本发明专利技术公开了一种基于噪声分布规律检测伪造图像的方法，选取待检测图像亮度分量混合滤波方法后，得到滤波后的图像，由滤波前后的图像提取出图像中的噪声，通过计算噪声均值、方差、信噪比来定量描述图像中指定区域的噪声分布规律，确定噪声分布规律的相似性准则，比较不同区域的噪声分布规律的相似性程度，进行真伪判断。本发明专利技术弥补了现有滤波算法不能很好区分噪声和边缘的不足，对已经过平滑滤波的伪造图像也有不错的检测结果，具有一定的适用性。
【技术实现步骤摘要】
本专利技术涉及图像内容信息安全领域，特别是图像内容真实性盲检测方法。
技术介绍
当前对数字图像内容的保护，主要是利用数字水印和签名技术来实现的，这些技术釆用的基本思想都是通过添加附加信息对图像进行真实性鉴别。但是目前绝大多数图像中并不含有数字水印或者签名。随着数码相机和图像处理软件的普及和流行，越来越多的高品质的伪造图像通过网络大量传播，使人们的"眼见"不再"为实"，造成了政治、文化、新闻和科学真实性等方面的负面影响。更进一步的，伪造照片的大量存在很可能影响到公众的个人意识，最终让人们失去对照片的信任。因此，这一研究的开展对社会和人们生活有着重要的军事意义，民用意义和科学意义。数字图像真实性检测是信息安全技术的分支之一，是在不预先向图像中嵌入水印等标识的情况下对数字图像内容的真实性进行评价的技术。该技术通过分析图像数据及其统计特性，来对图像进行真伪检测，并对图像中的伪造和窜改痕迹进行检测和定位。目前，对数字图像内容可信度评价的研究尚处于起步阶段，随着国内外相关机构对其关注程度日益提高，已取得了一些研究成果。这些研究主要针对某种具体篡改操作对图像进行真伪检测，其中包括模糊操作，双重JPEG压縮操作，局部复制-粘贴操作，重采样操作，拼接操作等等。这些技术都是基于这样一个假设在自然图像中存在着某些统计上的性质，倘若对图像数据进行修改则会改变其潜在的统计规律。这一假设也是判定一幅图像是否被修改和进行篡改定位的依据。在基于噪声统计特性方面，利用噪声分布规律来检测图像内容真伪的研究相对较少。如 Jan Lukas， Jessica Fridrich and Miroslav Goljan在Proceedings ofSPIE， 2006 (会议上)发表文章Detecting Digital Image Forgeries Using SensorPattern Noise (利用传感器模板噪声检测数字伪造图像)，该方法假设已知成相相机类型，或者已知由同一相机拍摄的若干张图像，这也是其局限性所在。Hongmei Gao，Ashwin Swaminathan and Min Wu 在文章 noise feature for image tamperingdetection and steganalysis (利用噪声特征对图像篡改进行检测和分析)中利用了三组噪声统计特性来检测图像真伪，其中三组噪声分别通过滤波操作，小波分析和邻域预测得到，该方法需要训练样本数据，且运算量较大。
技术实现思路
为了克服现有技术不能有效检测图像真伪的不足，本专利技术提供一种，从噪声分布规律方面总结了伪造图像中可能存在的破绽规律，分析了图像伪造过程可能遗留的痕迹，并对伪造区域进行定位。本专利技术的原理分析如下-噪声是图像中存在的一种很重要的统计特性，它是在图像生成、传输和处理过程中产生的，因此，噪声的分布具有很大的随机性和不确定性。申请人在对大量图像的噪声分布规律进行分析研究后发现不同来源图像的噪声分布规律往往是不同的，而同一幅图像中的"同质区域"(不同位置处的草地与草地，天空与天空，人物与人物等具有相同属性的区域)的噪声分布规律是具有相似性的。在图像伪造过程中，如果将在不同环境下成相的两幅图像进行拼接，则拼接两侧区域的噪声分布规律会有较大差异。