专利名称：基于边缘方向特征的图像可信度检测方法
技术领域：
本发明涉及图像内容信息安全领域，特别是一种图像内容真实性的盲检测方法。
背景技术：
当前对数字图像内容的保护，主要是利用数字水印和签名技术来实现的，这些技 术采用的基本思想都是通过添加附加信息对图像进行真实性鉴别。但是目前绝大多数 图像中并不含有数字水印或者签名。随着数码相机和图像处理软件的普及和流行，越 来越多的高品质的伪造图像通过网络大量传播，使人们的"眼见"不再"为实"，造成 了政治、文化、新闻和科学真实性等方面的负面影响。更进一步的，伪造照片的大量 存在很可能影响到公众的个人意识，最终让人们失去对照片的信任。因此，这一研究 的开展对社会和人们生活有着重要的军事意义、民用意义和科学意义。
数字图像内容可信度评价是信息安全技术的分支之一，是在不预先向图像中嵌入 水印等标识的情况下对数字图像内容的真实性进行评价的技术。该技术通过分析图像 数据及其统计特性，来对图像中的伪造和窜改痕迹进行检测和定位，从而对图像内容 的可信度进行评价。
目前，对数字图像内容可信度评价的研究尚处于起步阶段，随着国内外相关机构 对其关注程度日益提高，已取得了一些研究成果。这些研究主要针对某种具体篡改操
作对图像进行真伪检测，其中包括模糊操作，双重JPEG压縮操作，局部复制-粘贴操 作，重采样操作，拼接操作等等。这些技术都是基于这样一个假设在自然图像中存 在着某些统计上的性质，倘若对图像数据进行修改则会改变其潜在的统计规律。这一 假设也是判定一幅图像是否被修改和进行篡改定位的依据。
目前现有的针对伪造和篡改数字图像的检测方法，主要有Haney Farid和 Tian-Tsong提出的Blind image splicing and photomontage detecting using higher order statistics(利用高阶统计特性对图像拼接进行盲检测)，以及由Fridrich J 禾口 Soukal D提出的Detection of copy-move forgery in digital images(对图像中 的复制粘贴伪造进行检测)。这些方法均为针对简单图像拼接的数字图像取证方法。然 而，伪造和窜改图像最常见的操作就是图像局部的合成与润饰。因此，除了对图像合 成进行检测以外，对伪造图像的模糊、羽化、渐变等润饰操作的检测更是数字囪像取证研究的重点。目前的数字图像取证算法，都存在一些问题，例如无法对拼接后进行 过润饰操作处理的图像进行检测，在实际应用中受到较大的限制。
在基于合成边缘方面，已出现了一些检测合成边缘处人工模糊操作痕迹的技术。
专利公开号为CN1862598 (
公开日2006.11.15)的图像伪造中模糊操作的异常色调 率取证方法中，利用模糊操作对数字图像局部色彩属性造成的异常，通过定义异常色 调集合和异常色调率，对图像色调的局部一致性和相关性程度进行量化，进而对一幅 经过伪造和人工模糊操作的数字图像进行检测。周琳娜等人在KES-AMSTA2007会议 上发表文章，利用同态滤波、移动平均滤波和数学形态学的方法对经过人工模糊处理 过的数字图像进行篡改检测。这些已存在的检测技术得到的均为"是"或"非"的二 值结果，因此检测结论较为武断。
因此，目前在合成边缘方面，尽管已经提出了一些检测伪造图像的方法和研究成 果，但相对于性能越来越强大的图像编辑软件以及技术高超的伪造者来说，这些方法 和研究成果依然力量较弱，还无法从根本上遏制图像伪造的步伐。
发明内容
为了克服现有技术不能有效检测图像真伪的不足，本发明提供了一种基于边缘方 向特征的图像可信度检测方法，总结了伪造图像中可能存在的破绽规律，分析了图像伪造 过程可能遗留的痕迹，对图像内容信息的真实性进行可靠评价，弥补了检测结果武断的不足， 使得检测结果更为合理可靠。
本发明的原理分析如下PhotoShop是目前常用的图像处理软件，由于具有简便、
易处理的特点，它深受广大图像爱好者的喜爱，因此，大多数的伪造图像均由Photoshop
软件篡改得到。在图像伪造中， 一种很常用的伪造方法就是将两幅图像进行合成，即 将一幅图像中的感兴趣区域建立选区，复制一粘贴到另一幅图像中。大多数图像在经 过简单合成以后，为了消除在合成边缘产生的视觉或统计上的畸变，都会采用模糊、 羽化、渐变等操作进行后期处理。这些润饰操作可以使新插入部分与其周围景物的色 彩或边界等平滑过渡，消除区域的不连续性。无论采用哪种润饰方法，其最终结果都 会使灰度级变化过于剧烈的拼接边缘变得平滑过渡，使新插入部分与其周围景物的色 彩或边界的过渡看起来更加自然。因此，这些操作都不可避免的使图像变得平滑和模 糊。经过各种润饰操作之后，必然增加了合成边缘过渡的"完美程度"，即边缘像素的下面将标量函数中梯度的概念扩展到向量函数中，求得向量在任意点处的梯度(幅 值和方向)，从而可以对彩色图像求梯度。令r,g,b是RGB彩色空间中沿三个颜色坐标 轴的单位向量，令u,v分别表示像素点(;c,力处的颜色向量(凡G,S)沿水平方向和沿垂 直方向的梯度，则u,v表示如下
