本发明专利技术公开了一种基于图像签名的图像篡改检测与篡改定位方法，包括以下步骤：对原图像进行去噪处理；利用适应性Harris角点检测算法提取图像特征点；构造特征点邻域；计算特征点邻域内的统计量，得到特征向量值，生成中间签名；进行霍夫曼编码，得到原图像的最终签名；对原图像的最终签名进行Huffman解码，得到原图像的中间签名；生成被检测图像的中间签名；定义两个中间签名的距离，并判断被检测图像是否被篡改；定位被篡改区域。本发明专利技术方法能够对视觉可接受的几何形变和内容保持的图像处理操如JPEG压缩、添加噪声、滤波等操作具有良好的鲁棒性，对恶意篡改攻击具有较好的敏感性，并能够确定被篡改区域的位置。
【技术实现步骤摘要】
本专利技术属于图像篡改检测
，具体涉及。
技术介绍
随着网络和数字化技术的发展，多媒体信息的交流达到了前所未有的广度。同时随着多媒体处理技术的发展以及功能强大的图像编辑软件的应用，使得用户能够轻而易举地编辑、篡改原始图像数据，制造以假乱真的效果。篡改和伪造图像在很大程度上降低了多媒体数据本身的可信程度，颠覆了长期以来人们心目中的“眼见为实”的观念。如何能有效鉴别多媒体内容的完整性和真实性，已经成为近年来法律界和信息产业界所面临的一个重要的热点问题和迫切需要解决的难点问题。展开对数字内容的可信性鉴别技术的研究，对维护互联网的公共信任秩序、维护法律公正、新闻诚信、科学诚信等，具有十分重要的意义。传统的图像认证技术主要有图像数字水印和数字指纹，都是通过在原始作品中嵌入附加信息对图像内容进行真实性鉴别和完整性认证。但这种技术由于自身的缺点，使得其面对越来越高超的图像篡改技术，显出了不可避免的局限性。作为另一种图像内容完整性认证技术，图像签名应运而生并发展成为近年来多媒体信息安全保护的一个研究热点。图像签名，又称图像鲁棒哈希(Robust Hash)，是指图像的感知特征或简短摘要， 其生成过程是将任意大小的图像映射到很短的位串，使感知相似的图像生成相似的签名， 不同的图像生成不同的签名。根据生成图像签名时的特征提取方法的不同，现有的图像签名方法可分为以下四类基于统计量的图像签名方法、基于关系的图像签名方法、基于投影变换的图像签名方法、基于边缘或特征点的图像签名方法。由于图像提取的特征不同，生成签名的特性也不同。当图像签名被用于图像的内容完整性认证时，其性能指标应包括鲁棒性、易碎性、可区分性(无碰撞性)、安全性、篡改敏感性、紧凑性和篡改定位能力等。追踪关于图像签名技术的最新研究结果，当前的一个研究热点之一是图像签名算法同时具有抗几何形变鲁棒性与篡改定位功能。在这方面，基于特征点的图像签名方法具有显著的优势，原因是特征点不仅能够表示图像的局部特征，而且对于几何形变具有稳定性。基于特征点的图像签名的先驱性的研究是由Miattacharjee提出的，见 S.Bhattacharjee, M. Kutter.Compression tolerant image authentication[C], Proceeding of IEEE International Conference on Image Processing，1998，435—439。 他们提出了一种使用交互缩放模型和Mexican-Hat小波基来提取图像显著特征点的方法， 并根据特征点的位置生成图像的签名。但随后的研究报告了上述方法对于常规的图像处理操作如有损压缩不具有鲁棒性，另外，由于该方法所选取的特征点太少且相互之间是分离的，所以从人眼视觉感知上看，该方法不能抓住反映图像内容的主要特征。Monga提出了一种利用端点小波基检测图像结构的图像签名方法，见V. Monga, B.L.Evans, Robust Perceptual Image Hashing Using Feature Points[C], ICIP2004, Singapore. Oct. 24-27,2004, vol. 3，677_680。该方法对JPEG压缩、高斯平滑、中值滤波具有一定的鲁棒性，但是由于该方法仅用图像的端点产生签名，因此只是对图像微小的几何形变具有鲁棒性。该方法只是利用了端点坐标生成图像签名，没有基于图像的内容，所以对于图像颜色的改变显得无能为力。同时该签名方法只能验证图像是否被篡改，不具备篡改定位能力。
技术实现思路
