一种基于局部二值模式的中值滤波检测方法
【专利摘要】本发明公开了基于局部二值模式的中值滤波检测方法，该方法包括步骤：步骤1.利用基于中心对称的局部二值模式算子(C-LBP)定位特征提取区域，所提取的结果是将平坦区的像素去除，只保留用于提取特征的像素(即纹理区像素)；步骤2.对纹理区域提取的检测特征进行直方图统计，统计结果作为检测特征；步骤3.利用检测中值滤波器形状的检测算子，获得中值滤波器的形状参数检测特征；步骤4.利用支持向量机(SVM)进行分类识别。与现有技术相比，本发明于SPAM(686维)和MFF(44维)来说，在保持较低的维度的前提下具有较高的检测率。
【专利说明】-种基于局部二值模式的中值滤波检测方法
【技术领域】
[0001] 本发明设及多媒体信息安全领域，本发明设及一种基于局部二值模式的中值滤波 检测方法，属于图像篡改检测领域。
【背景技术】
[0002] W数字图像、数字视频为代表的数字多媒体具有易编辑、易复制、易传播等特性， 借助通用多媒体编辑软件，普通用户便可对其进行非常逼真的编辑或篡改，且不会留下直 观的视觉痕迹。由于数字信息的透明性和易处理性，一些原本用于修饰、润色图像的处理技 术却被别有用屯、的人用来篡改、伪造图像，数字图像被动取证技术正是在该样的背景下迅 速发展起来。数字图像被动取证技术是国际上正在兴起的一个研究领域，它在不需要其它 辅助信息的条件下，仅根据接收到的数字图像，即可实现对图像资源的真实性和完整性验 证。
[0003] 数字图像被动取证技术又叫盲取证技术，与"主动"取证技术相比，被动取证不需 要预先向媒体添加信息，而是直接利用待认证媒体本身信息进行认证，该种特点让被动取 证技术的应用范围更加宽广，但与此同时，由于被动取证技术不能从待测媒体中得到指示 性先验信息，因此挑战性更大。当前比较热口的一个研究方向就是低通滤波检测，因为低 通滤波操作经常应用于图像篡改操作过程中，W消除图像在拼接边缘产生的视觉或统计崎 变。另一方面，它也会影响许多取证算法的可靠性；例如，中值滤波器可W当作一种有效的 反取证工具，用于隐藏重采样篡改痕迹。因此，检测图像是否经历了滤波操作，是鉴别图像 的原始性和完整性的有力佐证。
[0004] 目前，中值滤波检测算法大多是基于空域提出，化i化ich等人认为"条纹伪 影"（streaking arti化ct)是中值滤波图像的一种特殊痕迹，并基于像素的一阶差分提出 了两种测量方法：第一种方法直接分析一阶差分的直方图比值，但不能抗JPEG压缩；第二 种方法借鉴图像隐写分析中的SPAM(subtractive pixel adjacen巧matrix)特征，把水 平、垂直和对角共八个方向的一阶差分值建模为n阶的马尔可夫链，并将其转移概率矩阵 按方向平均组合为一组特征向量。实验结果表明，由于SPAM维数非常高化86维），当待测 图像或图像块像素个数下降时，SPAM特征的性能也将大大下降。化an通过分析中值滤波 操作对像素值统计特征的影响，提出了一组44维的检测特征MFF(the median filtering feature set)，实验结果表明，无论是在高质量还是低质量的图像中，当W小图像块为检测 单元时，MFF特征性能要优于SPAM特征；然而，MFF同样对JPEG压缩敏感，且性能与检测子 块大小有关。
[0005] 上述算法均能有效地检测中值滤波图像，但SPAM维数太大，耗费时间太长;MFF维 数虽然相对较小，但其是统计特性算子，计算过程也较为复杂。因此，提出一种简单有效的 中值滤波算子是非常有必要的。
【发明内容】
[0006] 为了克服上述现有技术，本发明提出了一种基于局部二值模式的中值滤波检测方 法，将纹理描述算子LBP引入图像篡改检测领域，利用较低维度就可W有效的检测出图像 有无经过中值滤波处理，并且可W检测出中值滤波阶数；同时提出了 一组五维算子，用W检 测中值滤波器的形状。
[0007] 本发明提出了一种基于局部二值模式的中值滤波检测方法，该方法包括W下步 骤：
[000引步骤1、利用基于中屯、对称的局部二值模式C-LBP算子定位特征，提取区域，即，将 平坦区的像素去除，只保留纹理区像素；
[0009] 步骤2、从待测图像的特征提取区域提出E-LBP特征和N-LBP特征，对两个特征进 行直方图统计，统计结果作为检测特征；
[0010] 步骤3、利用检测中值滤波器形状的检测算子，获得中值滤波器的形状参数；
[0011] 步骤4、利用支持向量机（SVM)进行分类识别。
