【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,特别是一种图像内容真实性的盲检测方法。
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 术采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。数字图像内容可信度评价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,来对图像中的伪造和窜改痕迹进行检测和定位,从而对图像内容 的可信度进行评价。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,己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。目前现有的针对伪造和篡改数字图像的检测方法,主要有Haney Farid和 Tian-Tsong提出的Blin ...
【技术保护点】
利用梯度局部熵检测数字图像内容可信度的方法,其特征在于包括下述步骤: 第一步,利用向量梯度来求取彩色图像的梯度幅值图像,具体过程如下: a.将图像中每个像素点的值除以255,使像素值的取值范围转化到区间[0,1]内; b.对RGB彩色图像的三个通道分别使用边缘检测算子进行卷积,得到颜色向量(R,G,B)的导数*R/*x,*R/*y,*G/*x,*G/*y,*B/*x,*B/*y; c.对图像中每一像素点(x,y)分别计算g↓[xx]=|*R/*x|↑[2]+|*G/*x|↑[2]+|*B/*x|↑[2],g↓[yy]=|*R/*y|↑[2]+|*G/*y|↑[2]+|*B/*y|↑[2],g↓[xy]=*R/*x *R/*y+*G/*x *G/*y+*B/*x *B/*y;d.对图像中每一像素点(x,y)分别计算梯度方向角θ(x,y)=1/2arctan[2g↓[xy]/g↓[xx]-g↓[yy]]和梯度幅值F↓[θ](x,y)=***,将梯度幅值图像F↓[θ]作为边缘图像; e.将边缘图像中各像素值乘以255并取整,得到取值范围为[0,255]区间的灰度图像; 第二步,定义局部信息熵 ...
【技术特征摘要】
1、利用梯度局部熵检测数字图像内容可信度的方法,其特征在于包括下述步骤第一步,利用向量梯度来求取彩色图像的梯度幅值图像,具体过程如下a.将图像中每个像素点的值除以255,使像素值的取值范围转化到区间内;b.对RGB彩色图像的三个通道分别使用边缘检测算子进行卷积,得到颜色向量(R,G,B)的导数<maths id=math0001 num=0001 ><math><![CDATA[ <mrow><mfrac> <mrow><mo>∂</mo><mi>R</mi> </mrow> <mrow><mo>∂</mo><mi>x</mi> </mrow></mfrac><mo>,</mo><mfrac> <mrow><mo>∂</mo><mi>R</mi> </mrow> <mrow><mo>∂</mo><mi>y</mi> </mrow></mfrac><mo>,</mo><mfrac> <mrow><mo>∂</mo><mi>G</mi> </mrow> <mrow><mo>∂</mo><mi>x</mi> </mrow></mfrac><mo>,</mo><mfrac> <mrow><mo>∂</mo><mi>G</mi> </mrow> <mrow><mo>∂</mo><mi>y</mi> </mrow></mfrac><mo>,</mo><mfrac> <mrow><mo>∂</mo><mi>B</mi> </mrow> <mrow><mo>∂</mo><mi>x</mi> </mrow></mfrac><mo>,</mo><mfrac> <mrow><mo>∂</mo><mi>B</mi> </mrow> <mrow><mo>∂</mo><mi>y</mi> </mrow></mfrac><mo>;</mo> </mrow>]]></math> id=icf0001 file=A2009100213140002C1.tif wi=42 he=9 top= 73 left = 66 img-content=drawing img-format=tif orientation=portrait inline=yes/></maths>c.对图像中每一像素点(x,y)分别计算<maths id=math0002 num=0002 ><math><![CDATA[ <mrow><msub> <mi>g</mi> <mi>xx</mi></msub><mo>=</mo><msup> <mrow><mo>|</mo><mfrac> <mrow><mo>∂</mo><mi>R</mi> </mrow> <mrow><mo>∂</mo><mi>x</mi> </mrow></mfrac><mo>|</mo> </mrow> <mn>2</mn></msup><mo>+</mo><msup> <mrow><mo>|</mo><mfrac> <mrow><mo>∂</mo><mi>G</mi> </mrow> <mrow><mo>∂</mo><mi>x</mi> </mrow></mfrac><mo>|</mo> </mrow> <mn>2</mn></msup><mo>+</mo><msup> <mrow><mo>|</mo><mfrac> <mrow><mo>∂</mo><mi>B</mi> </mrow> <mrow><mo>∂</mo><mi>x</mi> </mrow></mfrac><mo>|</mo> </mrow> <mn>2</mn></msup><mo>,</mo> </mrow>]]></math> id=icf0002 