一种基于PatchMatch的数字图像盲取证技术的制作方法

本发明涉及一种复制粘贴篡改检测方法，特别是关于一种适用于对多区域镜像复制粘贴篡改区域进行快速检测方法。

背景技术：

如今数字图像处理技术发展迅速，已经广泛应用于人们的日常生活和工作中，大量的图像编辑工具和软件功能越来越强大，使得数字图像篡改也变得更加容易。复制粘贴篡改是一种常见的数字图像篡改手段，它通过复制一幅图像中的某个区域，粘贴到同一幅图像的其他部分，以隐藏重要目标或者造成某种假象，篡改者在复制粘贴篡改操作中往往还会进行一些后处理操作，如旋转、缩放、模糊等，从而增加篡改图像的真实性。这种情况下，人们通过肉眼很难分辨一幅图像是否经过了篡改。针对图像的复制粘贴篡改盲取证技术大致分为两类:基于图像块的检测法和基于图像中特征点的检测法。基于图像块匹配的算法计算复杂度较大且匹配效果不好，而且该方法不能解决经过旋转缩放等几何变换后处理操作的复制粘贴篡改区域，因此在实际应用中受到了限制。基于特征点的算法对篡改图像中存在纹理信息较少的平滑区域，基于局部梯度特征的检测到的特征点会比较少，从而导致检测失败。

技术实现要素：

针对上述问题，本发明的目的是提供一种能对多区域镜像复制粘贴篡改区域进行快速检测方法。

为实现上述目的，本发明采取以下技术方案：一种基于patchmatch的数字图像盲取证技术，包括以下步骤：

1)从待测图像中提取brisk关键点及生成特征描述符；

2)利用所述步骤1)得到的特征描述符，根据patchmatch算法计算每个特征描述符之间的偏移量并进行传导和随机搜索寻找稳定的匹配点；

3)以半径为ρm的圆形窗口，进行中值滤波；

4)滤波后取半径为ρn的圆形邻域中，计算最小均方线性模型的拟合误差ε²(z)；

5)从4)计算后的最小均方线性模型的拟合误差设置阈值

6)由于相似的背景区域(非复制粘贴区域)通常比较相互接近，所以删除距离小于td2个像素的区域对；

7)由于相似的细节(非复制粘贴区域)通常较小,所以删除面积小于ts个像素的区域对；

8)以半径为ρd＝ρm+ρn的圆形结构，进行几何形态学的膨胀操作。

所述步骤1)中①建立尺度空间，确定特征点位置和尺度：构造n个层ci和n个内层di(i＝{0，1，…，n-1})的尺度空间金字塔，设c0为原始图像，其余是ci通过逐步半采样原始图像c0而形成的。每个di位于层ci与ci+1之间，第一个内层d0是通过c0进行1.5倍下采样得到，对d0连续半采样得到di，如果t表示尺度，则：t(ci)＝2i，t(di)＝1.5×2i。利用自适应通用加速分割检测(agast)算法在尺度空间内进行特征点检测，得到brisk特征点精确的坐标位置和对应的尺度。

所述步骤1)中②局部梯度计算确定特征方向：以特征点为中心构造4个不同半径的同心圆,等间距均匀分布n(n＝60)个采样点。各采样点两两组合成一对，共有n(n-1)/2种组合方式，所有组合方式的集合称为采样点对(pi，pj)，用集合η表示，定义短距离采样点对集s，以及长距离采样点对集l，作为η的子集。计算公式为：

式中：δmax＝9.75t，δmin＝13.67t，t为特征点的尺度。利用采样点两两之间的强度对比来估计局部梯度g(pi，pj)。

所述步骤1)中③生成特征点描述符：为了建立旋转和尺度归一化的描述符，则需要对特征点周围的采样区域旋转一个角度α＝arctan2(gy，gx)，在旋转后得到新的采样区域对所有短距离采样点进行强度比较级联运算，得到512bit的二值化描述符。

所述步骤2)从1)得到的特征描述符集合b＝{b1，b2，…bmin}，根据patchmatch算法计算每个特征描述符之间的偏移量并进行传导和随机搜索寻找稳定的匹配点，包括以下内容：

1)初始化；最近邻域nnf可以通过将随机值分配给该偏移量或通过使用图像结构的先验信息来进行初始化。当使用随机偏移来进行初始化时，在区域块b中的整个范围内进行独立的均匀釆样；

