一种基于kaze特征点的图像区域复制粘贴篡改检测方法
【专利摘要】本发明提供一种基于KAZE特征点的图像区域复制粘贴篡改检测方法。首先对彩色图像提取KAZE特征点，然后将这些特征点用64维特征向量描述。接下来计算每个特征向量和剩下特征向量之间的欧式距离，利用最近邻距离和次近邻距离之间的比值，找到相似的特征向量，作为匹配对。然后使用SLIC算法对图像进行语义分割，滤除错误的匹配对。通过匹配对在图像中的位置关系，使用迭代的思想，估计篡改区域之间的仿射变换关系，得到仿射矩阵。最后通过仿射矩阵，计算原始图像和变换后图像之间的相关系数图，并且定位篡改区域。本发明使用了一种新型的特征点提取算法，并且使用迭代的方法求仿射矩阵，具有很好的检测准确率。
【专利说明】
一种基于KAZE特征点的图像区域复制粘贴篡改检测方法
技术领域
[0001] 本发明涉及图像数字取证技术领域，更具体地，涉及一种基于KAZE特征点的图像 复制粘贴篡改检测方法。
【背景技术】
[0002] 近年来，计算机网络、多媒体技术发展迅速，高清数码相机、智能手机等广泛普及。 大量的图像编辑软件，如Photoshop等，使得人们可以越来越容易的编辑、修改图像。而在许 多场合，例如司法、新闻出版、科学研究中，我们又急需保证图像的完整性、真实性和可靠 性，于是数字取证技术应运而生。
[0003] 数字取证技术分为主动取证技术和被动取证技术。主动取证技术需要事先在图像 中添加验证信息，包括两种主要的研究方向，第一种是基于数字水印的认证，第二种是基于 数字签名的认证。而被动取证技术无需添加任何的辅助信息，如水印或摘要等，只需要根据 待检测图像本身所具有的性质，便可以实现篡改认证，因此实用性很强。
[0004] 图像复制粘贴篡改检测是被动取证中的一个重要分支，主要用于检测图像中是否 存在区域复制行为，即将图像中的一部分拷贝出来，然后粘贴到该幅图像的另外一部分区 域。该篡改操作可以隐藏图像中的重要目标或者伪造不存在的目标，操作简单，因此被很多 人士用来实现图像篡改。图像篡改的过程中往往包括旋转、缩放、模糊、加噪等操作，人们很 难通过肉眼判断一幅图像是否经过了复制粘贴篡改。因此，一个好的检测算法应能够考虑 到这些干扰措施，并能够精确定位篡改区域。
[0005] 现有的复制粘贴检测技术主要分为两种:基于块方法和基于特征点方法。基于块 方法由于对旋转、缩放等情况适用性不强，计算复杂度高等缺点，在实际应用中逐渐不再被 使用。目前主流的是基于特征点的检测方法，它们之间最主要的差别是图像特征点的选取、 匹配和定位过程。
【发明内容】
[0006] 本发明提供一种基于KAZE特征点的图像复制粘贴篡改检测方法，能够有效检测图 像中的复制粘贴行为，并能够精确定位篡改区域。在应对复制区域旋转、缩放等几何变换情 况下，本发明依旧具有很好的检测效果。
[0007] 为了达到上述技术效果，本发明的技术方案如下：
[0008] 一种基于KAZE特征点的图像区域复制粘贴篡改检测方法，包括以下步骤：
[0009] SI : KAZE特征点提取：对于待检测的图像，采用加性算子分裂算法（Addit ive Operator Splitting，AOS)算法和可变传导扩散方法来构造非线性尺度空间。然后检测感 兴趣特征点，这些特征点在非线性尺度空间上经过尺度归一化后的Hessian矩阵行列式是 局部极大值(3 X 3邻域）。
