图像篡改检测方法

图像篡改检测方法
【专利摘要】本发明提供一种图像篡改检测方法，其中所述方法包括：步骤1、生成图像的亮度图和局部亮度变化图，将亮度图和局部亮度变化图分别执行以下操作：分割为M×N个区域，然后对亮度图和局部亮度变化图分别进行分块处理以得到多个交叠块；步骤2、对亮度图和局部亮度变化图的每一交叠块，分别计算不变矩；步骤3、通过亮度图和局部亮度变化图的不变矩特征向量对交叠块之间进行比较。
【专利说明】
图像篡改检测方法
技术领域
[0001] 本发明涉及属于图像检测技术领域，特别是指一种图像篡改检测方法。
【背景技术】
[0002] 数字图像包含丰富的数字信息并广泛应用于各个领域，但是伪造者利用图像处理 等手段篡改图像的重要信息以达到隐藏图像真实性的目的，例如：
[0003] SHIVAKUMAR BLjBABOO L S S.Detecting copy-move forgery in digital images:a survey and analysis of current methods[J].Global Journal of Computer Science and Technology，2010，10(7):61-65〇
[0004] 其中，复制-粘贴篡改作为一种常见的图像篡改手段，是将图像的一部分经过几何 操作(平移、旋转等)粘贴到图像的其他区域以达到隐藏或增强图像信息的效果，其篡改区 域能够有效地匹配原图像的属性且篡改痕迹难以发现。现有的篡改图像通常由两种以上的 复杂操作得到，为了精确检测到篡改区域，相关领域学者提出许多复制-粘贴篡改检测算 法。基于不同的操作对象可将复制-粘贴篡改算法分为两类:一种是基于分块的复制-粘贴 篡改检测方法；另一种是基于关键点的复制-粘贴篡改检测方法，例如：CHRISTLEIN V， RIESS CjJORDAN J,et al.An evaluation of popular copy-move forgery detection approaches. IEEE Trans.Inf.Forensics Security[J].2012,7(6):1841_1854〇
[0005] 基于分块的复制-粘贴篡改检测方法是将图像首先进行分块，并计算每个块的不 变特征描述子，在此基础上通过字典排序等手段进行相似块匹配。分块理论可分为交叠块 处理方法和非交叠块处理方法，由于原图像复制区域以及篡改区域位置的未知性，大部分 基于分块的算法均按照逐像素进行交叠块处理。
[0006] 目前基于分块的检测算法主要有：
[0007] 基于交叠块的离散余弦变换(Discrete Cosine Transform，DCT)算法，例如：
[0008] HUANG YjLU WjSUN ff,et al.Improved DCT-based detection of copy-move forgery in images[J].Forensic science international，2011,206(1-3):178-184;
[0009] 不变矩(Moment Invariants)算法，例如：
[0010] RYU SjLEE MjLEE H.Detection of copy-rotate-move forgery using Zernike moments[C]//Information Hiding Conference :IH'IOProceedings of the 12th international conference on Information hiding.SPRINGER HEIDELBERG:Springer Berlin Heidelberg,2010:51-65；
[0011] 主变量分析(Principal Component Analysis，PCA)算法，例如：
[0012] CAO YjGAO TjFAN L et al.A robust detection algorithm for copy-move forgery in digital images[J].Forensic Science International,2012,214(1-3):33-43；
[0013] BAYRAM SjSENCAR H TjMEMON N.An efficient and robust method for detecting copy-move forgery[C]//ICASSP:Proc. IEEE Int.Conf.Acoust. Speech Signal Process,Washington,DCjUSAjApr.2009:1053-1056〇
[0014] 目前这种基于分块的算法的运算复杂度代价仍然很高，所以在一些算法中为了减 少运算复杂度，提高匹配精度，在进行分块之前首先进行图像分割等预处理操作。例如：
