuess等隱寫方法；第三，在數(shù)字照片圖像處理以及一些應用中，通常需要知道一幅高質量壓縮的數(shù)字照片圖像是否經(jīng)歷過低質量壓縮?，F(xiàn)有的JPEG壓縮檢測技術大部分都是基于數(shù)字照片圖像只經(jīng)歷了一次或二次(雙壓)壓縮的假設，并采用機器學習的方法獲取一次或二次壓縮圖像的DCT (discretecosine transform)系數(shù)的統(tǒng)計特征。研究成果表明，二次壓縮圖像的DCT系數(shù)直方圖呈現(xiàn)“周期性”、“雙峰”等特性，這些特性是由于數(shù)字照片圖像在二次壓縮時采用了與前一次壓縮不同的量化表導致的，因此被稱為DQ (double quantization)效應,DQ效應被看作是數(shù) 字照片圖像經(jīng)歷過二次壓縮的直接證據(jù)。有學者采用Benford定律對二次壓縮圖像的DCT系數(shù)的統(tǒng)計特性進行描述，他們的研究表明一次壓縮的自然圖像(自然場景圖像，相對于計算機圖形而言)的DCT系數(shù)服從廣義的Benford定律，而二次壓縮圖像不服從，這可以作為對二次壓縮圖像的取證依據(jù)。也有學者采用Markov隨機過程對數(shù)字照片圖像的JPEG系數(shù)(量化的DCT系數(shù))進行建模，從而實現(xiàn)對一次壓縮圖像和二次壓縮圖像的識別。在圖像隱寫分析方法中，在二次壓縮檢測基礎上還需要對原始壓縮的量化步長進行估計，以提高圖像隱寫分析方法的準確性，然而由于大部分高頻DCT系數(shù)被量化為0，只有少量的低頻DCT系數(shù)可以被估計，而且每一個量化系數(shù)需要單獨估計，因此最后需再用最大似然估計方法對整個量化表進行估計。利用現(xiàn)有的JPEG壓縮檢測技術進行多次壓縮檢測時，如果要獲得三次壓縮或多次壓縮圖像的統(tǒng)計特征，則必然需要復雜的分類器設計和大量的訓練樣本。而已有的雙壓縮檢測方法都限于二次壓縮檢測，對于二次以上的壓縮檢測目前只有較少文獻報道，這些針對二次以上的壓縮檢測方法存在以下問題1)只能檢測出數(shù)字照片圖像是否經(jīng)歷過多次壓縮，無法實現(xiàn)多次壓縮的量化表估計和壓縮順序檢測；2)由于低質量壓縮必然會破壞圖像的統(tǒng)計特性，因此這些針對二次以上的壓縮檢測方法都不能處理低質量壓縮檢測和量化表估計。

發(fā)明內容
本發(fā)明所要解決的技術問題是提供一種數(shù)字照片圖像壓縮歷史的檢測方法，其能夠對多次壓縮的壓縮質量、壓縮順序做出準確檢測，并能夠揭露高質量圖像是否經(jīng)歷過低質量壓縮。本發(fā)明解決上述技術問題所采用的技術方案為一種數(shù)字照片圖像壓縮歷史的檢測方法，其特征在于包括以下步驟①取壓縮工具集Tool中的一個壓縮工具作為當前壓縮工具，并利用該當前壓縮工具采用η個由低到高不同的壓縮質量對RGB顏色空間的待檢測的數(shù)字照片圖像進行再次壓縮，得到待檢測的數(shù)字照片圖像對應的η幅具有不同壓縮質量的再壓圖像，其中，壓縮工具集Tool中的所有壓縮工具的量化表定義各不相同，n ^ 1，待檢測的數(shù)字照片圖像和其對應的η幅具有不同壓縮質量的再壓圖像的分辨率均為NXM ； ②將待檢測的數(shù)字照片圖像及其對應的η幅具有不同壓縮質量的再壓圖像從RGB顏色空間轉換到YCbCr顏色空間，其中，YCbCr顏色空間的第一個顏色分量為亮度分量Y、第二個顏色分量為第一色差分量Cb、第三個顏色分量為第二色差分量Cr ；③將YCbCr顏色空間的待檢測的數(shù)字照片圖像及其對應的η幅具有不同壓縮質量的再壓圖像的亮度分量Y、第一色差分量Cb和第二色差分量Cr分別從空間域轉換到Tetrolet覆蓋索引域；在Tetrolet覆蓋索引域，將在亮度分量Y、第一色差分量Cb和第二色差分量Cr上的待檢測的數(shù)字照片圖像分別表示為Tetrolet覆蓋索引域2-D矩陣，分別記為、C、Q，將在亮度分量Y、第一色差分量Cb和第二色差分量Cr上的第i幅再壓圖像分別表示為Tetrolet覆蓋索引域2-D矩陣，分別記為Cf、C『，其中，④根據(jù)在亮度分量Y、第一色差分量Cb和第二色差分量Cr上的待檢測的數(shù)字照片圖像的Tetrolet覆蓋索引域2-D矩陣Γυ Qft、Q及每幅再壓圖像的Tetrolet覆蓋索引域2-D矩陣，分別計算在亮度分量Y、第一色差分量Cb和第二色差分量Cr上的待檢測的數(shù)字照片圖像在不同壓縮質量下Tetrolet覆蓋索引的變化率，并獲取相應的變化率曲線py曲線、Pb曲線和曲線；⑤觀察Py曲線，找出Py曲線上的所有局部最小值和每個局部最小值的后面相鄰的局部最大值，將Py曲線上的第i’個局部最小值記為PyOnini, ) ,py (min^ )對應的壓縮質量Q(minr)小于或等于待檢測的數(shù)字照片圖像的壓縮質量，將PyOnirv )的后面相鄰的局部最大值記為&0^化)，其中，1彡1’彡n’，n’表示py曲線上的局部最小值的個數(shù)；然后根據(jù)Py曲線上的每個局部最小值的后面相鄰的局部最大值判斷Py曲線上的每個局部最小值對應的壓縮質量是否為歷史壓縮質量，對于PyOnini,),判斷PyOnaxiO-py (HiiniO)T是否成立，如果成立,則確定QOnini,)是一個歷史壓縮質量,否則,確定Q(mirv)不是一個歷史壓縮質量，其中，T為設定的判定閾值，T^O ;接著將所有歷史壓縮質量按照各自對應的局部最小值升序排序，使所有歷史壓縮質量由最近的歷史壓縮到最早的歷史壓縮順序排序，然后輸出排序后的所有歷史壓縮質量；最后觀察Pb曲線和K曲線，如果Pb曲線或曲線上在最早的歷史壓縮對應的歷史壓縮質量處不存在局部最小值，則認為最早的歷史壓縮對應的歷史壓縮質量為待檢測的數(shù)字照片圖像在相機內的原始壓縮的壓縮質量；
⑥上述步驟①至步驟⑤僅僅實現(xiàn)了與當前壓縮工具具有相同量化表定義的壓縮工具的歷史壓縮檢測，對于與當前壓縮工具不具有相同量化表定義的壓縮工具的歷史壓縮，取壓縮工具集Tool中其它的壓縮工具作為當前壓縮工具，再按照步驟①至步驟⑤的操作完成待檢測的數(shù)字照片圖像針對相應的壓縮工具的歷史壓縮檢測。所述的步驟①中待檢測的數(shù)字照片圖像對應的η幅具有不同壓縮質量的再壓圖像的具體獲取過程為取壓縮工具集Tool中的一個壓縮工具作為當前壓縮工具，然后利用該當前壓縮工具在[Q1: AQQn]范圍內用η個不同的壓縮質量對待檢測的數(shù)字照片圖像進行再次壓縮，得到η幅具有不同壓縮質量的再壓圖像，分別記為Ap A2,……、An，其中，n = IiQn - Q1) / Δ0」+1，Q1表示η個不同的壓縮質量中的第I個壓縮質量，Q1彡I，Qn表示η個不同的壓縮質量中的第η個壓縮質量，Qn ^ Q17Qn ^ Q07Q0表示待檢測的數(shù)字照片圖像的壓縮質量，Δ Q表不壓縮質量步長，LA1表不用η個不同的壓縮質量中的第I個壓縮質量Q1對待檢測的數(shù)字照片圖像進行再次壓縮得到的再壓圖像,A2表示用η個不同的壓縮質量中的第2個壓縮質量Q2對待檢測的數(shù)字照片圖像進行再次壓縮得到的再壓圖像，八 表示用η個不同的壓縮質量中的第η個壓縮質量Qn對待檢測的數(shù)字照片圖像進行再次壓縮得到的再壓圖像，符號」”為向下取整符號?！ぎ敭斍皦嚎s工具為采用0-100壓縮級別的壓縮工具時，取O彡Q1彡Qp-Qtl彡Qn彡100、AQ=I ;當當前壓縮工具為采用0_12壓縮級別的壓縮工具時，取O 彡 Q1 彡 Qn、Qtl 彡 QnS 12、AQ=I0所述的步驟③的具體過程為③-I、假設當前正在處理的圖像為YCbCr顏色空間的待檢測的數(shù)字照片圖像，并定義為當前圖像；③_2、假設當前正在處理的顏色分量為當前圖像的亮度分量Y，并定義為當前顏色分量；③_3、在當前顏色分量上，將當前圖像劃分為$ X 個互不重疊的尺寸大小
L 4」L 4 J