[0010] S2:特征点描述:根据Sl得到的特征点，若特征点的尺度参数为〇1，则搜索半径设 为6〇1。对搜索圈内所有邻点的一阶微分值Lx和Ly通过高斯加权，使得靠近特征点的响应贡 献大，而远离特征点的响应贡献小。将这些微分值视作向量空间中的点集，在一个角度为V 3的扇形滑动窗口内对点集进行向量叠加，遍历整个圆形区域。获得最长向量的角度就是主 方向。在梯度图像上以特征点为中心取24〇i X 24〇i的窗口，并将窗口划分为4 X 4子区域，在 每个子区域上进行高斯核加权，然后计算出长度为4的子区域描述向量dv=(ELx，EL y，Σ Lx|，Σ |Ly|)，再通过另一个大小为4X4的高斯窗口对每个子区域的向量dv进行加权，最后 进行归一化处理，得到4 X 4 X 4 = 64维的描述向量；
[0011] S3:特征匹配:对于S2中提取出来的每个特征，计算其与其它所有特征向量之间的 欧式距离，并按照从小到大排序。计算最近邻Cl 1和次近邻山之间的比值，如果比值小于0.5， 则认为距离为Cl1的两个特征匹配；
[0012] S4:错误匹配对滤除:使用SLIC算法对输入的彩色图像进行语义分割，得到有意义 的图像块。统计每个块中匹配特征点的个数N P_t，如果NP_t小于3,则将块中的特征点连同 其匹配点判断为离异点并删除；
[0013] S5:仿射矩阵估计：任取三对不共线的匹配对，计算它们之间的仿射变换矩阵T1, 并将剩下的匹配点根据!^进行变换，计算变换前后匹配点对之间的误差。如果误差小于β， 则这个矩阵!\获得一票。将前述步骤迭代多次，每次选出得票数最多的矩阵，直到最后剩下 的矩阵票数不超过5为止。
[0014] S6:可疑区域定位:对于原始图像I，使用S5得到的仿射矩阵进行坐标变换，得到变 换后的图像Μ。计算原始图像与变换后图像相应位置之间的相关系数，得到代表相似度的相 关系数图。相关系数的取值范围在[0，1]之间，值越大代表越相似。对于得到的相关系数图 进行二值化处理，二值化阈值为〇. 55。如果相关系数值大于0.55，则认为本位置的点为可疑 点，其二值图相应位置的值设为1，否则设为0。最后将得到的二值图进行形态学操作以滤除 杂乱点，生成最终的检测结果图。
[0015] 本发明中，首次使用了KAZE特征作为图像特征点的提取方法来进行复制粘贴篡改 检测。KAZE特征是在彩色图像中提取的，而实际中的篡改图像也基本上都是彩色的。提取出 来的KAZE特征具有很好的旋转和尺度不变性，能够应对一定程度的噪声干扰和模糊处理， 且稳定、可重复检测，提取时间也比较快。
[0016] 进一步地，所述步骤Sl中非线性尺度空间构造过程如下：
[0017] 将图像金字塔分为0组，每组有S层，不同的组和层通过序号〇和8来标记，并且通过 下面的公式来计算尺度参数σ:
[0018]
[0019] 公式⑴中，0Q是初始尺度，N = 〇*S是整个尺度空间包含的图像总数。然后将以像 素为单位的尺度参数Oi转换至时间单位，为了简便，将Oi(0，S)写成O i，转换映射公式如下：
[0020]
[0021]其中t为进化时间。对于一幅输入图像，KAZE算法首先对其进行高斯滤波;然后计 算图像的梯度直方图，从而获取对比度参数K;根据一组进化时间，利用AOS算法即可得到非 线性尺度空间的所有图像：
[0022]
[0023] 在公式(3)中，A1表示图像在各个维度1上传导性的矩阵，L1表示在尺度i上的图像 亮度，I表示单位矩阵。
[0024] 进一步地，所述步骤S5的仿射矩阵估计过程如下：
[0025] 对于匹配的两个点，X= (x，y)和它们之间的仿射变换关系表示成下面 的形式-
[0026]
[0027]在公式(4)中，&，13，(：，(1，。，。是待定系数，1'是要求的仿射矩阵。使用三对非共线的 匹配对，代入到公式(4)中即可求得T。在实际的求解时，对于给定的一系列点(X1J2r^X n) 和它对应的匹配点⑶J2足〇, f找满足要求的T，使得总误差最小，误差计算公式如下：
[0028]