<formula>formula see original document page 6</formula> (2)
<formula>formula see original document page 6</formula>(3)
数量^,^,gw定义为这些向量的点乘，如下所示
<formula>formula see original document page 6</formula>
(5)
<formula>formula see original document page 6</formula>(6)
像素点(Jc，力处的三个颜色分量凡G,5以及由此而来的g^，g^,g^是X和少的函 数，利用该表示法，向量c(;c,力-(凡G,5)的最大变化率方向，即梯度方向可以由以下 角度给出<formula>formula see original document page 6</formula>
^(1,7)=丄arctan 点(;c,力在^方向上变化率的值，即梯度幅值由下式给出:
(7)
方向特征趋于一致；合成边缘附近的梯度角度也会具有较强的平滑特性，即平滑特性 与其他区域相比亦更加"完美"。因此，本发明针对伪造图像的羽化等润饰操作，通过对 图像边缘方向特征进行检测，判定图像的可信度。
本发明解决其技术问题所采用的技术方案包括以下步骤-1. 通过将梯度的概念扩展到向量函数中，利用向量梯度来求取待检测图像的梯度 方向角6。
对于标量函数,梯度定义为在坐标(x,力处指向/的最大变化率方向的向 量(幅值和方向)，艮P:
<formula>formula see original document page 6</formula>(1)力=a/>^[(& + gj + (g — gw)cos 20 + 2& sin 20] ( 8 )
在本发明中，求取图像梯度方向角的具体过程如下
a. 将图像中每个像素点的值除以255，使像素值的取值范围转化到区间[O， l]内；
b. 对RGB彩色图像的三个通道分别使用某种边缘检测算子(可使用的算子包 括Sobel算子，Prewitt算子，Roberts算子)进行巻积，得到上述方程
(2) (3)中所要求的导数竺,竺,竺,笠，，；
办 & 办
c. 遍历图像中每一个像素点0c，力，利用式(4)(5)(6)分别计算g^gw,gw，
从而计算出每一个像素点的梯度方向角e，见式(7)。 2. 求出待检测图像中像素点的方向特征l ' 以像素点《(记为(m,"))为中心，定义16个方向，A=^^， ^ = (^,...，!5。以《为中心，
沿着^方向上取2W+1 (KW《5)个像素，它们的灰度值分别为,『,,.,jv一,jv。假
设这些像素值可以用下面的线性函数进行拟和
j^fo: + Z + s (9)
其中，『，-『+ 1,...，0,...,-1,}， y表示灰度值，A;和6分别表示直线的斜率和截距，
s表示误差。斜率fc的估计可以用下式描述
因为;cM-ff,-W + l,…,0,…,『—， ^ = 0，式(10)可以简化为
其中，
(10)
(11)
一 1 v 少—2ff+ 1,5/
(12)
进一步，方差的估计可以用下式描述
1
2>,-力2-*K
(13)
2『+1
如果or-O,说明该直线可以很好的拟和该方向的像素点，即所有点均落在拟和直线上，
7C越大，则拟和效果越差。对于像素点《的每一个方向化,^ = 0,1,...，15，分别估计出拟和直线 的斜率A和方差cr。如果沿^方向的方差0^最小，则将)^作为像素g的方向特征。
在本发明中，求取带检测图像中像素点的方向特征的具体步骤如下-
a) 将待检测图像由/ C^空间或者其本身所属颜色空间转换至fl5/空间，提取出亮 度分量I;
b) 对亮度分量1中像素点《定义16个方向^=/%， y = o,l,...,15;
c) 将每个方向^上以《为中心的2F+1个像素进行线性拟和，并估算出斜率、和 方差o"^ ，见式(11) (13);
d) 将16个方差中的最小值所对应直线的斜率作为像素点《的方向特征A:;
e) 遍历亮度分量中每个像素点，执行步骤b) ,c) ,d)，从而得到每个像素点的方向 特征。
3.定位伪造区域，并对图像可信度进行评价。
通过对大量伪造图像进行实验发现，图像伪造时通常是将一 "完整景物"插入到另一图 像中，即羽化操作通常作用于景物边缘处，因此，为了提高检测速度，可以只对景物边缘进 行检测。同时发现，羽化过的区域中的像素点的方向特征和梯度方向均与周围像素具有一定 的相容性。
定义l:所谓相容，是指像素仏与像素&的属性A的差值小于某一阈值，艮口