為4X4的圖像塊，其中，NXM為當前圖像的分辨率；③_4、將每個圖像塊用一個最優(yōu)的Tetrolet覆蓋索引值表示，將最優(yōu)的Tetrolet 覆蓋索引值記為 c*，c* = arg min ^ 11 ^ I Ii = 8 min Σ Σ lM'fΓ) 其中，
c /=I*■
c* e {I, 2,. . . , 117}, C表示Tetrol et覆蓋索引值,c=l, 2,. . . , 117,1用于表示每個圖像塊中的3個高頻子帶的序號，1=1，2，^表示每個圖像塊中的第I個高頻子帶的Tetrolet系
數(shù)，"H,(c> n表示每個圖像塊的第I個高頻子帶的Tetrolet系數(shù)的I-范數(shù)，argn^i^H Mf H1
表示取3個高頻子帶的Tetrolet系數(shù)的I-范數(shù)的和最小時的Tetrolet覆蓋索引值，s用于表示每個圖像塊中的4個四格拼板的序號，s=0，I, 2，3，wf 表示每個圖像塊中的第I個高頻子帶的第s個四格拼板的高頻Tetrolet系數(shù)，符號“ | | ”為絕對值符號，
argmin^^Infi[5] |表示取3個高頻子帶的所有四格拼板的高頻Tetrolet系數(shù)的絕對值和
C I=i s=0
最小時的Tetrolet覆蓋索引值；
③-5、將當前圖像的第一色差分量Cb和第二色差分量Cr分別作為當前顏色分量，按照步驟③-3至步驟③-4的操作，獲取在第一色差分量Cb上的當前圖像的每個圖像塊對應的最優(yōu)的Tetrolet覆蓋索引值，及在第二色差分量Cr上的當前圖像的每個圖像塊對應的最優(yōu)的Tetrolet覆蓋索引值；③-6、將待檢測的數(shù)字照片圖像對應的η幅具有不同壓縮質量的再壓圖像分別作為當前圖像，按照步驟③-2至步驟③-5的操作，獲取在亮度分量Y上的每幅再壓圖像的每個圖像塊對應的最優(yōu)的Tetrolet覆蓋索引值、在第一色差分量Cb上的每幅再壓圖像的每個圖像塊對應的最優(yōu)的Tetrolet覆蓋索引值及在第二色差分量Cr上的每幅再壓圖像的每個圖像塊對應的最優(yōu)的Tetrolet覆蓋索引值；③_7、將由待檢測的數(shù)字照片圖像的所有圖像塊在亮度分量Y上各自對應的最優(yōu)的Tetrolet覆蓋索引值組成的Tetrolet覆蓋索引域2-D矩陣記為(,將由待檢測的數(shù)字照片圖像的所有圖像塊在第一色差分量Cb上各自對應的最優(yōu)的Tetrolet覆蓋索引值組成的Tetrolet覆蓋索引域2-D矩陣記為C0將由待檢測的數(shù)字照片圖像的所有圖像塊在第二色差分量Cr上各自對應的最優(yōu)的Tetrolet覆蓋索引值組成的Tetrolet覆蓋索引域2-D矩 陣記為(將由第i幅再壓圖像的所有圖像塊在亮度分量Y上各自對應的最優(yōu)的Tetrolet覆蓋索引值組成的Tetrolet覆蓋索引域2-D矩陣記為C，將由第i幅再壓圖像的所有圖像塊在第一色差分量Cb上各自對應的最優(yōu)的Tetrolet覆蓋索引值組成的Tetrolet覆蓋索引域2-D矩陣記力t將由第i幅再壓圖像的所有圖像塊在第二色差分量Cr上各自對應的最優(yōu)的Tetrolet覆蓋索引值組成的Tetrolet覆蓋索引域2-D矩陣記為C;'，其中，I彡i彡n。所述的步驟④的具體過程為④-I、通過比較在亮度分量Y上的待檢測的數(shù)字照片圖像的Tetrolet覆蓋索引域2-D矩陣與在亮度分量Y上的每幅再壓圖像的Tetrolet覆蓋索引域2-D矩陣，計算在亮度分量Y上的待檢測的數(shù)字照片圖像在不同壓縮質量下Tetrolet覆蓋索引的變化率，將在亮度分量Y上的待檢測的數(shù)字照片圖像在第i個壓縮質量下Tetrolet覆蓋索引的變化率