2)对最近邻域初始化后，为了提升匹配的准确性，执行一个nnf的迭代过程。算法的每次迭代过程如下:按照扫描顺序(从左到右，从上到下)检查坐标偏移值，即最近邻域nnf中的f值，每一步检测先执行传导，随后进行随机搜索。这些操作是在区域块上交织进行的:设pi和si分别表示在区域块i处的传导和随机搜索，则我们按照以下顺序进行:p1，s1，p2，s2…，pn，sn。传导步骤pi的过程是，假设相邻的区域块有相同的位置偏移，尝试使用f(x-1,y)和f(x,y-1)的已知偏移来改善f(x,y)。如果在(x-1,y)处有一个良好的映射，尝试将f(x-1,y)赋给它的相邻图像块(x,y)，看f(x,y)能否得到改善。设d(v)表示a中图像块(x,y)和b中图像块(x,y)+v之间的距离(误差)，则新的f(x,y)值为：

f(x，y)＝argmin[d(f(x，y))，d(f(x-1，y))，d(f(x，y-1))]

随机搜索的步骤si的过程是：设＝f(x,y),每一个像素点在以现在的偏移量为中心的同心圆内部，找到一个更加匹配的偏移量，代替当前的偏移量，目的是为了得到相似度更高的匹配区域块：ui＝vo+wαⁱri。式中，r是一个[-1，1]之间的随机值，w是搜索框初始大小，一般令w＝max[w,h],w和h分别为图像的长和宽，α是缩小系数，一般取0.5，vo为初始的patch位置，随着i的增加，搜索框实际大小wαⁱri将减小直至小于1则停止搜索；对任意关键点描述符bi，依次计算bi与其他每一个描述符的欧几里德距离，得到距离向量d＝{d1，d2，…di}，若存在k(1≤k≤i)，满足tk＜tthresh且tk+1≥tthresh(其中tthresh为给定的阈值)，则待检测点和距其{d1，d2，…dk}的k个特征点均相似，遍历所有的特征点得到匹配点集合。所述欧几里德距离公式为:式中，表示的是一个patch块特征描述符的向量。

所述步骤4)中最小均方线性模型的拟合误差公式为：式中，为一组点的齐次坐标，δ为齐次坐标中相同点的位移，为仿射变换矩阵。

所述步骤5)从4)计算后的最小均方线性模型的拟合误差设置阈值具体分为两种情况：(1)如果舍弃该可疑块对；(2)如果分割图像挑选出候选的复制粘贴区域。

本发明由于采取以上技术方案，其具有以下优点：通过利用图像自身信息进行随机初始化，在另一个区域中必定可以找到一个像素与之对应，使用传导过程可以计算出最近邻域的匹配块，通过一个随机搜索过程来保证这一候选块是最准确的最近邻域。该方法不仅可以较好的保留图像自身的结构信息，而且利用最近邻域之间的相互信息可以很大程度的提高匹配效率。本发明能够精确检测出经过旋转、缩放、镜像、多区域、多区域镜像篡改区域。

附图说明

图1是本发明的篡改检测总体方案示意图。

图2是本发明的patchmatch算法主要步骤示意图。

图3是本发明的brisk描述符均匀采样模式示意图。

图4是本发明patchmatch特征点匹配示意图。

图5是本发明对多区域镜像变换操作的检测结果示意图。

图6是本发明旋转鲁棒性对比结果示意图，横坐标为旋转角度，纵坐标为f-measure值。

图7是本发明缩放鲁棒性对比结果示意图，横坐标为缩放因子，纵坐标为f-measure值。

图8是本发明多区域ⅰ鲁棒性对比结果示意图，横坐标为篡改区域个数，纵坐标为f-measure值。

图9是本发明多区域ⅱ鲁棒性对比结果示意图，横坐标为篡改区域个数，纵坐标为f-measure值。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

所述篡改检测过程如图1，包括以下步骤：

1、从待测图像中提取brisk关键点及生成特征描述符，包括以下步骤：

1)建立尺度空间，确定特征点位置和尺度：构造n个层ci和n个内层di(i＝{0，1，…，n-1})的尺度空间金字塔，设c0为原始图像，其余ci是通过逐步半采样原始图像c0而形成的。每个di位于层ci与ci+1之间，第一个内层d0是通过c0进行1.5倍下采样得到，对d0连续半采样得到di，如果t表示尺度，则：t(ci)＝2i，t(di)＝1.5×2i。利用自适应通用加速分割检测(agast)算法在尺度空间内进行特征点检测，得到brisk特征点精确的坐标位置和对应的尺度。

2)局部梯度计算确定特征方向。如图3所示，以特征点为中心构造4个不同半径的同心圆,等间距均匀分布n(n＝60)个采样点。各采样点两两组合成一对，共有n(n-1)/2种组合方式，所有组合方式的集合称为采样点对(pi，pj)，用集合η表示，定义短距离采样点对集s，以及长距离采样点对集l，作为η的子集，公式如下所示：

式中：δmax＝9.75t，δmin＝13.67t，t为特征点的尺度。

利用采样点两两之间的强度对比来估计局部梯度g(pi，pj)，则特征点的模式方向为:

生成特征点描述符：为了建立旋转和尺度归一化的描述符，则需要对特征点周围的采样区域旋转一个角度α＝arctan2(gy，gx)，在旋转后得到新的采样区域对所有短距离采样点进行强度比较级联运算，得到512bit的二值化描述符。

2、利用所述步骤1得到的特征描述符，根据patchmatch算法计算每个特征描述符之间的偏移量并进行传导和随机搜索寻找稳定的匹配点；本发明采用了一种重复的采样方法，对一个区域a中所有的图像块，在另一个具有相等偏移量的区域b中反复搜索，直到找到与它最相似的图像块为止。包括以下步骤：

1)初始化；最近邻域nnf可以通过将随机值分配给该偏移量或通过使用图像结构的先验信息来进行初始化。当使用随机偏移来进行初始化时，在区域块b中的整个范围内进行独立的均匀釆样。

2)对最近邻域初始化后，为了提升匹配的准确性，执行一个nnf的迭代过程。算法的每次迭代过程如下:按照扫描顺序(从左到右，从上到下)检查坐标偏移值，即最近邻域nnf中的f值，每一步检测先执行传导，随后进行随机搜索。这些操作是在区域块上交织进行的:设pi和si分别表示在区域块i处的传导和随机搜索，则我们按照以下顺序进行:p1，s1，p2，s2…，pn，sn。传导步骤pi的过程是，假设相邻的区域块有相同的位置偏移，尝试使用f(x-1,y)和f(x,y-1)的已知偏移来改善f(x,y)。如果在(x-1,y)处有一个良好的映射，尝试将f(x-1,y)赋给它的相邻图像块(x,y)，看f(x,y)能否得到改善。设d(v)表示a中图像块(x,y)和b中图像块(x,y)+v之间的距离(误差)，则新的f(x,y)值为：

f(x，y)＝argmin[d(f(x，y))，d(f(x-1，y))，d(f(x，y-1))](4)

随机搜索的步骤si的过程是：设vo＝f(x,y),每一个像素点在以现在的偏移量为中心的同心圆内部，找到一个更加匹配的偏移量，代替当前的偏移量，目的是为了得到相似度更高的匹配区域块：

ui＝vo+wαⁱri(5)

式中，r是一个[-1，1]之间的随机值，w是搜索框初始大小，一般令w＝max[w,h],w和h分别为图像的长和宽，α是缩小系数，一般取0.5，vo为初始的patch位置，随着i的增加，搜索框实际大小wαⁱri将减小直至小于1则停止搜索；

3、使用patchmatch算法计算每个特征的k近邻(k-nearestneighbor,knn)特征点，如图4所示，对任意关键点描述符bi，依次计算bi与其他每一个描述符的欧几里德距离，得到距离向量d＝{d1，d2，…di}，若存在k(1≤k≤i)，满足tk＜tthresh且tk+1≥tthresh(其中tthresh为给定的阈值)，则待检测点和距其{d1，d2，…dk}的k个特征点均相似，遍历所有的特征点得到匹配点集合。

本发明中定义一个区域相似检测函数:

为patch块相似性的检测函数，反映了两个patch块的相似度，表示的是图形曲面的光滑性约束，表示的是一个patch块特征描述符的向量。遍历所有的特征点，即可得到所有匹配的特征点对。如果是可信的，则就变得很小，接近于零，那么最后计算得到的就可表示出的可信程度，也即是两个patch的相似程度。

5、所述经过patchmatch算法计算每个特征描述符之间的偏移量并进行传导和随机搜索寻找稳定的匹配点,可以实现粗略定位篡改区域，但是由于特征匹配阶段受到噪声，压缩，几何形变，光照变化，相似区域等因素的影响，所产生的偏移域具有不确定性，所以要进行精确定位。

6、以半径为ρm的圆形窗口，进行中值滤波；

7、滤波后半径为ρn的圆形邻域中，计算最小均方线性模型的拟合误差ε′(z)；

8、从计算后的最小均方线性模型的拟合误差设置阈值(1)如果舍弃该可疑块对；(2)如果分割图像挑选出候选的复制粘贴区域。

9、由于相似的背景区域(非复制粘贴区域)通常比较相互接近，所以删除距离小于td2个像素的区域对；

10、由于相似的细节(非复制粘贴区域)通常较小,所以删除面积小于ts个像素的区域对；

11、以半径为ρd＝ρm+ρn的圆形结构，进行几何形态学的膨胀操作，实现图像中复制粘贴区域的精确定位(如图5中本发明处理结果所示为检测多区域镜像复制粘贴篡改区域的效果示意图)。

如图5～9所示，综上所述，经过本发明的处理，可以看出，经过本发明处理后不仅能够准确判断图像是否经过篡改并定位篡改位置，而且可以同时有效检测出经过旋转、缩放、多区域、多区域镜像等几何操作的复制粘贴篡改区域。

上述各实施例仅用于说明本发明，其中方法各个步骤等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。