一种显示器屏幕图像翻拍的鉴定方法、装置及存储介质制造方法及图纸

本发明专利技术提出了一种显示器屏幕图像翻拍的鉴定方法、装置及存储介质，想将输入的JPG图像转化为灰度图像并对应获取第一图像特征，再将输入的JPG图像提取R通道分量、G通道分量、及B通道分量并对应获取第二图像特征，将第一图像特征与第二图像特征进行融合，得到JPG图像最终图像特征；将JPG图像最终图像特征传输至Ensemble分类器进行分类鉴定，得到输入的JPG图像是原始图像或是翻拍图像的鉴定结果。对于同一个数据内的分类准确率相比于已有的特征提取方法得到了提高。尤其对于跨库实验，本发明专利技术的准确率要高于已有的特征提取方法，适用性更广，并不局限于实验环境下使用，即使推广到实际应用也能确保极高准确率。 1

Identification method, device and storage medium for display screen image reproduction

The invention proposes an identification method, a device and a storage medium for a display screen image remake. The input JPG image is converted to a gray image and the first image feature is obtained. Then the input JPG image is extracted from the R channel component, the G channel component, and the B channel component, and the second image features are obtained, and the first image will be obtained. The image features are fused with the second image features, and the final image features of the JPG image are obtained. The final image features of the JPG image are transmitted to the Ensemble classifier for classification and identification. The input JPG image is the identification result of the original image or the remade image. For the same data, the classification accuracy is improved compared with the existing feature extraction methods. Especially for cross - Bank experiments, the accuracy of the invention is higher than the existing feature extraction method. It is more applicable and is not limited to the experimental environment. Even if it is popularized to the actual application, it can ensure high accuracy. One

【技术实现步骤摘要】
一种显示器屏幕图像翻拍的鉴定方法、装置及存储介质
本专利技术涉及信息取证
，尤其涉及一种显示器屏幕图像翻拍的鉴定方法、装置及存储介质。