[0029] 每次计算都会得到一个仿射变换矩阵1\，并将剩下的匹配点根据1\进行变换，计算 变换前后匹配点对之间的误差。如果误差小于β，则这个矩阵1^获得一票。将前述步骤迭代 多次，每次选出得票数最多的矩阵，直到最后剩下的矩阵票数不超过5为止。
[0030] 进一步地，所述步骤S6的可疑区域定位过程如下：
[0031] 根据S5得到的仿射矩阵Τ，将原始图像I的每一个坐标位置进行仿射变换，新坐标 位置的像素值由原始图像相应的像素值代替，这样得到变换后的图像M。计算它们对应位置 X之间的相关系数C(X)，计算公式如下：
[0032]
[0033] 公式(6)中，Ω (x)是以X为中心的7X7区域，I(U)和Μ(μ)是相应位置的像素值，f和 M是7X7区域的平均像素值。相关系数C(X)的取值范围在[0，1]之间，值越大代表越相似。 然后对于得到的相关系数图进行二值化处理，二值化的阈值为0.55。如果相关系数值大于 0.55，则认为本位置的点为可疑点，其二值图相应位置的值设为1，否则设为0。最后将得到 的二值图进行形态学操作以滤除杂乱点，生成最终的检测结果图。
[0034] 与现有技术相比，本发明技术方案的有益效果是：
[0035] 本发明选取KAZE特征作为图像特征提取算法，相比于传统的特征提取，能够更好 地应对旋转、缩放、JPEG压缩、添加噪声等情况，鲁棒性更高。由于匹配时只需要对有限个特 征点进行相似匹配，相比于传统的基于块检测算法，速度更快，实用性更强。本发明利用迭 代的思想求取仿射变换矩阵，能够应对多重复制的篡改操作。
【附图说明】
[0036] 图1为本发明方法的步骤流程图；
[0037] 图2为本发明方法的复制粘贴篡改检测实际效果图。
【具体实施方式】
[0038] 附图仅用于示例性说明，不能理解为对本专利的限制；
[0039] 为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品 的尺寸；
[0040] 对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解 的。
[0041] 下面结合附图和实施例对本发明的技术方案做进一步的说明。
[0042] 实施例1
[0043]如图1所示，一种基于KAZE特征点的图像区域复制粘贴篡改检测方法，包括以下步 骤：
[0044] Sl=KAZE特征点提取：对于待检测的图像，采用加性算子分裂算法（Additive Operator Splitting，AOS)算法和可变传导扩散方法来构造非线性尺度空间。然后检测感 兴趣特征点，这些特征点在非线性尺度空间上经过尺度归一化后的Hessian矩阵行列式是 局部极大值(3 X 3邻域）。
[0045] S2:特征点描述:根据Sl得到的特征点，若特征点的尺度参数为〇1，则搜索半径设 为6〇1。对搜索圈内所有邻点的一阶微分值Lx和Ly通过高斯加权，使得靠近特征点的响应贡 献大，而远离特征点的响应贡献小。将这些微分值视作向量空间中的点集，在一个角度为V 3的扇形滑动窗口内对点集进行向量叠加，遍历整个圆形区域。获得最长向量的角度就是主 方向。在梯度图像上以特征点为中心取24〇i X 24〇i的窗口，并将窗口划分为4 X 4子区域，在 每个子区域上进行高斯核加权，然后计算出长度为4的子区域描述向量dv=(ELx，EL y，Σ Lx|，Σ |Ly|)，再通过另一个大小为4X4的高斯窗口对每个子区域的向量dv进行加权，最后 进行归一化处理，得到4 X 4 X 4 = 64维的描述向量；
[0046] S3:特征匹配:对于S2中提取出来的每个特征，计算其与其它所有特征向量之间的 欧式距离，并按照从小到大排序。计算最近邻Cl1和次近邻山之间的比值，如果比值小于0.5， 则认为距离为Cl 1的两个特征匹配；
