压缩图像量化表篡改的检测方法和系统技术方案

本发明专利技术涉及一种压缩图像量化表篡改的检测方法和系统。该压缩图像量化表篡改的检测方法，包括以下步骤：图像获取步骤，获取测试图像；特征提取步骤，计算所述测试图像的区分性特征向量；量化表提取步骤，提取所述测试图像的量化表；检测步骤，采用对应于所述测试图像的量化表的预先训练得到的量化表篡改检测分类器对所述区分性特征向量进行检测，得到检测结果。上述压缩图像量化表篡改的检测方法和系统，通过采用训练得到的篡改检测分类器对测试图像的区分性特征向量进行检测，能准确判断该测试图像的量化表是否被篡改。

【技术实现步骤摘要】
压缩图像量化表篡改的检测方法和系统
本专利技术涉及多媒体信息安全领域，特别是涉及一种压缩图像量化表篡改的检测方法和系统。
技术介绍
多媒体技术在手持数码设备上的广泛应用持续改变着人们已往以语音为主的通信方式。随着各类图片发布、分享平台功能的完善和用户的增加，图像通信逐渐成为人们所接收的通信方式，主要是因为图像中包含事件的细节，便于发布者更好的表达其观点，且相对于纯文字或纯语音消息更具有说服力和感染力。然而，图像包含的信息可能被篡改或隐含秘密信息，例如图像可能被恶意篡改用于造谣，或作为载体传递非法信息，给图像的取证分析带来困难，而无法检测图像是否被篡改。
技术实现思路
基于此，有必要针对无法检测图像是否被篡改的问题，提供一种能准确检测图像是否被篡改的压缩图像量化表篡改的检测方法。此外，还有必要提供一种能准确检测图像是否被篡改的压缩图像量化表篡改的检测系统。一种压缩图像量化表篡改的检测方法，包括以下步骤：图像获取步骤，获取测试图像；特征提取步骤，计算所述测试图像的区分性特征向量；量化表提取步骤，提取所述测试图像的量化表；检测步骤，采用对应于所述测试图像的量化表的预先训练得到的量化表篡改检测分类器对所述区分性特征向量进行检测，得到检测结果。一种压缩图像量化表篡改的检测系统，包括：图像获取模块，用于获取测试图像；特征提取模块，用于计算所述测试图像的区分性特征向量；量化表提取模块，用于提取所述测试图像的量化表；检测模块，用于采用对应于所述测试图像的量化表的预先训练得到的量化表篡改检测分类器对所述区分性特征向量进行检测，得到检测结果。上述压缩图像量化表篡改的检测方法和系统，通过采用训练得到的篡改检测分类器对测试图像的区分性特征向量进行检测，能准确判断该测试图像的量化表是否被篡改。另外，通过第一标记和第二标记容易标记判断，提高检测效率；采用总邻域系数幅值和的比重，计算量少。附图说明图1为一个实施例中压缩图像量化表篡改的检测方法的流程图；图2为一个实施例中特征提取步骤的流程图；图3为另一个实施例中特征提取步骤的流程图；图4为预先训练构建量化表篡改检测分类器的流程图；图5为一个实施例中压缩图像量化表篡改的检测系统的结构框图；图6为一个实施例中特征提取模块的内部结构框图；图7为另一个实施例中特征提取模块的内部结构框图；图8为一个实施例中构建模块的内部结构框图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，为一个实施例中压缩图像量化表篡改的检测方法的流程图。该压缩图像量化表篡改的检测方法，包括以下步骤：步骤102，图像获取步骤，获取测试图像。具体的，该测试图像可为JPEG（JointPhotographicExpertsGroup）图像。JPEG是一种有损压缩标准。步骤104，特征提取步骤，计算该测试图像的区分性特征向量。具体的，该区分性特征向量为反量化离散余弦变换频率系数的幅值所占总频率的系数幅值和的比重，或者为反量化离散余弦变换频率系数的幅值所占总邻域频率系数幅值和的比重。计算得到测试图像的区分性特征向量Fdet。当该区分性特征向量为反量化离散余弦变换频率系数的幅值所占总频率的系数幅值和的比重时，如图2所示，为一个实施例中特征提取步骤的流程图。