一种用于数字图像的篡改检测方法和系统技术方案

本发明专利技术给出了一种用于数字图像的篡改检测方法和系统，包括利用第一质量系数q

【技术实现步骤摘要】
一种用于数字图像的篡改检测方法和系统
本专利技术涉及图像检测的
，尤其是一种用于数字图像的篡改检测方法和系统。
技术介绍
JPEG格式图像是最常用的图像文件格式，它是一种有损压缩格式，能够将图像压缩在很小的储存空间，它用有损压缩方式去除冗余的图像数据，在获得极高的压缩率的同时能展现丰富生动的图像。JPEG格式的应用非常广泛，目前各类浏览器均支持JPEG这种图像格式，因为JPEG格式的文件尺寸较小，下载速度快。同时图像编辑技术的进步使得人们可以制作出更加逼真且肉眼难以分辨的合成图像，这也给不法分子的违法犯罪行为提供了手段，因此对数字图像的伪造检测具有重要意义。数字图像篡改检测方法通常分为事先在原始图像中插入标识性数据信息的主动取证技术和检测图像内部特征的被动盲取证技术，主动方法具有局限性，而盲算法应用更广泛。然而由于压缩削弱了图像篡改的伪造痕迹，目前一些被动盲取证方法例如基于DCT伪造篡改检测算法，SIFT检测算法，基于重采样痕迹检测算法等等对于低质量JPEG图像的篡改检测效果不佳。而基于二次压缩痕迹的检测可以利用被篡改的JPEG图像重新保存为JPEG格式留下的二次压缩痕迹来检测篡改，所以这种基于格式的伪造检测方法可以一定程度上解决对于低质量JPEG图像的篡改检测效果不佳的问题。现有技术中对图像篡改检测一般存在以下几种方式：通过估计JPEG图像的原始量化步长的方法检测是否经过了二次压缩；通过分析二次JPEG压缩对离散余弦变换(DCT系数)产生的影响判断是否经过二次压缩；提出了一种基于Benford定律的所有非零和零AC模型的二次压缩检测，但目前的基于二次压缩的伪造检测方法存在误检较多，速度较慢的问题。
技术实现思路
为了解决现有技术中图像篡改检测中存在的误检多、需要人工检测和速度慢的技术问题，本专利技术提出了一种用于数字图像的篡改检测方法和系统，利用JPEGGhost特征，自动检测图像篡改区域，并提高算法的准确度。根据本专利技术的一个方面，提出了一种用于数字图像的篡改检测方法，包括：S1：利用第一质量系数q0压缩彩色图像获得第一图像；S2：随机选取第一图像中的区域以第二质量系数q1进行二次压缩获得第二图像；S3：利用第二质量系数q1压缩彩色图像，并随机选取压缩后的图像中的区域以第一质量系数q0进行二次压缩获得第三图像；S4：分别计算第一图像、第二图像和第三图像经过平滑处理的差分图像，并分别将差分图像归一化获得对应的残影图；S5：对残影图进行分块，提取分块的特征，并按特征进行分类训练，识别分块属于一次压缩或二次压缩，获得预测数字图像的一次压缩和二次压缩占比模型；以及S6：利用模型进行数字图像的篡改检测，响应于数字图像的一次压缩和二次压缩占比大于预设阈值，数字图像被篡改。在一些具体的实施例中，第一质量系数q0＝q1-δ,δ∈{5,10,15}，第二质量系数q1取自50-95的范围内。在一些具体的实施例中，步骤S4中差分图像的计算方式为：其中，I(x,y,c)中c＝R，G，B记为图像I(x,y)的每个颜色通道，Iq2(x,y,c)表示质量因子q2重新保存的图片，q2＝1,2，…，100是二次压缩块的质量系数，ω＝16。