|Ar, -&| <义p 像素点《,和&的方向特征是相容的 ^ 2 4，像素点仏和&的方向特征是不相容的
|《 -《|<^,像素点&和^的梯度方向角是相容的 ^ -《一 ^，像素点&和&的梯度方向角是不相容的
其中，^， 4为实验中选取得合适阈值d.0^义^10.0 , 0.1^^50.5)。 定义2:相容度，设像素《，在它的某一指定邻域Q中与其相容的像素个数，称为像素《 的相容度。
定义3:相容性，是指像素点《的相容度与邻域Q中的像素总数之比。 基于以上三个定义，定位伪造区域并计算图像可信度的具体步骤如下
a).以像素点《(记为(w,"))为中心，定义长度为2W + 1 (1《『S5)的邻域Q, Q—h, 川/n,-附l《r,i",-"|S『}。分别计算出像素点《的方向特征相容性大小^和梯度方向 角相容性大小.^。<formula>formula see original document page 9</formula>
其中，ot^表示中心像素点《的方向特征相容度，m/;^表示中心像素点9的梯度方向角 相容度。
b) .定义像素点^与其邻域像素的相似性大小为
■$■ = 0^+/^ (16) 其中，",/ 为加权系数，且满足a + >9 = l, a》/ 。选取合适阈值&和/z (0.5s《s0.9, 当j2《—//时，将像素点《标记为可疑点；当5》&时，将
像素点《标记为伪造点。
c) .遍历图像中的每一像素，分别执行步骤a,b，从而得找出图像中所有的可疑点和伪 造点，记录可疑点和伪造点的个数分别为m^,和mw^，图像的可信度如下表示
cre础/鄉=1 —"廳2 (17)
d) .将伪造点和非伪造点分别用两种不同的灰度表示(比如1和0)，得到一幅二值图 像，对二值图像中的伪造点进行形态学运算(腐蚀、膨胀、连通)，使其得到一个封闭或者连 通的区域，将该区域作为伪造区域。
本发明的有益效果是由于从伪造图像中的合成边缘入手，分析了伪造过程中的润饰 操作给合成边缘的像素方向特征和梯度方向角度带来的影响，并以此来检测伪造图像。首先， 梯度方向角釆用基于向量梯度的方法求得，优于传统方法；其次，定义了像素的方向特征， 将其与梯度方向角结合起来找出可疑点和伪造点，然后利用形态学的腐蚀和膨胀运算定位出 图像中的伪造痕迹，并将检测结果以可信度的形式表示出来，克服了已有算法检测结果较为 武断的不足。
下面结合附图和实施例对本发明进一步说明。
图1为像素点的16个方向示意图。
图2为利用边缘方向特征检测伪造图像的样本图像及检测结果示意图。 图3为原始图像和伪造图像的检测结果对比示意图。
具体实施方式
为便于进行图像伪造检测，课题组建立了按具体篡改手段分类的伪造图像数据库，目前 已有近4000幅图像。图像数据库中既有直接拼接等简单操作，也有对简单伪造后图像再进行 润色修饰的复杂操作；既有采用单一工具处理的图像，也有综合多种工具处理的图像，该图 像库使研究可以从简单到复杂循序渐进地进行，利于提高算法的可行性分析。
本发明的实施例如图1所示，其中图l (a)、图l (b)为原始图像，图l(c)为伪造图像， 它是将原图2 (b)中的塔复制到图2 (a)图中适当位置得到的，并使用了边缘模糊等后处理操 作。我们利用边缘方向特征对其伪造图像图2 (c)进行检测。检测步骤如下
(1) 通过将梯度的概念扩展到向量函数中，利用向量梯度来求取待检测图像的梯 度方向角^。
a) 将图像中每个像素点的值除以255，使像素值的取值范围转化到区间[O， l]内；
b) 对图像(c)的三个通道分别使用Sobel算子进行巻积，得到上述方程(2)
(3)中所要求的导数^,!,^，^，，；
& 3x& 3>>
c) 遍历图像中每一个像素点(x,力，利用式(4)(5)(6)分别计算g^g^,gw， 从而计算出每一个像素点的梯度方向角^见式(7)。
(2) 求出待检测图像中像素点的方向特征/h
a) 将图像(c)由i GS空间转换至FS/空间，提取出亮度分量I;
b) 对亮度分量I中像素点《定义16个方向d, y = (u...,i5;
c) 将每个方向^上以？为中心的5个像素进行线性拟和，并估算出斜率;^和方差
cr^ ，见式(11) (13);
d) 将16个方差中的最小值所对应直线的斜率作为像素点g的方向特征l
e) 遍历亮度分量I中每个像素点，执行步骤b) ， c) ， d)，从而得到每个像素点的方 向特征。
(3) 定位伪造区域，并对图像可信度进行评价。
a) 对图像(c)每个像素点《，以《为中心定义5x5邻域，利用式(14) (15)依次 计算出《的方向特征相容度""附p相容性&和梯度方向角相容度w"^、相容性 ，其中选择 阈值为^=3.5 , ^-0.2;
