基于局部色彩不变量的图像篡改检测方法

合集下载

基于色彩制约耦合距离惩罚的图像篡改检测

基于色彩制约耦合距离惩罚的图像篡改检测

第18卷 第3期太赫兹科学与电子信息学报Vo1.18,No.3 2020年6月 Journal of Terahertz Science and Electronic Information Technology Jun.,2020文章编号:2095-4980(2020)03-0483-08基于色彩制约耦合距离惩罚的图像篡改检测王亚子1a,孙怀波*2,马远坤1b(1.周口师范学院 a.数学与统计学院,b.网络工程学院,河南周口 466001;2.阜阳师范大学数学与统计学院,安徽阜阳 236037)摘要:当前较多图像篡改检测方法主要通过对图像特征间的距离进行测量来完成特征匹配,忽略了图像的色彩信息,导致检测结果中存在较多的误检测和漏检测现象。

对此,本文将色彩信息引入到图像特征匹配过程中,设计了一种采用色彩制约模型的篡改检测算法。

利用Laplacian算子与Harris算子提取图像特征,并利用像素点的红(R)、绿(G)、蓝(B)三原色信息,结合特征描述符建立色彩制约模型,对特征点间的色彩信息进行度量,再借助该度量值与特征点间的距离测量值共同完成图像特征匹配,充分剔除误匹配现象,有效提高匹配准确度。

该算法还根据特征点间距离方差构造距离惩罚模型,对匹配后的图像特征进行聚类,准确识别篡改内容。

通过实验结果发现,与其他篡改检测算法相比,本文算法不仅对伪造内容具备更高的检测准确度,而且对模糊及旋转等内容操作也具有更好的适应性。

关键词:复制-粘贴篡改检测;Laplacian算子;Harris算子;灰度差异信息;色彩制约模型;距离惩罚中图分类号:TN911.73;TP391文献标志码:A doi:10.11805/TKYDA2019262Image copy-paste tampering detection algorithm based on color constrainedcoupling distance penalty modelWANG Yazi1a,SUN Huaibo*2,MA Yuankun1b(1a.School of Mathematics and Statistics,b.School of Network Engineering,Zhoukou Normal University,Zhoukou Henan 466001,China;2.School of Mathematics and Statistics,Fuyang Normal University,Fuyang Anhui 236037,China)Abstract:At present, many image tampering detection methods mainly measure the distance between image features to complete feature matching, ignoring the color information of the image, resultingin more false detection and missed detection in the detection results. In this paper, color information isintroduced into the process of image feature matching, and a tamper detection algorithm based on colorconstraint model is designed. The Laplacian operator and Harris operator are utilized to extract the imagefeatures. The R, G and B primary color information of the pixels, as well as the image feature descriptorare adopted to form a color restriction model for measuring the color information between feature points.Then the image feature matching is accomplished by using the distance measurement between the measurevalue and the feature points to fully eliminate the mismatch phenomenon and effectively improve thematching accuracy. Additionally, the distance penalty model is constructed according to the distancevariance between feature points to cluster the matched image features for identifying the tampered contentaccurately. The experimental results show that compared with other tamper detection algorithms, theproposed algorithm not only has higher detection accuracy for forgery content, but also has betteradaptability for content operations such as blur and rotation.Keywords:copy-paste tampering detection;Laplacian operator;Harris operator;gray difference information;color constraint model;distance penalty收稿日期:2019-07-23;修回日期:2019-08-21基金项目:国家自然科学基金资助项目(31702232);河南省高等学校重点科研资助项目(17A110038)作者简介:王亚子(1978–),男,硕士,副教授,主要研究方向为图像处理、信息安全、智能算法。

基于色像差特性的图像篡改检测

基于色像差特性的图像篡改检测

基于色像差特性的图像篡改检测
陈竺益;方针
【期刊名称】《应用科学学报》
【年(卷),期】2015(033)006
【摘要】针对存在色像差的合成图像,提出一种基于纵向色差特性的篡改检测方法.对于图像中深度相似的目标,分别基于局部相位相干性提取3个通道的锐度特征,根据通道间的锐度差异估计纵向色差强度和方向.比较多个目标的纵向色差特性,根据纵向色差分布的不一致检测图像篡改.实验结果表明,该方法能够有效鉴别合成图像的真伪.
【总页数】11页(P604-614)
【作者】陈竺益;方针
【作者单位】上海大学通信与信息工程学院,上海200444;上海大学通信与信息工程学院,上海200444
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于颜色差分特性的图像篡改检测 [J], 卢燕飞;牛佩佩;周骥
2.基于传感器模式噪声特性的图像篡改检测方法 [J], 杨本娟;黎小平
3.基于色像差的数字图像盲取证系统设计 [J], 王大青;管会生;杜佳;蒋宝成
4.基于块效应频域特性的JPEG图像合成篡改检测 [J], 张露;林开司
5.基于后验概率和滤色阵列特性的图像篡改检测算法 [J], 魏金巧;王英;;
因版权原因,仅展示原文概要,查看原文内容请购买。

