专利名称：：基于图像的局部模糊篡改盲检测方法
技术领域：
：本发明涉及一种基于图像的局部模糊篡改盲检测方法。该方法针对的是不同图像经过人为的拼接并为了消除拼接痕迹用局部模糊手段对拼接边缘进行的篡改处理。这类局部模糊篡改图像在现实生活中普遍存在。此方法在图像信息安全领域有广泛的应用前景。
背景技术：
：随着数字技术的发展，图像作为信息的一种常见表达方式，广泛地应用于社会的各个方面。图像越来越多地以数字的形式存储。数字化摄取设备的普及和图像编辑软件功能的多样化使得人们很容易对数字图像进行操作，其中有一部分的恶意篡改图像会给他人的生活带来负面的影响。图像拼接和模糊是数字图像处理的常用手段，将这两种手段应用于篡改图像的产生会制造出人眼不易察觉的局部模糊篡改图像。近些年来很多学者对模糊的检测问题做了一些研究。模糊操作可以用来对图像的局部进行处理以掩盖图像篡改的痕迹。因此检测图像中的局部模糊可以对图像篡改作检测。将图像篡改这类方法根据研究对像分成三大类(1)图像局部模糊检测问题。这类问题的解决方法是通过提取局部图像的特征，将各个局部特性进行统计分类从而确定模糊区域。(2)图像边缘模糊检测问题。这类问题运用各种方法对图像的边缘进行统计归类，根据边缘特征进行边缘模糊检测并依据模糊边缘最终确定模糊区域。⑶降晰图像的合成问题。两幅由不同模糊函数处理的合成图像称之为降晰图像。合成降晰图像的检测是依据图像的模糊函数对图像进行划分。前两大类方法需要从统计学的角度统计各种边缘的特性，并从不同的域中提取出特征参数，因此这两类方法对于图像库的依赖性较高。当检测图像库外的图像时，其效果较差。而第三类方法检测正确率较差且当图像经过后处理之后检测效果大大折扣。因此从实际应用的角度出发，开发出一种检测正确率高，能够抵抗一定的图像后处理操作且不依赖于图像库的检测方法是非常有必要的。
发明内容本发明的目的在于针对现有技术中检测局部模糊篡改图像存在的不足，提出一种基于图像的局部模糊篡改盲检测方法，它能够有效地检测到图像的局部模糊篡改，特别是能够检测到肉眼难以辨别、程度较轻的模糊篡改，并且可以减小自然图像强边缘对检测结果的影响。为达到上述目的，本发明采用以下技术方案一种基于图像的局部模糊篡改盲检测方法，其步骤包括如下(1)、图像预处理(1-1)、对整幅图像进行低通滤波，消除噪声对检测结果的影响；(1-2)、采用小波域的同态滤波器对图像进行小波域的同态滤波；(2)、分别用prewitt边缘检测算法和多项式拟合的边缘检测算法标定图像的边缘，其具体步骤如下4(2-1)、用prewitt边缘检测算法确定图像的边缘；(2-2)、用多项式拟合的边缘检测算法标定图像的边缘(3)、两种算法标定的图像边缘比较，确定可疑的模糊篡改边缘根据多项式拟合的边缘检测算法标定图像的边缘与prewitt的边缘检测算法标定图像的边缘比较，两种算法标定图像的边缘相比较得出的不同的点为可疑的模糊痕迹，由可疑的模糊痕迹构成可疑的模糊篡改边缘。(4)、消除误检测点，认定真的模糊篡改边缘点根据第三步得到的可疑的模糊篡改边缘，消除误检测点，其计算式定义如下其中，F为经过图像边缘比较后得到的二值图像，它的大小为KXO，0(i,j)为图像F中行列坐标为(i，j)的点，如果图像F中行列坐标点(i，j)周围区域满足n(i，j)^3，则该点(i，j)认为是真的模糊篡改边缘点，否则该点(i，j)认为是误检测点。设矩阵①为一个与原图像相同大小的矩阵，将经过消除误检测点处理后的图像F放在矩阵O中，矩阵①中真的模糊篡改边缘点为1，其他点为0。(5)、标定图像局部模糊篡改区域用上述检测到真的模糊篡改边缘点标定局部模糊篡改区域，标定局部模糊篡改区域的计算式为其中，a(i，j)为矩阵①中值为1的点，它的坐标为(i，j)。局部模糊篡改区域标定过程为首先用find函数找到二值图像中不为0的点，不为0的点模糊篡改边缘点，然后根据公式(2)，将篡改边缘点周围区域点置为1，在二值图像中只有两个值0和1，篡改区域由所有值为1的点组成。所有值为0的点代表非篡改区域，最后得到矩阵①中所有值为1的点，所有值为1的点代表局部模糊篡改区域。