file=A2009100213140002C2.tif wi=35 he=9 top= 88 left = 105 img-content=drawing img-format=tif orientation=portrait inline=yes/></maths><maths id=math0003 num=0003 ><math><![CDATA[ <mrow><msub> <mi>g</mi> <mi>yy</mi></msub><mo>=</mo><msup> <mrow><mo>|</mo><mfrac> <mrow><mo>∂</mo><mi>R</mi> </mrow> <mrow><mo>∂</mo><mi>y</mi> </mrow></mfrac><mo>|</mo> </mrow> <mn>2</mn></msup><mo>+</mo><msup> <mrow><mo>|</mo><mfrac> <mrow><mo>∂</mo><mi>G</mi> </mrow> <mrow><mo>∂</mo><mi>y</mi> </mrow></mfrac><mo>|</mo> </mrow> <mn>2</mn></msup><mo>+</mo><msup> <mrow><mo>|</mo><mfrac> <mrow><mo>∂</mo><mi>B</mi> </mrow> <mrow><mo>∂</mo><mi>y</mi> </mrow></mfrac><mo>|</mo> </mrow> <mn>2</mn></msup><mo>,</mo> </mrow>]]></math> id=icf0003 file=A2009100213140002C3.tif wi=36 he=10 top= 88 left = 145 img-content=drawing img-format=tif orientation=portrait inline=yes/></maths><maths id=math0004 num=0004 ><math><![CDATA[ <mrow><msub> <mi>g</mi> <mi>xy</mi></msub><mo>=</mo><mfrac> <mrow><mo>∂</mo><mi>R</mi> </mrow> <mrow><mo>∂</mo><mi>x</mi> </mrow></mfrac><mfrac> <mrow><mo>∂</mo><mi>R</mi> </mrow> <mrow><mo>∂</mo><mi>y</mi> </mrow></mfrac><mo>+</mo><mfrac> <mrow><mo>∂</mo><mi>G</mi> </mrow> <mrow><mo>∂</mo><mi>x</mi> </mrow></mfrac><mfrac> <mrow><mo>∂</mo><mi>G</mi> </mrow> <mrow><mo>∂</mo><mi>y</mi> </mrow></mfrac><mo>+</mo><mfrac> <mrow><mo>∂</mo><mi>B</mi> </mrow> <mrow><mo>∂</mo><mi>x</mi> </mrow></mfrac><mfrac> <mrow><mo>∂</mo><mi>B</mi> </mrow> <mrow><mo>∂</mo><mi>y</mi> </mrow></mfrac><mo>;</mo> </mrow>]]></math></maths>d.对图像中每一像素点(x,y)分别计算梯度方向角<maths id=math0005 num=0005 ><math><![CDATA[ <mrow><mi>θ</mi><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>1</mn> <mn>2</mn></mfrac><mi>arctan</mi><mo>[</mo><mfrac> <msub><mrow> <mn>2</mn> <mi>g</mi></mrow><mi>xy</mi> </msub> <mrow><msub> <mi>g</mi> <mi>xx</mi></msub><mo>-</mo><msub> <mi>g</mi> <mi>yy</mi></msub> </mrow></mfrac><mo>]</mo> </mrow>]]></math> id=icf0005 file=A2009100213140002C5.tif wi=47 he=12 top= 115 left = 131 img-content=drawing img-format=tif orientation=portrait inline=yes/></maths>和梯度幅值<maths id=math0006 num=0006 ><math><![CDATA[ <mrow><msub> <mi>F</mi> <...
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。