基于首數(shù)字定律的圖像高斯模糊篡改檢測(cè)方法
【專利摘要】本發(fā)明涉及一種基于首數(shù)字定律的圖像高斯模糊篡改檢測(cè)方法，包括以下步驟：取一定數(shù)量的自然圖像作為訓(xùn)練樣本，分別提取各自然圖像的RGB三個(gè)顏色通道的梯度以及DCT域AC系數(shù)的MSD的首數(shù)字定律特征；對(duì)各自然圖像進(jìn)行高斯模糊操作，得到高斯模糊圖像，然后分別提取各高斯模糊圖像的RGB三個(gè)顏色通道的梯度以及DCT域AC系數(shù)的MSD的首數(shù)字定律特征；把各自然圖像、高斯模糊圖像的梯度以及DCT域AC系數(shù)的MSD的首數(shù)字定律特征放入SVM分類器中訓(xùn)練，得到訓(xùn)練好的SVM分類器；用訓(xùn)練好的SVM分類器對(duì)待測(cè)圖像進(jìn)行檢測(cè)，判斷待測(cè)圖像是否經(jīng)過模糊篡改。該方法增強(qiáng)了圖像高斯模糊篡改檢測(cè)的普適性，提高了檢測(cè)效率。
【專利說明】基于首數(shù)字定律的圖像高斯模糊篡改檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像篡改檢測(cè)【技術(shù)領(lǐng)域】，特別涉及一種基于首數(shù)字定律的圖像高斯模糊篡改檢測(cè)方法。
【背景技術(shù)】
[0002]隨著信息科學(xué)的迅速發(fā)展，圖像處理軟件越來越強(qiáng)大，圖像是否經(jīng)過篡改也越來越難發(fā)現(xiàn)。而模糊操作作為一種常見的自然圖像篡改手段，有以下幾個(gè)特點(diǎn):首先，它在圖像篡改中起著一種輔助作用來掩飾篡改中留下的痕跡；其次，模糊操作作為一個(gè)主要的篡改手段，也可對(duì)圖像去噪，美化，模擬自然模糊。因此，檢測(cè)一副圖像是否經(jīng)過模糊就變得非
常重要。
[0003]針對(duì)圖像模糊操作，國(guó)內(nèi)外學(xué)者進(jìn)行了一定的研究。例如，趙俊紅提出了一種基于粗糙集理論的圖像邊緣模糊取證方法，該方法先用模糊數(shù)學(xué)對(duì)人工模糊邊緣進(jìn)行圖像模糊增強(qiáng)，得到被增強(qiáng)的人工模糊邊緣與別減弱的非人工模糊邊緣的圖像，再利用粗糙集理論去除殘留的正常邊緣；針對(duì)人工模糊與離焦模糊，Zhou通過同態(tài)濾波技術(shù)縮小經(jīng)過離焦模糊邊緣的動(dòng)態(tài)范圍，增強(qiáng)人工模糊的拼接邊緣，而自然正常邊緣得到弱化，再利用腐濁運(yùn)算逐步排除自然邊緣，定位出圖像拼接邊緣；由于模糊篡改的實(shí)質(zhì)是是在頻域?qū)D像進(jìn)行低通濾波，所以Hsiao等人用頻域算法對(duì)局部模糊進(jìn)行定位；陳英等人提出“不和諧點(diǎn)”概念，把在被檢測(cè)圖像的邊緣找到大量消失的“不和諧點(diǎn)”作為篡改圖像的證據(jù)。但以上研究主要是鑒別局部模糊操作。孫堡壘等人提出了基于Benford定律的關(guān)于AC系數(shù)模糊篡改取證，但此種算法對(duì)某類型的圖片檢測(cè)率較高，而對(duì)另外的圖片的檢測(cè)正確率卻又不夠理想，普適性較差。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于首數(shù)字定律的圖像高斯模糊篡改檢測(cè)方法，該方法增強(qiáng)了圖像高斯模糊篡改檢測(cè)的普適性，提高了檢測(cè)效率。
[0005]為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是:一種基于首數(shù)字定律的圖像高斯模糊篡改檢測(cè)方法，包括以下步驟:
步驟(I)取一定數(shù)量的自然圖像作為訓(xùn)練樣本，分別提取各自然圖像的RGB三個(gè)顏色通道的梯度的首位有效數(shù)字的首數(shù)字定律特征；
步驟(2)對(duì)各自然圖像的RGB三個(gè)顏色通道分別進(jìn)行8X8的不重復(fù)塊離散余弦變換，得到8X8分塊離散余弦變換系數(shù)矩陣，隨后提取離散余弦變換域交流分量的首位有效數(shù)字的首數(shù)字定律特征；
步驟(3)對(duì)各自然圖像進(jìn)行高斯模糊操作，得到高斯模糊圖像，然后分別提取各高斯模糊圖像的RGB三個(gè)顏色通道的梯度的首位有效數(shù)字的首數(shù)字定律特征以及離散余弦變換域交流分量的首位有效數(shù)字的首數(shù)字定律特征；