b) 利用二者的加权和(a = 0.7 ，/ =0.3 )估算出像素点9与其邻域像素的相似性大小s，见式(16)，对相似性设定阈值《=0.85,/i = 0.05，标记像素点g是否为可疑点或者伪 造点；
c) 找出图像(c)中所有的可疑点和伪造点，并利用式(17)对图像的可信度进行 评价，计算得到图像(c)的可信度为89.93%;
d) 对所有的伪造点进行形态学膨胀和腐蚀运算，将得到的连通区域作为伪造 区域，如图2 (d)所示其中白线标示的区域为检测到的伪造区域。
为了验证算法的有效性，我们对附图2中的原始图像(b)按上述步骤进行了相同的实验， 并将检测结果与图像(c)的检测结果进行了对比，对比结果如附图3所示，为便于观察和对 比实验结果，我们对矩形标示区域的实验结果进行截取，并且放大显示。图3 (a)所示为附 图2中的伪造图像(c)，图3 (b)中显示了伪造图像检测结果，检测到的伪造点可以构成一 个连通区域，可认为该区域为伪造区域。图3 (c)所示为附图2中的原始图像(b)，图3 (d). 中显示了原始图像的检测结果，检测到的伪造点不能构成连通区域,故不能判定该图像为伪造 图像。计算得到的原始图像的可信度为89.93%，伪造图像的可信度为52.16%。
权利要求
1、基于边缘方向特征的图像可信度检测方法，其特征在于包括下述步骤第一步，利用向量梯度来求取待检测图像的梯度方向角θ，具体过程如下a.将图像中每个像素点的值除以255，使像素值的取值范围转化到区间
内；b.对RGB彩色图像的三个通道分别使用边缘检测算子进行卷积，得到颜色向量(R，G，B)的导数<maths id="math0001" num="0001" ><math><![CDATA[ <mrow><mfrac> <mrow><mo>∂</mo><mi>R</mi> </mrow> <mrow><mo>∂</mo><mi>x</mi> </mrow></mfrac><mo>,</mo><mfrac> <mrow><mo>∂</mo><mi>R</mi> </mrow> <mrow><mo>∂</mo><mi>y</mi> </mrow></mfrac><mo>,</mo><mfrac> <mrow><mo>∂</mo><mi>G</mi> </mrow> <mrow><mo>∂</mo><mi>x</mi> </mrow></mfrac><mo>,</mo><mfrac> <mrow><mo>∂</mo><mi>G</mi> </mrow> <mrow><mo>∂</mo><mi>y</mi> </mrow></mfrac><mo>,</mo><mfrac> <mrow><mo>∂</mo><mi>B</mi> </mrow> <mrow><mo>∂</mo><mi>x</mi> </mrow></mfrac><mo>,</mo><mfrac> <mrow><mo>∂</mo><mi>B</mi> </mrow> <mrow><mo>∂</mo><mi>y</mi> </mrow></mfrac><mo>;</mo> </mrow>]]></math> id="icf0001" file="A2009100213190002C1.tif" wi="42" he="9" top= "70" left = "79" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>c.遍历图像中每一个像素点(x，y)，计算<maths id="math0002" num="0002" ><math><![CDATA[ <mrow><msub> <mi>g</mi> <mi>xx</mi></msub><mo>=</mo><msup> <mrow><mo>|</mo><mfrac> <mrow><mo>∂</mo><mi>R</mi> </mrow> <mrow><mo>∂</mo><mi>x</mi> </mrow></mfrac><mo>|</mo> </mrow> <mn>2</mn></msup><mo>+</mo><msup> <mrow><mo>|</mo><mfrac> <mrow><mo>∂</mo><mi>G</mi> </mrow> <mrow><mo>∂</mo><mi>x</mi> </mrow></mfrac><mo>|</mo> </mrow> <mn>2</mn></msup><mo>+</mo><msup> <mrow><mo>|</mo><mfrac> <mrow><mo>∂</mo><mi>B</mi> </mrow> <mrow><mo>∂</mo><mi>x</mi> </mrow></mfrac><mo>|</mo> </mrow> <mn>2</mn></msup><mo>,</mo> </mrow>]]></math> id="icf0002" file="A2009100213190002C2.tif" wi="37" he="8" top= "84" left = "144" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths><maths id="math0003" num="0003" ><math><![CDATA[ <mrow><msub> <mi>g</mi> <mi>yy</mi></msub><mo>=</mo><msup> <mrow><mo>|</mo><mfrac> <mrow><mo>∂</mo><mi>R</mi> </mrow> <mrow><mo>∂</mo><mi>y</mi> </mrow></mfrac><mo>|</mo> </mrow> <mn>2</mn></msup><mo>+</mo><msup> <mrow><mo>|</mo><mfrac> <mrow><mo>∂</mo><mi>G</mi> </mrow> <mrow><mo>∂</mo><mi>y</mi> </mrow></mfrac><mo>|</mo> </mrow> <mn>2</mn></msup><mo>+</mo><msup> <mrow><mo>|</mo><mfrac> <mrow><mo>∂</mo><mi>B</mi> </mrow> <mrow><mo>∂</mo><mi>y</mi> </mrow></mfrac><mo>|</mo> </mrow> <mn>2</mn></msup><mo>,</mo> </mrow>]]></math> id="icf0003" file="A2009100213190002C3.tif" wi="36" he="9" top= "97" left = "46" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths><maths id="math0004" num="0004" ><math><![CDATA[ <mrow><msub> <mi>g</mi> <mi>xy</mi></msub><mo>=</mo><mfrac> <mrow><mo>∂</mo><mi>R</mi> </mrow> <mrow><mo>∂</mo><mi>x</mi> </mrow></mfrac><mfrac> <mrow><mo>∂</mo><mi>R</mi> </mrow> <mrow><mo>∂</mo><mi>y</mi> </mrow></mfrac><mo>+</mo><mfrac> <mrow><mo>∂</mo><mi>G</mi> </mrow> <mrow><mo>∂</mo><mi>x</mi> </mrow></mfrac><mfrac> <mrow><mo>∂</mo><mi>G</mi> </mrow> <mrow><mo>∂</mo><mi>y</mi> </mrow></mfrac><mo>+</mo><mfrac> <mrow><mo>∂</mo><mi>B</mi> </mrow> <mrow><mo>∂</mo><mi>x</mi> </mrow></mfrac><mfrac> <mrow><mo>∂</mo><mi>B</mi> </mrow> <mrow><mo>∂</mo><mi>y</mi> </mrow></mfrac><mo>,</mo> </mrow>]]></math> id="icf0004" file="A2009100213190002C4.tif" wi="45" he="11" top= "98" left = "84" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>从而计算出每一个像素点的梯度方向角<maths id="math0005" num="0005" ><math><![CDATA[ <mrow><mrow> <mi>θ</mi> <mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo> </mrow> <mo>=</mo> <mfrac><mn>1</mn><mn>2</mn> </mfrac> <mi>arctan</mi> <mo>[</mo> <mfrac><msub> <mrow><mn>2</mn><mi>g</mi> </mrow> <mi>xy</mi></msub><mrow> <msub><mi>g</mi><mi>xx</mi> </msub> <mo>-</mo> <msub><mi>g</mi><mi>yy</mi> </msub></mrow> </mfrac> <mo>]</mo></mrow><mo>;</mo> </mrow>]]></math> id="icf0005" file="A2009100213190002C5.tif" wi="55" he="13" top= "111" left = "67" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>第二步，求出待检测图像中像素点的方向特征k，具体步骤如下a)将待检测图像由RGB空间或者其本身所属颜色空间转换至HSI空间，提取出亮度分量I；b)对亮度分量I中像素点q定义16个方向Dj＝jπ/8，j＝0，1，...