[0015] LIJian,LIXiaolong,YANG Bin,et al. Segmentation-based image copy-move forgery detection scheme[J]. IEEE Trans.Inf.Forensics Security,2015,10(3):507-517。
[0016] 这种算法在进行分块匹配时只对属于同一分割区域的块特征进行比较，这样可以 减少计算复杂度。
[0017] 另一种基于关键点的复制-粘贴篡改检测方法，如Harris角点检测（QlUJianguo， ZHANGJianguo，LI Kai.An images matching method based on harris and sift algorithm[J].Journal of Test and Measurement Technology,2009,23(2):271-274.), 尺度不变特征转换（Scale Invariant Feature Transform，SIFT)(AMERINI I，BALLAN L, et al.Geometric tampering estimation by means of a SIFT-based forensic ana Iysis//1CASSP:Acoustics Speech and Signal Processing,2010IEEE International Conference,2010:1702-1705.以及AMERINI I ,BALLAN L，CALDELLI R，et al. A SIFT-based forensic method for copy-move attack detection and transformation recovery[J]·Information Forensics and Security , IEEE Transactions on,2010,6(3) :1099-1110.)和加速稳健特征（Speed Up Robust Feature, SURF)算法(XU B，WANG J,LIU G，et al · Image copy-move forgery detection based on SURF[C]//Multimedia Information Networking and Security MINES, 2010International Conference on，IEEE，2010:889-892 ·)等，均是通过搜索整幅图像的 局部角点或极值点并在移除错误特征点后进行图像匹配。
[0018] 对于基于关键点的复制-粘贴篡改检测方法与基于分块的复制-粘贴篡改检测方 法可知，基于关键点的算法对经过多次几何操作和后处理操作的图像篡改检测鲁棒性很 好，但是算法运算的精度完全由相关的经验阈值决定，且在处理平坦区域的复制-粘贴篡改 时错误率极高，同时提取关键点的复杂度较高导致整个算法的运行时间更长。具体可以参 考：0，BABOO SS.Detection of region duplication forgery in digital images using SURF[J]. International Journal of Computer Science Issues(IJCSI)，2011，8(4)〇同 时，该参考文献还指出：不变矩无论对于仿射变换操作还是后处理操作(模糊，噪声)都有很 好的鲁棒性，并能够处理SIFT无法检测的平坦区域的篡改图像。
[0019] 由此可以看出，现有的的图像篡改检测方法都具有一定的缺陷。

【发明内容】

[0020] 针对现有技术中图像篡改检测方法存在的问题，本发明要解决的技术问题是提供 一种更为高效准确的图像篡改检测方法。
[0021] 为了解决上述问题，本发明实施例提出了一种图像篡改检测方法，包括：
[0022] 步骤1、生成图像的亮度图和局部亮度变化图，将亮度图和局部亮度变化图分别执 行以下操作:分割为MXN个区域，然后对亮度图和局部亮度变化图分别进行分块处理以得 到多个交叠块；
[0023]步骤2、对每一交叠块计算器不变矩。
[0024]其中，所述步骤1的分割为MXN个区域，然后对亮度图和局部亮度变化图分别进行 分块处理以得到多个交叠块，具体包括：
[0025] 步骤11、将图像分割为M X N个区域；
[0026] 步骤12、将图像划分为多个交叠块，其中每一交叠块的尺寸相同且所述相连的两 个交叠块之间至少有一部分重叠。
[0027] 其中，所述步骤1的生成图像的亮度图和局部亮度变化图，具体包括：
[0028]步骤]^、根据共辄函数表达式2(1，7)=1+7」，生成图像的共辄函数？(1，7):
