一種基于kaze特征點的圖像區(qū)域復制粘貼篡改檢測方法
【專利摘要】本發(fā)明提供一種基于KAZE特征點的圖像區(qū)域復制粘貼篡改檢測方法。首先對彩色圖像提取KAZE特征點，然后將這些特征點用64維特征向量描述。接下來計算每個特征向量和剩下特征向量之間的歐式距離，利用最近鄰距離和次近鄰距離之間的比值，找到相似的特征向量，作為匹配對。然后使用SLIC算法對圖像進行語義分割，濾除錯誤的匹配對。通過匹配對在圖像中的位置關(guān)系，使用迭代的思想，估計篡改區(qū)域之間的仿射變換關(guān)系，得到仿射矩陣。最后通過仿射矩陣，計算原始圖像和變換后圖像之間的相關(guān)系數(shù)圖，并且定位篡改區(qū)域。本發(fā)明使用了一種新型的特征點提取算法，并且使用迭代的方法求仿射矩陣，具有很好的檢測準確率。
【專利說明】
一種基于KAZE特征點的圖像區(qū)域復制粘貼篡改檢測方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及圖像數(shù)字取證技術(shù)領(lǐng)域，更具體地，涉及一種基于KAZE特征點的圖像 復制粘貼篡改檢測方法。
【背景技術(shù)】
[0002] 近年來，計算機網(wǎng)絡、多媒體技術(shù)發(fā)展迅速，高清數(shù)碼相機、智能手機等廣泛普及。 大量的圖像編輯軟件，如Photoshop等，使得人們可以越來越容易的編輯、修改圖像。而在許 多場合，例如司法、新聞出版、科學研究中，我們又急需保證圖像的完整性、真實性和可靠 性，于是數(shù)字取證技術(shù)應運而生。
[0003] 數(shù)字取證技術(shù)分為主動取證技術(shù)和被動取證技術(shù)。主動取證技術(shù)需要事先在圖像 中添加驗證信息，包括兩種主要的研究方向，第一種是基于數(shù)字水印的認證，第二種是基于 數(shù)字簽名的認證。而被動取證技術(shù)無需添加任何的輔助信息，如水印或摘要等，只需要根據(jù) 待檢測圖像本身所具有的性質(zhì)，便可以實現(xiàn)篡改認證，因此實用性很強。
[0004] 圖像復制粘貼篡改檢測是被動取證中的一個重要分支，主要用于檢測圖像中是否 存在區(qū)域復制行為，即將圖像中的一部分拷貝出來，然后粘貼到該幅圖像的另外一部分區(qū) 域。該篡改操作可以隱藏圖像中的重要目標或者偽造不存在的目標，操作簡單，因此被很多 人士用來實現(xiàn)圖像篡改。圖像篡改的過程中往往包括旋轉(zhuǎn)、縮放、模糊、加噪等操作，人們很 難通過肉眼判斷一幅圖像是否經(jīng)過了復制粘貼篡改。因此，一個好的檢測算法應能夠考慮 到這些干擾措施，并能夠精確定位篡改區(qū)域。
[0005] 現(xiàn)有的復制粘貼檢測技術(shù)主要分為兩種:基于塊方法和基于特征點方法。基于塊 方法由于對旋轉(zhuǎn)、縮放等情況適用性不強，計算復雜度高等缺點，在實際應用中逐漸不再被 使用。目前主流的是基于特征點的檢測方法，它們之間最主要的差別是圖像特征點的選取、 匹配和定位過程。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明提供一種基于KAZE特征點的圖像復制粘貼篡改檢測方法，能夠有效檢測圖 像中的復制粘貼行為，并能夠精確定位篡改區(qū)域。在應對復制區(qū)域旋轉(zhuǎn)、縮放等幾何變換情 況下，本發(fā)明依舊具有很好的檢測效果。
[0007] 為了達到上述技術(shù)效果，本發(fā)明的技術(shù)方案如下：