该特征提取步骤包括：步骤202，读取图像的量化表，并将该图像的字节流熵解码为量化系数矩阵，采用该量化表对该量化系数矩阵进行反量化，得到反量化系数矩阵。该图像可为JPEG图像等。本实施例中图像为JPEG图像。JPEG图像压缩是基于分块的图像压缩，对于RGB（Red-Green-Blue）彩色图像，需把像素从RGB彩色空间映射到YCbCr空间（Y为亮度分量，Cb、Cr为色差分量），再对Y、Cb、Cr通道独立进行压缩操作。JPEG压缩时，首先将输入图像的亮度值矩阵分割成连续不重叠的8×8像素小块，并对每一个小块进行离散余弦变换（DiscreteCosineTransform，DCT），得到8×8的实数型DCT系数。然后根据一个8×8的量化表（量化表中的每个数据项是一个正整数，表示相应DCT频率系数的量化步长）对实数型的DCT系数依次进行量化、取整，得到整型的量化DCT系数。最后将所得的量化DCT系数进行哈夫曼（Huffman，一种熵编码）编码后形成字节流，并依照JPEG标准定义的规则与压缩参数（量化表，哈夫曼码表等）一同写成JPEG文件。对图像的8×8分块DCT变换会产生64个频率分量，其中1个直流（DirectCurrent，DC）分量，63个交流（AlternatingCurrent，AC）分量。JPEG解压缩时，首先从JPEG头文件读取量化表并对文件内字节流进行解码，得到量化DCT系数矩阵。然后根据量化表，依次对量化DCT系数进行反量化、反离散余弦变换（InverseDiscreteCosineTransform，IDCT）、并取整、截断后，还原出亮度值矩阵。本实施例中，读取输入的JPEG图像，从文件头读取量化表Q（8×8矩阵），按照JPEG压缩标准将文件内的字节流熵解码为量化系数矩阵，并采用量化表Q对量化系数矩阵进行反量化，得到反量化系数矩阵C。C的大小为m×n，m,n为大于8的自然数。步骤204，计算该反量化系数矩阵中各离散余弦变换频率系数的幅值之和。该计算该反量化系数矩阵中各离散余弦变换频率系数的幅值之和的计算公式可为：其中，K(i,j)表示各离散余弦变换频率系数的幅值之和，C表示反量化系数矩阵，C的大小为m×n，m,n为大于8的自然数，表示下取整操作，|·|表示绝对值操作；或者，或者，其中，K(i,j)表示各离散余弦变换频率系数的幅值之和，C表示反量化系数矩阵，C的大小为m×n，m,n为大于8的自然数，表示下取整操作，‖·‖q为q范数，q∈[1,∞)。步骤206，计算总频率的系数幅值之和。计算总频率的系数幅值之和S的计算公式可为：步骤208，采用该总频率的系数幅值之和对该各离散余弦变换频率系数的幅值之和进行归一化，得到该图像的区分性特征向量。具体的，进行归一化的公式表示如下：该区分性特征向量为64维的区分性特征向量。该区分性特征向量可有多种排列形式，可以采用Zig-zag扫描得到频率，然后由低到高排列区分性特征向量，也可采用行扫描和列扫描得到区分性特征向量。Zig-zag为量化系数的Z行排序。当该区分性特征向量为反量化离散余弦变换频率系数的幅值所占总邻域频率系数幅值和的比重。如图3所示，为一个实施例中特征提取步骤的流程图。该特征提取步骤包括：步骤302，读取图像的量化表，并将该图像的字节流熵解码为量化系数矩阵，采用该量化表对该量化系数矩阵进行反量化，得到反量化系数矩阵。本实施例中，读取输入的JPEG图像，从文件头读取量化表Q（8×8矩阵），按照JPEG压缩标准将文件内的字节流熵解码为量化系数矩阵，并采用量化表Q对量化系数矩阵进行反量化，得到反量化系数矩阵C。C的大小为m×n，m,n为大于8的自然数。步骤304，计算该反量化系数矩阵中各离散余弦变换频率系数的幅值之和。该计算该反量化系数矩阵中各离散余弦变换频率系数的幅值之和本文档来自技高网...

