基于四元数极谐变换的彩色图像取证方法与流程

文档序号：12598045阅读：487来源：国知局

本发明涉及针对复制粘贴的图像篡改检测方法，特别涉及一种基于四元数极谐变换的彩色图像取证方法，属于数字图像认证技术领域。

背景技术：

目前，数字图像认证技术发展十分迅速，篡改检测技术是其中非常重要的分支，现有的篡改检测技术主要分为主动检测和被动检测。被动检测也可以称为盲检测，该技术不需要依赖待检测图像的原始信息，可以对目标图像直接进行篡改检测，具有更高的利用价值和实用价值，是当前图像认证技术中的主要研究趋势。一般情况下篡改图像不会留下任何肉眼可识别的线索，但是图像的内在特征总会在篡改下发生或多或少的变动，这些变动正是盲检测技术最主要的依据。

多数图像篡改手段都是从像素层面进行的，这些篡改方法改变了图像内容和统计特征。针对这种篡改手法，学者们提出了一系列针对性检测算法，例如针对复制粘贴篡改的检测算法和针对拼接篡改的检测算法，还有些算法利用图像篡改前后统计特征的变化进行篡改检测等。其中，针对复制粘贴篡改的检测方法又可归纳为基于分块的检测方法和基于特征点的检测方法：基于分块的方法普遍具有很强的鲁棒性，检测精度也相对较高，但时间复杂度却严重超出了人们的接受范围；基于特征点的方法虽然时间复杂度的问题得到了很好的解决，但检测精度却远远低于基于分块的方法。

技术实现要素：

本发明是为了解决现有复制粘贴篡改检测技术所存在的上述技术问题，提供一种能处理任意复制粘贴的基于四元数极谐变换的彩色图像取证方法。

本发明的技术解决方案是：一种基于四元数极谐变换的彩色图像取证方法，其特征在于按照以下步骤进行：

约定：指待检测的彩色图像；分别代表图像行数和列数；为预处理后的平滑图像；为自适应初始化超像素个数；为构造的局部特征区域；为特征点匹配阈值；矩阵用于存放块间相关系数；为块匹配阈值；矩阵为特征向量集合；

a. 初始设置

获取待检测图像并初始化变量；

b. 待检测图像自适应超像素分块

b.1 将图像进行平滑预处理，与做卷积即得到，，其中：

；

b.2 将进行四级非下采样剪切波变换，得到归一化后的低频系数和归一化后的高频系数；

b.3 计算低频能量、高频能量以及占总能量比例；

b.4 按照下式计算自适应超像素个数：

；

b.5 使用熵率超像素分割算法结合分割待测图像；

c. 概率密度SURF特征点提取构造

c.1 计算亮度分量中每个点的概率密度；

c.2 按照下式计算出每点的概率密度二阶导数：

；

c.3 使用改进方法得到点的二阶自相关矩阵；

c.4 构造SURF特征点检测器：

c.5 使用的最大特征值、最小特征值和特征向量，计算长半轴、短半轴和方向角，构造该点的椭圆形局部特征区域；

c.6 将椭圆区域像素映射到对应的圆形区域：

其中，、、为三个映射所需的参数，为圆形区域圆心位置，和分别代表通过映射得到的圆形区域坐标；

c.7 将每个局部圆形区域“填0”，获得外接方图像，即；

d. 的低阶四元数PHT特征表达及匹配

d.1 根据下式计算区域的四元数PHT分解矩值：

其中：和表示极坐标系下彩色图像的R、G、B分量，和表示R、G、B分量的传统PHT；

d.2 求取每个的12个四元数PHT矩值表示该SURF特征点的特征向量，每一个超像素块中所有的SURF特征点及其向量共同代表该块特征，即；

d.3 使用计算任意两个超像素块中匹配的特征点个数，作为这两个块的相似系数；

d.4 将块间相关系数按升序存放进中，,其中；

d.5 分别计算的一阶导数，二阶导数，以及一阶导数均值；在矩阵中选择满足且值最小的系数值作为；

d.6 如果两个超像素块的相似系数大于，这两块即被认定为匹配块，即为可疑的篡改区域SR；

e. 超像素滑窗方法确定并标记篡改区域

e.1 利用滑窗操作将SR分成面积为的重叠圆形区域，每个区域半径为；

e.2 计算每一圆形块的四元数PHT矩值，选取其中12个作为特征向量存入集合中；

e.3 基于算法，对进行相似图像块特征匹配；

e.4 使用RANSAC算法进行后处理操作；

e.5 对最终确定的区域进行形态学操作，填补空洞和去除单独块，标记出篡改区域。

本发明首先将待检测的彩色图像进行基于熵率超像素的自适应分割，结合概率密度SURF算子提取特征点并确定出局部可疑篡改区域；然后，对可疑区域进行滑窗操作，利用四元数极谐变换系数矩值表示每一个滑窗块的特征进行相似度匹配；最后，确定并标记出篡改区域。实验结果表明，相较于传统基于分块的篡改检测方法，本发明的方法在保持较高的检测正确率的同时，极大程度地降低了算法的时间复杂度。

与现有技术相比，本发明具有以下有益效果：

第一，由于传统方法的滑窗操作中求取每个分块的特征阶段、特征匹配阶段耗费了大量的时间，使得现有技术的时间耗费超出理想范围，相对于对整个图像进行滑窗分块，本发明有效地减少了所需滑窗像素点的比例，极大程度地降低了算法的时间复杂度，具有较强的实用性；

第二，SURF特征点提取结合概率密度的方法使本发明具有更强的稳定性，使特征点分布更加均匀，构造特征区域阶段更加有效；

第三，四元数PHT具有显著的几何不变性等特质，从而使得本发明的方法具有更强的鲁棒性，在篡改区域进行RST等几何变换的条件下也能理想的检测出来，使用低阶计算保证了计算效率，不会额外增加运算时间。

附图说明

图1为本发明实施例原始图和篡改图。

图2为本发明实施例篡改检测过程各阶段中间结果图。

图3为本发明实施例FAU库部分检测结果图。

图4为本发明实施例GRIP库部分检测结果图。

图5为本发明实施例的流程图。

具体实施方式

本发明的方法共包括四个阶段：待检测图像自适应超像素分块、概率密度SURF特征点提取及特征区域构造、的低阶四元数极谐变换特征表达及匹配、超像素滑窗方法确定并标记篡改区域。

具体步骤如图5所示：