[0008] 一種基于KAZE特征點的圖像區(qū)域復制粘貼篡改檢測方法，包括以下步驟：
[0009] SI : KAZE特征點提?。簩τ诖龣z測的圖像，采用加性算子分裂算法（Addit ive Operator Splitting，AOS)算法和可變傳導擴散方法來構(gòu)造非線性尺度空間。然后檢測感 興趣特征點，這些特征點在非線性尺度空間上經(jīng)過尺度歸一化后的Hessian矩陣行列式是 局部極大值(3 X 3鄰域）。
[0010] S2:特征點描述:根據(jù)Sl得到的特征點，若特征點的尺度參數(shù)為〇1，則搜索半徑設 為6〇1。對搜索圈內(nèi)所有鄰點的一階微分值Lx和Ly通過高斯加權(quán)，使得靠近特征點的響應貢 獻大，而遠離特征點的響應貢獻小。將這些微分值視作向量空間中的點集，在一個角度為V 3的扇形滑動窗口內(nèi)對點集進行向量疊加，遍歷整個圓形區(qū)域。獲得最長向量的角度就是主 方向。在梯度圖像上以特征點為中心取24〇i X 24〇i的窗口，并將窗口劃分為4 X 4子區(qū)域，在 每個子區(qū)域上進行高斯核加權(quán)，然后計算出長度為4的子區(qū)域描述向量dv=(ELx，EL y，Σ Lx|，Σ |Ly|)，再通過另一個大小為4X4的高斯窗口對每個子區(qū)域的向量dv進行加權(quán)，最后 進行歸一化處理，得到4 X 4 X 4 = 64維的描述向量；
[0011] S3:特征匹配:對于S2中提取出來的每個特征，計算其與其它所有特征向量之間的 歐式距離，并按照從小到大排序。計算最近鄰Cl 1和次近鄰山之間的比值，如果比值小于0.5， 則認為距離為Cl1的兩個特征匹配；
[0012] S4:錯誤匹配對濾除:使用SLIC算法對輸入的彩色圖像進行語義分割，得到有意義 的圖像塊。統(tǒng)計每個塊中匹配特征點的個數(shù)N P_t，如果NP_t小于3,則將塊中的特征點連同 其匹配點判斷為離異點并刪除；
[0013] S5:仿射矩陣估計：任取三對不共線的匹配對，計算它們之間的仿射變換矩陣T1, 并將剩下的匹配點根據(jù)!^進行變換，計算變換前后匹配點對之間的誤差。如果誤差小于β， 則這個矩陣!\獲得一票。將前述步驟迭代多次，每次選出得票數(shù)最多的矩陣，直到最后剩下 的矩陣票數(shù)不超過5為止。
[0014] S6:可疑區(qū)域定位:對于原始圖像I，使用S5得到的仿射矩陣進行坐標變換，得到變 換后的圖像Μ。計算原始圖像與變換后圖像相應位置之間的相關(guān)系數(shù)，得到代表相似度的相 關(guān)系數(shù)圖。相關(guān)系數(shù)的取值范圍在[0，1]之間，值越大代表越相似。對于得到的相關(guān)系數(shù)圖 進行二值化處理，二值化閾值為〇. 55。如果相關(guān)系數(shù)值大于0.55，則認為本位置的點為可疑 點，其二值圖相應位置的值設為1，否則設為0。最后將得到的二值圖進行形態(tài)學操作以濾除 雜亂點，生成最終的檢測結(jié)果圖。
[0015] 本發(fā)明中，首次使用了KAZE特征作為圖像特征點的提取方法來進行復制粘貼篡改 檢測。KAZE特征是在彩色圖像中提取的，而實際中的篡改圖像也基本上都是彩色的。提取出 來的KAZE特征具有很好的旋轉(zhuǎn)和尺度不變性，能夠應對一定程度的噪聲干擾和模糊處理， 且穩(wěn)定、可重復檢測，提取時間也比較快。
[0016] 進一步地，所述步驟Sl中非線性尺度空間構(gòu)造過程如下：