本专利技术的目的是提供，该方法能够对视觉可接受的几何形变和内容保持的图像处理操如JPEG压缩、添加噪声、滤波等操作具有良好的鲁棒性，对恶意篡改攻击具有较好的敏感性，并能够确定被篡改区域的位置。本专利技术所采用的技术方案是，，包括以下步骤图像发送方步骤1、对原图像进行去噪处理对于大小为MXN的原图像Itl = f(x,y)利用一级DBl小波变换，得到低频重构图像为 fLL(x, y)；步骤2、利用适应性Harris角点检测算法提取图像特征点步骤2. 1、把步骤1得到的、(x，y)图像分成N1XN2大小的不重叠图像块，对得到的每一图像块均利用Harris角点检测算法，检测该图像块中存在的角点并记为C(i，j)，^ NijO ( j ( N2),计算C(i，j)的像素点的兴趣值R并存储在数组MatriX[SUm] 中，其中，Sum为数组的大小，即每个图像块中角点的总数；步骤2. 2、对Matrix [Sum]按R值从大到小的顺序排序，排序后的数组记为 Matrix' [Sum]；选取Matrix' [Sum]中R值较大的角点作为所求角点，即在Sum个角点中选取kXSum个点作为所求角点，k e (0,1], k为实数；步骤2. 3、对、(x，y)图像进行邻近角点剔除操作选用3X3大小的图像块为模板，若模板下存在的角点数大于1，则只保留R值最大的角点，最终，得到 fLL(x, y)的特征点集合记为:C = {C (xi; Y1)，C(x2，J2),...，C0cn，yn)}， 其中，η为特征点数目，C(Xi，yi)代表特征点；步骤3、构造特征点邻域对于步骤2. 3得到的特征点C(Xi，yi) e C，1彡i彡n，以C(Xi，yi)为圆心，r为半径构造圆形区域，定义为特征点邻域Ci ；步骤4、计算特征点邻域内的统计量，得到特征向量值，生成中间签名步骤4. 1、对于步骤3得到的每个特征点邻域Ci (1 ^ i ^ η)，取其中每个像素点的灰度值？”构成一个向量乃=叙，凡，___， )，其中，队为特征点邻域Ci中像素点的个数；步骤4. 2、计算向量Pi的均值和方差，对其四舍五入取整后，分别定义为特征点邻域Ci的均值M (Pi)和方差V(Pi)本文档来自技高网...
【技术保护点】
１．一种基于图像签名的图像篡改检测与篡改定位方法，其特征在于，包括以下步骤：图像发送方步骤１、对原图像进行去噪处理对于大小为Ｍ×Ｎ的原图像Ｉ０＝ｆ（ｘ，ｙ）利用一级ＤＢ１小波变换，得到低频重构图像为ｆＬＬ（ｘ，ｙ）；步骤２、利用适应性Ｈａｒｒｉｓ角点检测算法提取图像特征点步骤２．１、把步骤１得到的ｆＬＬ（ｘ，ｙ）图像分成Ｎ１×Ｎ２大小的不重叠图像块，对得到的每一图像块均利用Ｈａｒｒｉｓ角点检测算法，检测该图像块中存在的角点并记为Ｃ（ｉ，ｊ），（０≤ｉ≤Ｎ１，０≤ｊ≤Ｎ２），计（ｉ＝１，２，．．．，ｎ）。如果ｄ（ｊ）＞Ｔ２，那么Ｃ′（ｘｊ′，ｙｊ′）被认为是不可信的，其所在的邻域被认为是被篡改区域，阈值Ｔ２为预先给定值。令Ｄ＝ｍａｘ（ｄ（ｊ）），（ｊ＝１，２，．．．，ｎ′）；步骤９、根据预先给定的阈值Ｔ１来判断是否Ｄ≤Ｔ１，若是，则被检测图像Ｉｔ未被篡改；若否，则被检测图像Ｉｔ被篡改过；图像篡改定位阶段：步骤１０、对于特征点Ｃ′（ｘｊ′，ｙｊ′）∈Ｃ′计算ｎｃｅｄ）?（／ｍｒｏｗ）?（／ｍａｔｈ）Ｈ′是一个ｎ′×２的矩阵，其中ｎ′是从被检测图像Ｉｔ提取的特征点的个数；步骤８、定义Ｈ′每一行到Ｈ每一行的距离：（ｊ＝１，２，．．．，ｎ′；ｉ＝１，２，．．．，ｎ），定义（ｉ＝１，２，．．．，ｎ），ｐ）?（ｍｉ）ｎ（／ｍｉ）?（ｍｏ）＆ｐｒｉｍｅ；（／ｍｏ）?（／ｍｓｕｐ）?（／ｍｓｕｂ）?（ｍｏ）＆ｐｒｉｍｅ；（／ｍｏ）?（／ｍｓｕｐ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｔｄ）?（／ｍｔｒ）?（／ｍｔａｂｌｅ）?（／ｍｆｅｓｕｂ）?（ｍｏ）＆ｐｒｉｍｅ；（／ｍｏ）?（／ｍｓｕｐ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｖ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｓｕｐ）?（ｍｓｕｂ）?（ｍｉ）Ｐ（／ｍｉ）?（ｍｓｕ?（／ｍｔｒ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｉ）Ｍ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｓｕｐ）?（ｍｓｕｂ）?（ｍｉ）Ｐ（／ｍｉ）?（ｍｓｕｐ）?（ｍｉ）ｎ（／ｍｉ）?（ｍｏ）＆ｐｒｉｍｅ；（／ｍｏ）?（／ｍｓｕｐ）?（／ｍ?（／ｍｓｕｂ）?（ｍｏ）＆ｐｒｉｍｅ；（／ｍｏ）?（／ｍｓｕｐ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｔｄ）?（／ｍｔｒ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｉ）Ｍ（／ｍｉ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｍ（／ｍｉ）?（／ｍｔｄ）ｍｏ）＆ｐｒｉｍｅ；（／ｍｏ）?（／ｍｓｕｐ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｖ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｓｕｐ）?（ｍｓｕｂ）?（ｍｉ）Ｐ（／ｍｉ）?（ｍｎ）２（／ｍｎ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｔｄ）?