基于首数字定律的图像高斯模糊篡改检测方法
【专利摘要】本发明涉及一种基于首数字定律的图像高斯模糊篡改检测方法，包括以下步骤：取一定数量的自然图像作为训练样本，分别提取各自然图像的RGB三个颜色通道的梯度以及DCT域AC系数的MSD的首数字定律特征；对各自然图像进行高斯模糊操作，得到高斯模糊图像，然后分别提取各高斯模糊图像的RGB三个颜色通道的梯度以及DCT域AC系数的MSD的首数字定律特征；把各自然图像、高斯模糊图像的梯度以及DCT域AC系数的MSD的首数字定律特征放入SVM分类器中训练，得到训练好的SVM分类器；用训练好的SVM分类器对待测图像进行检测，判断待测图像是否经过模糊篡改。该方法增强了图像高斯模糊篡改检测的普适性，提高了检测效率。
【专利说明】基于首数字定律的图像高斯模糊篡改检测方法
【技术领域】
[0001]本发明属于图像篡改检测【技术领域】，特别涉及一种基于首数字定律的图像高斯模糊篡改检测方法。
【背景技术】
[0002]随着信息科学的迅速发展，图像处理软件越来越强大，图像是否经过篡改也越来越难发现。而模糊操作作为一种常见的自然图像篡改手段，有以下几个特点:首先，它在图像篡改中起着一种辅助作用来掩饰篡改中留下的痕迹；其次，模糊操作作为一个主要的篡改手段，也可对图像去噪，美化，模拟自然模糊。因此，检测一副图像是否经过模糊就变得非
常重要。
[0003]针对图像模糊操作，国内外学者进行了一定的研究。例如，赵俊红提出了一种基于粗糙集理论的图像边缘模糊取证方法，该方法先用模糊数学对人工模糊边缘进行图像模糊增强，得到被增强的人工模糊边缘与别减弱的非人工模糊边缘的图像，再利用粗糙集理论去除残留的正常边缘；针对人工模糊与离焦模糊，Zhou通过同态滤波技术缩小经过离焦模糊边缘的动态范围，增强人工模糊的拼接边缘，而自然正常边缘得到弱化，再利用腐浊运算逐步排除自然边缘，定位出图像拼接边缘；由于模糊篡改的实质是是在频域对图像进行低通滤波，所以Hsiao等人用频域算法对局部模糊进行定位；陈英等人提出“不和谐点”概念，把在被检测图像的边缘找到大量消失的“不和谐点”作为篡改图像的证据。但以上研究主要是鉴别局部模糊操作。孙堡垒等人提出了基于Benford定律的关于AC系数模糊篡改取证，但此种算法对某类型的图片检测率较高，而对另外的图片的检测正确率却又不够理想，普适性较差。
【发明内容】
[0004]本发明的目的在于克服现有技术的不足，提供一种基于首数字定律的图像高斯模糊篡改检测方法，该方法增强了图像高斯模糊篡改检测的普适性，提高了检测效率。
[0005]为实现上述目的，本发明的技术方案是:一种基于首数字定律的图像高斯模糊篡改检测方法，包括以下步骤:
步骤(I)取一定数量的自然图像作为训练样本，分别提取各自然图像的RGB三个颜色通道的梯度的首位有效数字的首数字定律特征；
步骤(2)对各自然图像的RGB三个颜色通道分别进行8X8的不重复块离散余弦变换，得到8X8分块离散余弦变换系数矩阵，随后提取离散余弦变换域交流分量的首位有效数字的首数字定律特征；
步骤(3)对各自然图像进行高斯模糊操作，得到高斯模糊图像，然后分别提取各高斯模糊图像的RGB三个颜色通道的梯度的首位有效数字的首数字定律特征以及离散余弦变换域交流分量的首位有效数字的首数字定律特征；
步骤(4)把得到的各自然图像、高斯模糊图像的RGB三个颜色通道的梯度的首位有效数字的首数字定律特征以及离散余弦变换域交流分量的首位有效数字的首数字定律特征放入SVM分类器中进行训练，得到训练好的SVM分类器；
步骤(5)用训练好的SVM分类器对待测图像进行检测，判断待测图像是否经过模糊篡改。
[0006]进一步的，所述训练好的SVM分类器按如下方法对待测图像进行检测:
提取待测图像的RGB三个颜色通道的梯度的首位有效数字的首数字定律特征以及离散余弦变换域交流分量的首位有效数字的首数字定律特征，并输入SVM分类器，所述SVM分类器判断待测图像为自然图像或高斯模糊图像，从而判断待测图像是否经过模糊篡改。
[0007]进一步的，所述离散余弦变换为二维离散余弦变换，二维离散余弦变换Α(?，K)用公式(I)表示如下:
【权利要求】
1.一种基于首数字定律的图像高斯模糊篡改检测方法，其特征在于，包括以下步骤: 步骤(1)取一定数量的自然图像作为训练样本，分别提取各自然图像的RGB三个颜色通道的梯度的首位有效数字的首数字定律特征； 步骤(2)对各自然图像的RGB三个颜色通道分别进行8X8的不重复块离散余弦变换，得到8X8分块离散余弦变换系数矩阵，随后提取离散余弦变换域交流分量的首位有效数字的首数字定律特征； 步骤(3)对各自然图像进行高斯模糊操作，得到高斯模糊图像，然后分别提取各高斯模糊图像的RGB三个颜色通道的梯度的首位有效数字的首数字定律特征以及离散余弦变换域交流分量的首位有效数字的首数字定律特征； 步骤(4)把得到的各自然图像、高斯模糊图像的RGB三个颜色通道的梯度的首位有效数字的首数字定律特征以及离散余弦变换域交流分量的首位有效数字的首数字定律特征放入SVM分类器中进行训练，得到训练好的SVM分类器； 步骤(5)用训练好的SVM分类器对待测图像进行检测，判断待测图像是否经过模糊篡改。
2.根据权利要求1所述的基于首数字定律的图像高斯模糊篡改检测方法，其特征在于，所述训练好的SVM分类器按如下方法对待测图像进行检测: 提取待测图像的RGB三个颜色通道的梯度的首位有效数字的首数字定律特征以及离散余弦变换域交流分量的首位有效数字的首数字定律特征，并输入SVM分类器，所述SVM分类器判断待测图像为自然图像或高斯模糊图像，从而判断待测图像是否经过模糊篡改。
3.根据权利要求1所述的基于首数字定律的图像高斯模糊篡改检测方法，其特征在于，所述离散余弦变换为二维离散余弦变换，二维离散余弦变换κ)用公式(I)表示如下:
4.根据权利要求1所述的基于首数字定律的图像高斯模糊篡改检测方法，其特征在于，离散余弦变换域交流分量的首位有效数字的首数字定律特征提取方法如下: 首先，对图像的每一个颜色通道，计算8X8离散余弦变换分块；然后由公式(2)计算每一个离散余弦变换分块的所有交流分量ζ的首位有效数字d:.X
5.根据权利要求1所述的基于首数字定律的图像高斯模糊篡改检测方法，其特征在于，二维函数/Cr，,)的梯度用公式(4)表示如下:
【文档编号】G06T7/00GK104021567SQ201410292782
【公开日】2014年9月3日 申请日期:2014年6月26日 优先权日:2014年6月26日
【发明者】陈明志, 贾福运, 叶潇翔, 查昊迅, 肖传奇 申请人:福州大学