[0029] F(x，y) = f (x，y)+g(x，y) j其中f(x，y)表示图像的亮度函数，为共辄函数F(x，y)的 实部;g(x，y)表示图像的局部亮度变化函数为共辄函数F(x，y)的虚部，j表示共辄函数的虚 部符号。
[0030] 步骤lb、生成图像的梯度、图像的局部二值模式(LBP):
[0031]
[0032]
[0033]
[0034]其中，g。表示中心像素点的灰度值，gP表示中心像素g。邻域中的像素点的灰度值。R 表示中心像素的邻域半径，P表示领域半径上的像素的个数。
[0035] 称为均匀模式，即一个二进制序列从0到1或是从1到0的变过不超过2次。当 满足上述二进制序列变化U(LBPP,rH 2时，则按照均值模式公式计算图像的局部二值模式， 否则，均按照(P+1)计算。
[0036]步骤lc、根据共辄函数表达式2(1，7)=1+7」，计算共辄矩：
[0037]
(8)
[0038]其中，1^，8(1 = 1，2，...，6)分别表示亮度函数汽1，5〇和局部亮度变化函数8&，5〇 的不变矩;j为共辄不变矩的虚部符号;M。表示共辄不变矩。
[0039]其中，所述步骤1的亮度函数f(x，y)和局部亮度变化函数g(x，y)的不变矩Mf，Mg(i =1，2,...，6)通过以下公式生成：
[0040] 步骤1A、进行以下公式对Hu不变矩进行修改以得到新的不变矩：
[0041]
[0042] 其中，奶,/ = 1,2, ...,7表示离散Hu不变矩。
[0043] 步骤1B、通过以下公式将步骤IA得到的新的不变矩进行归一化处理以使其收敛到 [0，1]之间：
[0044]
[0045]
[0046] 其中，(^4 = 1，2，~，6为步骤1六计算得到的修改的!111不变矩，(^-(})"狀分别表 示6个修改的Hu不变矩中的最小值和最大值。
[0047]其中，所述步骤1的亮度函数f(x，y)和局部亮度变化函数g(x，y)的不变矩Mf，Mg(i =1，2,...，6)通过以下公式生成：
[0048] 对图像的亮度图和局部亮度变化图分别通过以下步骤逐块计算得到6个改进的 不变矩特征向量；
[0049] ν?{Φι，Φ2，Φ3，Φ4，Φ5，Φ6}，? = 1，2，···，9;
[0050] 然后得到亮度函数以1，5〇和局部亮度变化函数8(1，5〇的不变矩，1^切={^1， V2,---,V9} T,Matg={Vi,V2,---,V9}T,
[0051] 然后通过以下公式
[0052] Mc=Mf+Mg · j
[0053] 可计算得到交叠块向量的共辄不变矩矩阵Mat。。
[0054] 其中，所述步骤3具体为：
[0055] 步骤31、计算每个交叠块的共辄不变矩为特征计算其特征向量V1,
[0056] 步骤32、以Vi的第一维特征Φ !比较Vi{ Φ !，Φ 2，…，Φ 6}，i = 1，2，…，9，得到Matc的 排序矩阵Mat/ ;
[0057] 步骤33、对于排序矩阵Mat/中有相同第一维特征Φ i的特征向量Vi，再比较它们的 第二维特征Φ2得到排序矩阵Mat/;重复步骤32-33以对特征向量1的所有维特征都得到排 序矩阵；
[0058]步骤34、然后将共辄不变矩矩阵Matc重新排序得到排序共辄不变矩矩阵Matc_ sort;然后将排序共辄不变矩矩阵Matc_sort中的交叠块特征向量进行分组；
[0059] 步骤35、将同组内的交叠块的特征向量1之间进行比较以确定被篡改的交叠块。
[0060] 其中，步骤35具体包括:对同一个组中的两个交叠块特征向量Va{ (i>al，(i)a2, (i)a3， Φ a4，Φ a5，Φ a6}、Vb{ Φ bl，Φ b2，Φ b3，Φ b4, Φ b5，Φ b6}，判断Va和Vb比较的对立假设可以表不 为：
[0061]
[0062] 其中：虚无假设Ho表示交叠块特征向量VdPVb属于相似块;对立假设出表示交叠块 特征向量VjP Vb属于无关块;其中ε为两个交叠块特征向量之间的差；
[0063] 通过以下公式计算交叠块特征向量VjPVb之间的相似度；
[0064]
[0065] 如果相似度s小于预设值Thre，IHq成立，SPVa = Vb +ε，这两个交叠块为相似块；
[0066] 如果相似度s不小于预设值Thre，则H1成立，即这两个交叠块不是相似块。
[0067] 其中，所述步骤1还包括:对图像像素坐标(x，y)的列标X和行标y，以同样的矩阵形 式X，Y与= >; ,F2，…，F；，·_·，Κ、」--对应存储。
[0068] 本发明的上述技术方案的有益效果如下:上述方案提出了一种共辄不变矩图像复 制一粘贴篡改检测算法，相比于传统的亮度不变矩，共辄不变矩不仅有亮度不变矩的不变 特征，并结合了局部亮度变化信息有效的克服了亮度不变矩不能处理的平坦区域图像和模 糊图像的复制-粘贴篡改。相比于其他算法，利用本文提出的快速分块和匹配算法能够大大 降低运算复杂度和缩短运行时间。在后期的工作中，将在此基础上，利用本文算法的优势， 对图像篡改的其他类型如图像拼接篡改，数字图像的合成篡改等进行深入分析，进行行之 有效的理论分析和实验，克服目前各类算法使用受领域限制的不足之处。