i彡n，X和Y分別表示待檢測的數(shù)字照片圖像和再壓圖像中行和列上的圖像塊的個數(shù)，ΧΧΥ=Μ’，Μ’表示待檢測的數(shù)字照片圖像和再壓圖像中的圖像塊的總個數(shù)，a和b分別表示圖像塊在Tetrolet覆蓋索引域2-D矩陣中的行坐標和列坐標,Φ,列表示Q中坐標位置為(a，b)的圖像塊的最優(yōu)Tetrolet覆蓋索引值,<[ ，列表示中坐標位置為(a，b)的圖像塊的最優(yōu)Tetrolet覆蓋索引值，句說明坐標位置為(a，b)的圖像塊的最優(yōu)Tetrolet覆蓋索引值在再次壓縮前后發(fā)生變化，10表示指示函數(shù)，如果圖像塊的最優(yōu)Tetrolet覆蓋索引值在再次壓縮前后發(fā)生變化，則取值為1，否則，取值為O ;④_2、根據(jù)在亮度分量Y上的待檢測的數(shù)字照片圖像在不同壓縮質量下Tetrolet覆蓋索引的變化率，獲取相應的變化率曲線，表示為Py曲線；④-3、按照步驟④-I至步驟④-2的操作，分別獲取在第一色差分量Cb和第二色差分量Cr上的待檢測的數(shù)字照片圖像在不同壓縮質量下Tetrolet覆蓋索引的變化率曲線，分別表示為Pb曲線和Pr曲線。所述的步驟⑤中設定的判定閾值T的取值范圍為0. 003 ^ T ^ O. I0與現(xiàn)有技術相比，本發(fā)明的優(yōu)點在于
I)本發(fā)明方法可以檢測圖像的多次壓縮歷史，即檢測出一幅圖像是單次壓縮、雙壓、三壓、四壓，等等，同時，本發(fā)明方法采用對單幅圖像的再壓縮，通過在Tetrolet覆蓋索引域分析圖像局部結構隨不同壓縮質量的變化特性，即，圖像亮度分量的局部結構變化概率，隨著壓縮質量的提高呈單調下降，當用圖像所經(jīng)歷的量化表再次壓縮圖像時，圖像局部結構變化出現(xiàn)局部極小值，從而能夠利用亮度分量的局部結構變化率曲線上的局部極小值準確給出每一次壓縮的壓縮質量因子，而且圖像局部結構變化率曲線上的局部極小值的大小與圖像經(jīng)歷的壓縮的前后有關，因此能夠確定多次歷史壓縮的先后順序。2)本發(fā)明方法通過分析待檢測的數(shù)字照片圖像在不同壓縮質量下局部結構的變化率曲線，能夠檢測出一幅圖像經(jīng)歷的多次低于當前壓縮質量的壓縮，即，如果一幅高質量的JPEG圖像，曾經(jīng)歷過低質量的JPEG壓縮，只要用與低質量壓縮相同的量化表進行再壓縮，圖像在局部結構上的變化概率就會達到局部極小值，因此本發(fā)明方法能夠有效解決現(xiàn)有技術不能實現(xiàn)低質量壓縮檢測的問題。3)現(xiàn)有技術都沒有針對特定的壓縮工具進行檢測，而本發(fā)明方法能夠檢測出相 機的原始壓縮，如果用壓縮工具對一幅JPEG格式的低質量照片圖像進行高質量的二次壓縮，甚至更多次壓縮，可以用相同的壓縮工具(或使用與該壓縮工具采用相同的JPEG量化表和采樣類型的壓縮工具)進行檢測，在量度分量的變化率曲線上可以根據(jù)局部極小值確定圖像曾經(jīng)歷的多次壓縮的壓縮質量因子，而且，如果相機與壓縮工具的JPEG壓縮在色差分量上采樣類型不同，則在色差分量的Tetrolet覆蓋索引的變化率曲線上，在相機壓縮的質量因子處不會出現(xiàn)局部極小值，本發(fā)明方法利用該特性能夠在確定待測圖像壓縮歷史的同時,還能檢測出其原有的壓縮質量(即相機中生成時的原始壓縮質量)，而對于AdobePhotoshop等特定的壓縮工具，本發(fā)明方法通過采用相應的壓縮工具進行檢測，能夠確定特定壓縮工具實施的歷史壓縮。4)現(xiàn)有技術都是對低頻的量化系數(shù)單獨進行估計的，然后對整個量化表進行估計，再估計出壓縮質量，不僅實現(xiàn)過程復雜，而且計算量大，而本發(fā)明方法基于對不同壓縮工具的先驗知識對圖像經(jīng)歷的歷史壓縮進行檢測，通過分析Tetrolet覆蓋索引的變化率曲線確定圖像經(jīng)歷過的歷史壓縮的質量因子，從而可以得出相應的量化表，不僅實現(xiàn)過程簡單，而且得到的檢測結果可靠。5)本發(fā)明方法是在單幅圖像上的壓縮質量檢測，無需復雜的分類器設計和大量的訓練樣本，避免了機器學習方法的模型訓練過程，具有簡單、可靠、高效率的特點。