，15；c)将每个方向Dj上以q为中心的2W+1个像素进行线性拟和，并根据公式<maths id="math0006" num="0006" ><math><![CDATA[ <mrow><mi>k</mi><mo>=</mo><mfrac> <mrow><msubsup> <mi>Σ</mi> <mrow><mi>i</mi><mo>=</mo><mo>-</mo><mi>W</mi> </mrow> <mi>W</mi></msubsup><msub> <mi>x</mi> <mi>i</mi></msub><mrow> <mo>(</mo> <msub><mi>y</mi><mi>i</mi> </msub> <mo>-</mo> <mover><mi>y</mi><mo>‾</mo> </mover> <mo>)</mo></mrow> </mrow> <mrow><msubsup> <mi>Σ</mi> <mrow><mi>i</mi><mo>=</mo><mo>-</mo><mi>W</mi> </mrow> <mi>W</mi></msubsup><msup> <msub><mi>x</mi><mi>i</mi> </msub> <mn>2</mn></msup> </mrow></mfrac> </mrow>]]></math> id="icf0006" file="A2009100213190002C6.tif" wi="31" he="12" top= "171" left = "24" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>和<maths id="math0007" num="0007" ><math><![CDATA[ <mrow><msup> <mi>σ</mi> <mn>2</mn></msup><mo>=</mo><mfrac> <mn>1</mn> <mrow><mn>2</mn><mi>W</mi><mo>+</mo><mn>1</mn> </mrow></mfrac><mo>[</mo><munderover> <mi>Σ</mi> <mrow><mi>i</mi><mo>=</mo><mo>-</mo><mi>W</mi> </mrow> <mi>W</mi></munderover><msup> <mrow><mo>(</mo><msub> <mi>y</mi> <mi>i</mi></msub><mo>-</mo><mover> <mi>y</mi> <mo>‾</mo></mover><mo>)</mo> </mrow> <mn>2</mn></msup><mo>-</mo><msup> <mi>k</mi> <mn>2</mn></msup><munderover> <mi>Σ</mi> <mrow><mi>i</mi><mo>=</mo><mo>-</mo><mi>W</mi> </mrow> <mi>W</mi></munderover><msup> <msub><mi>x</mi><mi>i</mi> </msub> <mn>2</mn></msup><mo>]</mo> </mrow>]]></math> id="icf0007" file="A2009100213190002C7.tif" wi="62" he="11" top= "171" left = "60" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/></maths>估算出斜率 id="icf0008" file="A2009100213190002C8.tif" wi="4" he="5" top= "175" left = "144" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>和方差 id="icf0009" file="A2009100213190002C9.tif" wi="7" he="4" top= "176" left = "162" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>d)将16个方差中的最小值所对应直线的斜率作为像素点q的方向特征k；e)遍历亮度分量中每个像素点，执行步骤b)，c)，d)，从而得到每个像素点的方向特征；第三步，定位伪造区域，并对图像可信度进行评价，具体步骤如下a).