【附图说明】
[0069]图1为本发明实施例的流程图；
[0070]图2为将图像划分为多个交叠块的示意图；
[0071 ]图3为矩阵形式存储的示意图；
[0072]图4为交叠块进行分组的示意图；
[0073] 图5为基于亮度不变矩对平坦区域的检测实验图；
[0074] 图6为基于共辄不变矩对模糊图像的检测实验图；
[0075] 图7为基于共辄不变矩对平坦区域的检测实验图；
[0076] 图8为基于共辄不变矩对模糊图像的检测实验图；
[0077] 图9为同一区域的多处篡改的检测实验图；
[0078] 图10为不同区域的篡改的检测实验图；
[0079]图11为扭曲+亮度变化的检测实验图；
[0080]图12为平移+颜色缩减的检测实验图；
[0081 ]图13为旋转+对比度调整检测的检测实验图。
【具体实施方式】
[0082]为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具 体实施例进行详细描述。
[0083]本发明实施例的方法如图1所示的包括：
[0084] 步骤1、生成图像的亮度图和局部亮度变化图，将亮度图和局部亮度变化图分别执 行以下操作:分割为MXN个区域，然后对亮度图和局部亮度变化图分别进行分块处理以得 到多个交叠块；
[0085] 步骤2、对亮度图和局部亮度变化图的每一交叠块，分别计算不变矩；
[0086] 步骤3、通过亮度图和局部亮度变化图的不变矩特征向量对交叠块之间进行比较。
[0087] 其中，所述步骤1的分割为MXN个区域，然后对亮度图和局部亮度变化图分别进行 分块处理以得到多个交叠块，具体包括：
[0088] 步骤11、将图像分割为M X N个区域；
[0089]步骤12、将图像划分为多个交叠块，其中每一交叠块的尺寸相同且所述相连的两 个交叠块之间至少有一部分重叠。
[0090] 本发明实施例中采用基于矩阵的分块方法，如图2所示的为一个尺寸为MXN的图 像，计算其亮度图像f(x，y)，然后如图1所示的逐像素划分交叠块，交叠块的数目为N b=(N-h+1) X (Μ-w+l)。其中划分交叠块的方法可以如图1所示的，首先从分割后的图像的一个角 开始，将角位置开始，以预订大小的矩形滑动窗口（滑动窗口的尺寸为wXh)来进行分块，该 滑动窗口朝向可移动的方向每次移动一个区域，这样就可以形成如图2所示的多个块： blockl、block2......。由于滑动窗口的包含多个块，且每次只移动一个块，因此这样就可以 形成多个相互重叠的分块，称为重叠块。在图1所示的例子中采用2X2大小的滑动窗口，因 此每一重叠块都是2 X 2。
[0091] 在划分完交叠块后，可以将所有的交叠块表示为一维列向量V1Q = I，2，-_，Nb);然 后重新排列图像矩阵为所有交叠块列向量的组合，= …，&…，)^\i = i，2,...， 他。在如图1所示的例子中，]?=4少=4，'\￥ = 2，11 = 2，因此交叠块的数量为9。
[0092] 按照同样的方法对图像像素坐标(x，y)的列标X和行标y，以同样的矩阵形式X，Y与 Mat = {vly2,---y1,---y,b\ 一一对应存储，如图 3所示。
[0093]在本发明实施例采用共辄不变矩。该理论首先由Hu在1962年提出，因此被称为"Hu 不变矩"变是一传统的亮度不变矩。参考文献LIU G，WANG J，LIAN S et al.A passive image authentication scheme for detecting region-duplication forgery with rotation[J].Journal of Network and Computer Applications，2010，34(5):1557-1565,可知LIU首次将Hu不变矩用于复制-粘贴篡改检测中，通过实验证明了Hu不变矩对后 处理操作和旋转具有很好的不变性。随后更多的学者开始研究不变矩理论，相继提出许多 矩理论，如Zernike不变矩，Tchebichef不变矩等。
[0094] 在上述参考文献中，LIU通过对比了一组不变矩的性能和计算公式，Hu不变、 Zernike不变矩均在连续情况下保持不变性，在离散情况下不变性遭到破坏。为了解决上述 问题，本发明实施例考虑到计算复杂度，选择使用Hu不变矩，并通过改进算法使Hu矩在离散 条件下仍可以保持不变性，从不同程度上提高了不变矩组的稳定性，具体可以参考LIAN S， KANELL0P0UL0S D.Recent advances in multimedia information system security[J], Informatica,2009,33:3-24.
