图像伪造检测装置和方法制造方法及图纸

本发明专利技术提供一种图像伪造检测装置和方法，首先接收两个参数T和R，分别表示Low

【技术实现步骤摘要】
图像伪造检测装置和方法


[0001]本专利技术涉及图像伪造检测
，特别是涉及一种图像伪造检测装置和方法。

技术介绍

[0002]随着社会进步和技术发展，照相机、手机等设备的使用越来越普遍，数字图像已经成为现实生活中随处可见且必不可少的一种多媒体资源。与此同时，图像编辑软件的盛行也导致人们越来越容易对图像进行篡改，并且随着技术的发展，这种篡改越来越不易察觉，数字图像的安全问题日益严重。图像伪造检测技术（Image Forgery Detection）能够通过计算机，运用一定的方法，实现对伪造图像的自动化检测。
[0003]图像伪造检测技术广泛应用于自然场景图上，可以对普通相机拍摄出的现实场景进行检测，也可以用于特殊事件，特别是人脸图像的伪造识别。但是，此类检测方法仅在自然场景图上可以保持良好的检测有效性。目前，国内外仍在推进图像伪造检测技术的研究，许多研究人员通过使用传统手动设计特征的方法或者深度学习方法对复制移动、拼接、修饰等多种造假方式进行检测，以提高检测的有效率。
[0004]在学术造假检测领域，采用图像伪造检测技术对学术图像进行自动化、批量化的有效检测，已成为学术成果例行筛查的一个重要环节。目前对这一方面的研究并不多，部分研究仅针对被放大篡改行为的检测，检测方式较为局限；也有一些研究在检测自然场景图的基础上，对学术图像进行检测。然而，对学术图像伪造检测的研究不是简单地运用现有方法进行检测，更重要的是，要分析学术图像和自然场景图的差异性，针对学术图像的特殊性，研究新的方法，提高检测有效率。此外，目前对于学术造假检测的技术主要集中在文字抄袭的检测上，学术图像的造假检测目前仍主要以人工筛查为主。针对学术图像篡改检测的这种现实需要，目前已有部分研究成功，一些解决方案是可行的，但是对于不同种类的学术图像，这些方法尚存在一定的局限性。一是可检测的伪造方式单一。通常，学术图像的造假方式包括复用、旋转、翻转、缩放等多种方式，需要尽可能地检测出不同造假方式，但目前的一些解决方法尚不能很好地支持这种需求。二是无法主动地、批量式地检测。对于大批量地论文期刊数据，能够支持主动地、批量地检测显得至关重要，这在目前已有的方法中解决得还不够理想。三是在生物医学领域常用的条带图往往存在“残影”，专业术语叫“拖尾”，这种图像特征会严重影响现有方法的检测效果。四是现有的特征提取匹配技术在学术图像检测上会生成很多无用匹配，严重影响最终的结果判断。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的缺点与不足，提供一种图像伪造检测装置和方法，能够主动地、批量地筛查学术期刊中复用、旋转、翻转、缩放等图像篡改行为。
[0006]本专利技术采用如下的技术方案：一种图像伪造检测装置，其特征在于，包括：获取模块，接收两个参数，T为Lowe
’
s算法的阈值，R为匹配特征点对数占全部特征
数的比例；预处理模块，读取原图像，并将原图像转换为灰度图；特征提取模块，计算图像的尺度不变特征变换特征（SIFT），得到特征点坐标信息和特征向量；对该图像的特征数进行判断；特征匹配模块，遍历每一个特征，计算其与剩余特征之间的距离，取欧式距离最小和第二小的特征向量，距离分别记为d1和d2，根据Lowe
’
s算法，如果d1<d2*T，则认为这两个特征高度相似，保留该特征的特征匹配点对，否则不保留；特征过滤模块，对所有特征匹配点对进行筛选，依次进行边缘缩进判断、去除一对多关系、聚类，并统计最终保留的匹配点对数量；可视化模块，判断匹配点对数量占特征点总数的比例是否大于等于参数R，在原图像上绘制过滤后的特征匹配点对，每对匹配点通过直线相连。
[0007]进一步的，所述预处理模块，当原图像为条带图时，对所述条带图进行图像增强，包括以下步骤：1）计算图像的直方图，将图像所有的像素点按照0~255共256个bin，统计落在每个bin的像素点数量；2）归一化直方图，将每个bin中像素点数量除以总的像素点，使其限制在0~1之间；3）设置灰度级阈值i，从0开始迭代，通过归一化的直方图，统计0~i 灰度级的前景像素所占整幅图像的比例w0，并统计前景像素的平均灰度u0；统计i~255灰度级的背景像素所占整幅图像的比例w1，并统计背景像素的平均灰度u1；设图像的总平均灰度为u2，前景像素和背景像素的类间方差记为g；不断迭代，直到找到g最大值，此时的i作为图像的全局阈值，用于划分背景和目标，得到进行图像增强后的条带图。
[0008]进一步的，所述特征提取模块，计算图像的尺度不变特征变换特征，包括构建尺度空间、检测空间极值点、定位关键点、指定关键点方向、生成关键点描述子五个子步骤：1）构建尺度空间，尺度空间由高斯核尺度决定，其中，I(x,y)是原图像，σ是尺度坐标， *是卷积符号，L(x,y,σ)是对应尺度下的尺度图像，G(x,y,σ)是高斯核；高斯差分尺度空间为σ的大小决定图像的平滑程度，大尺度对应图像的概貌特征，小尺度对应图像的细节特征；σ越大表示尺度越粗糙，分辨率越低；2）检测空间极值点，将每一个采样点与它所有的相邻点比较，看其是否比它的图像域和尺度域的相邻点大或者小；当这个点在所述尺度空间本层以及上下两层的所有领域
