The invention discloses an image remake detection method based on statistical model, which includes: constructing forensic features by using digital features of gray level co-occurrence matrix, Tamura features, LBP features and wavelet coefficient statistics; establishing statistical models by using forensic features of extracted images; inputting the obtained models into LibSVM classifier for image remake detection, and obtaining results, and experimenting. The results show that the method of the present invention not only has high detection accuracy, but also has robustness to conventional image processing operations.
【技术实现步骤摘要】
一种基于统计模型的图像重拍检测方法
本专利技术属于图像重拍摄检测
,涉及一种基于统计模型的图像重拍检测方法。
技术介绍
近年来,随着互联网和数字技术的不断发展,社交网站、微博、微信、QQ等社交工具成为生活必备品之后,数字图像作为信息载体以前所未有的速度被应用。但是随着图像编辑软件以及各种数字处理技术的发展,图像内容很容易被篡改、伪造、拷贝、翻拍、非法使用,使得图像内容的可信度大大降低。近年来一些图像篡改伪造事件的发生,在许多方面造成了不良影响。图像重拍摄(翻拍)是指对已有的图像通过重新拍摄进行二次或多次成像,以生成虚拟的或伪造的场景。例如,图1为陕西猎人周正龙拍摄的“华南虎”照片,实际上是用华南虎图画放在真实场景中重新拍摄获得的,见图3。图像重拍摄不仅破坏了图像的原始性,而且是一种典型的反取证手段,能够使篡改伪造的图像躲避取证技术的检测。对数字图像重拍摄检测技术的研究,能够保证图像的原始性,挫败反取证技术对取证算法的干扰,对维护法律公正、新闻诚信、科学诚信等具有重要的意义。图像重拍摄(翻拍)主要分为四大类:1.对包含有图片的真实场景的拍摄,即真实场景照片中包含有重拍摄的部分区域,如图2中周正龙拍摄的“华南虎”;2.对于打印纸张的图像重拍摄;3.对于液晶显示屏幕的重拍摄;4.对于视频的重拍摄,典型的检测方法有:基于真实场景中数码图像的图像重拍摄检测、基于打印纸张的图像重拍摄检测、基于LCD屏幕的图像重拍摄检测以及基于视频的重拍摄检测,现有的检测方式精确度低,鲁棒性小,不能满足现阶段的检测需求。
技术实现思路
本专利技术的目的是提供一种基于统计模型的图像重拍 ...
【技术保护点】
1.一种基于统计模型的图像重拍检测方法,其特征在于,包括如下步骤:步骤1,利用灰度共生矩阵的数字特征、Tamura特征、LBP特征和小波系数统计量构造图像的取证特征;步骤2,利用经步骤1提取的图像的取证特征建立统计模型;步骤3,将经步骤2建立的统计模型输入到LibSVM分类器,进行图像重拍摄检测,得出结果。
【技术特征摘要】
1.一种基于统计模型的图像重拍检测方法,其特征在于,包括如下步骤:步骤1,利用灰度共生矩阵的数字特征、Tamura特征、LBP特征和小波系数统计量构造图像的取证特征;步骤2,利用经步骤1提取的图像的取证特征建立统计模型;步骤3,将经步骤2建立的统计模型输入到LibSVM分类器,进行图像重拍摄检测,得出结果。2.根据权利要求1所示的一种基于统计模型的图像重拍检测方法,其特征在于,所述步骤1中利用LBP特征构造图像的取证特征包括提取图像的LBP特征以及H、S、V通道的LBP特征:对于图像I,令表示半径为1的8像素点59-DLBP特征,令H(·),S(·)和V(·)分别表示HSV图像空间的H、S、V通道,和分别表示H、S和V通道的59-DLBP特征,即令则T1表示总的LBP特征集合。3.根据权利要求1所示的一种基于统计模型的图像重拍检测方法,其特征在于,所述步骤1中利用Tamura特征构造图像的取证特征包括:计算图像粗糙度,首先,计算图像中大小为2k×2k活动窗口内像素灰度值的平均值,即其中,g(i,j)为点(i,j)的像素灰度值,k=0,1,…,5;其次,分别计算每一个像素在水平和垂直方向上不相重叠的窗口之间的平均强度差;对于每个像素点(i,j),通过调整k值,使得Ek,h(x,y)和Ek,v(x,y)达到最大,从而设置最佳尺寸W(i,j)=2k;最后,计算整幅图像中W(i,j)的平均值得到粗糙度:其中m和n分别表示图像的长和宽。4.根据权利要求1所示的一种基于统计模型的图像重拍检测方法,其特征在于,所述步骤1中灰度共生矩阵的数字特征提取包括能量和熵:计算图像的灰度共生矩阵Md,步长为d,方向为θ的灰度共生矩阵表示为:其中,Md(i,j)(i,j=0,1,2,...,L-1)表示从灰度级i的点离开固定步长d=(Δx,Δy)以达到灰度为j的概率,L表示图像的灰度级,对Md进行归一化处理,如下式所示:K是归一化常数,也就是灰度共生矩阵中的所有元素之和,即K=L×L;灰度共生矩阵的能量和衡量信息量的熵分别表示如下:取步长d=1,θ分别为0°,45°,90°和135°,得到4组En和Ep,表示为:T3={En1,Ep1,En2,Ep2,En3,Ep3,En4,Ep4}(12)。5.根据权利要求1所示的一种基于统计模型的图像重拍检测方法,其特征在于,所述步骤1中小波系数统计量构造图像的取证特征包括:在RGB颜色空间中,分别对R、G、B每一通道进行三级haar小波分解,分别计算HL,LH,HH子带的均值和标准差,表示为:6.根据权利要求1所示的一种基于统计模型的图像重拍检测方法,其特征在于,所述步骤1中图像的取证特征还包括图像的颜色特征提取:(1)R、G、B三通道的平均强度值令其中,R(xi),G(xi),...
【专利技术属性】
技术研发人员:王晓峰,席江欢,蒋春桃,张倩,张英,
申请(专利权)人:西安理工大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。