[0095] 由参考文献JI Shufang,ZHANG Senlin,LIU Meiqin, "Face Recognition Based on Gray and Grads Invariant Moments"，Journal of Southern Yangze University (Natural Science Edition), 2006,5(6): 666-669;(季书芳，张森林，刘妹琴·基于灰度和 梯度不变矩的人脸识别.江南大学学报（自然科学版），2006,5(6) :666-669)可知，本发明实 施例的新的不变矩组在离散情况下的仍具有不变性。
[0096] 其中，根据以下的公式(1)进行修改以得到新的不变矩：
[0097]
(I)
[0098] 其中，炉,，(二1，2,…，7表示离散Hu不变矩。
[0099] 由于计算的不变矩组变化范围很大，需要调整公式（1)的不变矩组范围降低复杂 性，根据式(2)、（3)将其归一化到[0，1]之间：
[0100] Φ i= I lg( Φ i)2 (2)
[0101] φ?=( Φ?-φηι?η)/( Φ max-Φ min), ? = 1,2,···, 6 (3)。
[0102] 其中，(^4 = 1，2，~，6为步骤1六计算得到的修改的!111不变矩，(^-(})"狀分别表 示6个修改的Hu不变矩中的最小值和最大值。
[0103] 共辄不变矩是一种复合矩，与传统的亮度不变矩不同，共辄不变矩同时包括了亮 度不变矩和基于局部亮度变化的不变矩信息。
[0104] 以下通过理论分析来证明本发明实施例上述方法的有益效果。
[0105] 为得到更加可靠的图像篡改检测结果，目前算法的主要改进分为两个方向：一是 提高检测算法对多种图像处理操作的鲁棒性，二是降低计算复杂度和运行时间。
[0106] 针对第一种改进方向，本发明实施例提出了基于共辄不变矩的鲁棒特征能够处理 多种图像篡改操作。对于第二种改进方向，如表1所示，基于共辄不变矩算法计算复杂度要 明显低于离散余弦变换(DCT)、不变关键点（SIFT)、纹理和亮度(LBP)分析以及主变量分析 (PCA)等算法。不变关键点（SIFT)算法需要提取128维特征向量，而离散余弦变换(DCT)和纹 理与亮度分析(LBP)算法的特征提取与图像块大小有关，且计算公式复杂。以上算法均需消 耗较长的运行时间，本文提出的基于共辄不变矩的特征提取算法是由不变矩算法改进而 来，不但具有简单的计算形式且在本文的快速算法的支持下具有明显的优势，克服了以往 算法在检测鲁棒性和时间复杂度二者间不能兼得的矛盾。
[0107] 表1各类算法复杂度影响因素比较
[0109] 因此在本发明实施例中，一幅图像的共辄函数F(x，y)形式如下：
[0110] F(x,y)=f(x,y)+g(x,y)j (4)
[0111] 其中：f(x,y)表示图像的亮度函数;g(x,y)表示图像的局部亮度变化函数。图像的 亮度变化有很多表达形式，如图像的梯度(JI Shufang,ZHANG Senlin,LIU Meiqin, "Face Recognition Based on Gray and Grads Invariant Moments"，Journal of Southern Yangze University(Natural Science Edition) ,2006,5(6) :666-669;季书芳，张森林，刘 妹琴.基于灰度和梯度不变矩的人脸识别.江南大学学报（自然科学版），2006,5(6) :666-669)，图像的局部二值模式（Local Binary Patterns，LBP)(THAJEEL S AN,et al. A novel approach for detection of copy move forgery using completed robust local binary pattern[J]·Journal of Information Hiding and Multimedia Signal Processing,2015，6(2):351-362)〇
[0112] 其中图像的梯度、图像的局部二值模式可以由以下的公式(5)-公式(7)推导出：
[0113]
[0114]
[0115]
[0116] 其中，g。表示中心像素点的灰度值，gP表示中心像素g。邻域中的像素点的灰度值。R 表示中心像素的邻域半径，P表示领域半径上的像素的个数。
[0117] 称为均匀模式，即一个二进制序列从0到1或是从1到0的变过不超过2次。当 满足上述二进制序列变化U(LBP P,rH 2时，则按照均值模式公式计算图像的局部二值模式， 否则，均按照(P+1)计算。
[0118]根据共辄函数表达式z(X，y) = X+yj，共辄不变矩即共辄函数的不变矩表达式采用 改进的Hu不变矩算法计算共辄矩，其表达式如下：
