一种关于图像模糊篡改检测的方法
【专利摘要】图像模糊篡改检测算法是图像篡改取证的重要方法之一。针对图像模糊篡改的检测方法也是各不相同，国内外都有研究，而本发明主要是利用小波分解的同态滤波对图像的人工模糊边缘进行增强和图像对比度的增强，突显出人工模糊篡改的边缘特性；再经过小波阈值去噪处理排除图像噪声对检测效果的影响，同时提取经去噪处理后图像的二值边缘图像信息；最后，根据4个不同方向的结构元素的数学形态学对处理后的图像进行腐蚀运算，腐蚀收缩未被模糊增强的正常边缘，提取经过增强处理的图像模糊边缘，从而定位图像的模糊篡改区域并判定图像的模糊篡改操作。
【专利说明】一种关于图像模糊篡改检测的方法
【技术领域】
[0001] 本发明涉及一种边缘特征的图像模糊篡改检测方法，属于数字图像取证技术领 域。
【背景技术】
[0002] 在当今数字信息迅速发展的时代，数字图像作为最常用的一种数字信息载体被广 泛地应用到新闻、司法、科学、娱乐、军事等领域，但是各种对图像的伪造和篡改对事实的真 实性产生了严重的破坏，妨碍了司法公正、影响了社会的稳定和秩序等。因此，数字图像取 证技术成了信息安全技术研究领域里一个非常重要的方向。
[0003] 图像的篡改主要包括将一幅或几幅图像中的一部分图像剪切下来，拼接到另一幅 图像上去的合成操作等等。而任何篡改操作都会在图像中留下不可避免地痕迹，为了使篡 改后的图像给人的感觉更加逼真且不容易被人发现篡改区域，篡改者通常会采取一些后操 作来处理并消除图像在篡改过程中留下的操作痕迹。在那些后处理操作中主要包括模糊 操作、渐变操作、淡化操作等润饰操作，而模糊操作是消除篡改图像中边缘痕迹最常用的一 种手段。国内外对图像的模糊篡改检测已经有了比较深入的研究，提出了许多行之有效的 算法。与本专利有关的主要有周琳娜等人在"基于数字图像边缘特性的形态学滤波取证技 术"（电子学报，vol. 36, PP. 1047-1051,2008年6月）中利用同态滤波缩小离散模糊边缘 的动态范围，而同时增强了人工模糊的边缘，使得模糊的边缘信息变强，正常边缘变弱，再 通过数学形态学的腐蚀运算，排除正常边缘，从而提取并定位出图像模糊边缘，但是如果图 像中存在较为严重的离焦模糊，该算法检测就会存在一定程度的虚警，而且在同态滤波中 要进过大量的计算才能确定截止频率D tl的值，所以该算法的计算量和计算时间都比较大 且未考虑到图像噪声对检测结果的影响；鲁昌华等人在"基于同态滤波和改进形态学的图 像边缘检测"（仪器仪表学报，vol. 32, ρρ. 74-78,2011年10月）中对周琳娜的算法进行 改进，提出了利用同态滤波和改进的形态学相结合的边缘检测方法，但是该算法并没有完 全解决之前算法的缺点，提取的图像边缘比较粗犷且不具有连续性；S Xuanjing等人在"Α blur image blind identify algorithm based on the edge feature^(Pro. of2011Third International Conference on Multimedia Information Networking and Security, pp. 309-313,2011年11月）中提出了一种基于边缘特征的模糊图像盲识别算法，该方法利 用同态滤波提取图像的边缘特征，再根据小波变换的多标准分解，加强模糊失真信息，最后 利用数学形态学的腐蚀运算得到模糊篡改边缘，但是该算法也没有解决确定截止频率值时 的计算量和计算时间；王佐成等人在"改进的模糊形态学边缘检测算法"（计算机工程与应 用， ν〇1· 47，ρρ· 185-187,2011年8月）中提出了一种新的基于模糊形态学的边缘检测算法， 该方法结合了模糊增强和模糊形态学边缘检测，使用简单隶属度函数将图像映射到模糊特 征平面，采用多方向模糊形态学进行边缘提取，但是该算法需要经过大量的实验，所以算法 的计算量较大而且计算时的迭代次数也较多。