以像素点q(m，n)为中心，定义长度为2W+1(1≤W≤5)的邻域Ω，Ω＝{(m1，n1)|m1-m|≤W，|n1-n|≤W}；分别计算出像素点q的方向特征相容性大小sk和梯度方向角相容性大小sθ；<maths id="math0008" num="0008" ><math><![CDATA[ <mrow><msub> <mi>s</mi> <mi>k</mi></msub><mo>=</mo><mfrac> <msub><mi>num</mi><mi>k</mi> </msub> <mrow><mrow> <mo>(</mo> <mn>2</mn> <mi>W</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo></mrow><mrow> <mo>(</mo> <mn>2</mn> <mi>W</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo></mrow> </mrow></mfrac> </mrow>]]></math></maths><maths id="math0009" num="0009" ><math><![CDATA[ <mrow><msub> <mi>s</mi> <mi>θ</mi></msub><mo>=</mo><mfrac> <msub><mi>num</mi><mi>θ</mi> </msub> <mrow><mrow> <mo>(</mo> <mn>2</mn> <mi>W</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo></mrow><mrow> <mo>(</mo> <mn>2</mn> <mi>W</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo></mrow> </mrow></mfrac> </mrow>]]></math></maths>其中，numk表示中心像素点q的方向特征相容度，numθ表示中心像素点q的梯度方向角相容度；b).定义像素点q与其邻域像素的相似性大小为s＝αsk+βsθ，其中，α，β为加权系数，且满足α+β＝1，α≥β；选取合适阈值δs和μ，0.5≤δs≤0.9，0.03≤μ≤0.1，当s≥δs-μ时，将像素点q标记为可疑点；当s≥δs时，将像素点q标记为伪造点；c).遍历图像中的每一像素，分别执行步骤a)和b)，从而得找出图像中所有的可疑点和伪造点，记录可疑点和伪造点的个数分别为num1和num2，图像的可信度如下表示<maths id="math0010" num="0010" ><math><![CDATA[ <mrow><mi>credibility</mi><mo>=</mo><mn>1</mn><mo>-</mo><mfrac> <msub><mi>num</mi><mn>2</mn> </msub> <msub><mi>num</mi><mn>1</mn> </msub></mfrac> </mrow>]]></math></maths>d).将伪造点和非伪造点分别用两种不同的灰度表示，得到一幅二值图像，对二值图像中的伪造点进行形态学运算，使其得到一个封闭或者连通的区域，将该区域作为伪造区域。
全文摘要
本发明公开了一种基于边缘方向特征的图像可信度检测方法，利用向量梯度来求取待检测图像的梯度方向角θ(x，y)＝(1/2)arctan[2g<sub>xy</sub>/(g<sub>xx</sub>-g<sub>yy</sub>)]，求出待检测图像中像素点的方向特征k，找出图像中所有的可疑点和伪造点，记录可疑点和伪造点的个数分别为num<sub>1</sub>和num<sub>2</sub>，图像的可信度credibility＝1-(num<sub>2</sub>/num<sub>1</sub>)，将伪造点和非伪造点分别用两种不同的灰度表示，得到一幅二值图像，对二值图像中的伪造点进行形态学运算，得到伪造区域。本发明将检测结果以可信度的形式表示出来，克服了已有算法检测结果较为武断的不足。
文档编号G06T1/00GK101493927SQ200910021319
公开日2009年7月29日 申请日期2009年2月27日 优先权日2009年2月27日
发明者苗 刘, 哲 李, 郑江滨 申请人:西北工业大学