[0119] Mc=Mf+Mg · j (8)
[0120] 其中，
[0121] Mf，Mg(i = l，2，. . .，6)分别表示亮度函数f(x，y)和局部亮度变化函数g(x，y)的改 进Hu不变矩；j为共辄不变矩的虚部符号;M。表示共辄不变矩。共辄不变矩的计算实质上即 为计算亮度不变矩和局部亮度变化不变矩的过程。
[0122] 根据公式（1)-公式(3)，按照上述基于矩阵的快速分块方法依次对亮度图和局部 亮度变化图逐块计算得到6个改进的不变矩特征向量
[0123] Vi{ Φ 1，Φ 2, Φ 3, φ4, Φ 5, Φ 6}，i = l，2，···，9;
[0124] 然后得到亮度函数f(x，y)和局部亮度变化函数g(x，y)的改进Hu不变矩，Matf = IV1J2,…，Vd^Matg=IV1J 2,+ ,V9It，由公式(8)可计算得到块向量的共辄不变矩矩阵 Matco
[0125] 在获得了每一交叠块的不变矩之后，就可以通过对交叠块进行比较以找出原始区 域（即未被篡改区域)和篡改区域。由于两两比较需要进行(N b)(Nb-I)/2次比较才能完成搜 索过程，其中Nb为交叠块的数量。研究者们提出不同的方法：
[0126] 在文献P0PESCU AC，FARID H.Exposing digital forgeries by detecting duplicated image regions[R].Technical Report,TR2004-515,Dartmouth College , 2004.中，Popescu等提出使用最邻近方法进行块比较，即将特征向量按照字典排序的方式 将相邻的交叠块进行比较找到相似匹配。
[0127] 在文献SINGH J，RAMAN B.A high performance copy -move image forgery detection scheme on GPU[C]//Proceedings of International Conference on Soft Computing for Problem Solving ,2011:225-233·中，Singh等使用图像处理单元 (Graphical Processing Unit ,GPU)方法首先对特征向量进行基数排序并大大提高了匹配 性能。
[0128] 在BAYRAM S,SENCAR HT，MEM0N N，A survey of copy-move forgery detection techniques,in:Proc.IEEE Western New York Imag e Processing Workshop , Rochester，NY，2008.中，Bayram等通过计算特征矩阵的特征向量之间的哈希系数，通过比 较哈希系数匹配交叠块找到相似区域，这种方法避免了直接排序特征矩阵，减少了搜索的 复杂度。
[0129] 不同于上述提到的块排序方法，为了提高交叠块比较的速度，能够快速地匹配复 制-粘贴篡改图像的原始区域和篡改区域，本发明实施例中提出了一种基于字典排序的快 速比较方法，而非遍历搜索比较块特征的方法，避免了明显不同的两个块之间进行比较带 来的高运算和耗时性问题。而表1中列举的传统算法在遍历搜索特征描述子的同时进行特 征比较判断相似度，运算效率非常低。因此快速匹配算法加快了基于共辄不变矩算法的检 测速度，大大减低了时间复杂度。
[0130] 其中，所述步骤3具体包括：
[0131] 仍以图1中的4 X 4的图像为例：
[0132] 首先，将图像按照从上到下、从左到右以滑动块的方式划分为Nb = 9个交叠块，每 个交叠块以共辄不变矩为特征计算其特征向量V1并以V1的第一维特征Φ i(其中Φ i代表该 块的总体特征信息）比较Vi{ Φι, Φ2，···，Φ6}，i = l，2，···，9,得到Mate的排序矩阵Mate/ ;
[0133] 然后对于Mat/中有相同(J)1的特征向量V1，再比较它们的第二维特征巾2得到排序 矩阵Mat。〃。以此类推，按照同样的方法排序直到比较完特征向量的最后一维特征值。在此 过程中，只是根据代表每个交叠块的特征向量V 1的特征值对Mat。进行排序而不需要进行特 征比较找出相似块。
[0134]按照这种方法将Matc重新排序得到Matc_sort。然后将Mat c_sort中的交叠块特征 向量按照图4所示分组。按照上述方法排序后，每个块向量只需要在所属的组中和本组中的 其他块向量比较。结果采用统计假设检验表示，假设同一个组中的两个块向量V a{ Φ al，Φ a2， Φ a3，Φ a4, Φ a5，Φ a6}和Vb{ Φ bl，Φ b2，Φ b3，Φ b4, Φ b5，Φ b6} 〇Va和Vb比较的对立假设可以表不 为：