[0004] 综上所述，上述的算法都可以对图像模糊篡改区域进行定位。但是每种方法都存 在它们的缺点，主要的缺点有为了确定同态滤波中截止频率的值使得算法的计算量和计算 时间比较大，而且提出的算法中都没有考虑到图像噪声和篡改操作引入图像的噪声对检测 结果的影响，所以可以解决这些算法中的缺点来提高算法的检测精度。
【发明内容】
[0005] 本发明意在改进现有算法的不足，提高现有算法的检测精度。传统的同态滤波函 数对滤波器的截止频率D tl的选择具有一定的困难性和复杂性，需要花费大量的时间和工 作，本发明中采用基于小波分解的同态滤波，利用
【权利要求】
1. 一种关于图像模糊篡改检测的方法，包括基于小波分解的同态滤波、图像篡改检测 及区域的确定。基于小波分解的同态滤波主要是对图像小波分解后的系数进行高通滤波处 理，即对图像没有伪造的低频段进行灰度级压缩，对模糊的边缘进行灰度级扩展处理。篡改 区域的确定主要是图像通过小波分解的同态滤波对图像人工模糊的边缘进行增强；再利用 小波去噪去除图像中的噪声，并提取去噪后的二值边缘图像信息；最后根据数学形态学的 腐蚀运算，腐蚀没有经过增强处理的正常图像边缘，提取不同方向中经过增强处理的图像 模糊边缘，从而判断图像的篡改区域。
2. 根据权利要求1所述的一种关于小波分解的同态滤波的方法，其特征在于： (1) 将对数运算后的图像小波分解，小波变换能把图像的信号分解为多个高频带信号 和一个低频带信号，对图像进行j层的小波分解可W得到j组系数LHj.、化和化j.(j=l， 2,3......)； (2) 在小波分解的同态滤波中，用
代替传统的同态滤 波函数中D(u，V) / D。的值，于是有二阶己特沃斯型小波分解的同态滤波函数为
式中Yh和Yl分别是滤波器的高频和低频增 益系数，而且满足Yl<1，Yh>1，c是一个位于Yh和Yl之间的常数，k。是滤波器的截 止系数，Wu是水平的权值系数，Wy是垂直的权值系数； (3) 对于 LHj, Wu=0, Wv=l ;对于 HLj，Wu=l，Wv=0 ;对于 HHj, Wu=l，Wv=l。而对于 LLj 的增 强系数为：馬1, =r￡(Wx-w) + w)，式中X为LLj.上的小波系数，k是调节因子调整亮度，且 0《k《1，m是所有X的平均值。根据该四个滤波增强系数对图像进行小波重构。
3. 根据权利要求1所述的一种关于图像篡改检测及区域确定的方法，其特征在于： (1) 利用基于小波分解的同态滤波对转换后的灰度图像进行预处理，增强图像中被模 糊篡改的边缘； (2) 对经过小波分解同态滤波后的图像采用改进后的小波阔值去噪去除引入图像中的 噪声，改进后的小波阔值函数为
(3) 对小波阔值去噪后的图像提取二值边缘图像信息； (4) 最后根据4个不同方向的结构元素的数学形态学分别对图像的二值边缘信息进行 腐蚀运算，腐蚀没有经过增强处理的正常图像边缘，分别提取4个不同方向中经过增强处 理的图像模糊边缘。 根据步骤（4)中所述，对检测出的4个不同方向提取的边缘结果求平均值作为最终的 边缘检测结果。同时将该部分定义为图像的篡改区域，且判定该图像为篡改图像。
【文档编号】G06T7/00GK104424641SQ201310405077
【公开日】2015年3月18日 申请日期:2013年9月7日 优先权日:2013年9月7日
【发明者】胡成燕, 周治平, 耿振民 申请人:无锡华御信息技术有限公司