[0017] 將圖像金字塔分為0組，每組有S層，不同的組和層通過序號〇和8來標記，并且通過 下面的公式來計算尺度參數(shù)σ:
[0018]
[0019] 公式⑴中，0Q是初始尺度，N = 〇*S是整個尺度空間包含的圖像總數(shù)。然后將以像 素為單位的尺度參數(shù)Oi轉(zhuǎn)換至時間單位，為了簡便，將Oi(0，S)寫成O i，轉(zhuǎn)換映射公式如下：
[0020]
[0021]其中t為進化時間。對于一幅輸入圖像，KAZE算法首先對其進行高斯濾波;然后計 算圖像的梯度直方圖，從而獲取對比度參數(shù)K;根據(jù)一組進化時間，利用AOS算法即可得到非 線性尺度空間的所有圖像：
[0022]
[0023] 在公式(3)中，A1表示圖像在各個維度1上傳導性的矩陣，L1表示在尺度i上的圖像 亮度，I表示單位矩陣。
[0024] 進一步地，所述步驟S5的仿射矩陣估計過程如下：
[0025] 對于匹配的兩個點，X= (x，y)和它們之間的仿射變換關(guān)系表示成下面 的形式-
[0026]
[0027]在公式(4)中，&，13，(：，(1，。，。是待定系數(shù)，1'是要求的仿射矩陣。使用三對非共線的 匹配對，代入到公式(4)中即可求得T。在實際的求解時，對于給定的一系列點(X1J2r^X n) 和它對應的匹配點⑶J2足〇, f找滿足要求的T，使得總誤差最小，誤差計算公式如下：
[0028]
[0029] 每次計算都會得到一個仿射變換矩陣1\，并將剩下的匹配點根據(jù)1\進行變換，計算 變換前后匹配點對之間的誤差。如果誤差小于β，則這個矩陣1^獲得一票。將前述步驟迭代 多次，每次選出得票數(shù)最多的矩陣，直到最后剩下的矩陣票數(shù)不超過5為止。
[0030] 進一步地，所述步驟S6的可疑區(qū)域定位過程如下：
[0031] 根據(jù)S5得到的仿射矩陣Τ，將原始圖像I的每一個坐標位置進行仿射變換，新坐標 位置的像素值由原始圖像相應的像素值代替，這樣得到變換后的圖像M。計算它們對應位置 X之間的相關(guān)系數(shù)C(X)，計算公式如下：
[0032]
[0033] 公式(6)中，Ω (x)是以X為中心的7X7區(qū)域，I(U)和Μ(μ)是相應位置的像素值，f和 M是7X7區(qū)域的平均像素值。相關(guān)系數(shù)C(X)的取值范圍在[0，1]之間，值越大代表越相似。 然后對于得到的相關(guān)系數(shù)圖進行二值化處理，二值化的閾值為0.55。如果相關(guān)系數(shù)值大于 0.55，則認為本位置的點為可疑點，其二值圖相應位置的值設為1，否則設為0。最后將得到 的二值圖進行形態(tài)學操作以濾除雜亂點，生成最終的檢測結(jié)果圖。
[0034] 與現(xiàn)有技術(shù)相比，本發(fā)明技術(shù)方案的有益效果是：
[0035] 本發(fā)明選取KAZE特征作為圖像特征提取算法，相比于傳統(tǒng)的特征提取，能夠更好 地應對旋轉(zhuǎn)、縮放、JPEG壓縮、添加噪聲等情況，魯棒性更高。由于匹配時只需要對有限個特 征點進行相似匹配，相比于傳統(tǒng)的基于塊檢測算法，速度更快，實用性更強。本發(fā)明利用迭 代的思想求取仿射變換矩陣，能夠應對多重復制的篡改操作。
【附圖說明】
[0036] 圖1為本發(fā)明方法的步驟流程圖；
[0037] 圖2為本發(fā)明方法的復制粘貼篡改檢測實際效果圖。
【具體實施方式】