圖I為一幅NIKON E7900相機拍攝的原始的數(shù)字照片圖像的Py曲線；圖2為圖I所示的圖像經(jīng)歷一次相機外的壓縮后的Py曲線；圖3為圖I所示的圖像經(jīng)歷二次相機外的壓縮后的Py曲線；圖4a為用Matlab對在Photoshop中轉換為TIF格式的圖像(原始圖像來自BOSSBase圖像庫)進行四次壓縮(壓縮質量分別為75、50、85、95)后的圖像在亮度分量Y上的平均轉換概率；圖4b為用Matlab對在Photoshop中轉換為TIF格式的圖像(原始圖像來自BOSSBase圖像庫)進行四次壓縮(壓縮質量分別為85、75、50、95)后的圖像在亮度分量Y上的平均轉換概率。
具體實施例方式以下結合附圖實施例對本發(fā)明作進一步詳細描述。本發(fā)明提出的一種數(shù)字照片圖像壓縮歷史的檢測方法，其通過將圖像從空間域轉換到Tetrolet覆蓋索引域，并統(tǒng)計圖像在重新壓縮時局部圖像塊幾何結構的變化率，再通過觀察變化率曲線上的突變判斷圖像的壓縮歷史。本發(fā)明方法具體包括以下步驟①取壓縮工具集Tool中的一個壓縮工具Θ作為當前壓縮工具，并利用該當前壓縮工具采用η個由低到高不同的壓縮質量(壓縮率由高到低)對RGB顏色空間的待檢測的數(shù)字照片圖像進行再次壓縮，得到待檢測的數(shù)字照片圖像對應的η幅具有不同壓縮質量的再壓圖像，其中，η > 1，待檢測的數(shù)字照片圖像和其對應的η幅具有不同壓縮質量的再壓圖像的分辨率均為ΝΧΜ，壓縮工具集Tool中的所有壓縮工具的量化表定義各不相同，如Tool= {Matlab, Photoshop}, Θ e Tool。在此,也可以采用n個由高到低不同的壓縮質量對RGB顏色空間的待檢測的數(shù)字照片圖像進行再次壓縮。在此具體實施例中，步驟①中待檢測的數(shù)字照片圖像對應的η幅具有不同壓縮質量的再壓圖像的具體獲取過程為取壓縮工具集Tool中的一個壓縮工具Θ作為當前壓縮工具，然后利用該當前壓縮工具在[Q1: AQiQJ范圍內用η個不同的壓縮質量對待檢測的數(shù) 字照片圖像進行再次壓縮，得到η幅具有不同壓縮質量的再壓圖像，分別記為ΑρΑ2、……、An，其中，《 = !_(&-ω/Δρ」+ 〗^表示η個不同的壓縮質量中的第I個壓縮質量，Q1 ^ O,Qn表示η個不同的壓縮質量中的第η個壓縮質量，Qn ^ Q1, Qn ^ Q0, Q0表示待檢測的數(shù)字照片圖像的壓縮質量，AQ表示壓縮質量步長，AQ^ LA1表示用η個不同的壓縮質量中的第I個壓縮質量Q1對待檢測的數(shù)字照片圖像進行再次壓縮得到的再壓圖像，A2表示用η個不同的壓縮質量中的第2個壓縮質量Q2對待檢測的數(shù)字照片圖像進行再次壓縮得到的再壓圖像，An表示用η個不同的壓縮質量中的第η個壓縮質量Qn對待檢測的數(shù)字照片圖像進行再次壓縮得到的再壓圖像，符號“L」”為向下取整符號。在本實施例中，需注意壓縮工具集Tool中的壓縮工具的選擇和再壓縮質量的設置。I)壓縮工具集Tool中的壓縮工具的選擇壓縮工具集Tool中的壓縮工具的選擇是非常重要的。不同的壓縮工具可能具有不同的壓縮參數(shù)設置，壓縮參數(shù)設置主要包括量化表定義和采樣類型。大多數(shù)的圖像壓縮工具都采用由獨立JPEG組(IJG)提供的標準量化表(實際上到目前為止，還沒有標準的量化表，但通常把IJG推薦的一組量化表稱為標準量化表，這些量化表常用0-100的質量因子引用)，但也有一些壓縮工具、圖像處理軟件會采用自定義的量化表定義，如Adobe Photoshop。如果兩個壓縮工具具有相同的量化表定義，則可以用其中一種壓縮工具檢測出另一種壓縮工具在一幅圖像上執(zhí)行的壓縮。許多基于獨立JPEG組代碼的應用程序都使用標準量化表，因此在實際應用中本發(fā)明方法可以采用一種壓縮工具(如Matlab具有JPEG壓縮功能，可作為檢測時的壓縮工具)完成大多數(shù)壓縮工具的壓縮檢測，而對于Photoshop等具有自定義量化表的壓縮工具，則使用相應的壓縮工具來檢測。因此，壓縮工具集Tool中應包括各種采用不同量化表的壓縮工具。