彩色图像的篡改检测及自恢复算法

彩色图像的篡改检测及自恢复算法

彩色图像的篡改检测及自恢复算法
赵春晖;孙建军;朱海峰
【期刊名称】《哈尔滨工程大学学报》
【年(卷),期】2006(027)005
【摘要】数字水印是图像认证的有效手段之一.利用小波变换提出一种计算简单的彩色图像水印算法,将一个图像的主要内容嵌入该图像自身之中,用均值量化的方法在亮度信号中嵌入水印,实现篡改检测和定位篡改区域;用多余的色度空间嵌入亮度信号和色度信号,用于恢复被篡改的图像内容.该算法可以获取较高的峰值信噪比,具有很好的鲁棒性.实验结果表明,该算法对删除、替换等恶意图像篡改具有良好的检测、定位和自修复能力.
【总页数】5页(P777-781)
【作者】赵春晖;孙建军;朱海峰
【作者单位】哈尔滨工程大学,信息与通信工程学院,黑龙江,哈尔滨,150001;哈尔滨工程大学,信息与通信工程学院,黑龙江,哈尔滨,150001;哈尔滨工程大学,信息与通信工程学院,黑龙江,哈尔滨,150001
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于重要块二值特征的电子凭证自恢复水印算法 [J], 尹帮旭;陈帆;魏巍;王宏霞
2.数字彩色图像拷贝-变换-移动篡改检测 [J], 王鑫;轩波;彭思龙
3.基于改进免疫启发群聚集算法的群机器人自恢复方法 [J], 刘养菊;倪建军
4.局部彩色图像的篡改检测与内容修复方法研究 [J], 王向阳;王春鹏;杨红颖;牛盼盼
5.基于分数阶四元数Zernike矩和改进PatchMatch算法的有效复制-粘贴篡改检测算法 [J], 陈北京; 高野; 俞铭; 吴鹏; 舒华忠
因版权原因,仅展示原文概要,查看原文内容请购买。

基于色彩一致性的图像模糊篡改检测

基于色彩一致性的图像模糊篡改检测

基于色彩一致性的图像模糊篡改检测
周治平;胡成燕;黄浩
【期刊名称】《计算机工程》
【年(卷),期】2016(042)001
【摘要】分析数字图像中的局部色彩相关性及模糊篡改操作对图像色彩一致性的影响,提出一种基于改进色彩特征的数字图像模糊篡改检测方法.重新定义色调变化率和异常色调率,通过提取图像中的色调变化和异常色调特征,描述模糊操作对图像局部色彩一致性的破坏程度,将特征输入支持向量机进行训练和分类,并对图像中的模糊篡改区域进行定位检测.实验结果表明,该方法可快速检测出图像中的模糊操作,准确定位模糊篡改区域,且对图像的旋转和JPEG压缩操作具有一定的鲁棒性.【总页数】6页(P237-242)
【作者】周治平;胡成燕;黄浩
【作者单位】江南大学物联网工程学院,江苏无锡214122;江南大学物联网工程学院,江苏无锡214122;江南大学物联网工程学院,江苏无锡214122
【正文语种】中文
【中图分类】TP391.9
【相关文献】
1.基于图像模糊熵邻域非一致性的过渡区提取与分割 [J], 王彦春;梁德群;王演
2.基于核主成分分析的图像模糊篡改检测算法 [J], 杨本娟;黎小平
3.基于噪声一致性的数字语音异源拼接篡改检测算法 [J], 阳帆;严迪群;徐宏伟;王
让定;金超;向立
4.基于透视投影下空间光照一致性分析的图像拼接篡改检测 [J], 张旭; 胡晰远; 陈晨; 彭思龙
5.基于面积比一致性的图像拼接篡改检测 [J], 盈盈
因版权原因,仅展示原文概要,查看原文内容请购买。

局部彩色图像的篡改检测与内容修复方法研究

局部彩色图像的篡改检测与内容修复方法研究
能 力. 关键词 : 彩 色 图像 ; 复制粘 贴篡 改 ; 四元数 指数 矩 ; 篡 改检 测 ; 内容 修 复
中图分 类号 : T P 3 9 1
文献 标 志码 : A
伴 随着 网络技术 ( 特 别是 I n t e r n e t 技术 ) 与数 码成 像技 术 的迅猛 发展 , 数字 图像 的传 输 与利 用 日益 变得频 繁 与广泛 . 由于数字 图像 信息 极易 被无 限制任 意 编辑 、 篡 改甚至 伪造 , 而一 旦篡 改和 伪造 数字 图 像被用 于新 闻媒 体 、 法 庭证 据 、 科 学 发现 等领域 , 则必 将 对 社 会诚 信 、 政 府公 信 和 科 学真 实 性 等产 生 严 重负 面影 响[ 1 ] . 因此 , 数 字 图像真 实性 和完 整性 的检 测与鉴 别 问题 已 日益受 到关注 , 并成 为数 字 图像 安 全领域 中一 个非 常迫切 的重 要议 题【 2 ] . 区域复 制粘 贴是一 种重 要 的局部 图像 篡改伪 造 形 式 , 它是 把 图像 中 的某 一 区域 进 行 复制 后 , 粘 贴 到 同一 幅 图像 的不相交 区域 上 , 以达 到隐藏 或去 除 图像 中某 一 重 要 目标 或 证 据 的 目的. 由于篡 改 区 域 ( 即粘贴 区域 ) 与 图像其 他部 分源 于 同一 图像 , 它 们有 着一致 的噪声 、 纹理 和颜 色等信 息 , 从而使 得 篡 改 后 的 图像更加 难 辨真伪 [ 4 ] . 对 于复 制粘贴 类 的图像 篡 改 伪 造 , 最 直 接 的检 测 方法 是全 搜 索 法 , 但 全搜 索 法计算 量太 大. 为 了提 高计 算效 率 , 并 增 强 算 法对 滤 波 、 有损 压 缩 等 的 鲁棒 性 , F r i d r i c h等[ 6 提 出 了 基 于图像 块 匹配 的篡 改 检测算 法 , 其利 用 B×B大 小 的方形 窗 口沿着 待测 图像 从左 上角 到 右下 角 逐像 素 滑动 , 对各个 位置 处 B×B大小 的块计 算其 DC T 变 换并 量 化 , 再 把 量化 后 的 D C T 系数 块 按 字 典顺