上述步骤(1-2)中所述的采用小波域的同态滤波器对图像进行小波域的同态滤波，其具体步骤如下(1-2-1)、首先依次对图像进行取对数，小波变换和高通滤波，高通滤波的函数式为其中，wh，wv是垂直方向和水平方向的小波分解系数，j代表第几层分解；(1-2-2)、然后对图像进行小波逆变换，取指数操作，最后得到的图像是增强后的图像。上述步骤(2-1)中所述的用prewitt边缘检测算法确定图像的边缘，其具体步骤如下(2-1-1)、首先将图像划分为不重叠的3*3图像子块；5(2-1-2)、然后分别计算每一区域中心点的梯度值；每一区域内中心点处的梯度值由prewitt检测器按下式确定g=[G:+G2yf2⑷其中，Gx，Gy分别为水平方向和垂直方向的梯度值。(2-1-3)、最后通过人为设置阈值，将中心点梯度值大于阈值的点标定为图像的边缘。上述步骤(2-2)中所述的多项式拟合的边缘检测算法标定图像的边缘，其具体步骤如下(2-2-1)、将图像分割成互不重叠的子块；(2-2-2)、使用多项式的边缘拟合方法对图像子块进行曲线拟合并对该拟合曲线求导。根据局部清晰度的定义，由拟合曲线的导数值计算出图像子块的清晰度，局部清晰度的计算式如下其中，3f(i,j)/3x,3f(i，j)/3y分别表示点(i，j)处沿x方向，y方向的微分，在图，像中表示为相邻像素的差值，nXn表示以点(i，j)为中心的正方形大小，在计算局部清晰度之前首先对矩阵的中间一行和一列进行曲线多项式拟合。(2-2-3)、最后通过人为设定阈值，将局部清晰度大于阈值的点标定为图像边缘。本发明的基于图像的局部模糊篡改盲检测方法与现有的技术相比具有的有益效果是该方法在不依赖于图像库的前提下，能够有效地排除强边缘对于检测结果的影响，并且具有一定抵抗图像后处理的能力；由于该法是把两种不同的边缘检测算法相比较，因此可以在边缘比较时将影响检测结果较大的图像强边缘去除；该方法的算法在检测前对图像增加了一步预处理，在检测之前对图像进行的滤波和边缘增强能提高算法抵抗图像后处理的能力。图像在经过不同程度的增加噪声和JPEG压缩处理之后，对不同类型模糊篡改仍具有良好的正确率。图1为本发明的基于图像的局部模糊篡改盲检测方法的流程图；图2a为3*3的图像子块示意图；图2b为prewitt边缘检测算法水平方向的梯度矩阵示意图；图2c为prewitt边缘检测算法垂直方向的梯度矩阵示意图；图3为图像进行小波域的同态滤波的流程图；图4为本发明的算法在不同的信噪比情况下对于不同类型模糊篡改的检测正确率的对比示意图；图5为本发明的算法在不同的品质因数情况下对于不同类型模糊篡改的检测正确率的对比示意图。具体实施例方式下面结合附图对本发明的实施例作进一步详细的说明。本发明的基于图像的局部模糊篡改盲检测方法，如图1所示，其具体步骤如下(1)、图像预处理(1-1)、对整幅图像进行低通滤波，消除噪声对检测结果的影响；(1-2)、采用小波域的同态滤波器对图像进行小波域的同态滤波，如图3所示，图中WT代表n级小波变换，IWT代表n级逆小波变换，EXP代表取指数操作，LF代表一种高通滤波器，其具体步骤如下(1-2-1)、首先依次对图像进行取对数，小波变换和高通滤波，高通滤波的函数式为(3)其中，wh，wv是垂直方向和水平方向的小波分解系数，j代表第几层分解；(1-2-2)、然后对图像进行小波逆变换，取指数操作，最后得到的图像是增强后的图像，它具有更加明显的边缘信息。采用小波域的同态滤波器可以兼顾图像空域和频域特性，能综合考虑局部对比度增强性能和频域信息的高通性能，使图像具有明显的局部增强效果。(2)、分别用prewitt边缘检测算法和多项式拟合的边缘检测算法标定图像的边缘，其具体步骤如下(2-1)、用prewitt边缘检测算法确定图像的边缘。(2-1-1)、首先将图像划分为互不重叠的3*3图像子块，参见图2a，图中ZfZ9是图像子块中的各个像素点。(2-1-2)、然后分别计算每一区域中心点处水平方向和垂直方向的梯度值。如图2b,2c所示i水平方向和垂直方向的梯度矩阵分别乘以3*3的图像子块，将矩阵的每一项相加得到水平方向梯度和垂直方向梯度的计算公式为Gx=(Z7+Z8+Z9)-(Zi+Z^Za)(6)Gy=(Z3+Z6+Z9)-(Z1+Z4+Z7)(7)根据得到的水平方向梯度&和垂直方向梯度Gy求出每一区域中心点处的梯度值。