壓縮工具集Tool中包含的壓縮工具都具有不同的量化表定義，S卩，如果O, O，e Tool，則T0 Φ T0., T0和ΤΘ’分別對應于O和O’的量化表集。例如，Matlab作為Tool中的壓縮工具，其使用最常見的標準量化表，使用Matlab可以檢測常見的壓縮工具(包括一些品牌的相機)完成的歷史壓縮，在檢測中可以作為首選的壓縮工具，也可以用其他使用標準量化表的壓縮工具代替，而Photoshop作為常見的圖像編輯軟件，其具有自定義的量化表，將其作為檢測時使用的壓縮工具，可以用于檢測對待測圖像使用Photoshop實施的歷史壓縮。在本實施例中，Tool= {Matlab, Photoshop}。對于其他使用自定義量化表的壓縮工具，可以添加到Tool壓縮工具集中。2)再壓縮質量的設置當·選擇的壓縮工具即當前壓縮工具為采用0-100壓縮級別的壓縮工具時，取O < Q1 < Qn>Q0 ^ Qn ^ 100、Δ Q=I ;而如果選擇Adobe Photoshop作為當前壓縮工具，則由于Adobe Photoshop只提供了 0-12級的壓縮級別，因此可取O彡Q1彡Qn、Q0 ^ Qn ^ 12、AQ=I0②由于JPEG壓縮只支持YCbCr顏色空間(YCbCr顏色空間的第一個顏色分量為亮度分量Y、第二個顏色分量為第一色差分量Cb、第三個顏色分量為第二色差分量Cr)，且通常，JPEG壓縮在亮度分量上不進行采樣，在色差分量上不同的壓縮工具可能采用不同的采樣類型，如常用品牌的相機(如Canon、Sony、Olympus、Nikon等)在色差分量上常采用2X1采樣類型，而大多數(shù)流行的壓縮軟件在色差分量上常采用2X2采樣類型(Photoshop CS對7-12級質量使用1X1采樣)，因此本發(fā)明將待檢測的數(shù)字照片圖像及其對應的η幅具有不同壓縮質量的再壓圖像從RGB顏色空間轉換到YCbCr顏色空間，可有效解決不同采樣類型對檢測的影響。在此，假設y表不亮度分量Y的值、cb表不第一色差分量Cb的值、cr表不第二色差分量Cr的值、r表示紅色顏色分量R的值、g表示綠色顏色分量G的值、b表示藍色顏色分量 B 的值，則有 y=0. 299r+0. 587g+0. 114b, cb=-0. 169r_0. 331g+0. 500b+128,cr=0. 500r-0. 419g_0. 081b+128。③將YCbCr顏色空間的待檢測的數(shù)字照片圖像及其對應的η幅具有不同壓縮質量的再壓圖像的亮度分量Y、第一色差分量Cb和第二色差分量Cr分別從空間域轉換到Tetrolet覆蓋索引域；在Tetrolet覆蓋索引域，將在亮度分量Y、第一色差分量Cb和第二色差分量Cr上的待檢測的數(shù)字照片圖像分別表示為Tetrolet覆蓋索引域2-D矩陣，分別記力Q C Cr0，將在亮度分量Y、第一色差分量Cb和第二色差分量Cr上的第i幅再壓圖像分別表示為Tetrolet覆蓋索引域2-D矩陣，分別記為(C;'，其中，I彡i彡η。在此具體實施例中，步驟③的具體過程為③-I、假設當前正在處理的圖像為YCbCr顏色空間的待檢測的數(shù)字照片圖像，并定義為當前圖像。③_2、假設當前正在處理的顏色分量為當前圖像的亮度分量Y，并定義為當前顏色分量。③_3、在當前顏色分量上，將當前圖像劃分為# X 4個互不重疊的尺寸大小
L 4」L 4」
為4X4的圖像塊，其中，NXM為當前圖像的分辨率。③_4、將每個圖像塊用一個最優(yōu)的Tetrolet覆蓋索引值表示，將最優(yōu)的Tetrolet 覆蓋索引值記為
權利要求