基于CFA痕迹的图像局部篡改取证

基于CFA痕迹的图像局部篡改取证

区域 的位置 。这 种 处理 中,假 定 图像成 像前 经过 颜 色滤 波矩 阵 ( C F A),而图像 的篡 改操作 会破 坏 CF A痕 迹 ,这 种 假 定对 大 多数 商业相 机 所 生成 的 图像是 成 立 的 。 因此 ,在 此基 础 上 ,找 到 了一种
新 的 特征 ,可判 定 C F A痕迹 在 局部 区域是 否存在 。这种 特征 在 不 需要 预 测该 图像 可 能被 篡 改 区域 的情 况 下 ,可 以计 算很 小的 图像 块 ( 2×2)的伪 造概 率 。 实验 部分 对 不 同的相机 品牌 、不 同的去 马 赛克 算 法进 行验 证 ,结 果证 明该 方 法检 测 率 高且计 算 复杂度 低 。 关键 词 :图像 取证 ;CF A;去 马赛 克算 法 ;伪造 定位
a n d t h i s f e a t u r e c a n b e u s e d t o d e t e r mi n e w h e t h e r C F A t r a c e s e x i s t i n t h e l o c a l r e g i o n , a l l o ws t h e c a l c u l a t i o n
o f s p u r i o u s p r o b a b i l i t i e s o f v e r y s ma l l i ma g e b l o c k s( 2× 2 ) w i t h o u t p r e d i c t i n g t h e p o t e n t i a l l y — t a mp e r e d
中图分 类号 :T P 3 9 1 . 4 1 文献标 志码 :A 文章 编号 :1 0 0 2 — 0 8 0 2 ( 2 0 1 7 ) 一 0 7 — 1 5 4 6 — 0 7

基于局部控制核的彩色图像目标检测方法

基于局部控制核的彩色图像目标检测方法
与 准确度 。
关 键 词 : 图像 分 析 ; 数 据矩 阵 ; 相似性 判 决 ; 目标 检 测 中 图 分 类 号 :T N9 1 1 . 7 3; T P 1 8 1 文 献 标 识 码 :A D OI : 1 0 . 1 6 1 5 7 / i . i s s n . 0 2 5 8 — 7 9 9 8 . 2 0 1 6 . 1 2 . 0 2 3
阵 用 局 部 保 留投 影 方 法 降 维 。 再 用 相 似 性 判 决 准 则 将 参 考 图 像 与 目标 图像 中 子 块 的 特 征 矩 阵 进 行 相 似 性 分 析 , 查
找 与 参 考 图像 最 相 似 矩 阵 所 对 应 的 图像 区域 即 为 检 测 结 果 。 实验 结 果 表 明 ,该 算 法 对 目标 定 位 具 有 较 高 的 可 靠 性
( I n f o r m a t i o n C o l l e g e , Y u n n a n U n i v e r s i t y, K u n m i n g 6 5 0 5 0 4, C h i n a )
Ab s t r a c t :I n i ma g e p r o c e s s i n g ,a i mi n g a t t h e g i v e n t a r g e t d e t e c t i o n a n d l o c a l i z a t i o n o f t h e i ma g e ,i n o r d e r t o i mp r o v e t . A p p l i c a t i o n o f E l e c t r o n i c T e c h n i q u e , 2 0 1 6 , 4 2 ( 1 2 ) : 8 9 — 9 2 .