技术介绍
现如今，随着电子设备、数码相机等数字图像获取设备以及各种图像编辑软件的普及使用，图像更加与人们的生活息息相关。然而，越来越多的人使用图像处理工具，图像的真实性变的越发的重要起来。篡改后的图像将会给社会带来很大的负面影响，尤其是政治、新闻、科研等领域。长此以往，人们将会失去对图像真实性的信任，“眼见”不一定“为实”。为了确保数字图像真实可靠，数字图像篡改检测技术应势而生，并得到了重视和发展。经过翻拍的图像虽然保留了原始图像的基本内容，但是拍摄地点、相机的拍摄参数、拍摄的相机型号都发生了变化，因此，图像的内容与其记录的信息不一致，相当于更新了图像的文件头信息。一旦原始图像是经过某种篡改后的图像，导致翻拍后的图像内容并不真实，而原始图像的篡改痕迹将被抹除，图像篡改方法无法识别此类图像。因此数字图像取证技术逐渐成为国内外研究的热点。关于二次取证图像的提出最早是在HarryFarid发表的一篇文章，其根据数字图像的高阶小波统计特征来区分非自然图像与自然图像。其中，非自然图像分为计算机生成的图像和翻拍的图像。在此之后，陆续有其他学者开始研究特定类型的二次获取图像。YuHang和XintingGao研究了纸面冲印出的相片翻拍获得的二次获取图像。YuHang发表的文章，首先用镜面反射分量和漫反射分量表示一张图片，然后通过分析证明，自然图像的镜面反射分量和总图像的比值和翻拍图像的存在区别，而且翻拍图像的镜面反射比值的梯度直方图为类瑞利分布，而自然图像的则为类高斯分布。XintingGao等发表的文章中，利用了常用的物理特征来对自然图像和翻拍图像进行分类。例如背景的上下文信息、表面梯度、镜面反射量的空间分布、翻拍前后的颜色直方图、色度、模糊度以及对比度等等。在此之后，HongGao针对由液晶显示屏翻拍得到的图像做了研究。基于图像纹理变化提出了LBP(LocalBinaryPattern)特征和MsWS特征(Multi-scaleWaveletStatistics)。有研究者提出利用EM(Expectation/Maximization)算法计算每一个像素是为其某个邻域内的像素的线性组合的概率，根据这个概率可以判断数字图像是否经过了重采样。又有研究者提出通过主成分分析法，降低同幅图复制-粘贴篡改时的运算量，以及解决鲁棒性差的问题。还可以通过翻拍前后图像的光照方向并不一致来作为鉴定方法。美国SUNYBinghamton大学的研究团队，将数字图像取证技术与隐秘分析技术结合在一起，用于鉴别数字图像的完整性，可以作为判断通信中是否存在隐蔽的通信的证据。而后，在检测复制粘贴篡改方面，提出一种滑窗检测法，为研究取证技术提供了思路。2012年，尹京等人发表的文章中，主要对从液晶显示屏上翻拍的图像做了研究。作者主要根据文献的方法自己建立一个数据库，其中包括2400幅翻拍图像和2400幅原始图像。作者主要考虑了两个方面，一方面根据图像的噪声特性，由于自然图像和翻拍图像的拍摄环境不同，所使用的相机也不尽相同，因此会影响图像的噪声。可以对图像采用小波阈值法进行去噪，再用原始图像与去噪图像相减得到噪声，利用这种得到的噪声特征进行分类，实验发现这种特征可以区分出翻拍图像与自然图像，但是准确率还可以进一步提高。另一方面，由于翻拍图像经过了双重JPEG压缩，因此可以利用图像是否经过了这种双重JPEG压缩来判断图像是原始图像还是翻拍图像。实验显示这种方法特征维数和时间复杂度较低，而检测率较高。作者又研究翻拍纸面打印图片，发现翻拍后图像的细节部分会变模糊，并且在颜色上也与原始图像不同。因此，现有技术还有待于改进和发展。
技术实现思路
