小波变换的计算机生成图像与自然图像的检测方法技术

本发明专利技术涉及的是一种图像检测技术领域的小波变换的计算机生成图像与自然图像的检测方法。首先，对待测图像进行色彩通道转换，将ＲＧＢ彩色图像转化为ＨＳＶ彩色图像；然后，经过对图像各通道进行变换，进而获得一个包含统计矩特征和高频滤波特征的多维特征向量；进一步利用计算机生成图像与自然图像的特征的差别进行特征提取；最后通过支持向量机ＳＶＭ判别，迅速地判断出其真实性，进而检测一幅图像是计算机生成图像还是自然图像。本发明专利技术采用统计矩特征和高频滤波特征相结合的技术，具有高准确率、特征提取全面、全图检测等特点，进而大大地提高了检测准确率。

Computer generated image and natural image detection method based on Wavelet Transform

The invention relates to a computer generated image and a natural image detecting method of wavelet transformation in the field of image detection technology. First of all, measuring image color channel conversion treatment, the RGB color image is converted to HSV color image; then, after the transformation of the channel image, and then get a contains statistical moment feature and high frequency filtering characteristics of multi-dimensional feature vector; the further use of computer generated image features and the difference of the natural image feature extraction; the support vector machine SVM discriminant, quickly determine its authenticity, and detection of an image is a computer generated or natural images. The invention combines the characteristics of statistical moment characteristics and high frequency filtering characteristics, and has the characteristics of high accuracy, comprehensive feature extraction and full line detection, thereby greatly improving the detection accuracy.