[0038] 附圖僅用于示例性說明，不能理解為對本專利的限制；
[0039] 為了更好說明本實施例，附圖某些部件會有省略、放大或縮小，并不代表實際產(chǎn)品 的尺寸；
[0040] 對于本領(lǐng)域技術(shù)人員來說，附圖中某些公知結(jié)構(gòu)及其說明可能省略是可以理解 的。
[0041] 下面結(jié)合附圖和實施例對本發(fā)明的技術(shù)方案做進一步的說明。
[0042] 實施例1
[0043]如圖1所示，一種基于KAZE特征點的圖像區(qū)域復制粘貼篡改檢測方法，包括以下步 驟：
[0044] Sl=KAZE特征點提取：對于待檢測的圖像，采用加性算子分裂算法（Additive Operator Splitting，AOS)算法和可變傳導擴散方法來構(gòu)造非線性尺度空間。然后檢測感 興趣特征點，這些特征點在非線性尺度空間上經(jīng)過尺度歸一化后的Hessian矩陣行列式是 局部極大值(3 X 3鄰域）。
[0045] S2:特征點描述:根據(jù)Sl得到的特征點，若特征點的尺度參數(shù)為〇1，則搜索半徑設 為6〇1。對搜索圈內(nèi)所有鄰點的一階微分值Lx和Ly通過高斯加權(quán)，使得靠近特征點的響應貢 獻大，而遠離特征點的響應貢獻小。將這些微分值視作向量空間中的點集，在一個角度為V 3的扇形滑動窗口內(nèi)對點集進行向量疊加，遍歷整個圓形區(qū)域。獲得最長向量的角度就是主 方向。在梯度圖像上以特征點為中心取24〇i X 24〇i的窗口，并將窗口劃分為4 X 4子區(qū)域，在 每個子區(qū)域上進行高斯核加權(quán)，然后計算出長度為4的子區(qū)域描述向量dv=(ELx，EL y，Σ Lx|，Σ |Ly|)，再通過另一個大小為4X4的高斯窗口對每個子區(qū)域的向量dv進行加權(quán)，最后 進行歸一化處理，得到4 X 4 X 4 = 64維的描述向量；
[0046] S3:特征匹配:對于S2中提取出來的每個特征，計算其與其它所有特征向量之間的 歐式距離，并按照從小到大排序。計算最近鄰Cl1和次近鄰山之間的比值，如果比值小于0.5， 則認為距離為Cl 1的兩個特征匹配；
[0047] S4:錯誤匹配對濾除:使用SLIC算法對輸入的彩色圖像進行語義分割，得到有意義 的圖像塊。統(tǒng)計每個塊中匹配特征點的個數(shù)NP_t，如果NP_t小于3,則將塊中的特征點連同 其匹配點判斷為離異點并刪除；
[0048] S5:仿射矩陣估計:任取三對不共線的匹配對，計算它們之間的仿射變換矩陣T1， 并將剩下的匹配點根據(jù)!^進行變換，計算變換前后匹配點對之間的誤差。如果誤差小于β， 則這個矩陣!\獲得一票。將前述步驟迭代多次，每次選出得票數(shù)最多的矩陣，直到最后剩下 的矩陣票數(shù)不超過5為止。
[0049] S6:可疑區(qū)域定位:對于原始圖像I，使用S5得到的仿射矩陣進行坐標變換，得到變 換后的圖像Μ。計算原始圖像與變換后圖像相應位置之間的相關(guān)系數(shù)，得到代表相似度的相 關(guān)系數(shù)圖。相關(guān)系數(shù)的取值范圍在[0，1]之間，值越大代表越相似。對于得到的相關(guān)系數(shù)圖 進行二值化處理，二值化閾值為〇. 55。如果相關(guān)系數(shù)值大于0.55，則認為本位置的點為可疑 點，其二值圖相應位置的值設為1，否則設為0。最后將得到的二值圖進行形態(tài)學操作以濾除 雜亂點，生成最終的檢測結(jié)果圖。