中是最大或最小值时，认为该点是图像在该尺度下的一个特征点；3）定位关键点，对空间尺度函数求导，并令其为0，可得到精确的位置：4）指定关键点方向，利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，使算子具备旋转不变性，以关键点为中心的邻域窗口内采样，并用直方图统计邻域像素的梯度方向，直方图的峰值代表该关键点处邻域梯度的主方向，其他的达到最大值80%的方向可作为辅助方向：m(x,y)和θ(x,y)分别是(x,y)处梯度的模值和方向公式，其中L所用的尺度为每个关键点各自所在的尺度；5）生成关键点描述子，将坐标轴旋转为步骤4)得到的关键点方向，以关键点为中心取16
×
16的窗口，窗口的每个小格代表关键点邻域所在尺度空间的一个像素，利用公式求得每个像素的梯度幅值与梯度方向，箭头方向代表该像素的梯度方向，箭头长度代表梯度模值，然后用高斯窗口对其进行加权运算。
[0009]进一步的，所述特征匹配模块，遍历每一个特征，计算其与剩余特征之间的距离，具体为：对于任意两个特征向量X=(x1, x2,
ꢀ……
, xn)和Y=(y1, y2,
ꢀ……
, yn)，其欧氏距离为d1：采用Kd树搜索二近邻，对于128维特征向量集T={a1, a2,
ꢀ……
, aN}，其中ai = (ai(1), ai(2),
ꢀ……
, ai(128)),i=1, 2,
ꢀ……
，N，首先需要构造kd树，构造方法如下：a)选取x(1)为坐标轴，以T中的所有数据x(1)坐标中的中位数作为切分点，将超矩形区域切割成两个子区域。将该切分点作为根结点，由根结点生出深度为1的左右子结点，左节点对应x(1)坐标小于切分点，右结点对应x(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像伪造检测装置，其特征在于，包括：获取模块，接收两个参数，T为Lowe
’
s算法的阈值，R为匹配特征点对数占全部特征数的比例；预处理模块，读取原图像，并将原图像转换为灰度图；特征提取模块，计算图像的尺度不变特征变换特征（SIFT），得到特征点坐标信息和特征向量；对该图像的特征数进行判断；特征匹配模块，遍历每一个特征，计算其与剩余特征之间的距离，取欧式距离最小和第二小的特征向量，距离分别记为d1和d2，根据Lowe
’
s算法，如果d1<d2*T，则认为这两个特征高度相似，保留该特征的特征匹配点对，否则不保留；特征过滤模块，对所有特征匹配点对进行筛选，依次进行边缘缩进判断、去除一对多关系、聚类，并统计最终保留的匹配点对数量；可视化模块，判断匹配点对数量占特征点总数的比例是否大于等于参数R，在原图像上绘制过滤后的特征匹配点对，每对匹配点通过直线相连。2.根据权利要求1所述的装置，其特征在于，所述预处理模块，当原图像为条带图时，对所述条带图进行图像增强，包括以下步骤：1）计算图像的直方图，将图像所有的像素点按照0~255共256个bin，统计落在每个bin的像素点数量；2）归一化直方图，将每个bin中像素点数量除以总的像素点，使其限制在0~1之间；3）设置灰度级阈值i，从0开始迭代，通过归一化的直方图，统计0~i 灰度级的前景像素所占整幅图像的比例w0，并统计前景像素的平均灰度u0；统计i~255灰度级的背景像素所占整幅图像的比例w1，并统计背景像素的平均灰度u1；设图像的总平均灰度为u2，前景像素和背景像素的类间方差记为g；不断迭代，直到找到g最大值，此时的i作为图像的全局阈值，用于划分背景和目标，得到进行图像增强后的条带图。3.根据权利要求1所述的装置，其特征在于，所述特征提取模块，计算图像的尺度不变特征变换特征，包括构建尺度空间、检测空间极值点、定位关键点、指定关键点方向、生成关键点描述子五个子步骤：1）构建尺度空间，尺度空间由高斯核尺度决定，其中，I(x,y)是原图像，σ是尺度坐标， *是卷积符号，L(x,y,σ)是对应尺度下的尺度图像， G(x,y,σ)是高斯核；高斯差分尺度空间为
σ的大小决定图像的平滑程度，大尺度对应图像的概貌特征，小尺度对应图像的细节特征；σ越大表示尺度越粗糙，分辨率越低；2）检测空间极值点，将每一个采样点与它所有的相邻点比较，看其是否比它的图像域和尺度域的相邻点大或者小；当这个点在所述尺度空间本层以及上下两层的所有领域中是最大或最小值时，认为该点是图像在该尺度下的一个特征点；3）定位关键点，对空间尺度函数求导，并令其为零，得到极值点的偏移量：4）指定关键点方向，利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，使算子具备旋转不变性，以关键点为中心的邻域窗口内采样，并用直方图统计邻域像素的梯度方向，直方图的峰值代表该关键点处邻域梯度的主方向，其他的达到最大值80%的方向可作为辅助方向：m(x,y)和θ(x,y)分别是(x,y)处梯度的模值和方向公式，其中L所用的尺度为每个关键点各自所在的尺度；5）生成关键点描述子，将坐标轴旋转为步骤4)得...

【专利技术属性】
技术研发人员：王帅，唐文忠，林晓琦，唐红梅，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：