[0047] S4:错误匹配对滤除:使用SLIC算法对输入的彩色图像进行语义分割，得到有意义 的图像块。统计每个块中匹配特征点的个数NP_t，如果NP_t小于3,则将块中的特征点连同 其匹配点判断为离异点并删除；
[0048] S5:仿射矩阵估计:任取三对不共线的匹配对，计算它们之间的仿射变换矩阵T1， 并将剩下的匹配点根据!^进行变换，计算变换前后匹配点对之间的误差。如果误差小于β， 则这个矩阵!\获得一票。将前述步骤迭代多次，每次选出得票数最多的矩阵，直到最后剩下 的矩阵票数不超过5为止。
[0049] S6:可疑区域定位:对于原始图像I，使用S5得到的仿射矩阵进行坐标变换，得到变 换后的图像Μ。计算原始图像与变换后图像相应位置之间的相关系数，得到代表相似度的相 关系数图。相关系数的取值范围在[0，1]之间，值越大代表越相似。对于得到的相关系数图 进行二值化处理，二值化阈值为〇. 55。如果相关系数值大于0.55，则认为本位置的点为可疑 点，其二值图相应位置的值设为1，否则设为0。最后将得到的二值图进行形态学操作以滤除 杂乱点，生成最终的检测结果图。
[0050] 如图2所示，该基于KAZE特征点的图像区域复制粘贴篡改检测方法的实验效果。图 2(a)为待检测的图像，篡改区域在图中用粗线标出；图2(b)为本发明算法的实际检测效果 图，从图中可以明显地看出篡改区域被精确地标定出。
[0051] 相同或相似的标号对应相同或相似的部件；
[0052]附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制； [0053]显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对 本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可 以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本 发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求 的保护范围之内。
【主权项】
1. 一种基于KAZE特征点的图像区域复制粘贴篡改检测方法，其特征在于，包括以下步 骤： S1:KAZE特征点提取:对于待检测的图像，采用加性算子分裂算法AOS算法和可变传导 扩散方法来构造非线性尺度空间，然后检测感兴趣特征点，这些特征点在非线性尺度空间 上经过尺度归一化后的Hessian矩阵行列式是局部极大值； S2:特征点描述:根据步骤S1得到的特征点，若特征点的尺度参数为〇1，则搜索半径设为 6〇i;对搜索圈内所有邻点的一阶微分值Lx和Ly通过高斯加权，使得靠近特征点的响应贡献 大，而远离特征点的响应贡献小;将这些微分值视作向量空间中的点集，在一个角度为:π/3 的扇形滑动窗口内对点集进行向量叠加，遍历整个圆形区域;获得最长向量的角度就是主 方向；在梯度图像上以特征点为中心取24〇i X 24〇i的窗口，并将窗口划分为4 X 4子区域，在 每个子区域上进行高斯核加权，然后计算出长度为4的子区域描述向量dv=(ELx，EL y，E Lx|，Σ |Ly|)，再通过另一个大小为4X4的高斯窗口对每个子区域的向量dv进行加权，最后 进行归一化处理，得到4 X 4 X 4 = 64维的描述向量； S3:特征匹配:对于步骤S2中提取出来的每个特征，计算其与其它所有特征向量之间的 欧式距离，并按照从小到大排序;计算最近邻cU和次近邻山之间的比值，如果比值小于0.5， 则认为距离为cU的两个特征匹配； S4:错误匹配对滤除:使用SLIC算法对输入的彩色图像进行语义分割，得到有意义的图 