步驟(4)把得到的各自然圖像、高斯模糊圖像的RGB三個(gè)顏色通道的梯度的首位有效數(shù)字的首數(shù)字定律特征以及離散余弦變換域交流分量的首位有效數(shù)字的首數(shù)字定律特征放入SVM分類器中進(jìn)行訓(xùn)練，得到訓(xùn)練好的SVM分類器；
步驟(5)用訓(xùn)練好的SVM分類器對(duì)待測(cè)圖像進(jìn)行檢測(cè)，判斷待測(cè)圖像是否經(jīng)過模糊篡改。
[0006]進(jìn)一步的，所述訓(xùn)練好的SVM分類器按如下方法對(duì)待測(cè)圖像進(jìn)行檢測(cè):
提取待測(cè)圖像的RGB三個(gè)顏色通道的梯度的首位有效數(shù)字的首數(shù)字定律特征以及離散余弦變換域交流分量的首位有效數(shù)字的首數(shù)字定律特征，并輸入SVM分類器，所述SVM分類器判斷待測(cè)圖像為自然圖像或高斯模糊圖像，從而判斷待測(cè)圖像是否經(jīng)過模糊篡改。
[0007]進(jìn)一步的，所述離散余弦變換為二維離散余弦變換，二維離散余弦變換Α(?，K)用公式(I)表示如下:
【權(quán)利要求】
1.一種基于首數(shù)字定律的圖像高斯模糊篡改檢測(cè)方法，其特征在于，包括以下步驟: 步驟(1)取一定數(shù)量的自然圖像作為訓(xùn)練樣本，分別提取各自然圖像的RGB三個(gè)顏色通道的梯度的首位有效數(shù)字的首數(shù)字定律特征； 步驟(2)對(duì)各自然圖像的RGB三個(gè)顏色通道分別進(jìn)行8X8的不重復(fù)塊離散余弦變換，得到8X8分塊離散余弦變換系數(shù)矩陣，隨后提取離散余弦變換域交流分量的首位有效數(shù)字的首數(shù)字定律特征； 步驟(3)對(duì)各自然圖像進(jìn)行高斯模糊操作，得到高斯模糊圖像，然后分別提取各高斯模糊圖像的RGB三個(gè)顏色通道的梯度的首位有效數(shù)字的首數(shù)字定律特征以及離散余弦變換域交流分量的首位有效數(shù)字的首數(shù)字定律特征； 步驟(4)把得到的各自然圖像、高斯模糊圖像的RGB三個(gè)顏色通道的梯度的首位有效數(shù)字的首數(shù)字定律特征以及離散余弦變換域交流分量的首位有效數(shù)字的首數(shù)字定律特征放入SVM分類器中進(jìn)行訓(xùn)練，得到訓(xùn)練好的SVM分類器； 步驟(5)用訓(xùn)練好的SVM分類器對(duì)待測(cè)圖像進(jìn)行檢測(cè)，判斷待測(cè)圖像是否經(jīng)過模糊篡改。
2.根據(jù)權(quán)利要求1所述的基于首數(shù)字定律的圖像高斯模糊篡改檢測(cè)方法，其特征在于，所述訓(xùn)練好的SVM分類器按如下方法對(duì)待測(cè)圖像進(jìn)行檢測(cè): 提取待測(cè)圖像的RGB三個(gè)顏色通道的梯度的首位有效數(shù)字的首數(shù)字定律特征以及離散余弦變換域交流分量的首位有效數(shù)字的首數(shù)字定律特征，并輸入SVM分類器，所述SVM分類器判斷待測(cè)圖像為自然圖像或高斯模糊圖像，從而判斷待測(cè)圖像是否經(jīng)過模糊篡改。
3.根據(jù)權(quán)利要求1所述的基于首數(shù)字定律的圖像高斯模糊篡改檢測(cè)方法，其特征在于，所述離散余弦變換為二維離散余弦變換，二維離散余弦變換κ)用公式(I)表示如下:
4.根據(jù)權(quán)利要求1所述的基于首數(shù)字定律的圖像高斯模糊篡改檢測(cè)方法，其特征在于，離散余弦變換域交流分量的首位有效數(shù)字的首數(shù)字定律特征提取方法如下: 首先，對(duì)圖像的每一個(gè)顏色通道，計(jì)算8X8離散余弦變換分塊；然后由公式(2)計(jì)算每一個(gè)離散余弦變換分塊的所有交流分量ζ的首位有效數(shù)字d:.X
5.根據(jù)權(quán)利要求1所述的基于首數(shù)字定律的圖像高斯模糊篡改檢測(cè)方法，其特征在于，二維函數(shù)/Cr，,)的梯度用公式(4)表示如下:
【文檔編號(hào)】G06T7/00GK104021567SQ201410292782
【公開日】2014年9月3日 申請(qǐng)日期:2014年6月26日 優(yōu)先權(quán)日:2014年6月26日
【發(fā)明者】陳明志, 賈福運(yùn), 葉瀟翔, 查昊迅, 肖傳奇 申請(qǐng)人:福州大學(xué)