在一些具体的实施例中，步骤S4中归一化获得残影图的方式具体为：其中，δ(q2)表示差分图像，δ(q2)(x,y)表示差分图像上的坐标点，表示遍历q2＝1,2，…，100后δ(q2)(x,y)的最小值，表示遍历q2＝1,2，…，100后δ(q2)(x,y)的最大值。在一些具体的实施例中，步骤S5中的特征是基于质量系数q2遍历不同值获得的差值d(q2)的均值生成差值曲线c(x)。在一些具体的实施例中，特征具体包括：差值曲线c(x)的加权平均值其中w1(x)＝xq1，w2(x)＝1-w1(x)，w1(x)表示更关注高JPEG品质的加权函数，w2(x)表示更关注低JPEG品质的加权函数；0≤x≤q1时，所有c(x)的中位数f2＝u1/2，其中p(c(x)≤x)表示c(x)的累积分布函数，lc(x)＝0.5；0≤x≤q1时回归线通过c(x)的斜率f3；0≤x≤q1时回归线通过c(x)的斜率f4；c(x)＜t＝0.5时的加权点数g5(x)＝1。曲线与线性函数：l(x)＝1-x/q1，之间的平均平方距离，当l(x)＞c(x)时，g6(x)＝(l(x)-c(x))2，否则g6(x)＝0。在一些具体的实施例中，特征还包括利用高斯混合模型的最大期望对残影图中的每个像素点值进行聚类，将像素分为ghost区域和非ghost区域，计算ghost区域和非ghost区域的像素点之间的一维Bhattacharyya距离其中μ0，μ1，分别是ghost区域和非ghost区域像素点的均值和方差。在一些具体的实施例中，采用Adaboost模型进行特征的分类训练，分块根据特征值单独分类。采用Aadboost算法系统可以具有较高的检测速率，且不易出现过适应现象。根据本专利技术的第二方面，提出了一种计算机可读存储介质，其上存储有一或多个计算机程序，该一或多个计算机程序被计算机处理器执行时实施上述任一项的方法。根据本申请的第三方面，提出了一种用于数字图像的篡改检测系统，系统包括：图像压缩单元：利用第一质量系数q0压缩彩色图像获得第一图像；随机选取第一图像中的区域以第二质量系数q1进行二次压缩获得第二图像；利用第二质量系数q1压缩彩色图像，并随机选取压缩后的图像中的区域以第一质量系数q0进行二次压缩获得第三图像；图像计算单元：分别计算第一图像、第二图像和第三图像经过平滑处理的差分图像，并分别将差分图像归一化获得对应的残影图；特征训练单元：对残影图进行分块，提取分块的特征，并按特征进行分类训练，识别分块属于一次压缩或二次压缩，获得预测数字图像的一次压缩和二次压缩占比模型；判断单元：利用模型进行数字图像的篡改检测，响应于数字图像的一次压缩和二次压缩占比大于预设阈值，数字图像被篡改。在一些具体的实施例中，第一质量系数q0＝q1-δ,δ∈{5,10,15}，第二质量系数q1取自50-95的范围内。在一些具体的实施例中，差分图像的计算方式为：残影图的方式具体为：其中，I(x,y,c)中c＝R，G，B记为图像I(x,y)的每个颜色通道，表示质量因子q2重新保存的图片，q2＝1,2，…，100是二次压缩块的质量系数，ω＝16；δ(q2)表示差分图像，δ(q2)(x,y)表示差分图像上的坐标点，表示遍历q2＝1,2，…，100后δ(q2)(x,y)的最小值，表示遍历q2＝1,2，…，100后δ(q2)(x,y)的最大值。在一些具体的实施例中，特征是基于质量系数q2遍历不同值获得的差值d(q2)的均值生成差值曲线c(x)，且特征包括：差值曲线c(x)的加权平均值其中w1(x)本文档来自技高网...