1.一種數(shù)字照片圖像壓縮歷史的檢測方法，其特征在于包括以下步驟 ①取壓縮工具集Tool中的一個壓縮工具作為當前壓縮工具，并利用該當前壓縮工具采用η個由低到高不同的壓縮質量對RGB顏色空間的待檢測的數(shù)字照片圖像進行再次壓縮，得到待檢測的數(shù)字照片圖像對應的η幅具有不同壓縮質量的再壓圖像，其中，壓縮工具集Tool中的所有壓縮工具的量化表定義各不相同，η > 1，待檢測的數(shù)字照片圖像和其對應的η幅具有不同壓縮質量的再壓圖像的分辨率均為NXM ； ②將待檢測的數(shù)字照片圖像及其對應的η幅具有不同壓縮質量的再壓圖像從RGB顏色空間轉換到YCbCr顏色空間，其中，YCbCr顏色空間的第一個顏色分量為亮度分量Y、第二個顏色分量為第一色差分量Cb、第三個顏色分量為第二色差分量Cr ； ③將YCbCr顏色空間的待檢測的數(shù)字照片圖像及其對應的η幅具有不同壓縮質量的再壓圖像的亮度分量Y、第一色差分量Cb和第二色差分量Cr分別從空間域轉換到Tetrolet覆蓋索引域；在Tetrolet覆蓋索引域，將在亮度分量Y、第一色差分量Cb和第二色差分量Cr上的待檢測的數(shù)字照片圖像分別表示為Tetrolet覆蓋索引域2-D矩陣，分別記為Cv0、C06、Cr0，將在亮度分量Y、第一色差分量Cb和第二色差分量Cr上的第i幅再壓圖像分別表示為Tetrolet覆蓋索引域2-D矩陣，分別記為Cf、Qb, C ,其中，KiSn; ④根據(jù)在亮度分量Y、第一色差分量Cb和第二色差分量Cr上的待檢測的數(shù)字照片圖像的Tetrolet覆蓋索引域2-D矩陣C0\ Q及每幅再壓圖像的Tetrolet覆蓋索引域2-D矩陣，分別計算在亮度分量Y、第一色差分量Cb和第二色差分Cr上的待檢測的數(shù)字照片圖像在不同壓縮質量下Tetrolet覆蓋索引的變化率，并獲取相應的變化率曲線py曲線、Pb曲線和曲線； ⑤觀察Py曲線，找出Py曲線上的所有局部最小值和每個局部最小值的后面相鄰的局部最大值，將Py曲線上的第i’個局部最小值記為PyOnini, ), PyOnini,)對應的壓縮質量Q(minr)小于或等于待檢測的數(shù)字照片圖像的壓縮質量，將PyOnirv )的后面相鄰的局部最大值記為&0^化)，其中，1彡1’彡n’，n’表示py曲線上的局部最小值的個數(shù)；然后根據(jù)Py曲線上的每個局部最小值的后面相鄰的局部最大值判斷Py曲線上的每個局部最小值對應的壓縮質量是否為歷史壓縮質量，對于PyOnini,),判斷PyOnaxiO-py (HiiniO)T是否成立，如果成立,則確定QOnini,)是一個歷史壓縮質量,否則,確定Q(mirv)不是一個歷史壓縮質量，其中，T為設定的判定閾值，T^O ;接著將所有歷史壓縮質量按照各自對應的局部最小值升序排序，使所有歷史壓縮質量由最近的歷史壓縮到最早的歷史壓縮順序排序，然后輸出排序后的所有歷史壓縮質量；最后觀察Pb曲線和K曲線，如果Pb曲線或曲線上在最早的歷史壓縮對應的歷史壓縮質量處不存在局部最小值，則認為最早的歷史壓縮對應的歷史壓縮質量為待檢測的數(shù)字照片圖像在相機內的原始壓縮的壓縮質量； ⑥上述步驟①至步驟⑤僅僅實現(xiàn)了與當前壓縮工具具有相同量化表定義的壓縮工具的歷史壓縮檢測，對于與當前壓縮工具不具有相同量化表定義的壓縮工具的歷史壓縮，取壓縮工具集Tool中其它的壓縮工具作為當前壓縮工具，再按照步驟①至步驟⑤的操作完成待檢測的數(shù)字照片圖像針對相應的壓縮工具的歷史壓縮檢測。
2.根據(jù)權利要求I所述的一種數(shù)字照片圖像壓縮歷史的檢測方法，其特征在于所述的步驟①中待檢測的數(shù)字照片圖像對應的η幅具有不同壓縮質量的再壓圖像的具體獲取過程為取壓縮工具集Tool中的一個壓縮工具作為當前壓縮工具，然后利用該當前壓縮工具在[Q1: AQiQJ范圍內用η個不同的壓縮質量對待檢測的數(shù)字照片圖像進行再次壓縮，得到η幅具有不同壓縮質量的再壓圖像，分別記為W……4，其中，》= [(0 -以)/^」+ 1，Q1表示η個不同的壓縮質量中的第I個壓縮質量，Q1 ^ I，Qn表示η個不同的壓縮質量中的第η個壓縮質量，QnSQ1, Qn ^ Q0, Qtl表示待檢測的數(shù)字照片圖像的壓縮質量，Λ Q表示壓縮質量步長，LA1表示用η個不同的壓縮質量中的第I個壓縮質量Q1對待檢測的數(shù)字照片圖像進行再次壓縮得到的再壓圖像，A2表示用η個不同的壓縮質量中的第2個壓縮質量Q2對待檢測的數(shù)字照片圖像進行再次壓縮得到的再壓圖像，Αη表示用η個不同的壓縮質量中的第η個壓縮質量Qn對待檢測的數(shù)字照片圖像進行再次壓縮得到的再壓圖像，符號“L」力向下取整符號。