因此，本专利技术提出了一种通过比较图像中同质区域的噪声分布规律的相似性程度来对图像进行真伪检测的方法。本专利技术解决其技术问题所采用的技术方案包括以下步骤一、利用基于边缘保护的滤波算法提取出图像中的噪声。数字图像在形成、传输及处理等过程中，必然受到各种各样噪声的影响，最为常见的为高斯噪声、泊松噪声和椒盐噪声。高斯噪声和泊松噪声的滤除可采用线性滤波技术，而椒盐噪声则采用非线性滤波技术。但是对于受混合噪声污染的图像，仅仅用线性滤波或非线性滤波无法取得很好的效果， 一般都需要组合不同的滤波算法。在大量实验的过程中发现，大多数的滤波算法不能很好的区分噪声与边缘，导致检测到的噪声中包含很多边缘和细节信息，因此，本专利技术结合中值滤波和均值滤波技术，采用了一种基于边缘保护的混合噪声滤波算法来提取图像中的噪声。均值滤波算法之所以会导致图像变模糊，是因为算法直接将像素邻域均值作为滤波输出，而没有考虑该邻域内是否包含边缘信息。为了削减均值滤波算法的模糊后果，可以选择一个不包含边缘信息的像素邻域，而仅以该邻域中的灰度均值作为滤波输出。滤波算法如下首先，将待检测图像/0c,力由i GS空间(或其本身所在的颜色空间)转换至7S/空 间，得到图像g(JC,力，并选取亮度分量g3(;c,力；其次，在亮度分量g3(x,力中，以待检像素(x，力为中心定义W (5SA^9)个邻域^，『2, rw，包括中心像素(x，力在内每个邻域包含W, (4S",S8)个像素； 然后，对图像中每个像素(u)进行遍历，执行如下4个步骤 1)分别计算W个邻域中像素的灰度均值和方差，见式(1)和(2)，从而得到方差向量V二(0",，CT2，0"3,…，0"J二丄2^/"","0-/"力(1)1/;">0=—S/(x+A:，"z) (2)其中，/(x,力为像素点(;c,力的灰度值，T^为像素(U)的第/个邻域的灰度均 值，w,为像素0c，力的第/个邻域K(hl， ...,iV)中像素个数。2) 对方差向量中的元素按升序进行排列，得到新向量V、&', ^',...,^！，其中， c;《(Z = l, 2,…，iV-l)。3) 较大方差所对应的邻域中很有可能存在边缘，为了使边缘不被模糊，计算V'中前M (BM^Y)个方差元素o"', M)对应的邻域的灰度均值ZO,力…，M)组成的向量F = W(;c,力I/ = 1，.."M}; 4)取向量F的元素中值作为最后的滤波输出g(义，力二median(/0，力)，(/ = 1，...，M") (3)由于在选择邻域时考虑了图像的边缘信息，该算法在很好的消除图像噪声的同时， 也很好的保护了图像的边缘和细节。最后，对待检测图像/的亮度分量&，运用上述基于边缘保护的混合滤波方法后，得到滤波后的图像g、，由滤波前后的图像，利用式(4)可以得到噪声图像，从而提 取出图像中的噪声"(x，j) = g3(x，>0-g30,_y) (4) 二、通过计算噪声均值、方差、信噪比来定量描述图像中指定区域的噪声分布规律。鼠标选取图像中某一像素点《，记录其在噪声图像中对应的像素为9"，以《 为中 心定义大小为Ax&(50S^&s200)的邻域v/，利用式(5) (6) (7)分别计算该邻域的 灰度均值，、方差var和信噪比re^ 。匿《1 p ——2j""，1 2=TTT1 (""，力_麵 )x巧x 255'2纖=10 X lg(^;~~^~~^-^(5)(6)(7)其中，(x,力ey， m^,var《，SM^分别为像素点《的邻域^的三个输出灰度均值、 方差和信噪比。对待检测图像中的像素g，将av ,vavSA 作为三个属性，得到像素点g的邻域^ 的属性向量 —m^,va^，SW / 。三、确定噪声分布规律的相似性准则，比较不同区域的噪声分布规律的相似性程度， 进行真伪判断。通常来说， 一幅图像中的"同质本文档来自技高网...