[0012] 与现有技术相比，本发明于SPAM化86维）和MFF(44维）来说，在保持较低的维度 的前提下具有较高的检测率。
【专利附图】
【附图说明】
[0013] 图1为本发明的基于局部二值模式的中值滤波检测方法的整体流程图。
【具体实施方式】
[0014] 下面结合附图和【具体实施方式】对本发明进行详细说明，但本发明的实施范围并不 局限于此。
[0015] 步骤1、利用基于中屯、对称的局部二值模式算子（C-LB巧定位特征提取区域，即将 平坦区的像素去除，只保留纹理区像素；可W将图像中的平坦区算子都筛选出去；同时，通 过改变阔值T的值，还可W控制纹理区的像素数量。提取方法为；C-LBP的编码规则定义为， 比较定义的邻域内W块中屯、像素为中屯、对称的像素对，若其差值大于等于T则为1，反之则 为0。然后按顺序得到一个二进制串，将其转换为十进制数作为该中屯、像素的编码。公式如 下：
【权利要求】
1. 一种基于局部二值模式的中值滤波检测方法，其特征在于，该方法包括以下步骤： 步骤（1)、利用基于中心对称的局部二值模式C-LBP算子定位特征，提取区域，S卩，将平 坦区的像素去除，只保留纹理区像素； 步骤（2)、从待测图像的特征提取区域提出E-LBP特征和N-LBP特征，对两个特征进行 直方图统计，统计结果作为检测特征； 步骤（3)、利用检测中值滤波器形状的检测算子，获得中值滤波器的形状参数； 步骤（4)、利用支持向量机（SVM)进行分类识别。
2. 如权利要求1所述的基于局部二值模式的中值滤波检测方法，其特征在于，所述步 骤（1)中的提取，还具体包括以下处理： 对整幅待测图像提取C-LBP特征，该特征的编码规则定义为：比较定义的邻域内以中 心像素值为中心对称的像素对，若其差值大于T则为1，反之则为O;然后按顺序得到一个二 进制串，将其转换为十进制数作为该中心像素的编码；公式如下：
如果四组像素对的像素值差的绝对值都小于T，则C-LBP的值为O;这时我们将该邻域 中心像素归类到平坦区内，之后的特征提取阶段不予考虑。
3. 如权利要求1所述的基于局部二值模式的中值滤波检测方法，其特征在于，所述步 骤（2)，还具体包括以下处理： 对E-LBP特征进行编码：在定义的邻域中，比较周围像素和中心像素的像素值是否相 等，若相等则置为1，不等置为〇 ;之后统计周围1的个数作为中心像素的编码，公式如下所 示：
对N-LBP算子进行编码，遍历邻域内所有像素点，当像素灰度值第一次出现时，该像素 编码值置为1，否则置为〇 ;与E-LBP-样，将1的和作为中心像素的编码，该值代表了该邻 域内像素的灰度级个数，计算公式如下所示：
在经过C-LBP提取出的纹理区上进行提取E-LBP和N-LBP特征操作，对于前者每个像 素点的特征值都是〇到8之间的数，对于后者每个像素点的特征值都是1到9之间的数，之 后绘制该特征的直方图作为检测特征。
4. 如权利要求1所述的基于局部二值模式的中值滤波检测方法，其特征在于，所述步 骤（3)的检测算子，具体包括以下处理： 当待测图像被确认为经中值滤波处理的图像后，在计算出其E-LBP特征的基础上，统 计不同方向上1的个数的比值；该S-LBP特征S-LBP= (Sci,S1, ...S4)的计算公式如下所 示，
jG{〇，1，2,3,4} 其中，e是使C-LBP不为O的像素个数（即特征提取区域像素个数）； 对于中值滤波图像，在经过C-LBP提取出的纹理区中分别计算S-LBPtl,S-LBP1，… ，S-LBP4，最后得到一组5维特征，将其作为中值滤波形状检测算子。
5. 如权利要求1所述的基于局部二值模式的中值滤波检测方法，其特征在于，所述步 骤（4)中的分类识别，还具体包括以下处理： 对TI、T2、T3、T4分别提取E-LBP和N-LBP特征，并将得到的训练集输入C-SVM进行训 练，得到训练模型model1 ; 对T5、T6、17分别提取S-LBP特征，将得到的训练集输入C-SVM进行训练，得到训练模 型model2 ;重复该步骤，得到训练模型model3和model4。 对于待测图像image，利用C-LBP对其去除平坦区，提取E-LBP和N-LBP特征并输入到C-SVM利用训练模型modell分类识别，即可判定其有无经过中值滤波；若断定其为中值滤 波图像后，根据其滤波阶数利用不同的训练模型进行进一步分类。
【文档编号】G06K9/66GK104504669SQ201410770968
【公开日】2015年4月8日 申请日期:2014年12月12日 优先权日:2014年12月12日
【发明者】苏育挺, 张静, 张承乾, 张天娇 申请人:天津大学