基于盲取证技术的图像真伪鉴别方法技术

本发明专利技术公开了一种基于盲取证技术的图像真伪鉴别方法，包括以下步骤：取一组真实拍摄的图像进行训练，分别构造噪声特征矩阵X和EXIF信息矩阵Y；根据W

Image authenticity identification method based on blind Forensics

【技术实现步骤摘要】
基于盲取证技术的图像真伪鉴别方法
本专利技术涉及图像真伪的识别方法，具体涉及一种基于盲取证技术的图像真伪鉴别方法。
技术介绍
随着现代计算机科学与技术的高速发展，有着高分辨率的数码相机和功能强大的图像制作软件变得常见，它们的出现使人们的日常休闲生活变得越来越精彩，但同时利用软件对图像的修改也带来很多的信任危机。一些居心叵测的人利用这些高级软件篡改图像，增加了法律鉴定、行政破案、重要信息调查、科学实验等重要领域的取证难度性，这些伪造的图像会误导大众对于真相的判断，造成一定损失甚至是重大的损失，因此研究图像的真伪鉴别技术变得越来越重要。虽然盲取证研究在国内外都取得了一定的成绩，但是目前盲取证技术还处于探索阶段，还存在着一些问题需要去解决，主要有一下几个不足：(1)现有的盲取证技术能够识别的种类比较单一。盲取证技术相关的算法只是针对某个方面进行识别，比如拼接、合成，如果该算法拿去识别增强过图像，那么就很可能识别不出来。所以目前还没有一个算法能够识别全部的篡改种类。(2)现有的盲取证算法适应性还比较弱。虽然盲取证技术发展到现在已经有了很多理论的成果，但是现实的网络环境非常复杂，篡改的图像种类也很复杂，这使得许多图像篡改检测方法仅仅只是在实验室中获得成功，如果图像的篡改种类超过实验室数据库中篡改的种类，那么检测的结果可能会出现错误，导致篡改的图像被识别为正常图像。(3)现有的盲取证算法鲁棒性还比较差，如果图片受到了压缩或者是增加噪声，那么有些盲取证算法可能会失效。因此，有必要提出一个更为健全的能够识别全部篡改种类的盲取证识别真伪方法。
技术实现思路
本专利技术要解决的技术问题是基于现有技术存在的不足，提供一种能够识别出全部篡改的基于盲取证技术的图像真伪鉴别方法。这解决上述技术问题，本所述的基于盲取证技术的图像真伪鉴别方法，包括以下步骤：1)从一组真实拍摄的图像中提取各图像的噪声特征，得到各图像的噪声特征向量Xi，其中，1≤i≤n且为整数，n表示真实拍摄的图像的幅数，为正整数；然后将所有图像的噪声特征向量构成一个噪声特征矩阵X；2)对同一组真实拍摄图像中的每一幅图像提取j个EXIF信息特征，其中j≥1且为正整数，得到各图像的EXIF信息特征向量Yi，将所有图像的EXIF信息特征向量构成一个矩阵，得到EXIF信息矩阵Y；3)根据公式Wj＝(XTX)-1XTYj((XTX)-1表示矩阵XTX的逆矩阵，XT表示矩阵X的逆矩阵)建立图像的噪声特征和EXIF信息特征的相关性，得到权重Wj；其中Yj为EXIF信息矩阵Y的第j列；4)从另一组真实拍摄的图像中分别提取各图像的噪声特征和EXIF信息特征，分别构造得到所有图像的噪声特征矩阵X'和EXIF信息矩阵Y'；根据公式|ej|＝|Y'j-X'Wj|求出各EXIF信息特征的误差，并将各EXIF信息特征的最大误差作为EXIF信息特征的分量阈值pj，然后将各分量阈值pj之和作为综合阀值p；5)从待检测图像中分别提取图像的噪声特征和EXIF信息特征，分别构造该图像的噪声特征矩阵X”和EXIF信息矩阵Y”；根据公式|e'j|＝|Y”j-X”Wj|求出待检测图像的各EXIF信息特征的误差，并将各EXIF信息特征的最大误差相加得到总误差p'，再将该总误差p'与综合阈值p进行比较，当总误差p'小于综合阈值p时说明待检测图像为真实图像，否则为篡改图像。本专利技术所述方法的步骤1)中，n的取值越大，本专利技术所述算法的精度越高。实现步骤1)的具体方法如下：1.1)将各真实拍摄的图像进行灰度化，得到相应的灰度化图像；1.2)对各灰度化图像进行去噪，得到相应的去噪后的平滑图像；1.3)将灰度化图像和与其对应的平滑图像做差，得到相应的残差图；1.4)对各残差图进行二值化，得到相应的二值化后的图像；1.5)从各二值化后的图像中获取网格特征数字统计图，得到相应的噪声特征统计表；1.6)将所得各噪声特征统计表转化为一维的特征向量，即得到各图像的噪声特征向量值Xi；1.7)将所有图像的噪声特征向量构成一个噪声特征矩阵X。在上述实现构造噪声特征矩阵X方法的步骤1.1)中，采用常规的方法将图像进行灰度化，优选是采用最大值法将各真实拍摄的图像转化为灰度化图像。在上述实现构造噪声特征矩阵X方法的步骤1.2)中，采用常规的方法对灰度化图像进行去噪，优选是通过高斯滤波对灰度化图像进行去噪。在上述实现构造噪声特征矩阵X方法的步骤1.3)中，采用现有常规方法将灰度化图像和平滑图像做差。在上述实现构造噪声特征矩阵X方法的步骤1.4)中，在进行二值化的过程中，采用图像的平均灰度值作为二值化阈值g，将大于阈值g的像素设为1；将小于阈值g的像素设为0：其中，C表示残差图矩阵，x，y分别表示矩阵的横坐标和纵坐标，A'表示残差图矩阵C二值化后的矩阵。残差图经二值化之后也可以说是变成了1或0的矩阵。在上述实现构造噪声特征矩阵X方法的步骤1.5)中，通过将二值化后的图像水平平均划线分成a等份，且将其竖直平均划线分成a等份，然后分别统计每一份中像素为1的个数，再将每一份中的统计值组合在一起，构成一个a*a的噪声特征统计表。对于a的取值可根据需要进行确定，优选为5-10之间的任意正整数，进一步优选a＝8。本专利技术所述方法的步骤2)中，提取的EXIF信息特征的个数可根据需要进行确定，本申请中优选为5个，分别对应为快门速度、感光度、光圈值、亮度值和曝光值，计算公式分别如下：快门速度：光光度：光圈值：q＝log2(N2)；亮度值：l＝q+k-g；曝光值：b＝q+k；上述公式中，k表示快门速度，单位为秒，t表示曝光时间，单位为秒；g表示感光度，I表示感光速率；q表示光圈值，N是光圈数；l表示亮度值；b表示曝光值。本专利技术所述方法的步骤4)中，所述另一组真实拍摄的图像应与步骤1)中选取的真实拍摄的图像不重复，其数量可以根据需要选取，同样的，选取的图像数量越大，本专利技术所述算法的精度越高，进一步优选与前述步骤1)中的图像数量相同。与现有技术相比，本专利技术以图像的噪声特征信息为切入点，提取图像的噪声特征和图像的EXIF信息特征，并研究两者之间的相关性，利用这种相关性来估计待检测图像的EXIF信息的特征，并检测该图像的真伪性，判断该图像是否经过了修改，以此确定图像是否已被图像滤镜、模糊等修改。基于此，本专利技术所述方法能够识别出全部类型的篡改图像。附图说明图1为本专利技术实施例1中由真实拍摄的图像图像得到权重的流程图。图2为本专利技术实施例1中对待检测图像进行真伪鉴别的流程图。图3为本专利技术实施例2中作为例子进行展开描述的第1幅真实拍摄的图像。图4为本专利技术实施例2中对图3所示图像进行灰度化后所得的灰度化图像。图5为本专利技术实施例2中对图4所示图像进行去噪后所得的平滑图像。图6为本发本文档来自技高网...