【技术保护点】
1.一种用于数字图像的篡改检测方法，其特征在于，包括：/nS1：利用第一质量系数q

【技术特征摘要】
1.一种用于数字图像的篡改检测方法，其特征在于，包括：
S1：利用第一质量系数q0压缩彩色图像获得第一图像；
S2：随机选取所述第一图像中的区域以第二质量系数q1进行二次压缩获得第二图像；
S3：利用所述第二质量系数q1压缩所述彩色图像，并随机选取压缩后的图像中的区域以所述第一质量系数q0进行二次压缩获得第三图像；
S4：分别计算所述第一图像、第二图像和第三图像经过平滑处理的差分图像，并分别将所述差分图像归一化获得对应的残影图；
S5：对所述残影图进行分块，提取所述分块的特征，并按所述特征进行分类训练，识别所述分块属于一次压缩或二次压缩，获得预测所述数字图像的一次压缩和二次压缩占比模型；以及
S6：利用所述模型进行所述数字图像的篡改检测，响应于所述数字图像的一次压缩和二次压缩占比大于预设阈值，所述数字图像被篡改。


2.根据权利要求1所述的用于数字图像的篡改检测方法，其特征在于，所述第一质量系数q0＝q1-δ，δ∈{5，10，15}，第二质量系数q1取自50-95的范围内。


3.根据权利要求1所述的用于数字图像的篡改检测方法，其特征在于，所述步骤S4中差分图像的计算方式为：



其中，I(x，y，c)中c＝R，G，B记为图像I(x，y)的每个颜色通道，表示质量因子q2重新保存的图片，q2＝1，2，…，100是二次压缩块的质量系数，ω＝16。


4.根据权利要求3所述的用于数字图像的篡改检测方法，其特征在于，所述步骤S4中归一化获得所述残影图的方式具体为：



其中，δ(q2)表示差分图像，δ(q2)(x，y)表示差分图像上的坐标点，表示遍历q2＝1，2，...，100后δ(q2)(x，y)的最小值，表示遍历q2＝1，2，...，100后δ(q2)(x，y)的最大值。


5.根据权利要求3所述的用于数字图像的篡改检测方法，其特征在于，所述步骤S5中的所述特征是基于质量系数q2遍历不同值获得的差值d(q2)的均值生成差值曲线c(x)。


6.根据权利要求5所述的用于数字图像的篡改检测方法，其特征在于，所述特征具体包括：
所述差值曲线c(x)的加权平均值其中w1(x)＝xq1，w2(x)＝1-w1(x)，w1(x)表示更关注高JPEG品质的加权函数，w2(x)表示更关注低JPEG品质的加权函数；
0≤x≤q1时，所有c(x)的中位数其中p(c(x)≤x)表示c(x)的累积分布函数，lc(x)＝0.5；
0≤x≤q1时回归线通过c(x)的斜率f3；
0≤x≤q1时回归线通过c(x)的斜率f4；
c(x)＜t＝0.5时的加权点数g5(x)＝1。
曲线与线性函数：l(x)＝1-x/q1，之间的平均平方距离，当l(x)＞c(x)时，g6(x)＝(l(x)-c(x))2，否则g6(x)＝0。


7.根据权利要求1或6所述的用于数字图像的篡改检测方法，其特征在于，所述特征还包括利用高斯混合模型的最大期望对所述残影图中的每个像素点值进行聚类，将像素分为ghost区域和非ghost区域，计算所述ghost区域和所述非ghost区域的像素点之间的一维Bhattacharyya距离其中μ0，μ1，分别是所述ghost区域和所述非ghost区域像素点的均值和方差。


8.根据权利要求1所述的用于数字图像的篡改检测方法，其特征在于，采用Adaboost模型进行所述特征的分类训练，所述分块根据所述特征值单...

【专利技术属性】
技术研发人员：晏榕，张光斌，高志鹏，赵建强，杜新胜，张辉极，尤俊生，
申请(专利权)人：厦门市美亚柏科信息股份有限公司，
类型：发明
国别省市：福建;35