[0135]
[0136] 其中：虚无假设Ho表示块向量VjPVb属于相似块;对立假设出表示块向量VjPV b属 于无关块。判定块向量VjPVb属于相似区域的检验统计表达式为：
[0137]
(1〇)
[0138] 如果，Ho成立，即Va = Vb+e，可以表示为：
[0139]
(]1|
[0140]计算出每组块向量之间的相似度s，为保证复制-粘贴篡改检测误检率err<5%， 首先计算出相似度s的最大值(经计算，s的最大值为15.672)，为满足要求误检率err< 5 %，文中取Thre = 0.5，使检测精度达到97 %。经计算，当满足式（11)时，接受Ho，否则拒绝Ho 接受Hu
[0141 ]下面通过具体的例子对本发明进行说明：
[0142] 如图5和图6为传统亮度不变矩对平坦区域和模糊处理的篡改检测结果;其中图5 和图6中分别包括原始图、篡改图、识别结果图。很明显观察到，基于亮度不变矩的方法对这 两类图像的误检率很高，识别精度差。
[0143] 如图7-图8分别示出了原图像的梯度图和LBP图，而基于本文共辄不变矩算法(算 法中采用了两种方法计算所给图像的局部亮度变化图，即原图像的梯度图和LBP图，得到灰 度-梯度共辄不变矩和灰度-LBP共辄不变矩)对这两类图像进行检测，能够完全消除误检的 问题。
[0144] 图9上排两张示出了同一区域多处篡改的原始图与篡改图对比，下面两张则是通 过共辄不变矩检测的结果。图10上排两张示出了不同区域被篡改的原始图与篡改图对比， 下面两张则是利用本发明实施例的方法获得的原图像的梯度图和LBP图。
[0145] 图11上排两张示出了扭曲+亮度变化的原始图和篡改图；下面两张则是利用本发 明实施例的方法获得的基于灰度-梯度共辄不变矩检测结果和基于灰度-LBP共辄不变矩检 测结果。
[0146] 图12上排两张示出了平移+颜色缩减的原始图和篡改图；下面两张则是利用本发 明实施例的方法获得的基于灰度-梯度共辄不变矩检测结果和基于灰度-LBP共辄不变矩 检测结果。
[0147] 图13上排两张示出了旋转+对比度调整的原始图和篡改图；下面两张则是利用本 发明实施例的方法获得的基于灰度-梯度共辄不变矩检测结果和基于灰度-LBP共辄不变矩 检测结果。
[0148] 本文算法能非常准确地检测出CoMoF0数据库中的相应篡改类型，且误检率和漏检 率都非常低。表2和表3分别列出了基于传统亮度图像的Zernike矩、尺度不变特征转换、离 散余弦变换、局部二值模式算法以及本文算法处理512X512复制-粘贴篡改图像的误检、漏 检率情况和运行时间的比较。其中，误检率和漏检率分别按照式(12)和式(13)进行计算： I检测区域-复制区域I η检测区域 [0149 ] 祆-伞= 检测区域 (X2) I复制区域-检测区域I η复制区域 则-率=J-?βΜ- (13)
[0151]从表2总结的各类算法在误检率和漏检率方面的比较来看，本文算法明显优于基 于传统亮度图像的Zernike矩算法，对于漏检情况，尤其是在平坦区域篡改检测方面，本文 算法较Zernike矩和SIFT算法具有很大优势。且与本文算法相比，传统各类算法在查找篡改 区域时为一个迭代计算的过程，对于某一特定图像块，需要遍历搜索图像中其他所有图像 块并进行相似性比较，由此判断是否为篡改块。因此运算代价非常大，且运行时间长，如表3 所示，DCT检测算法平均运行时间上千秒，不利于实时快速的进行篡改检测。而本文提出基 于相似块的快速匹配算法解决了此类问题，运行时间在目前算法中为最快。
[0152] 由此证明，综合各方面因素，本文算法比以往算法均有优势，并能够克服传统亮度 不变矩以及SIFT算法无法检测的平坦区域和模糊处理的篡改图像。
[0153] 表2各类算法处理512 X 512图像的误检率/漏检率
[0157]以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员 来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也 应视为本发明的保护范围。
【主权项】