鉴于上述现有技术的不足之处，本专利技术的目的在于提供一种显示器屏幕图像翻拍的鉴定方法、装置及存储介质，旨在解决现有技术中鉴定图像是原始图像还是翻拍图像时，或者是检测率低，或者是因特征维数和时间复杂度较低导致判断结果不准确的问题，或者是因特征维数和时间复杂度较低导致的仅能在实验环境下应用，无法应用到现实实际中。为了达到上述目的，本专利技术采取了以下技术方案：一种显示器屏幕图像翻拍的鉴定方法，其中，所述方法包括以下步骤：S1、将输入的JPG图像转化为灰度图像，采用边缘检测算法提取灰度图像的边缘信息，选取边缘信息中符合预设选取条件的块对应的灰度值拼接成第一矩阵，根据预设的滤波器组中每个滤波器对第一矩阵依次进行卷积和量化截断，得到与滤波器一一对应的四阶共生矩阵，将与滤波器一一对应的四阶共生矩阵分别进行降维化简后将所有降维化简后的矩阵排成一行，得到JPG图像对应的第一图像特征；S2、将输入的JPG图像提取R通道分量、G通道分量、及B通道分量，将R通道分量、G通道分量、及B通道分量分别与滤波器组中每个滤波器依次进行卷积和量化截断，得到与滤波器一一对应的三阶共生矩阵，分别将由滤波器组中的同一滤波器得到的R通道分量的三阶共生矩阵与B通道分量的三阶共生矩阵进行降维化简后相加合并，得到第一化简矩阵集合；再将由滤波器组中的每个滤波器得到的G通道分量的三阶共生矩阵分别进行降维化简，得到第二化简矩阵集合；将第一化简矩阵集合中的所有矩阵和第二化简矩阵集合中的所有矩阵排成一行得到JPG图像对应的第二图像特征；S3、将第一图像特征与第二图像特征进行融合，得到JPG图像最终图像特征；S4、将JPG图像最终图像特征传输至Ensemble分类器进行分类鉴定，得到输入的JPG图像是原始图像或是翻拍图像的鉴定结果。所述显示器屏幕图像翻拍的鉴定方法，其中，所述步骤S1具体包括：S11、将输入的JPG图像转化为灰度图像，并采用Canny边缘检测算法提取灰度图像的边缘图像；其中，所述边缘图像包括边缘信息；S12、将边缘图像划分成若干块，每一块均为16*16的大小；S13、提取若干16*16大小的块中只包含一个非零值的行数超过所有行数60％，或者只包含一个非零值的列数超过所有列数60％的块，并将提取选中的块相对应位置的灰度图的灰度值形成第一矩阵；S14、根据滤波器组中所包括的11个滤波器分别对第一矩阵依次进行卷积和量化截断，得到与滤波器一一对应的四阶共生矩阵，分别记为第一四阶共生矩阵、第二四阶共生矩阵、第三四阶共生矩阵、第四四阶共生矩阵、第五四阶共生矩阵、第六四阶共生矩阵、第七四阶共生矩阵、第八四阶共生矩阵、第九四阶共生矩阵、第十四阶共生矩阵、第十一四阶共生矩阵；其中11个滤波器分别记为第一滤波器F1、第二滤波器F2、第三滤波器F3、第四滤波器F4、第五滤波器F5、第六滤波器F6、第七滤波器F7、第八滤波器F8、第九滤波器F9、第十滤波器F10及第十一滤波器F11，其中：F1＝D1；F2＝D2；F3＝D5；F4＝min(D2,D4)；F5＝max(D2,D4)；F6＝min(D2,D3)；F7＝max(D2,D3)；F8＝min(D4,D5)；F9＝max(D4,D5)；F10＝min(D2,D3,D4,D5)；F11＝max(D2,D3,D4,D5)；其中，D1＝a11*X(i-1,j-1)+a12*X(i-1,j)+a13*本文档来自技高网...

【技术保护点】
1.一种显示器屏幕图像翻拍的鉴定方法，其特征在于，所述方法包括以下步骤：

【技术特征摘要】
1.一种显示器屏幕图像翻拍的鉴定方法，其特征在于，所述方法包括以下步骤：S1、将输入的JPG图像转化为灰度图像，采用边缘检测算法提取灰度图像的边缘信息，选取边缘信息中符合预设选取条件的块对应的灰度值拼接成第一矩阵，根据预设的滤波器组中每个滤波器对第一矩阵依次进行卷积和量化截断，得到与滤波器一一对应的四阶共生矩阵，将与滤波器一一对应的四阶共生矩阵分别进行降维化简后将所有降维化简后的矩阵排成一行，得到JPG图像对应的第一图像特征；S2、将输入的JPG图像提取R通道分量、G通道分量、及B通道分量，将R通道分量、G通道分量、及