基于颜色差分特性的图像篡改检测

基于颜色差分特性的图像篡改检测

基于颜色差分特性的图像篡改检测卢燕飞;牛佩佩;周骥【摘要】由于自然场景中目标物体表面的反射特性,以及图像采集过程中的CFA插值算法会使得图像三颜色分量之间具有相关性,特别是颜色分量的高频信息之间有近似相等的关系.拼接篡改操作会降低颜色高频分量的谱间相关性,同时也会给图像带来额外的高频信息.本文利用自然图像颜色通道高频分量之间的相关性,分析颜色差分图像中高频信息的分布情况来检测是否有拼接篡改操作.实验证明本文提取的高频特征分类效果较好,能够检测出图像的拼接篡改边缘.【期刊名称】《北京交通大学学报》【年(卷),期】2014(038)002【总页数】7页(P61-67)【关键词】CFA插值;相关性;高频;颜色差分;拼接【作者】卢燕飞;牛佩佩;周骥【作者单位】北京交通大学电子信息工程学院,北京100044;北京交通大学电子信息工程学院,北京100044;北京交通大学电子信息工程学院,北京100044【正文语种】中文【中图分类】TN919.8;TP309.2随着数字科技的发展,数码相机已经代替胶片相机出现在人们的日常生活中,随之而来的是各种图片编辑软件的出现,使得一般的使用者能够通过多种方式轻易地编辑数字图像的内容,给大众带来错误的信息,这些图像编辑技术对图像的真实性提出了严峻的挑战.由于主动进行数字图像篡改检测的方法需要预先在数字图像中嵌入预定的额外信息,会增加成像系统的成本,所以目前数字图像真实性检测方法的研究重点集中在被动检测技术上.数字图像真实性被动检测技术在近几年来引起很多的学者关注,如何实现对数字图像篡改的盲检测已成为当前数字图像真实性盲取证技术研究的重要课题.由于数字成像系统的原因,在数字图像中会留下很多独特的痕迹,可以作为检测的内部特征对数字图像进行篡改检测.哥伦比亚大学建立了标准数字图像库,包括真实图像及拼接图像,Hsu[1]教授提出了利用数码相机响应函数(CRF)一致性的图像拼接篡改检测算法.如果利用数码相机的模式噪声来检测拼接区域[2],需首先得到某种相机的参考相机模式噪声,需拥有大量的数字图像来做基础,使数字图像盲检测的工作量变得很大.Johnson[3]利用不同图像中光照条件不一致性对图像进行检测,对图像提取闭合边界并分成若干个块,估计各个块的二维光源方向来检测伪造部分.W.Luo[4]等人提出了基于拼接篡改会破坏图像内在的块效应特征矩阵(BACM)的对称特性的理论来对图像真实性进行盲检测.以上这些方法是依赖于相机成像系统的固有特性和篡改后期处理痕迹来进行拼接检测的方法.数字图像的CFA插值算法对图像像素间相关性,以及对图像颜色通道间相关性的影响可以看作是一种图像内在的特征,针对拼接篡改会破坏由CFA插值算法形成的这种内在特征来对拼接操作进行检测.H.Farid[5]归纳了各种常用的CFA插值算法,然后通过EM算法得到概率分布图和插值系数α来判别一幅图像使用了哪种插值算法.John S.Ho[6]利用图像红(R)、绿(G)、蓝(B)三颜色间的相关性及颜色差分图像经过傅里叶变换后的方差特征,来对不同图像所使用的CFA插值算法进行检测分类.Y.Long[7]用像素相关性的二阶模型并采用BP神经网络作为分类器,通过求解最小化问题对CFA插值系数进行估计.A.C.Gallagher[8]发现线性和双三次插值会使二阶方差方程中存在周期性,将二阶变换得到的像素进行傅里叶变换就能计算出这个周期,这个周期性就是由于CFA插值过程中算法的重复性引入的,因此这种方法在区分自然图像和计算机合成图像效果比较明显.以上算法均可以实现经过拼接篡改后图像与真实图像的鉴别,但都不适用于拼接图像中拼接部分的准确定位.图1 数字图像成像过程Fig.1 Process of digital image基于CFA插值算法会使图像R、G、B三颜色分量间具有相关性,使得三颜色分量在高频部分体现出高度相似的特征,在真实边缘过渡区与拼接边缘过渡区在颜色差分图像中的表现有明显的不同,本文作者提出在不同的颜色差分图像中,估计差分边缘高频分量的特征来对图像进行篡改检测.相关实验结果表明本文方法能够检测出图像的篡改边缘.1 图像颜色分量中的边缘高频信息数字图像成像过程如图1所示,图1中自然场景在通过光学镜头后会在传感器上得到相应的亮度值,由于目前的大多数数码相机只有一个电荷耦合元件(CCD)或互补氧化金属半导体(CMOS),需要通过颜色滤波器阵列(CFA)来获取缺失的图像像素值,常用的CFA滤波器为Bayer色彩滤镜.Bayer滤镜中对亮度分量绿色(G)的采样频率是对色度分量红色(R)、蓝色(B)采样频率的两倍,原因是人眼对绿色比对红色、蓝色更敏感,因此采样后的绿色通道的频谱不易发生混叠,而使绿色通道的高频信息保留的比红色和蓝色更加完整.1.1 自然图像边缘高频信息对于自然图像来讲,由于现实世界中物体表面的反射特性会引起自然图像3个颜色通道之间的依赖关系,R、G、B三颜色通道之间有很高的相关性.当不管用R、G、B中哪种颜色去代替另外一种颜色(例如变成RBB图像),在显示得到的图像时都不会发生模糊失真的情况,表明3个色彩通道的像素值在图像每个区域的变化是同步的,在一个颜色向另一个颜色过渡时R、G、B三色的像素值也是同时从一个值向另一个值变化,可知自然图像三色彩通道在边缘及纹理信息上是一致的[9],也就是说自然图像三颜色通道之间有很高的相关性.Gunturk等人在频域中也证明了这个结论[10],利用由一个低频滤波器h0=[1/4 1/2 1/4]和一个高频滤波器h1= [1/4 -1/2 1/4]构成的二维可分离滤波器将多幅图像的3个颜色通道分别分解为4个子带:低频信息(LL)、水平高频信息(LH)、垂直高频信息(HL)及对角线高频子带(HH),计算R、G、B通道对应子带之间的相关性,实验结果证明3个高频子带(LH、HL、HH)间的相关性均高于0.9.1)成像过程中CFA插值算法对传感器上各颜色通道中缺失的颜色像素值进行插值估计,最初的CFA插值算法有最邻近像素插值、双线性插值等非自适应插值算法,以双线性插值算法为例,双线性插值在R、G、B颜色通道上的采用的滤波器是不同的,分别为hR、hG和hB,通常采用的矩阵为由图2看出采用双线性等非自适应插值算法进行插值后R、G、B颜色通道的3个高频子带与未经插值前的高频信息有很大的差异性,尤其是红色和蓝色的高频信息被破坏的相对较严重,而低频分量则变化很小,可知虽然非自适应插值算法简单易实现,但会破坏各颜色通道的高频信息,在恢复图像边缘信息时会出现细节失真.因此目前应用的一些CFA插值算法结合不同颜色通道具有相似的高频信息,利用高频信息丰富的G通道的高频分量来恢复R和B通道的高频分量,能够很好的恢复图像边缘的细节信息.目前常用的CFA插值算法有自适应滤波器插值算法、恒色度的定向边缘算法等.图2 原始图像及双线性插值后的图像Fig.2 Original image and interpolated results2)由以上可知由于CFA插值算法使自然图像三颜色通道间的高频信息具有很高的相关性,其相关性平均值大于0.98,并且3种颜色间的差分图像是趋于平坦的,则说明R、G、B颜色通道的高频分量不仅是高度相关并且是彼此近似相等的[11].由此可以得到式中:fLPF表示一个低通滤波器;H 表示颜色通道的数据信号,F、C分别表示不同颜色通道;l和h分别表示颜色通道的低频和高频信息,有≈,一般情况下,式(1)中的C选择G颜色分量,F选择R、B颜色分量.由式(1)得到颜色通道间的差分图像可以等价为图像经过了一个低通滤波器,相应的高频分量被过滤掉,只剩下低频分量.由式(1)可以很容易地看出不同颜色通道的颜色差分信号是一个低通、平缓信号,差分信号平面在边缘处也比原颜色通道边缘处平缓,减少了相应的高频分量,如图3所示,图3(b)中明显比图3(a)中少了边缘细节信息.