[0050] 如圖2所示，該基于KAZE特征點的圖像區(qū)域復制粘貼篡改檢測方法的實驗效果。圖 2(a)為待檢測的圖像，篡改區(qū)域在圖中用粗線標出；圖2(b)為本發(fā)明算法的實際檢測效果 圖，從圖中可以明顯地看出篡改區(qū)域被精確地標定出。
[0051] 相同或相似的標號對應相同或相似的部件；
[0052]附圖中描述位置關(guān)系的用于僅用于示例性說明，不能理解為對本專利的限制； [0053]顯然，本發(fā)明的上述實施例僅僅是為清楚地說明本發(fā)明所作的舉例，而并非是對 本發(fā)明的實施方式的限定。對于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎上還可 以做出其它不同形式的變化或變動。這里無需也無法對所有的實施方式予以窮舉。凡在本 發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應包含在本發(fā)明權(quán)利要求 的保護范圍之內(nèi)。
【主權(quán)項】
1. 一種基于KAZE特征點的圖像區(qū)域復制粘貼篡改檢測方法，其特征在于，包括以下步 驟： S1:KAZE特征點提取:對于待檢測的圖像，采用加性算子分裂算法AOS算法和可變傳導 擴散方法來構(gòu)造非線性尺度空間，然后檢測感興趣特征點，這些特征點在非線性尺度空間 上經(jīng)過尺度歸一化后的Hessian矩陣行列式是局部極大值； S2:特征點描述:根據(jù)步驟S1得到的特征點，若特征點的尺度參數(shù)為〇1，則搜索半徑設為 6〇i;對搜索圈內(nèi)所有鄰點的一階微分值Lx和Ly通過高斯加權(quán)，使得靠近特征點的響應貢獻 大，而遠離特征點的響應貢獻小;將這些微分值視作向量空間中的點集，在一個角度為:π/3 的扇形滑動窗口內(nèi)對點集進行向量疊加，遍歷整個圓形區(qū)域;獲得最長向量的角度就是主 方向；在梯度圖像上以特征點為中心取24〇i X 24〇i的窗口，并將窗口劃分為4 X 4子區(qū)域，在 每個子區(qū)域上進行高斯核加權(quán)，然后計算出長度為4的子區(qū)域描述向量dv=(ELx，EL y，E Lx|，Σ |Ly|)，再通過另一個大小為4X4的高斯窗口對每個子區(qū)域的向量dv進行加權(quán)，最后 進行歸一化處理，得到4 X 4 X 4 = 64維的描述向量； S3:特征匹配:對于步驟S2中提取出來的每個特征，計算其與其它所有特征向量之間的 歐式距離，并按照從小到大排序;計算最近鄰cU和次近鄰山之間的比值，如果比值小于0.5， 則認為距離為cU的兩個特征匹配； S4:錯誤匹配對濾除:使用SLIC算法對輸入的彩色圖像進行語義分割，得到有意義的圖 像塊;統(tǒng)計每個塊中匹配特征點的個數(shù)NP_t，如果NP_t小于3，則將塊中的特征點連同其匹 配點判斷為離異點并刪除； S5:仿射矩陣估計:任取三對不共線的匹配對，計算它們之間的仿射變換矩陣，并將剩 下的匹配點根據(jù)^進行變換，計算變換前后匹配點對之間的誤差；如果誤差小于β，則這個 矩陣h獲得一票;將前述步驟迭代多次，每次選出得票數(shù)最多的矩陣，直到最后剩下的矩陣 票數(shù)不超過5為止； S6:可疑區(qū)域定位:對于原始圖像I，使用步驟S5得到的仿射矩陣進行坐標變換，得到變 換后的圖像M;計算原始圖像與變換后圖像相應位置之間的相關(guān)系數(shù)，得到代表相似度的相 關(guān)系數(shù)圖；相關(guān)系數(shù)的取值范圍在[〇，1]之間，值越大代表越相似;對于得到的相關(guān)系數(shù)圖 進行二值化處理，二值化閾值為〇. 