B通道分量分别与滤波器组中每个滤波器依次进行卷积和量化截断，得到与滤波器一一对应的三阶共生矩阵，分别将由滤波器组中的同一滤波器得到的R通道分量的三阶共生矩阵与B通道分量的三阶共生矩阵进行降维化简后相加合并，得到第一化简矩阵集合；再将由滤波器组中的每个滤波器得到的G通道分量的三阶共生矩阵分别进行降维化简，得到第二化简矩阵集合；将第一化简矩阵集合中的所有矩阵和第二化简矩阵集合中的所有矩阵排成一行得到JPG图像对应的第二图像特征；S3、将第一图像特征与第二图像特征进行融合，得到JPG图像最终图像特征；S4、将JPG图像最终图像特征传输至Ensemble分类器进行分类鉴定，得到输入的JPG图像是原始图像或是翻拍图像的鉴定结果。2.根据权利要求1所述显示器屏幕图像翻拍的鉴定方法，其特征在于，所述步骤S1具体包括：S11、将输入的JPG图像转化为灰度图像，并采用Canny边缘检测算法提取灰度图像的边缘图像；其中，所述边缘图像包括边缘信息；S12、将边缘图像划分成若干块，每一块均为16*16的大小；S13、提取若干16*16大小的块中只包含一个非零值的行数超过所有行数60％，或者只包含一个非零值的列数超过所有列数60％的块，并将提取选中的块相对应位置的灰度图的灰度值形成第一矩阵；S14、根据滤波器组中所包括的11个滤波器分别对第一矩阵依次进行卷积和量化截断，得到与滤波器一一对应的四阶共生矩阵，分别记为第一四阶共生矩阵、第二四阶共生矩阵、第三四阶共生矩阵、第四四阶共生矩阵、第五四阶共生矩阵、第六四阶共生矩阵、第七四阶共生矩阵、第八四阶共生矩阵、第九四阶共生矩阵、第十四阶共生矩阵、第十一四阶共生矩阵；其中11个滤波器分别记为第一滤波器F1、第二滤波器F2、第三滤波器F3、第四滤波器F4、第五滤波器F5、第六滤波器F6、第七滤波器F7、第八滤波器F8、第九滤波器F9、第十滤波器F10及第十一滤波器F11，其中：F1＝D1；F2＝D2；F3＝D5；F4＝min(D2,D4)；F5＝max(D2,D4)；F6＝min(D2,D3)；F7＝max(D2,D3)；F8＝min(D4,D5)；F9＝max(D4,D5)；F10＝min(D2,D3,D4,D5)；F11＝max(D2,D3,D4,D5)；其中，D1＝a11*X(i-1,j-1)+a12*X(i-1,j)+a13*X(i-1,j+1)+a21*X(i,j-1)+a22*X(i,j)+a23*X(i,j+1)+a31*X(i+1,j-1)+a32*X(i+1,j)+a33*X(i+1,j+1)；D2＝a11*X(i-1,j-1)+a12*X(i-1,j)+a13*X(i-1,j+1)+a21*X(i,j-1)+a22*X(i,j)+a23*X(i,j+1)；D3＝a21*X(i,j-1)+a22*X(i,j)+a23*X(i,j+1)+a31*X(i+1,j-1)+a32*X(i+1,j)+a33*X(i+1,j+1)；D4＝a11*X(i-1,j-1)+a12*X(i-1,j)+a21*X(i,j-1)+a22*X(i,j)+a31*X(i+1,j-1)+a32*X(i+1,j)；D5＝a12*X(i-1,j)+a13*X(i-1,j+1)+a22*X(i,j)+a23*X(i,j+1)+a32*X(i+1,j)+a33*X(i+1,j+1)；其中，a11＝-1，a12＝2，a13＝-1，a21＝2，a22＝-4，a23＝2，a31＝-1，a32＝2，a33＝-1；灰度图像X的像素值表示为X＝(Xij)∈{0,...,255}，Xij表示在(i,j)位置的灰度值；S15、将第一四阶共生矩阵、第二四阶共生矩阵、第三四阶共生矩阵、第四四阶共生矩阵、第五四阶共生矩阵、第六四阶共生矩阵、第七四阶共生矩阵、第八四阶共生矩阵、第九四阶共生矩阵、第十四阶共生矩阵、第十一四阶共生矩阵进行降维化简后排列成一行，得到JPG图像对应的第一图像特征。