其计算式为其中Gx，Gy分别为水平方向和垂直方向的梯度值。(2-1-3)、最后通过人为设置阈值，将中心点梯度值大于阈值的点标定为图像的边缘。(2-2)、用多项式拟合的边缘检测算法标定图像的边缘(2-2-1)、将图像分割成互不重叠的子块。(2-2-2)、使用多项式的边缘拟合方法对图像子块进行曲线拟合并对该拟合曲线求导，根据水平方向梯度，垂直方向梯度的计算式(6)，(7)由拟合曲线的导数值计算出图像子块的清晰度。局部清晰度的计算式如下其中，af(i,j)/3X，3f(i,j)/3y分别表示点(i，j)处沿x方向，y方向的微分，在图像中表示为相邻像素的差值。nXn表示以点(i，j)为中心的正方形大小。在计算局部清晰度之前，首先对矩阵的中间一行和一列进行曲线多项式拟合。(2-2-3)、最后通过人为设定阈值，将局部清晰度大于阈值的点标定为图像边缘。上述基于多项式的边缘拟合方法的原理为(8)其中y是边缘曲线，P2，…，Pn+1是拟合多项式的系数，xnGZ。只要先确定多项式的阶数就能够求出曲线的拟合多项式的系数。多项式的求解通过矩阵的运算获得。首先构造一个范德蒙得矩阵令y=可得到公式<从公式(9)看出V是一个非奇异矩阵，根据定义矩阵V能够进行QR分解V=QR(11)其中，Q是酉矩阵，R为非奇异上三角矩阵。将公式(11)代入(12)可得QRP=y(12)由于Q是酉矩阵，它存在逆阵。可以把公式(10)写成RP=Q_1y(13)P=R/(Q_1y)求得的P是拟合多项式系数的最小二乘解，得到多项式的系数后求出图像边缘的近似曲线。根据得到的近似曲线公式(5)求出某一区域的局部清晰度，将局部清晰度的值与人工设定的阈值相比，把局部清晰度大于阈值的点标记为模糊篡改边缘。(3)、两种算法标定的图像边缘比较，确定可疑的模糊篡改边缘根据多项式拟合的边缘检测算法标定的图像的边缘与prewitt的边缘检测算法标定的图像的边缘比较，两种算法标定图像的边缘相比较得出的不同的点为可疑的模糊痕8迹，由可疑的模糊痕迹构成可疑的模糊篡改边缘。如表一所示上述两种算法对于模糊篡改分别会使图像的梯度和局部清晰度有不同程度的下降率。通过比较两种算法检测到模糊篡改边缘的差异可以得到模糊篡改边缘。表一不同算法模糊前后边缘的梯度和局部清晰度降低率表一中A-st印，G-st印，D-st印，R-st印分别代表不同类型的边缘。由于多项式拟合的边缘检测算法与prewitt边缘检测方法相比，图像经过模糊后边缘局部清晰度的降低率更大。以prewitt边缘检测算法得到的模糊篡改边缘作为参考，将两次边缘检测的结果进行比较。两次检测结果不同的点是可疑的模糊篡改边缘。(4)、消除误检测点，认定真的模糊篡改边缘点根据第三步得到的可疑的模糊篡改边缘，消除误检测点，其计算式定义如下其中，F为经过图像边缘比较后得到的二值图像，它的大小为KXO，(i,j)为图像F中行列坐标为(i，j)的点，如果图像F中行列坐标点(i，j)周围区域满足n(i，j)^3，则该点(i，j)认为是真的模糊篡改边缘点，否则该点(i，j)认为是误检测点。设矩阵①为一个与原图像相同大小的矩阵，将经过消除误检测点处理后的图像F放在矩阵O中，矩阵①中真的模糊篡改边缘点为1，其他点为0。(5)、标定图像局部模糊篡改区域用上述检测到真的模糊篡改边缘点标定局部模糊篡改区域，标定局部模糊篡改区域的计算式为其中，a(i，j)为矩阵①中值为1的点，它的坐标为(i，j)。局部模糊篡改区域标定过程为首先用find函数找到二值图像中不为0的点，不为0的点模糊篡改边缘点，然后根据公式(2)，将篡改边缘点周围区域点置为1，在二值图像中只有两个值0和1，篡改区域由所有值为1的点组成。所有值为0的点代表非篡改区域，最后得到矩阵①中所有值为1的点，所有值为1的点代表局部模糊篡改区域。如图4所示，图像在经过增加噪声处理之后，本发明的算法对不同类型模糊篡改在不同信噪比条件下篡改检测的正确率，图中，横轴表示信噪比大小，纵轴表示正确检测率高低，三条曲线为，带框线为方差1.2r5*5高斯模糊曲线，带椭圆曲线为均勻模糊曲线；带“*”字曲线为圆盘模糊曲线。