55;如果相關(guān)系數(shù)值大于0.55，則認為本位置的點為可疑 點，其二值圖相應位置的值設為1，否則設為〇;最后將得到的二值圖進行形態(tài)學操作以濾除 雜亂點，生成最終的檢測結(jié)果圖。2. 根據(jù)權(quán)利要求1所述的基于KAZE特征點的圖像區(qū)域復制粘貼篡改檢測方法，其特征 在于，所述步驟S1中非線性尺度空間構(gòu)造過程如下： 將圖像金字塔分為0組，每組有S層，不同的組和層通過序號〇和8來標記，并且通過下面 的公式來計算尺度參數(shù)〇:公式(1)中，是初始尺度，N=0*S是整個尺度空間包含的圖像總數(shù);然后將以像素為單 位的尺度參數(shù)〇:轉(zhuǎn)換至時間單位，為了簡便，將odoj)寫成〇1，轉(zhuǎn)換映射公式如下：其中U為進化時間；對于一幅輸入圖像，KAZE算法首先對其進行高斯濾波;然后計算圖 像的梯度直方圖，從而獲取對比度參數(shù)K;根據(jù)一組進化時間，利用AOS算法即可得到非線性 尺度空間的所有圖像：其中Μ表示圖像在各個維度1上傳導性的矩陣，L1表示在尺度i上的圖像亮度，I表示單 位矩陣。3. 根據(jù)權(quán)利要求1所述的基于KAZE特征點的圖像區(qū)域復制粘貼篡改檢測方法，其特征 在于，所述步驟S5的仿射矩陣估計過程如下： 對于匹配的兩個點，X=(x，y)和f = (.?;刃，它們之間的仿射變換關(guān)系表示成下面的形 式：在公式(4)中，&々，(3，(1，^，。是待定系數(shù)，1'是要求的仿射矩陣;使用三對非共線的匹配 對，代入到公式(4)中即可求得T;在實際的求解時，對于給定的一系列點(心，辦，···，Xn)和它 對應的匹配點GUy.,爲〇,尋找滿足要求的Τ，使得總誤差最小，誤差計算公式如下：每次計算都會得到一個仿射變換矩陣!^，并將剩下的匹配點根據(jù)1\進行變換，計算變換 前后匹配點對之間的誤差;如果誤差小于β，則這個矩陣h獲得一票;將前述步驟迭代多次， 每次選出得票數(shù)最多的矩陣，直到最后剩下的矩陣票數(shù)不超過5為止。4. 根據(jù)權(quán)利要求1所述的基于KAZE特征點的圖像區(qū)域復制粘貼篡改檢測方法，其特征 在于，所述步驟S6的可疑區(qū)域定位過程如下： 根據(jù)步驟S5得到的仿射矩陣T，將原始圖像I的每一個坐標位置進行仿射變換，新坐標 位置的像素值由原始圖像相應的像素值代替，這樣得到變換后的圖像M;計算它們對應位置 X之間的相關(guān)系數(shù)c(x)，計算公式如下：公式(6)中，Ω(χ)是以X為中心的7X7區(qū)域，I(u)和Μ(μ)是相應位置的像素值，f和Μ是7 Χ7區(qū)域的平均像素值;相關(guān)系數(shù)c(x)的取值范圍在[0，1]之間，值越大代表越相似;然后對 于得到的相關(guān)系數(shù)圖進行二值化處理，二值化的閾值為〇. 55;如果相關(guān)系數(shù)值大于0.55，則 認為本位置的點為可疑點，其二值圖相應位置的值設為1，否則設為〇;最后將得到的二值圖 進行形態(tài)學操作以濾除雜亂點，生成最終的檢測結(jié)果圖。
【文檔編號】G06K9/46GK106056122SQ201610364999
【公開日】2016年10月26日
【申請日】2016年5月26日
【發(fā)明人】盧偉, 李靜偉
【申請人】中山大學