3.根据权利要求2所述显示器屏幕图像翻拍的鉴定方法，其特征在于，所述步骤S2具体包括：S21、将输入的JPG图像提取R通道分量、G通道分量、及B通道分量；S22、将R通道分别与滤波器组中所包括的11个滤波器分别进行卷积和量化截断，得到与滤波器一一对应的三阶共生矩阵，分别记为第一R通道三阶共生矩阵、第二R通道三阶共生矩阵、第三R通道三阶共生矩阵、第四R通道三阶共生矩阵、第五R通道三阶共生矩阵、第六R通道三阶共生矩阵、第七R通道三阶共生矩阵、第八R通道三阶共生矩阵、第九R通道三阶共生矩阵、第十R通道三阶共生矩阵、第十一R通道三阶共生矩阵；将G通道分别与滤波器组中所包括的11个滤波器分别进行卷积和量化截断，得到与滤波器一一对应的三阶共生矩阵，分别记为第一G通道三阶共生矩阵、第二G通道三阶共生矩阵、第三G通道三阶共生矩阵、第四G通道三阶共生矩阵、第五G通道三阶共生矩阵、第六G通道三阶共生矩阵、第七G通道三阶共生矩阵、第八G通道三阶共生矩阵、第九G通道三阶共生矩阵、第十G通道三阶共生矩阵、第十一G通道三阶共生矩阵；将B通道分别与滤波器组中所包括的11个滤波器分别进行卷积和量化截断，得到与滤波器一一对应的三阶共生矩阵，分别记为第一B通道三阶共生矩阵、第二B通道三阶共生矩阵、第三B通道三阶共生矩阵、第四B通道三阶共生矩阵、第五B通道三阶共生矩阵、第六B通道三阶共生矩阵、第七B通道三阶共生矩阵、第八B通道三阶共生矩阵、第九B通道三阶共生矩阵、第十B通道三阶共生矩阵、第十一B通道三阶共生矩阵；S23、第一R通道三阶共生矩阵、第二R通道三阶共生矩阵、第三R通道三阶共生矩阵、第四R通道三阶共生矩阵、第五R通道三阶共生矩阵、第六R通道三阶共生矩阵、第七R通道三阶共生矩阵、第八R通道三阶共生矩阵、第九R通道三阶共生矩阵、第十R通道三阶共生矩阵、第十一R通道三阶共生矩阵与第一B通道三阶共生矩阵、第二B通道三阶共生矩阵、第三B通道三阶共生矩阵、第四B通道三阶共生矩阵、第五B通道三阶共生矩阵、第六B通道三阶共生矩阵、第七B通道三阶共生矩阵、第八B通道三阶共生矩阵、第九B通道三阶共生矩阵、第十B通道三阶共生矩阵、及第十一B通道三阶共生矩阵进行降维化简后相加合并，得到第一化简矩阵集合；S24、将G通道分量对应的第一G通道三阶共生矩阵、第二G通道三阶共生矩阵、第三G通道三阶共生矩阵、第四G通道三阶共生矩阵、第五G通道三阶共生矩阵、第六G通道三阶共生矩阵、第七G通道三阶共生矩阵、第八G通道三阶共生矩阵、第九G通道三阶共生矩阵、第十G通道三阶共生矩阵、第十一G通道三阶共生矩阵进行降维化简后得到第二化简矩阵集合；S25、将第一化简矩阵集合和第二化简矩阵集合中的所有矩阵排成一行得到JPG图像对应的第二图像特征。4.根据权利要求2所述显示器屏幕图像翻拍的鉴定方法，其特征在于，所述步骤S14中11个滤波器分别对第一矩阵依次进行卷积时的量化步长为1、进行量化截断的截断门限值为2。5.根据权利要求3所述显示器屏幕图像翻拍的鉴定方法，其特征在于，所述步骤S22中将R通道分别与滤波器组中所包括的11个滤波器分别进行卷积时的量化步长为1、进行量化截断的截断门限值为2；将G通道分别与滤波器组中所包括的11个滤波器分别进行卷积时的量化步长为1、进行量化截断的截断门限值为2；将B通道分别与滤波器组中所包括的11个滤波器分别进行卷积时的量化步长为1、进行量化截断的截断门限值为2。6.一种显示器屏幕图像翻拍的鉴定装置，其特征在于，包括：处理器，适于实现各指令；以及存储装置，适于存储多条指令，所述指令适于由处理器加载并执行以下步骤：将输入的JPG图像转化为灰度图像，采用边缘检测算法提取灰度...

【专利技术属性】
技术研发人员：张帆，黄继武，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44