（／ｍｔｒ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｉ）Ｍ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｓｕｐ）?（ｍｓｕｂ）?（ｍｉ）Ｐ（／ｍｉ）?（ｍｎ）２（／ｍｎ）?（／ｍｓｕｂ）?（）?（／ｍｒｏｗ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｖ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｓｕｐ）?（ｍｓｕｂ）?（ｍｉ）Ｐ（／ｍｉ）?（ｍｎ）１（／ｍｎ）?（／ｍｓｕｂ）?（ｍｏ）＆ｐｒｉｍｅ；（／ｍｏ）?（／ｍｓｕｐ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｉ）Ｍ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｓｕｐ）?（ｍｓｕｂ）?（ｍｉ）Ｐ（／ｍｉ）?（ｍｎ）１（／ｍｎ）?（／ｍｓｕｂ）?（ｍｏ）＆ｐｒｉｍｅ；（／ｍｏ）?（／ｍｓｕｐ）?（ｍｏ））（／ｍｏ法与步骤１至步骤５所述方法相同：（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｓｕｐ）?（ｍｉ）Ｈ（／ｍｉ）?（ｍｏ）＆ｐｒｉｍｅ；（／ｍｏ）?（／ｍｓｕｐ）?（ｍｏ）＝（／ｍｏ）?（ｍｆｅｎｃｅｄｏｐｅｎ＝＇［＇ｃｌｏｓｅ＝＇］＇）?（ｍｔａｂｌｅ）ｍｉ）?（ｍｉ）ｎ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｔｄ）?（／ｍｔｒ）?（／ｍｔａｂｌｅ）?（／ｍｆｅｎｃｅｄ）?（／ｍｒｏｗ）?（／ｍａｔｈ）步骤７、生成被检测图像Ｉｔ的中间签名Ｈ′，其中，该生成方）（（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）Ｐ（／ｍｉ）?（ｍｉ）ｎ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｖ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）Ｐ（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｔｄ）?（／ｍｔｒ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｉ）Ｍ（／ｍｉ）?（／ｍｔｄ）?（ｍｔｄ）?（ｍｉ）Ｍ（／ｍｉ）?（／ｍｔｄ）?（／ｍｔｒ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｉ）Ｍ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ２（／ｍｎ）?...
【技术特征摘要】
1. 一种基于图像签名的图像篡改检测与篡改定位方法，其特征在于，包括以下步骤 图像发送方步骤1、对原图像进行去噪处理对于大小为MXN的原图像Itl = f(x,y)利用一级DBl小波变换，得到低频重构图像为 fLL(x' y)；步骤2、利用适应性Harris角点检测算法提取图像特征点步骤2. 1、把步骤1得到的、(x，y)图像分成N1XN2大小的不重叠图像块，对得到的每一图像块均利用Harris角点检测算法，检测该图像块中存在的角点并记为C(i，j)， (O≤i ≤ Ni，O ≤ j ≤ N2),计算C(i，j)的像素点的兴趣值R并存储在数组MatriX[SUm] 中，其中，Sum为数组的大小，即每个图像块中角点的总数；步骤2. 2、对MatriX[SUm]按R值从大到小的顺序排序，排序后的数组记为 Matrix' [Sum]；选取Matrix' [Sum]中R值较大的角点作为所求角点，即在Sum个角点中选取kXSum个点作为所求角点，k e (0,1], k为实数； 步骤2. 3、对f^(x，y)图像进行邻近角点剔除操作选用3X3大小的图像块为模板，若模板下存在的角点数大于1，则只保留R值最大的角点，最终，得到 fLL(x, y)的特征点集合记为=C = {C (xi; Y1)，C(x2，J2),...，C0cn，yn)}，其中，η为特征点数目，C(Xi，yi)代表特征点； 步骤3、构造特征点邻域对于步骤2. 3得到的特征点C(Xi，yi) e C，1彡i彡n，以C(Xi，yi)为圆心，r为半径构造圆形区域，定义为特征点邻域Ci ；步骤4、计算特征点邻域内的统计量，得到特征向量值，生成中间签名步...
【专利技术属性】
技术研发人员：王晓峰，王尚平，张亚玲，郑振强，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：87
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。