图3 自然图像与红绿差分图像的对比Fig.3 Contrast of original image and color difference image自然图像真实边缘(图4(a)中横实线处)的红、绿颜色信号及两者的差分信号如图4(b)、(c)、(d)所示.由成像系统原理可知,数码图像中的目标边缘是有一个变化过渡区的,且宽度至少是1个像素,如图4(b)和图4(c)所示,但对于相应的颜色差分图像(见图4(d))中的目标边缘来说,边缘的过渡区宽度变得更宽,边缘像素值变化地更慢,可知与自然图像三颜色通道相比,颜色差分图像在图像边缘处减少了相应的高频信息,边缘差分信号可视为1个平滑信号f(x,y)=fsmooth(x,y),其中(x,y)表示像素点坐标位置.1.2 拼接边缘处的高频信息对于拼接篡改操作,本质上就是用一个像素矩阵将原图像中某个部分掩盖的操作,一般将具有较清晰边缘的物体粘贴在原图像中,由于拼接边缘不再受到数码图像成像过程和光学镜头等因素的影响,拼接后的边缘在各颜色通道中是比较锐利的,没有相应的边缘过渡区(这里先不考虑拼接图像后进行了相关的后处理操作,如模糊操作,对比度增强等),如图5所示,尽管边缘两侧的像素值在各自相邻区域内有一定的相关性,但边缘两侧的像素值之间是没有相关性的,R分量和B分量在此边缘处的高频信息不再是复制G分量的高频信息,相应的此边缘的三颜色通道中高频信息间的相关性会降低,不再是近似相等的关系.图4 自然边缘点(图(a)中横实线)上的R、G及两者的差分信号Fig.4 Red,green and red-green intensity along green dotted line of tampered image图5 拼接边缘点(图4(a)中竖实线)上的R、G及两者的差分信号Fig.5 Red,green and red-green intensity along red dotted line of tampered image 由上面的讨论及式(1)可知,拼接图像的颜色差分图像有(以红色和绿色的差分图像为例)式中的对应拼接边缘处的高频分量,即和不再近似相等,拼接后的图像颜色通道间的高频分量在拼接边缘处的相关性会降低.拼接图像中在拼接边缘处的三颜色高频通道相关性降低,但是在图像中非篡改区域和篡改区域内部(不包括拼接边缘)的边缘高频分量依旧是高度相关的,式(2)中相应的高频主要体现在拼接边缘上,拼接边缘破坏了颜色差分图像的整体平滑性,那么拼接边缘处的剖面像素信号f(x,y),可视为一个平滑信号fsmooth(x,y)和一个高频信号fsharp(x,y)的叠加:f(x,y)=fsmooth(x,y)+fsharp(x,y),前者对应差分图像中边缘处的平缓的低频信息,后者则表示差分图像中拼接边缘的相对高频分量,以上的信号对于边缘两侧的颜色值相差愈大愈明显.因此对于一幅经过拼接篡改的图像,其颜色差分图像中在拼接边缘包含有相对较高的高频分量,因此可以提取差分图像高频分量的特征来检测差分图像高频信息的分布情况.2 特征选取及算法流程2.1 颜色高频信息特征选取1)针对颜色差分图像高频信息分布情况的分析,选取差分图像小波分解中边缘点一定邻域内高频信息的数据极差及高频数据进行过归一化后的离散系数、四分位数作为特征量.极差(Range)是指在一定区域中最大值和最小值的差,RI=Imax-Imin,Imax为一组数据的最大值,Imin为该组数据的最小值,体现了数据的变化范围.离散系数(Coefficient of Variance)表示的是在不同水平(数据的平均值不同)下数据的离散程度,离散系数表示为式中:σ为一组数据的标准差;E为该组数据的均值.四分位数(Quartile)是将一组数据按从小到大顺序排序后,提取处在25%、50%、75%位置上的数据值,Q={Q25%,Q50%,Q75%},Q25%表示处在1/4位置上的数据值,其他类似,可以体现这组数据在各个部分的分布情况.2)相关系数表示两个随机变量之间线性关系的强度,本文采用标准互相关系数来度量三颜色通道高频分量之间的相关性,并以此作为衡量颜色高频信息相关性的特征.标准互相关系数为图6 基于图像颜色通道相关性的特征提取方案Fig.6 Features extraction scheme based on color channel correlation式中:I1,I2为两个不同的矩阵,EI=1/M×为矩阵I的均值,M、N分别为矩阵的行和列,1≤n1≤M,1≤n2≤N,相关性系数| ρ(I1,I2)|≤1,ρ值越接近1表示两个矩阵的相关性就越强.2.2 实验方案本文提出了基于图像颜色通道间高频相关性及颜色差分图像高频信息特征的图像篡改检测方法,具体的特征提取过程如图6所示.方案实现步骤如下:1)对各通道像素值进行小波变换.将彩色图像转换为红、绿、蓝的3个单独的颜色通道,对3通道分别进行一级二维离散小波变换(DWT),提取其中的水平高频子带、垂直高频子带和对角线高频子带{LH,HL,HH}共3×3=9个小波子带图像,表示为,其中X∈{R,G,B}表示为不同的颜色通道,m∈{LH,HL,HH}表示不同方向的高频分量.2)对颜色差分图像进行小波变换.计算红绿差分图像和蓝绿差分图像,对两个差分图像分别进行小波域变换,可以得到3×2=6个高频子带,表示为,其中Y∈{R-G,B-G},R-G表示的红绿差分图像,B-G表示蓝绿差分图像,n∈{LH,HL,HH}表示不同方向上的高频分量.3)提取差分图像边缘.对R-G差分图像的低频分量LL进行Canny边缘检测,提取边缘信息.4)提取边缘点邻域块的特征量.在每一个边缘点b×b邻域块内,计算的数据极差及归一化后的离散系数、四分位数特征,每个块有3个特征量,共18个特征量,同时计算邻域块内的小波子带图像之间的互相关系数ρ,分别为ρ{,}、ρ{}、ρ{},产生3×3=9个互相关系数,因此每个块共有27个特征值.5)特征量分类.利用SVM分类机对特征进行分类,提取分类机判定为虚假边缘点的边缘点坐标,将坐标放入异常点库Ω中,之后依次提取图像中目标物体及背景中的边缘,查看其中每一个边缘点坐标是否包含在异常边缘点库Ω中,计算包含在Ω中的此边缘的边缘点个数与此边缘的边缘点总个数的比值r,若r大于一定的阈值则判定此边缘是拼接边缘,从而进行拼接定位.实验过程中需注意的问题:1)在对边缘点取邻域时,由于图像在图像边界产生较大的高频信息,会在提取边缘点时出现错判影响检测准确率,因此舍去距离图像边界较近的边缘点,保留的边缘点坐标范围为M-b/2>i>b/2,N-b/2>j>b/2,其中M,N分别为图像的宽度和高度,i,j分别为像素点的横、纵坐标,本文中b 的值取为8.2)如果一条边缘中超过一定比率的边缘点均判为拼接边缘点,则可以认为这条边缘是拼接边缘.对于前文中提到的包含在异常边缘点库Ω中的某条边缘的边缘点个数与此边缘的边缘点总个数的比值门限r的选取(步骤5)中),需要在大量实验的基础上选择合适的门限值,经过实验后选择的门限值r为0.8.3 拼接检测提取出图像边缘的特征量信息后利用libsvm分类机进行数据分类,首先选择一个图像数据库对已知的图像边缘进行数据特征提取,利用台湾大学林智仁副教授等开发的简单的、快速有效的数据分类软件包libsvm对已知的边缘数据进行分类训练及分类预测.本文实验训练分类机所选择的数据库图像中真实图像和拼接图像均来源于哥伦比亚大学多媒体实验室建立的自然图像和拼接图像数据库.由于每幅图像中均有较为丰富的边缘数据信息,在选择训练图像样本时不需要选择太多的图像,选取具有清晰图像边缘的真实图像和具有拼接边缘的图像各20幅,选择其中的5 000个真实边缘点和3 000个拼接边缘点,来对真实图像边缘数据和拼接边缘数据进行分类训练,选择的真实边缘点是清晰边缘上的像素点,尽量不选择具有明显色散的边缘,拼接边缘点的选取则没有限制.