【技术保护点】
一种压缩图像量化表篡改的检测方法，包括以下步骤：图像获取步骤，获取测试图像；特征提取步骤，计算所述测试图像的区分性特征向量；量化表提取步骤，提取所述测试图像的量化表；检测步骤，采用对应于所述测试图像的量化表的预先训练得到的量化表篡改检测分类器对所述区分性特征向量进行检测，得到检测结果。

【技术特征摘要】
1.一种压缩图像量化表篡改的检测方法，包括以下步骤：图像获取步骤，获取测试图像；特征提取步骤，计算所述测试图像的区分性特征向量；量化表提取步骤，提取所述测试图像的量化表；检测步骤，采用对应于所述测试图像的量化表的预先训练得到的量化表篡改检测分类器对所述区分性特征向量进行检测，得到检测结果；所述区分性特征向量为反量化离散余弦变换频率系数的幅值所占总频率的系数幅值和的比重，或者为反量化离散余弦变换频率系数的幅值所占总邻域频率系数幅值和的比重；当所述区分性特征向量为反量化离散余弦变换频率系数的幅值所占总频率的系数幅值和的比重时，或者当所述区分性特征向量为反量化离散余弦变换频率系数的幅值所占总邻域频率系数幅值和的比重时，所述特征提取步骤包括：读取图像的量化表，并将所述图像的字节流熵解码为量化系数矩阵，采用所述量化表对所述量化系数矩阵进行反量化，得到反量化系数矩阵；计算所述反量化系数矩阵中各离散余弦变换频率系数的幅值之和；所述反量化系数矩阵中各离散余弦变换频率系数的幅值之和的计算公式为：其中，K(i,j)表示各离散余弦变换频率系数的幅值之和，C表示反量化系数矩阵，C的大小为m×n，m,n为大于8的自然数，表示下取整操作，|·|表示绝对值操作；或者，或者，其中，||·||q为q范数，q∈[1,∞)。2.根据权利要求1所述的压缩图像量化表篡改的检测方法，其特征在于，所述压缩图像量化表篡改的检测方法还包括：预先训练构建量化表篡改检测分类器，包括：图像集获取步骤，获取未压缩的图像构成的图像集；正样本图像获取步骤，获取测试图像的量化表，并采用所述量化表对所述图像集中的每幅图像进行压缩，得到正样本图像；负样本图像获取步骤，对所述测试图像的量化表随机修改，得到修改后的量化表，采用所述修改后的量化表对所述图像集中的每幅图像进行压缩，将压缩后的图像的量化表修改为测试图像的量化表，得到负样本图像；样本特征提取步骤，计算每幅正样本图像和负样本图像的区分性特征向量，并标记正样本图像的区分性特征向量为第一标记，以及标记负样本图像的区分性特征向量为第二标记；篡改检测分类器构建步骤，根据所述正样本和负样本图像的区分性特征向量及相应的第一标记和第二标记对预设分类器进行训练，得到对应于测试图像的量化表的篡改检测分类器。3.根据权利要求2所述的压缩图像量化表篡改的检测方法，其特征在于，所述预设分类器为支持向量机分类器、聚类分类器、BP神经网络分类器、Fisher分类器或者DeepLearning分类器；所述支持向量机分类器采用的核函数为高斯核函数、线性核函数、多项式核函数或sigmoid核函数。4.根据权利要求1所述的压缩图像量化表篡改的检测方法，其特征在于，当所述区分性特征向量为反量化离散余弦变换频率系数的幅值所占总频率的系数幅值和的比重时，所述特征提取步骤还包括：计算总频率的系数幅值之和；采用所述总频率的系数幅值之和对所述各离散余弦变换频率系数的幅值之和进行归一化，得到所述图像的区分性特征向量。5.根据权利要求1所述的压缩图像量化表篡改的检测方法，其特征在于，当所述区分性特征向量为反量化离散余弦变换频率系数的幅值所占总邻域频率系数幅值和的比重时，所述特征提取步骤还包括：计算总邻域频率系数幅值之和；采用所述总邻域频率的系数幅值之和对所述各离散余弦变换频率系数的幅值之和进行归一化，得到所述图像的区分性特征向量。6.一种压缩图像...

【专利技术属性】
技术研发人员：王维语，杨建权，朱国普，黄晓霞，赵希，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44