1. 一种图像篡改检测方法，其特征在于，包括： 步骤1、生成图像的亮度图和局部亮度变化图，将亮度图和局部亮度变化图分别执行W 下操作:分割为MXN个区域，然后对亮度图和局部亮度变化图分别进行分块处理W得到多 个交叠块； 步骤2、对亮度图和局部亮度变化图的每一交叠块，分别计算不变矩； 步骤3、通过亮度图和局部亮度变化图的不变矩特征向量对交叠块之间进行比较。2. 根据权利要求1所述的图像篡改检测方法，其特征在于，所述步骤1的分割为MXN个 区域，然后对亮度图和局部亮度变化图分别进行分块处理W得到多个交叠块，具体包括： 步骤11、将图像分割为MXN个区域； 步骤12、将图像划分为多个交叠块，其中每一交叠块的尺寸相同且所述相连的两个交 叠块之间至少有一部分重叠。3. 根据权利要求2所述的图像篡改检测方法，其特征在于，所述步骤1的生成图像的亮 度图和局部亮度变化图，具体包括： 步骤la、根据共辆函数表达式z(x，y)=x+yj，生成图像的共辆函数F(x，y): F(x,y)=f(x,y)+g(x,y) j 其中f(x，y)表示图像的亮度函数，为共辆函数F(x，y)的实部;g(x，y)表示图像的局部 亮度变化函数，为共辆函数F(x，y)的虚部;j表示共辆函数的虚部符号。 步骤化、生成图像的梯度、图像的局部二值模式：其中，gc表示中屯、像素点的灰度值，gp表示中屯、像素 gc邻域中的像素点的灰度值。R表示 中屯、像素的邻域半径，P表示领域半径上的像素的个数 称为均匀模式，即一个二进制序列从0到1或是从巧ijO的变过不超过2次。当满足 上述二进制序列变化U(LBPp,r)< 2时，则按照均值模式公式计算图像的局部二值模式，否 贝1J，均按照(P+1)计算。 步骤1C、按照共辆函数的计算公式计算共辆矩： Mc=Mf+Mg · j (8) 其中，Mf，Mg(i = l，2, . . .，6)分别表示亮度函数f (x，y)和局部亮度变化函数g(x，y)的不 变矩;j为共辆不变矩的虚部符号;M。表示共辆不变矩。4. 根据权利要求3所述的图像篡改检测方法，其特征在于，所述步骤1的亮度函数f(x， y)和局部亮度变化函数g(x，y)的不变矩1:，18。= 1，2，...，6)通过^下公式生成： 步骤1A、进行W下公式对化不变矩进行修改W得到新的不变矩：其中，巧，/ = U，'''，7表示离散Hu不变矩。 步骤1B、通过W下公式将步骤1A得到的新的不变矩进行归一化处理W使其收敛到[0， 1]之间： Φ 1= I lg( Φ i)2 Φ i - (Φ 广Φ min ) / ( Φ max- Φ min ),i - 1,2,'..,6。 其中，Φ?4 = 1，2,…，6为步骤lA计算得到的修改的化不变矩，Φ min，Φ max分别表示6个 修改的化不变矩中的最小值和最大值。5. 根据权利要求4所述的图像篡改检测方法，其特征在于，所述步骤1的亮度函数f(x， y)和局部亮度变化函数g(x，y)的不变矩1:，18。= 1，2，...，6)通过^下公式生成： 对图像的亮度图和局部亮度变化图分别通过W下步骤逐块计算得到6个改进的不变矩 特征向量； Υ??Φ?, Φ2, Φ3, Φ4, Φδ, Φ6},? = 1,2,···,9; 然后得到亮度函数f(x，y)和局部亮度变化函数g(x，y)的不变矩，Matf={Vi，V2，-'，V9 }T，Matg={Vi，V2，...，V9}T， 然后通过W下公式 Mc=Mf+Mg · j 可计算得到交叠块向量的共辆不变矩矩阵Mat。。6. 根据权利要求5所述的图像篡改检测方法，其特征在于，所述步骤3具体为： 步骤31、计算每个交叠块的共辆不变矩为特征计算其特征向量Vi， 步骤32、WVi的第一维特征Φ 1比较Vi{ Φ 1，Φ 2，..·，Φ 6}，i = 1，2，..·，9，得到Mate的排序 矩阵Mat'C; 步骤33、对于排序矩阵Mat/C中有相同第一维特征Φ 1的特征向量Vi，再比较它们的第二 维特征Φ 2得到排序矩阵Mat"。;重复步骤32-33W对特征向量Vi的所有维特征都得到排序矩 阵； 步骤34、然后将共辆不变矩矩阵Mat。重新排序得到排序共辆不变矩矩阵13*。_3〇的;然 后将排序共辆不变矩矩阵Matc_sod中的交叠块特征向量进行分组； 步骤35、将同组内的交叠块的特征向量Vi之间进行比较W确定被篡改的交叠块。 其中，步骤35具体包括:对同一个组中的两个交叠块特征向量Va{ (Κι，Φ 32, Φ 33, Φ 34， Φ a5 , Φ as}、化{ Φ bl , Φ b2 , Φ b3 , Φ b4, Φ b日，Φ bs}，判断Va和化比较的对立假设可W表不为：其中：虚无假设化表示交叠块特征向量Va和化属于相似块;对立假设化表示交叠块特征 向量Va和化属于无关块;其中ε为两个交叠块特征向量之间的差； 通过W下公式计算交叠块特征向量Va和化之间的相似度；灯0) 如果相似度S小于预设值Thre，即则册成立，即Va = Vb+ ε，运两个交叠块为相似块； 如果相似度S不小于预设值化re，则出成立，即运两个交叠块不是相似块。7.根据权利要求1所述的图像篡改检测方法，其特征在于，所述步骤1还包括:对图像像 素坐标(X，y)的列标X和行标y，W同样的矩阵形式X，Y与K，…，K，…，kU-一对应 存储。
【文档编号】G06T7/00GK105844643SQ201610191205
【公开日】2016年8月10日
【申请日】2016年3月30日
【发明人】杨鸿波, 周萌萌, 侯霞
【申请人】北京信息科技大学, 杨鸿波