一种基于噪声估计的伪造图像检测方法
【专利摘要】本发明提供了一种基于噪声估计的伪造图像检测方法，属于图像检测领域。本方法包括：S1.图像预处理：将待检测的图像首先从RGB彩色空间转换到HSV彩色空间；S2.图像块的分割：在HSV彩色空间中将待检测的图像分割成多个非重叠的图像块；S3.图像噪声估计：计算每一个图像块的噪声方差；S4.图像块的分类：基于噪声方差，首先采用无监督聚类方法对所有图像块进行初步分类，然后采用基于支持向量机的有监督聚类方法进行进一步的分类，提高检测的正确率。
【专利说明】一种基于噪声估计的伪造图像检测方法
【技术领域】
[0001] 本发明属于图像检测领域，具体涉及一种基于噪声估计的伪造图像检测方法。
【背景技术】
[0002] 随着互联网和数码照相机的快速发展以及图像编辑软件功能的日益强大，数字图 像的真实可靠性越来越难保证。在图像处理过程中，图像噪声经常会被引入到篡改的区域 中。
[0003] 图像的噪声检测已经被广泛用于图像源的识别和图像的伪造检测。相机响应的 非一致性是图像传感器一种独有的随机特征，它被作为一种固有指纹来识别已知图像的源 相机。MoChen等人提出了一个使用像素PRNU进行设备识别和完整性验证的统一框架。 Y.Sutcu等人提出了将去马赛克特征与PRNU结合，经过一个两轮的学习过程来识别图像的 方法。HongmeiGou等人通过使用三组特征介绍了一个用于图像篡改检测和数字图像隐藏 分析的方法。他们研究出一种去噪声算法来获得图像的噪声估计。利用小波分析来获得第 二组特征，通过相邻预测误差来获得第三组特征。使用这些特征来建立一个分类器进行篡 改图像的识别。然而，监督式学习方法不能提供一个精确的范围以及定位图像的篡改区域。 另外一个局限性在于只有几个特定的相机模型能够被这种学习算法所检测。
[0004] Popescu和Farid提出了一种噪声不一致的检测方法，他们对整个被检测图像划 分重叠块，然后再评估重叠块的噪声方差。他们的方法使用了图像块的第二阶矩和第四阶 矩来估计噪声方差。该方法假设图像是含高斯白噪声与一个非高斯未被污染的图像。这种 方法也假定了原始信号的峰态是已知的，但在实际中这多半是不正确的。BabakMahdian和 StanislavSaic提出了另一种能够检测图像噪声不一致的研究方法。他们介绍了一种检测 噪声水平变化的分割方法。局部噪声的估计是基于非重叠块的最高分辨率的高通对角小波 系数。该方法利用了一种广泛使用的中值法来估计每一块的噪声标准偏差。一旦每一块的 噪声标准偏差被估计出来，它就被用作同质性条件来将被检测图像分割为几个同类的子区 域。这个可以通过一个简单的区域合并分割技术得以实现。尽管这种方法能够锁定篡改的 区域，但阈值必须要仔细地筛选。否则就很难将篡改的区域从图像其他区域分离开来。
【发明内容】
[0005] 本发明的目的在于解决上述现有技术中存在的难题，提供一种基于噪声估计的伪 造图像检测方法，提高检测的正确率。
[0006] 本发明是通过以下技术方案实现的：
[0007] -种基于噪声估计的伪造图像检测方法，包括：
[0008] S1，图像预处理：将待检测的图像首先从RGB彩色空间转换到HSV彩色空间；
[0009] S2,图像块的分割：在HSV彩色空间中将待检测的图像分割成多个非重叠的图像 块；
[0010] S3,图像噪声估计：计算每一个图像块的噪声方差；
[0011] S4,图像块的分类：基于噪声方差，首先采用无监督聚类方法对所有图像块进行初 步分类，然后采用基于支持向量机的有监督聚类方法进行进一步的分类，提高检测的正确 率。
[0012] 所述步骤S1中的HSV彩色空间的三个变量分别是：色调，饱和度S，亮度V，S和V 是线性特征且在[01]之间取值；H的范围从0到360度；从RGB彩色空间转换到HSV彩色 空间后，选择HSV彩色空间的饱和度成分用于步骤S2中。
[0013] 所述步骤S2是这样实现的：
[0014] 将待测图像分割成R*R像素大小的图像块Bi，一个M*N像素大小的图像所分割成 的图像块的总数为
【权利要求】
1. 一种基于噪声估计的伪造图像检测方法，其特征在于：所述方法包括： S1，图像预处理：将待检测的图像首先从RGB彩色空间转换到HSV彩色空间； 52, 图像块的分割：在HSV彩色空间中将待检测的图像分割成多个非重叠的图像块； 53, 图像噪声估计：计算每一个图像块的噪声方差； 54, 图像块的分类：基于噪声方差，首先采用无监督聚类方法对所有图像块进行初步分 类，然后采用基于支持向量机的有监督聚类方法进行进一步的分类，提高检测的正确率。
2. 根据权利要求1所述的基于噪声估计的伪造图像检测方法，其特征在于：所述步骤 S1中的HSV彩色空间的三个变量分别是：色调H，饱和度S，亮度V，S和V是线性特征且在 [〇 1]之间取值；H的范围从0到360度；从RGB彩色空间转换到HSV彩色空间后，选择HSV 彩色空间的饱和度成分用于步骤S2中。
3. 根据权利要求2所述的基于噪声估计的伪造图像检测方法，其特征在于：所述步骤 S2是这样实现的： 将待测图像分割成R*R像素大小的图像块Bi，一个M*N像素大小的图像所分割成的图 像块的总数为
〇
4. 根据权利要求3所述的基于噪声估计的伪造图像检测方法，其特征在于：所述R*R 取 32*32。
5. 根据权利要求4所述的基于噪声估计的伪造图像检测方法，其特征在于：所述步骤 S4是这样实现的： 采用无监督聚类方法将图像块分成两类，得到标记图像块，然后进行SVM训练数据选 择阶段： 假定两个学习类的中心距离为r，只选择到它的学习类中心距离小于l/3i的标记样本 作为SVM的训练输入； 最后，对噪声方差应用SVM分类训练器得到分类结果。
【文档编号】G06T7/00GK104408728SQ201410729186
【公开日】2015年3月11日 申请日期:2014年12月3日 优先权日:2014年12月3日
【发明者】柯永振, 闵卫东, 张强 申请人:天津工业大学