一种基于隐写分析的图像拼接篡改检测方法及装置制造方法及图纸

本发明专利技术公开一种基于隐写分析的图像拼接篡改检测方法及装置。其方法包括以下步骤：选取若干未经拼接篡改的图像作为原始图像，使用图像处理软件对原始图像，以图像拼接的方式对图像文件进行篡改，获取拼接篡改后的图像；使用高级隐写分析统计模型对原始图像和拼接篡改后的图像提取特征；根据得到的特征，用原始图像与拼接篡改后的图像对分类器进行训练，得到分类器模型；提取待测图像的特征，根据分类器模型判断待测图像是否被拼接篡改。本发明专利技术可以作为一种有效的手段将图像隐写分析方法应用于图像拼接篡改检测，对数字图像的真实性进行鉴别，从而为检测图像拼接篡改提供准确有效的自动化技术手段。

【技术实现步骤摘要】
一种基于隐写分析的图像拼接篡改检测方法及装置
本专利技术涉及多媒体内容取证领域，更具体地，涉及一种基于隐写分析的图像拼接篡改检测方法及装置。
技术介绍
作为保障图像信息安全的两个重要技术手段，图像隐写分析和篡改检测技术已成为多媒体信息安全领域的研究热点。图像隐写分析是针对数字隐写的逆向分析技术，其主要目的是检测秘密信息的存在性，并作为一条测试隐写算法安全性的有效途径。图像篡改检测是数字图像盲取证技术的重要研究内容之一，它是在不依赖任何预签名提取或预嵌入信息的前提下，直接通过分析图像数据的固有特征，来鉴别数字图像的真实性。图像拼接篡改，作为最普遍、最基本的图像篡改手段，往往是图像篡改操作的第一步。图像拼接，是指把同一幅图像或者不同图像的一部分复制，直接或经过调整处理后，粘贴到同一幅或另一幅图像上的操作。拼接篡改本身具有很大的信息欺骗性，而且很难被人眼识别处理，图像拼接检测在图像篡改检测中占极其重要的地位。高分辨率的数码相机，功能强大的个人电脑及各种图像处理软件的普及与应用，如GNUGimp、AdobePhotoshop，使得一般的用户都能轻而易举的实现对数字图像的拼接篡改而不留下明显的痕迹。如果虚假的相片被滥用，必将带来一些问题，如涉及到法律证据的真实性、新闻图像的真实性、个人的隐私保护等，检测图像拼接篡改，进而鉴别图像数据的真实性有着非常重要的意义。
技术实现思路
本专利技术旨在至少在一定程度上解决上述技术问题。本专利技术的首要目的是提供一种简单有效的基于隐写分析的图像拼接篡改检测方法。本专利技术的进一步目的是提供一种简单有效的基于隐写分析的图像拼接篡改检测装置。为解决上述技术问题，本专利技术的技术方案如下：一种基于隐写分析的图像拼接篡改检测方法，包括以下步骤：S1：选取若干未经拼接篡改的图像作为原始图像，使用图像处理软件对原始图像，以图像拼接的方式对图像文件进行篡改，获取拼接篡改后的图像；S2：使用高级隐写分析统计模型对原始图像和拼接篡改后的图像提取特征；S3：根据步骤S2中得到的特征，用原始图像与拼接篡改后的图像对分类器进行训练，得到分类器模型；S4：提取待测图像的特征，根据分类器模型判断待测图像是否被拼接篡改。在一种优选的技术方案中，步骤S1中，原始图像通过拍摄设备拍摄得到且未经压缩；原始图像的原始性是本专利技术检测准确率的重要因素。在一种优选的技术方案中，步骤S1中，对原始图像文件进行拼接篡改时考虑图像语义，使人眼难以识别；此举的目的是使数据样本更接近真实情况，从而提高检测的准确率。在一种优选的技术方案中，步骤S2中，使用的高级隐写分析统计模型为数字图像隐写分析富模型，对原始图像和拼接篡改后的图像提取特征具体包括以下步骤：（1）计算图像的残差矩阵：如果图像为彩色图象，首先将彩色图像转成灰度图像，或者选择彩色图像RGB通道的其中一个通道，分别利用线性和非线性滤波器，对图像进行滤波操作，分别得到不同的残差矩阵；（2）对得到的残差矩阵进行归一化：以q>0的量化步长对残差矩阵进行量化，接着以T>0对残差矩阵进行截断，只保留在[-T,T]范围的系数；（3）利用共生矩阵计算残差矩阵的统计特征：对于每个不同的残差矩阵，对于水平方向和垂直方向，分别利用共生矩阵统计同一方向相邻四个系数之间的相关性，得到四维度的共生矩阵系数。组合所有的共生矩阵系数特征，组织成向量形式，得到图像的富模型统计特征。在一种优选的技术方案中，步骤（2）中，选取的参数为T=q=2。在一种优选的技术方案中，步骤S3中，分类器是支持向量机（SVM）或多分类器集成（Ensemble）；SVM是现代分类技术中常用的分类器，而多分类器集成是将相互之间具有独立决策能力的分类器联合起来，使得分类的准确率更高。一种基于隐写分析的图像拼接篡改检测装置，包括：拼接篡改模块：用于对选未经拼接篡改的原始图像以图像拼接的方式对图像文件进行篡改，构造拼接篡改后的图像；特征提取模块：用于使用高级隐写分析统计模型对原始图像和拼接篡改后的图像提取特征；分类器训练模块：用于根据提取到的特征，用原始图像与拼接篡改后的图像对分类器进行训练，得到分类器模型；图像检测模块：用于根据待测图像的特征和分类器模型判断待测图像是否被拼接篡改。与现有技术相比，本专利技术技术方案的有益效果是：本专利技术根据图像隐写分析中所利用的自然图像统计特性，建立起图像隐写模型和图像拼接篡改模型的联系，将图像隐写分析方法用于检测图像拼接篡改，依据隐写分析方法提取图像统计特征，结合现有的分类技术如Ensemble、SVM等对特征进行分类，可以准确有效地对数字图像的拼接篡改行为进行检测，进而鉴别图像信息的真实性，为图像拼接篡改检测提供有效的自动化技术手段。本专利技术对图像拼接篡改的检测准确率高于现有的专用拼接检测方法附图说明图1是图像拼接篡改过程示意图。图2是本专利特征的提取与分类器模型的构造的示意图。图3是本专利利用分类器对待测图像做拼接篡改检测判断示意图。图4是利用Ensemble技术比较隐写分析、拼接检测方法的性能示意图。图5是利用SVM技术比较隐写分析、拼接检测方法的性能示意图。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；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；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。下面结合附图和实施例对本专利技术的技术方案做进一步的说明。本专利技术方法通过以下步骤对待测图像文件拼接篡改进行辨识：特征的提取与分类器模型的构造:（1）拼接篡改图像集的构造：从成像设备上取得未经篡改的原始图像。这些图像应包括各种不同型号的相机、不同的室内室外场景、不同的人物风景内容，且保留原始的未经压缩的格式。为了使得训练比较准确，图像集的数量应该尽可能多；如图1所示，从收集的图像集中选择图像，使用图像处理软件，或者是程序，以图像拼接的方式对图像文件进行篡改，得到拼接篡改图像集。拼接篡改过程考虑图像语义，拼接图像做到人眼难以识别；（2）如图2所示，对无篡改图像集与经拼接篡改图像集中的每个图像文件，选取一些高级隐写分析统计模型，分别对图像提取其特征：本实施例采用数字图像隐写分析富模型作为示例说明。富模型通过线性滤波和非线性滤波，构建106个子模型用于统计相邻像素点之间的相关性。组合这些子模型的统计特征形成富模型特征。具体的方法和步骤如下：a.首先计算图像的残差矩阵。本方法主要针对灰度图像，对于彩色图像，则先转成灰度图像，或者选择图像RGB通道的其中一个通道进行特征提取。分别利用线性和非线性滤波器，对图像进行滤波操作，分别得到不同的残差矩阵。滤波器模板大小可以为3*3,5*5，或者其他自定义形状，优选的是3*3。具体方法是选用模板大小为3*3线性滤波器，对于每个被操作的像素点，由其八相邻点像素值相加得到的预测值减去该像素点像素值的两倍，得到该点的残差值。对图像的每个像素进行操作，从而得到整个图像的残差矩阵；b.然后对a得到的残差矩阵进行归一化。以q>0的量化步长对残差矩阵进行量化，接着以T>0对残差矩阵进行截断，只保留在[-T,T]范围的系数。具体方法是先将残差矩阵系数除以q，取整，然后将残差矩阵中大于T和小于-T的系数置为0。这里的本文档来自技高网...