【技术保护点】
基于噪声分布规律检测伪造图像的方法，其特征在于包括下述步骤： 第一步、利用基于边缘保护的滤波算法提取出图像中的噪声，具体步骤如下： 首先，将待检测图像ｆ（ｘ，ｙ）由ＲＧＢ空间或其本身所在的颜色空间转换至ＨＳＩ空间，得到图像ｇ（ｘ ，ｙ），并选取亮度分量ｇ↓［３］（ｘ，ｙ）； 其次，在亮度分量ｇ↓［３］（ｘ，ｙ）中，以待检像素（ｘ，ｙ）为中心定义Ｎ个邻域Ｗ↓［１］，Ｗ↓［２］，…，Ｗ↓［Ｎ］，５≤Ｎ≤９，包括中心像素（ｘ，ｙ）在内每个邻域包含ｎ↓［ｉ］个像素，４ ≤ｎ↓［ｉ］≤８； 然后，对图像中每个像素（ｘ，ｙ）进行遍历，执行如下４个步骤： １）分别计算Ｎ个邻域中像素的灰度均值和方差，见式（１）和（２），从而得到方差向量Ｖ＝｛σ↓［１］，σ↓［２］，σ↓［３］，…，σ↓［Ｎ］｝ σ↓［ｉ］＝１／ｎ↓［ｉ］＊｜ｆ（ｘ＋ｋ，ｙ＋ｌ）－＊＊＊｜↑［２］ （１） ＊＊＊＝１／ｎ↓［ｉ］＊ｆ（ｘ＋ｋ，ｙ＋ｌ） （２） （ｉ＝１，２，…，Ｎ，ｆ（ｘ＋ｋ，ｙ＋ｌ）∈Ｗ↓［ｉ］） 其中，ｆ（ｘ，ｙ）为像素点（ ｘ，ｙ）的灰度值，＊＊＊为像素（ｘ，ｙ）的第ｉ个邻域的灰度均值，ｎ↓［ｉ］为像素（ｘ，ｙ）的第ｉ个邻域Ｗ↓［ｉ］（ｉ＝１，…，Ｎ）中像素个数； ２）对方差向量中的元素按升序进行排列，得到新向量Ｖ′＝｛σ↓［１］′，σ↓［２］′，σ↓［ ３］′，…，σ↓［Ｎ］′｝，其中，σ↓［ｉ］′≤σ↓［ｉ＋１］′（ｉ＝１，２，…，Ｎ－１）； ３）计算Ｖ′中前Ｍ个方差元素σ′↓［ｉ］对应的邻域的灰度均值＊＊＊组成的向量Ｆ＝｛＊＊＊｜ｉ＝１，…，Ｍ｝，１≤Ｍ≤Ｎ－１／３，ｉ＝１，…， Ｍ； ４）取向量Ｆ的元素中值作为最后的滤波输出ｇ（ｘ，ｙ）＝ｍｅｄｉａｎ（＊＊＊），ｉ＝１，…，Ｍ； 最后，对待检测图像ｆ的亮度分量ｇ↓［３］运用上述基于边缘保护的混合滤波方法后，得到滤波后的图像ｇ′↓［３］，由滤波前后的图像提 取出图像中的噪声ｎ（ｘ，ｙ）＝ｇ↓［３］（ｘ，ｙ）－ｇ′↓［３］（ｘ，ｙ）； 第二步、通过计算噪声均值、方差、信噪比来定量描述图像中指定区域的噪声分布规律，具体步骤如下： 鼠标选取图像中某一像素点ｑ，记录其在噪声图像中对应的像素 为ｑ↓［ｎ］，以ｑ↓［ｎ］为中心定义大小为ｓ↓［１］×ｓ↓［２］的邻域ψ，５０≤ｓ↓［１］，ｓ↓［２］≤２００，利用式（５）（...
【技术特征摘要】
【专利技术属性】
技术研发人员：郑江滨，李哲，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：87[中国|西安]
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。