像块;统计每个块中匹配特征点的个数NP_t，如果NP_t小于3，则将块中的特征点连同其匹 配点判断为离异点并删除； S5:仿射矩阵估计:任取三对不共线的匹配对，计算它们之间的仿射变换矩阵，并将剩 下的匹配点根据^进行变换，计算变换前后匹配点对之间的误差；如果误差小于β，则这个 矩阵h获得一票;将前述步骤迭代多次，每次选出得票数最多的矩阵，直到最后剩下的矩阵 票数不超过5为止； S6:可疑区域定位:对于原始图像I，使用步骤S5得到的仿射矩阵进行坐标变换，得到变 换后的图像M;计算原始图像与变换后图像相应位置之间的相关系数，得到代表相似度的相 关系数图；相关系数的取值范围在[〇，1]之间，值越大代表越相似;对于得到的相关系数图 进行二值化处理，二值化阈值为〇. 55;如果相关系数值大于0.55，则认为本位置的点为可疑 点，其二值图相应位置的值设为1，否则设为〇;最后将得到的二值图进行形态学操作以滤除 杂乱点，生成最终的检测结果图。2. 根据权利要求1所述的基于KAZE特征点的图像区域复制粘贴篡改检测方法，其特征 在于，所述步骤S1中非线性尺度空间构造过程如下： 将图像金字塔分为0组，每组有S层，不同的组和层通过序号〇和8来标记，并且通过下面 的公式来计算尺度参数〇:公式(1)中，是初始尺度，N=0*S是整个尺度空间包含的图像总数;然后将以像素为单 位的尺度参数〇:转换至时间单位，为了简便，将odoj)写成〇1，转换映射公式如下：其中U为进化时间；对于一幅输入图像，KAZE算法首先对其进行高斯滤波;然后计算图 像的梯度直方图，从而获取对比度参数K;根据一组进化时间，利用AOS算法即可得到非线性 尺度空间的所有图像：其中Μ表示图像在各个维度1上传导性的矩阵，L1表示在尺度i上的图像亮度，I表示单 位矩阵。3. 根据权利要求1所述的基于KAZE特征点的图像区域复制粘贴篡改检测方法，其特征 在于，所述步骤S5的仿射矩阵估计过程如下： 对于匹配的两个点，X=(x，y)和f = (.?;刃，它们之间的仿射变换关系表示成下面的形 式：在公式(4)中，&々，(3，(1，^，。是待定系数，1'是要求的仿射矩阵;使用三对非共线的匹配 对，代入到公式(4)中即可求得T;在实际的求解时，对于给定的一系列点(心，办，···，Xn)和它 对应的匹配点GUy.,爲〇,寻找满足要求的Τ，使得总误差最小，误差计算公式如下：每次计算都会得到一个仿射变换矩阵!^，并将剩下的匹配点根据1\进行变换，计算变换 前后匹配点对之间的误差;如果误差小于β，则这个矩阵h获得一票;将前述步骤迭代多次， 每次选出得票数最多的矩阵，直到最后剩下的矩阵票数不超过5为止。4. 根据权利要求1所述的基于KAZE特征点的图像区域复制粘贴篡改检测方法，其特征 在于，所述步骤S6的可疑区域定位过程如下： 根据步骤S5得到的仿射矩阵T，将原始图像I的每一个坐标位置进行仿射变换，新坐标 位置的像素值由原始图像相应的像素值代替，这样得到变换后的图像M;计算它们对应位置 X之间的相关系数c(x)，计算公式如下：公式(6)中，Ω(χ)是以X为中心的7X7区域，I(u)和Μ(μ)是相应位置的像素值，f和Μ是7 Χ7区域的平均像素值;相关系数c(x)的取值范围在[0，1]之间，值越大代表越相似;然后对 于得到的相关系数图进行二值化处理，二值化的阈值为〇. 55;如果相关系数值大于0.55，则 认为本位置的点为可疑点，其二值图相应位置的值设为1，否则设为〇;最后将得到的二值图 进行形态学操作以滤除杂乱点，生成最终的检测结果图。
【文档编号】G06K9/46GK106056122SQ201610364999
【公开日】2016年10月26日
【申请日】2016年5月26日
【发明人】卢伟, 李静伟
【申请人】中山大学