准确率表示测试边缘点被正确分类的概率,虚警率表示拼接边缘点被检测为真实边缘点的概率,实验结果证明本文方法具有较好的性能,在虚警率为0.07的情况下可以得到0.941的准确率.选取其他拼接图像对其边缘数据的特征量进行预测分类,实验结果得到了较高的分类准确率,检测图像中边缘点共有2 047个,正确分类边缘点有2 018个,达到了0.986的准确率.图7 拼接图像和本文检测方法的检测结果Fig.7 Tempered image and detection results of the proposed method在检测性能及算法复杂度方面,相比较于文献[1]中提出的方法其检测拼接图像的准确率为90%,说明本文的方法对拼接边缘具有较高的鉴别能力,并且文献[1]中的算法特征提取需要11 min,而获得最佳的分类参数则需要5 h.本文提出的算法复杂度低,所需时间及运算资源要远优于文献[1-3],说明本文提出的算法有较好的性能.1)利用本文方法对拍摄的图像进行拼接检测如图7所示,图像的格式为TIFF,因为此格式保留了完整的CFA插值后的原始数据,将两幅原始图像拼接在一起形成的篡改图像,从检测结果中可以很清晰地看到拼接边缘.2)为了验证本文提出的基于颜色差分特性的图像篡改检测算法的鲁棒性,针对篡改过的图像进行了缩放和压缩处理,再利用所述方法对处理后的图像进行检测得到的实验结果如图8所示.图8 算法的鲁棒性检测结果Fig.8 Detection results of themethod's robustness缩放处理分别将图像缩小为原来的一半和扩大为原来的1.5倍,实验结果可知图像的放大和缩小对检测方法影响较小;JPEG压缩为有损压缩,会使得图像具有一定的模糊度并引入一定的噪声,对于小质量因子的JPEG有损压缩不影响本文中方法对篡改区域的检测结果.由此可知,本文提出的检测方法对图像缩放和压缩都具有一定的鲁棒性.4 结论1)本文提出基于颜色差分特性的图像篡改检测技术,依据的理论是自然场景中物体表面的反射特性及图像采集过程中采用的CFA插值算法使图像中颜色通道间具有很强的相关性,尤其是颜色通道高频信息有近似相等的关系,造成颜色差分平面整体上是平缓的,而拼接操作会破坏颜色通道间的依赖关系,会带来额外的高频信息,同时也会破坏颜色差分图像的整体平滑性.2)伪造操作会降低颜色分量高频信息的相关性并在颜色差分图像中引入高频信息,提取颜色高频分量相关性及颜色差分图像中的高频特征能够检测图像的真实性并定位拼接边缘.3)对图像提取多维的数据特征能够有效地提高定位图像篡改位置的精度,本文算法提取图像颜色高频相关性及差分图像高频信息特征共27个特征量,能够较准确的检测图像的真实性.本文方法可以实现对多媒体数字图像的安全检测取证,并对缩放操作、JPEG压缩及加噪处理有一定的鲁棒性,如何提取更为具有代表性的数据特征是进一步研究的重点.参考文献(References):[1]Hsu Yu Feng,Chang Shih Fu.Camera response functions for image forensics:an automatic algorithm for splicing detection[J].IEEE Transactions on Information Forensics and Security,2010,5(4):816-825. [2]Chen Mo,Fridrich Jessica,Goljan Miroslav,et al.Determining image origin and integrity using sensor noise[J].IEEE Transactions on Information Forensics and Security,2008,3(1):74-90.[3]Johnson MK,Farid H.Exposing digital forgeries by detecting inconsistencies in lighting[C]//Proceeding of the 7th Workshop on Multimedia and Security,New York,2005:1-10.[4]LUOWeiqi,QU Zhenhua,HUANG Jiwu,et al.A novel method for detecting cropped and recompressed image block[C]//Proceeding ofthe International Conference on A-coustics,Speech and Signal Processing,Honolulu,HI,2007:II217_II220.[5]Popescu A C,Farid H.Exposing digital forgeries in color filter arrayinterpolated images[J].IEEE Transactions on Signal Processing,2005,53(10):3948-3959.[6]Ho JS,Au O C,Zhou Jiantao,etal.Inter_channel demosaicking traces for digital image forensics[C]//Proceedings of IEEE International Conference on Multimedia and Expo (ICME),Suntec City,2010:1475-1480.[7]LONG Yangjing,HUANG Yizhen.Image based source camera identification using demosaicking[C]//IEEE 8th Workshop on Multimedia Signal Processing,Victoria,BC,2006:419-424.[8]Gallagher A C.Detection of linear and cubic interpolation in JPEG compressed images[C]//Proceedings of the 2nd Canadian Conference on Computer and Robot Vision,2005:65-72.[9]熊志勇,蒋天发.基于色彩分量相关性的彩色图像可擦除水印算法[J].计算机应用研究,2009,26(4):1598-1600.XIONG Zhiyong,JIANG Tianfa.Erasable watermark algorithm for color images based on correlation of color components[J].Application Research of Computers,2009,26 (4):1598-1600.(in Chinese)[10]Gunturk B K,Altunbasak Y,Mersereau R M.Color plane interpolation using alternating projections[J].IEEE Transactions on Image Processing,2002,11(9):997-1013.[11]Lian Naixiang,Zagorodnov V,Tan Yappeng.Edge_preserving Image denoising via optimal color space projection[J].IEEE Transactions on Image Processing,2006,15 (9):2575-2587.。