3.根據(jù)權利要求2所述的一種數(shù)字照片圖像壓縮歷史的檢測方法，其特征在于當當前壓縮工具為采用0-100壓縮級別的壓縮工具時，取O≤Q1≤Qn、Q0 ≤ Qn ≤ 100、AQ=I ;當當前壓縮工具為采用0-12壓縮級別的壓縮工具時，取O≤Q1≤QpQtl≤Qn≤12、AQ=I0
4.根據(jù)權利要求I至3中任一項所述的一種數(shù)字照片圖像壓縮歷史的檢測方法，其特征在于所述的步驟③的具體過程為 ③-I、假設當前正在處理的圖像為YCbCr顏色空間的待檢測的數(shù)字照片圖像，并定義為當前圖像； ③-2、假設當前正在處理的顏色分量為當前圖像的亮度分量Y，并定義為當前顏色分量； ③-3、在當前顏色分量上，將當前圖像劃分為
5.根據(jù)權利要求4所述的一種數(shù)字照片圖像壓縮歷史的檢測方法，其特征在于所述的步驟④的具體過程為 ④-I、通過比較在亮度分量Y上的待檢測的數(shù)字照片圖像的Tetrolet覆蓋索引域2-D矩陣G與在亮度分量Y上的每幅再壓圖像的Tetrolet覆蓋索引域2-D矩陣，計算在亮度分量Y上的待檢測的數(shù)字照片圖像在不同壓縮質量下Tetrolet覆蓋索引的變化率，將在亮度分量Y上的待檢測的數(shù)字照片圖像在第i個壓縮質量下Tetrolet覆蓋索引的變化率記為片其中，1 < i X和Y分別表示待檢測的數(shù)字照片圖像和再壓圖像中行和列上的圖像塊的個數(shù)，XXY=M'，M’表示待檢測的數(shù)字照片圖像和再壓圖像中的圖像塊的總個數(shù)，a和b分別表示圖像塊在Tetrolet覆蓋索引域2-D矩陣中的行坐標和列坐標,4 ]表示Q中坐標位置為(a，b)的圖像塊的最優(yōu)Tetrolet覆蓋索引值，<[4列表示Cf中坐標位置為(a，b)的圖像塊的最優(yōu)Tetrolet覆蓋索引值，說明坐標位置為(a，b)的圖像塊的最優(yōu)Tetrolet覆蓋索引值在再次壓縮前后發(fā)生變化，10表示指示函數(shù)，如果圖像塊的最優(yōu)Tetrolet覆蓋索引值在再次壓縮前后發(fā)生變化，則取值為1，否則，取值為O ; ④-2、根據(jù)在亮度分量Y上的待檢測的數(shù)字照片圖像在不同壓縮質量下Tetrolet覆蓋索引的變化率，獲取相應的變化率曲線，表示為Py曲線； ④-3、按照步驟④-I至步驟④-2的操作，分別獲取在第一色差分量Cb和第二色差分量Cr上的待檢測的數(shù)字照片圖像在不同壓縮質量下Tetrolet覆蓋索引的變化率曲線，分別表示為Pb曲線和Pr曲線。
6.根據(jù)權利要求5所述的一種數(shù)字照片圖像壓縮歷史的檢測方法，其特征在于所述的步驟⑤中設定的判定閾值T的取值范圍為0. 003 < T < O. I。
全文摘要
本發(fā)明公開了一種數(shù)字照片圖像壓縮歷史的檢測方法，其首先將待檢測的圖像及對應的多幅再壓圖像從RGB顏色空間轉換到YCbCr顏色空間，然后再將每幅圖像的每個顏色分量從空間域轉換到Tetrolet覆蓋索引域，再計算每個顏色分量上的待檢測的圖像在不同壓縮質量下Tetrolet覆蓋索引的變化率和變化率曲線，最后通過觀察每個顏色分量上的變化率曲線檢測圖像所經(jīng)歷過的歷史壓縮，優(yōu)點在于通過分析圖像在不同壓縮質量下的局部結構變化特性，利用圖像局部結構變化當再次壓縮時量化表與歷史壓縮的量化表相同時出現(xiàn)局部極小值，從而能夠準確給出圖像壓縮歷史上每次壓縮的壓縮質量因子，而且局部極小值的大小與圖像經(jīng)歷的壓縮順序有關，因此能夠確定多次歷史壓縮的先后順序。
文檔編號H04N1/64GK102903100SQ20121032655
公開日2013年1月30日 申請日期2012年9月6日 優(yōu)先權日2012年9月6日
發(fā)明者張 榮, 王讓定, 吳天聰 申請人:寧波大學