如图5所示，图像在经过JPEG压缩处理之后，本发明的算法对不同类型模糊篡改在不同压缩程度条件下篡改检测的正确率，图中，横轴表示品质因数大小，纵轴表示正确检测率高低，三条曲线为，带框线为方差1.2r5*5高斯模糊曲线，带椭圆曲线为均勻模糊曲线；带“*”字曲线为圆盘模糊曲线。从上述图4、5可以看出本发明的基于图像的局部模糊篡改盲检测算法在低信噪比和低品质因数的情况下仍有较好的正确率。权利要求一种基于图像的局部模糊篡改盲检测方法，其步骤包括如下(1)、图像预处理(1-1)、首先对整幅图像进行低通滤波，消除噪声对检测结果的影响；(1-2)、采用小波域的同态滤波器对图像进行小波域的同态滤波(2)、分别用prewitt边缘检测算法和多项式拟合的边缘检测算法标定图像的边缘，其具体步骤如下(2-1)、用prewitt边缘检测算法确定图像的边缘(2-2)、用多项式拟合的边缘检测算法标定图像的边缘；(3)、两种算法标定的图像边缘比较，确定可疑的模糊篡改边缘；根据多项式拟合的边缘检测算法标定图像的边缘与prewitt的边缘检测算法标定图像的边缘比较，两种算法标定图像的边缘相比较得出的不同的点为可疑的模糊痕迹，由可疑的模糊痕迹构成可疑的模糊篡改边缘；(4)、消除误检测点，认定真的模糊篡改边缘点根据第三步得到的可疑的模糊篡改边缘，消除误检测点，其计算式定义如下<mrow><mfencedopen=''close=''><mtable><mtr><mtd><mi>Π</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>m</mi><mo>=</mo><mo>-</mo><mn>1</mn></mrow><mn>1</mn></munderover><munderover><mi>Σ</mi><mrow><mi>m</mi><mo>=</mo><mo>-</mo><mn>1</mn></mrow><mn>1</mn></munderover><mi>Θ</mi><mrow><mo>(</mo><mi>i</mi><mo>+</mo><mi>m</mi><mo>,</mo><mi>j</mi><mo>+</mo><mi>n</mi><mo>)</mo></mrow></mtd><mtd><mn>2</mn><mo><</mo><mi>i</mi><mo><</mo><mi>K</mi><mo>-</mo><mn>1,2</mn><mo><</mo><mi>j</mi><mo><</mo><mi>O</mi><mo>-</mo><mn>1</mn></mtd></mtr><mtr><mtd></mtd><mtd><mi>Θ</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>⋐</mo><mi>F</mi></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow>其中，F为经过图像边缘比较后得到的二值图像，它的大小为K×O，Θ(i，j)为图像F中行列坐标为(i，j)的点，如果图像F中行列坐标点Θ(i，j)周围区域满足∏(i，j)≥3，则该点Θ(i，j)认为是真的模糊篡改边缘点，否则该点Θ(i，j)认为是误检测点。设矩阵Φ为一个与原图像相同大小的矩阵，将经过消除误检测点处理后的图像F放在矩阵Φ中，矩阵Φ中真的模糊篡改边缘点为1，其他点为0。(5)、标定图像局部模糊篡改区域用上述检测到真的模糊篡改边缘点标定局部模糊篡改区域，标定局部模糊篡改区域的计算式为<mfencedopen=''close=''separators=''><mtable><mtr><mtd><munderover><mi>Σ</mi><mrow><mi>m</mi><mo>=</mo><mo>-</mo><mn>1</mn></mrow><mn>1</mn></munderover><munderover><mi>Σ</mi><mrow><mi>m</mi><mo>=</mo><mo>-</mo><mn>1</mn></mrow><