一种基于局部颜色特征的图像检索算法

一种基于局部颜色特征的图像检索算法

一种基于局部颜色特征的图像检索算法
白青海
【期刊名称】《内蒙古师范大学学报(自然科学汉文版)》
【年(卷),期】2008(037)005
【摘要】提出一种基于局部颜色特征的图像检索算法.该算法首先对图像进行分块,提取各分块的主色作为颜色特征,然后根据图像中心的重要性,对图像各个分块的颜色特征采用不同的加权系数,使局部图像的特征矢量被增强,从而提高了图像的检索精度.与基于全局颜色直方图方法相比,基于局部颜色特征的图像检索算法具有更好的检索结果.
【总页数】4页(P640-643)
【作者】白青海
【作者单位】内蒙古民族大学数学与计算机科学学院,内蒙古通辽028043
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种基于局部颜色特征的图像检索方法 [J], 林丽惠;杨升
2.基于图像全局和局部颜色特征的图像检索 [J], 陈雅芳;薛清福;陈方芳;陈旭东
3.一种新的基于加权颜色特征的图像检索算法 [J], 方珍红;谢明元;杨玲
4.一种融合整体和局部颜色特征的图像检索方法 [J], 赵景秀;聂加娜
5.一种基于HVS加权颜色特征的图像检索算法 [J], 宋琳琳;王相海
因版权原因,仅展示原文概要,查看原文内容请购买。

基于CFA痕迹的图像局部篡改取证

基于CFA痕迹的图像局部篡改取证

基于CFA痕迹的图像局部篡改取证高旭东;夏明;向满云;霍晓淑;黄贞晶【期刊名称】《通信技术》【年(卷),期】2017(050)007【摘要】A forensic tool able to discriminate between original and forged regions in an image captured by a digital camera is proposed. In this process, the image is assumed to be acquired by using CFA(Color Filter Array), and that the tampering would remove the artifacts due to the demosaicing algorithm. This assumption is true for images generated by most commercial cameras. Based on this, a new feature is found and this feature can be used to determine whether CFA traces exist in the local region, allows the calculation of spurious probabilities of very small image blocks (2× 2) without predicting the potentially-tampered regions of the image. Experiments on different camera brands and different mosaic algorithms indicate that the proposed method has fairly high detection-rate and low computational complexity.%提出了一种能够对数码相机成像的图像进行取证的新方法,可以精确定位到图像中伪造区域的位置.这种处理中,假定图像成像前经过颜色滤波矩阵(CFA),而图像的篡改操作会破坏CFA痕迹,这种假定对大多数商业相机所生成的图像是成立的.因此,在此基础上,找到了一种新的特征,可判定CFA痕迹在局部区域是否存在.这种特征在不需要预测该图像可能被篡改区域的情况下,可以计算很小的图像块(2×2)的伪造概率.实验部分对不同的相机品牌、不同的去马赛克算法进行验证,结果证明该方法检测率高且计算复杂度低.【总页数】7页(P1546-1552)【作者】高旭东;夏明;向满云;霍晓淑;黄贞晶【作者单位】西南民族大学,四川成都 610225;西南民族大学,四川成都 610225;西南民族大学,四川成都 610225;西南民族大学,四川成都 610225;西南民族大学,四川成都 610225【正文语种】中文【中图分类】TP391.41【相关文献】1.基于CFA去马赛克的图像篡改检测技术研究 [J], 高健;李喜艳;任孝锋2.一种基于局部特征的图像Copy-Move篡改取证方法 [J], 赵杰; 吴晓云; 王博; 毕秀丽; 梁东云3.一种基于局部均值量化的图像Copy-Move篡改取证方法 [J], 赵杰; 李亚文; 李英; 毕秀丽; 杨滨峰4.基于局部感知Hash的图像篡改取证算法 [J], 赵杰; 毕秀丽5.一种基于局部Hu矩的图像Copy-Move篡改取证方法 [J], 赵杰;赵伟杰;杨滨峰;毕秀丽因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