【技术实现步骤摘要】

本专利技术涉及的是一种图像检测
的方法，具体是一种小波变换的计 算机生成图像与自然图像的检测方法。
技术介绍
计算机生成图像的出现已经成为当前数字图像取证可信度的严重障碍，由 于人眼视觉系统的特性或图像取证技术人员业务知识的有限性，高仿真的计算 机生成图像很容易被认为是真实的数字图像而被用作图像取证。在计算机生成 图像的检测中，最关键的问题在于如何准确地区分计算机生成图像与自然图像 之间的特征差别。因此，特征提取是解决计算机生成图像与自然图像检测的首 要问题。通常的特征提取都是采用单一类型的特征信息，信息涵盖不全，分析 能力不强，收集到的特征信息不能够十分准确地用于计算机生成图像和自然图 像的检测。比如，目前基于离散小波变换的统计特征提取技术、特征阀值判决 技术等都没有包含足够全面的特征信息，以致于自动检测的准确率不高。经对现有技术文献的检索发现，Wen Chen， Yun Q. Shi和Guorong Xuan在 文献"Identifying computer graphics using HSV color model and statistical moments of characteristic functions"(《基于HSV色彩模型和特征函数统 计矩的计算机图像鉴定》)(Multimedia and Expo, 2007 IEEE International Conference. USA: IEEE, 2007. 1123-1126)(多媒体博览会，2007 IEEE国际 会议)，提出了基于HSV色彩模型的检测方法，并通过分类器来判断图像真伪， 但是检测准确率不高，仅有82. 1%。而YingWang和Pierre Moulin在文献"On Discrimination Between Photorealistic and Photographic Images"(《类 自然图像和自然图像的鉴定》)(Acoustics, Speech and Signal Processing, 2006. ICASSP . IEEE International Conference)(声学、语言和信号处理， 2006 ICASSP国际会议)，提出了通过滤波得到两个高频特征和一个低频特征来 进行检测的新方法，检测准确率虽然有所提高，可以达到90.2%，但是仍不能满足实际应用需求。为更有效地进行计算机生成图像和自然图像的检测，应对同一幅图像提取 多方面特征，以得到足够全面、有效的特征信息。
技术实现思路
本专利技术目的在于针对现有技术的不足，提供一种小波变换的计算机生成图 像与自然图像的检测方法，使其通过离散小波变换、提取并结合高频滤波，进 而提高数字图像防伪的计算机生成图像与自然图像的检测准确率，为图像取证 等相关领域提供可靠的依据。本专利技术是通过以下技术方案实现的本专利技术包括步骤如下首先，对待测图像进行色彩通道转换，将RGB (Red-Green-Blue:红-绿-蓝)彩色图像转化为HSV (Hue-Saturation-Value:色彩信息-饱和度-明亮度) 彩色图像；然后，经过对图像各通道进行变换，进而获得一个包含统计矩特征和高频 滤波特征的多维特征向量；进一步利用计算机生成图像与自然图像的特征的差别进行特征提取；最后通过支持向量机SVM判别，迅速地判断出其真实性，进而检测一幅图 像是计算机生成图像还是自然图像。所述的图像色彩通道转换，具体步骤为首先对RGB图像中的R、 G、 B分 量进行归一化处理，即将R、 G、 B分量分别除以255，于是R、 G、 B分量由整型 数据变为在区间中的浮点型数据；然后，得到图像的HSV色彩通道模型:60(^^) MOT =60(^^ + 2) M4Z = G60(^^ + 4) M4X = 5未定义 M4Z = 0<formula>formula see original document page 7</formula>一 50 M4X = 0其中，8=(MAX-MIN)， MAX=max(R, G, B) ， MIN=min(R, G, B)。所述的进行特征提取，通过将待检测图像的每个通道进行3阶DWT、直方图 计算、DFT并取模，进而通过计算求得一个包含统计矩特征和高频滤波特征的多 维特征向量，公式如下腦M' = E —4謂/m=0其中，H(m)(m=l, 2, N-l)是直方图h(n) (n=l， 2， ...， N-l)对应的DFT变换，N为直方图的子区间数，i\^(A = l，2,3)为H(m)的k阶统计矩特征， 为H(m)的高频滤波特征。具体步骤为① 首先，分别对图像的H、 S、 V通道进行3阶DWT变换，变换后每个通道 都可得到13个子带(3次小波变换可得到12个子带，并将原通道也作为一个子 带)，整幅图像可得到39个子带；② 其次，对每个子带分别进行直方图计算。由于图像的直方图是连续的， 故可以将区间等分为N (例如取N400)等份，然后再通过统计每段子区 间的像素数来计算直方图。像素值在第i段子区间的像素数尸(r,):图像上总的像素数其中，/ = 0,l,...,iV —l(iV为所分的子区间段数)；③然后，对表示各直方图的N点空间域离散序列h(n) (n=l， 2， ...， N-l) 进行DFT变换，得到相应的N点频域离散序列H(m) (m=l， 2， ...， N-l)，并对 该序列取其模l H(m)l; 最后，对每个子带，通过与其相应的l H(m)l提取统计矩特征和高频滤 波特征加=1 / m=lM' = E sinC4丌附/ AO/w=0其中，= 1,2,3)为H(m)的k阶统计矩特征，M'为H(m)的高频滤波特征。由于每幅彩色图像都有3个通道，而每个通道都可得到13个子带(3次小 波变换可得到12个子带，并将原图也作为一个子带)，每个子带又可得到4个 特征(分别为Mi、 M2、 M3、 M')，于是，每幅图像都可以得到一个156维的特征所述的变换，是指离散小波变换、直方图计算、离散傅里叶变换，变换 操作之后的序列中提取出来的特征信息包括1、 2、 3阶统计矩特征信息 A^(fc二l,2，3)以及经过高频滤波后所得到的高频特征信息M'，可以提供全面的 图像检测信息，在图像的场景变化吋，能够不受影响地检测出图像的准确类型， 进而获得极高的计算机生成图像与自然图像的检测准确率。所述的通过支持向量机SVM判别，包括如下步骤① 用一些己知类别的图像构成训练集(包括计算机生成图像和自然图像)， 对训练集的每一幅图像提取上述的多维特征向量，并用不同的标志位来标志其 图像所属类别(如标志位l表示自然图像，标志位-l表示计算机生成图像)；② 通过LibSVM对选定的训练图像库中的图像进行训练，以获得可以达到 最佳检测效果的参数，进而得到一个基于上述参数的模板文件。③ 对测试图像提取上述基于DWT的多维特征向量，并用②中得到的最佳检 测准确率所对应的模板文件进行比较，判断其所属类别。本专利技术基于小波变换，采用统计矩特征和高频滤波特征相结合的技术，具 有高准确率、特征提取全面、全图检测等特点，很好地解决了计算机生成图本文档来自技高网...

【技术保护点】
一种小波变换的计算机生成图像与自然图像的检测方法，其特征在于：　首先，对待测图像进行色彩通道转换，将ＲＧＢ彩色图像转化为ＨＳＶ彩色图像；　然后，经过对图像各通道进行变换，进而获得一个包含统计矩特征和高频滤波特征的多维特征向量；　 　进一步利用计算机生成图像与自然图像的特征的差别进行特征提取；　最后通过支持向量机ＳＶＭ判别，迅速地判断出其真实性，进而检测一幅图像是计算机生成图像还是自然图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：张爱新，李建华，马进，李生红，金波，蔡立明，王学良，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[]