【技术保护点】
1.基于盲取证技术的图像真伪鉴别方法，包括以下步骤：/n1)从一组真实拍摄的图像中提取各图像的噪声特征，得到各图像的噪声特征向量X

【技术特征摘要】
1.基于盲取证技术的图像真伪鉴别方法，包括以下步骤：
1)从一组真实拍摄的图像中提取各图像的噪声特征，得到各图像的噪声特征向量Xi，其中，1≤i≤n且为整数，n表示真实拍摄的图像的幅数，为正整数；然后将所有图像的噪声特征向量构成一个噪声特征矩阵X；
2)对同一组真实拍摄图像中的每一幅图像提取j个EXIF信息特征，其中j≥1且为正整数，得到各图像的EXIF信息特征向量Yi，将所有图像的EXIF信息特征向量构成一个矩阵，得到EXIF信息矩阵Y；
3)根据公式Wj＝(XTX)-1XTYj建立图像的噪声特征和EXIF信息特征的相关性，得到权重Wj；其中Yj为EXIF信息矩阵Y的第j列；
4)从另一组真实拍摄的图像中分别提取各图像的噪声特征和EXIF信息特征，分别构造得到所有图像的噪声特征矩阵X'和EXIF信息矩阵Y'；根据公式|ej|＝|Y'j-X'Wj|求出各EXIF信息特征的误差，并将各EXIF信息特征的最大误差作为EXIF信息特征的分量阈值pj，然后将各分量阈值pj之和作为综合阀值p；
5)从待检测图像中分别提取图像的噪声特征和EXIF信息特征，分别构造该图像的噪声特征矩阵X”和EXIF信息矩阵Y”；根据公式|e'j|＝|Y”j-X”Wj|求出待检测图像的各EXIF信息特征的误差，并将各EXIF信息特征的最大误差相加得到总误差p'，再将该总误差p'与综合阈值p进行比较，当总误差p'小于综合阈值p时说明待检测图像为真实图像，否则为篡改图像。


2.根据权利要求1所述的基于盲取证技术的图像真伪鉴别方法，其特征在于：实现步骤1)的方法如下：
1.1)将各真实拍摄的图像进行灰度化，得到相应的灰度化图像；
1.2)对各灰度化图像进行去噪，得到相应的去噪后的平滑图像；
1.3)将灰度化图像和与其对应的平滑图像做差，得...

【专利技术属性】
技术研发人员：黄汝维，苏志磊，陈前，
申请(专利权)人：广西荔玉高速公路有限公司，广西大学，广西宝祥工程咨询有限公司，广西凌展科技服务有限公司，
类型：发明
国别省市：广西;45