【技术保护点】
一种基于隐写分析的图像拼接篡改检测方法，其特征在于，包括以下步骤：S1：选取若干未经拼接篡改的图像作为原始图像，使用图像处理软件对原始图像，以图像拼接的方式对图像文件进行篡改，获取拼接篡改后的图像；S2：使用高级隐写分析统计模型对原始图像和拼接篡改后的图像提取特征；S3：根据步骤S2中得到的特征，用原始图像与拼接篡改后的图像对分类器进行训练，得到分类器模型；S4：提取待测图像的特征，根据分类器模型判断待测图像是否被拼接篡改。

【技术特征摘要】
1.一种基于隐写分析的图像拼接篡改检测方法，其特征在于，包括以下步骤：S1：选取若干未经拼接篡改的图像作为原始图像，使用图像处理软件对原始图像，以图像拼接的方式对图像文件进行篡改，获取拼接篡改后的图像；S2：使用数字图像隐写分析富模型对原始图像和拼接篡改后的图像提取特征，具体包括以下步骤：（1）计算图像的残差矩阵：如果图像为彩色图象，首先将彩色图像转成灰度图像，或者选择彩色图像RGB通道的其中一个通道，分别利用线性和非线性滤波器，对图像进行滤波操作，分别得到不同的残差矩阵；（2）对得到的残差矩阵进行归一化：以q>0的量化步长对残差矩阵进行量化，接着以T>0对残差矩阵进行截断，只保留在[-T,T]范围的系数；（3）利用共生矩阵计算残差矩阵的统计特征：对于每个不同的残差矩阵，对于水平方向和垂直方向，分别利用共生矩阵统计同一方向相邻四个系数之间...

【专利技术属性】
技术研发人员：丘晓青，李昊东，骆伟祺，黄继武，
申请(专利权)人：中山大学，深圳大学，
类型：发明
国别省市：广东;44