mn>1</mn></munderover><mi>α</mi><mrow><mo>(</mo><mi>i</mi><mo>+</mo><mi>m</mi><mo>,</mo><mi>j</mi><mo>+</mo><mi>n</mi><mo>)</mo></mrow><mo>=</mo><mn>1</mn></mtd><mtd><mn>2</mn><mo><</mo><mi>i</mi><mo><</mo><mi>K</mi><mo>-</mo><mn>1,2</mn><mo><</mo><mi>j</mi><mo><</mo><mi>O</mi><mo>-</mo><mn>1</mn></mtd></mtr><mtr><mtd></mtd><mtd><mi>α</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>⋐</mo><mi>Φ</mi></mtd></mtr></mtable><mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow></mfenced>其中，α(i，j)为矩阵Φ中值为1的点，它的坐标为(i，j)。局部模糊篡改区域标定过程为首先用find函数找到二值图像中不为0的点，不为0的点模糊篡改边缘点，然后根据公式(2)，将篡改边缘点周围区域点置为1，最后得到矩阵Φ中所有值为1的点，所有值为1的点代表局部模糊篡改区域。2.根据权利要求1所述的基于图像的局部模糊篡改盲检测方法，其特征在于，上述步骤(1-2)中所述的采用小波域的同态滤波器对图像进行小波域的同态滤波，其具体步骤如下(1-2-1)、首先依次对图像进行取对数，小波变换和高通滤波，高通滤波的函数式为其中，wh，wv是垂直方向和水平方向的小波分解系数，j代表第几层分解；(1-2-2)、然后对图像进行小波逆变换，取指数操作，最后得到的图像是增强后的图像。3.根据权利要求2所述的基于图像的局部模糊篡改盲检测方法，其特征在于，上述步骤(2-1)中所述的用prewitt边缘检测算法确定图像的边缘，其具体步骤如下(2-1-1)、首先将图像划分为不重叠的3*3图像子块；(2-1-2)、然后分别计算每一区域中心点的梯度值；每一区域内中心点处的梯度值由prewitt检测器按下式确定其中，Gx，Gy分别为水平方向和垂直方向的梯度值；(2-1-3)、最后通过人为设置阈值，将中心点梯度值大于阈值的点标定为图像的边缘。4.根据权利要求1或2或3所述的基于图像的局部模糊篡改盲检测方法，其特征在于，上述步骤(2-2)中所述的多项式拟合的边缘检测算法标定图像的边缘，具体步骤如下(2-2-1)、将图像分割成互不重叠的子块；(2-2-2)、使用多项式的边缘拟合方法对图像子块进行曲线拟合并对该拟合曲线求导，根据局部清晰度的定义，由拟合曲线的导数值计算出图像子块的清晰度，局部清晰度的计算式如下其中，5f(i,j)/5x，af(i,j)/办分别表示点(i，j)处沿X方向，y方向的微分，在图像中表示为相邻像素的差值，nXn表示以点(i，j)为中心的正方形大小，在计算局部清晰度之前首先对矩阵的中间一行和一列进行曲线多项式拟合，(2-2-3)、最后通过人为设定阈值，将局部清晰度大于阈值的点标定为图像边缘。全文摘要本发明公开了一种基于图像的局部模糊篡改盲检测方法，其步骤包括(1)图像预处理；(2)分别用prewitt边缘检测算法和多项式拟合的边缘检测算法标定图像的边缘；(3)两种算法标定的图像边缘比较，确定可疑的模糊篡改边缘；(4)消除误检测点(5)标定图像局部模糊篡改区域。该方法把两种不同的边缘检测算法相比较，在图像边缘比较时将影响检测结果较大的图像强边缘去除；该方法的算法在检测之前对图像进行的滤波和边缘增强，能提高算法抵抗图像后处理的能力，图像在经过不同程度的增加噪声和JPEG压缩处理之后，对不同类型模糊篡改仍具有良好的正确率。文档编号G06K9/62GK101859385SQ20101021564公开日2010年10月13日申请日期2010年6月29日优先权日2010年6月29日发明者何超,方勇申请人:上海大学