I m a eC o m o v eF o r e r e t e c t i o nB a s e d g p y g yD o nL o c a lC o l o r I n v a r i a n t s
12 12 3 4 ,WAN X , ,WAN X I EW e i i a o x i a Y ES o n t a o GT a o g , ,
( ,Wu ,W ,H ; 1. S c h o o l o fP r i n t i n n dP a c k a i n h a nU n i v u h a n u b e i 3 0 0 7 2, C h i n a 4 ga g g ,Wu ,Wu ,H ; 2. C h i n aR e s e a r c hC e n t e r f o rP h o t o r a h i cC u l t u r e I n d u s t r h a nU n i v h a n u b e i 3 0 0 7 2, C h i n a 4 g p y , , ,H ; 3. C o l l e eo f I n f o r m a t i o nE n i n e e r i n X i a n t a nU n i v X i a n t a n u n a n 1 1 1 0 5, C h i n a 4 g g g g g ,H , ,H ) 4. I m a eM e d i aT e c h n o l o e s e a r c hC e n t e r u n a nU n i v C h a n s h a u n a n 1 0 0 8 2, C h i n a 4 g g yR g
针对基于分块的图像区域复制篡改检 测 方 法 通 常 面 临 的 图 像 特 征 提 取 计 算 量 摘 要 : 维度高 、 识别率低等问题 , 提出一种基于局部 色 彩 不 变 量 特 征 的 图 像 区 域 复 制 篡 改 检 测 大、 方法 , 将R 通过分析和提 取 图 像 各 通 道 上 的 局 部 密 度 分 G B 彩色图像转换到对立色彩空间 , 布特征 , 构建 ∬ 提出的局部 色彩 树进行相似分块特征匹配以实现图像区域复制篡改检测 . 计算简单等特点 . 实 验 结 果 表 明, 本文方法与其他几种典型的 不变量密度特征具有维度低 、 具有较低的时间复杂度 和 较 高 的 检 测 率 , 且 对 图 像 篡 改 区 域 的 旋 转、 基于分块的方法相比 , 缩放攻击具有较好的鲁棒性 , 特别是当图像篡改区 域 进 行 大 角 度 旋 转 时 与 其 他 几 种 方 法 相 比具有明显优势 . 关键词 : 色彩不变量 ; 特征提取 ; 区域复制 ; 篡改检测 ; 计算机取证 中图分类号 : T P 3 9 1 文献标识码 : A
第4 3卷 第 8期 2016 年 8 月
湖 南 大 学 学 报 (自 然 科 学 版 ) ( ) J o u r n a l o fH u n a nU n i v e r s i t N a t u r a lS c i e n c e s y
V o l . 4 3, N o . 8 A u .2016 g
文章编号 : ( ) 1 6 7 4 2 9 7 4 2 0 1 6 0 8 0 1 2 8 0 7
基于局部色彩不变量的图像篡改检测方法
2 2 谢 伟1, , 万晓霞1, , 叶松涛3, 王 韬4

( 武汉大学 印刷与包装系 , 湖北 武汉 ; 武汉大学 中国摄影文化产业研究中心 , 湖北 武汉 ; 1 . 4 3 0 0 7 2 2 . 4 3 0 0 7 2 湘潭大学 信息工程学院 , 湖南 湘潭 ; 湖南大学 图像传媒技术研究中心 , 湖南 长沙 ) 3 . 4 1 1 1 0 5 4 . 4 1 0 0 8 2
: ˇ ∑ˇ B l o c k b a s e dc o m o v e i m a e f o r e r e t e c t i o nm e t h o d su s u a l l a v ep r o b l e m s s u c ha sh i h ≏ ‟ p y g g yd yh g , , d i m e n s i o n a l f e a t u r ev e c t o r h i hc o m u t a t i o n a l c o m l e x i t n d l o wd e t e c t i o nr a t e . S o t h i sp a e rp r o o s e d g p p ya p p ,w an e wm e t h o df o ri m a ec o m o v ef o r e r e t e c t i o nb a s e do nc o l o ri n v a r i a n t s h i c he x t r a c t sd e n s i t g p y g yd y c h a r a c t e r i s t i c s f r o me a c hc h a n n e l o f o o n e n t c o l o r s a c e c o n v e r t e d f r o mR G B. T h ek d t r e e i s c o n s t r u c t e d p p p t os e e du r o x i m a t en e a r e s t n e i h b o r sm a t c h i n f o r t a m e r i n e t e c t i o n . T h e e x e r i m e n t r e s u l t s s h o w p pa p p g g p gd p t h a t t h ep r o o s e dl o c a l c o l o r i n v a r i a n t sf e a t u r ew i t hl o w d i m e n s i o na n ds i m l ec o m u t a t i o nc a nr e r e s e n t p p p p , t h e i m a eb l o c kf e a t u r ee f f e c t i v e l .Wh e nc o m a r e dw i t ht i c a lb l o c k b a s e dm e t h o d s t h i sm e t h o dh a s g y p y p , , s o m ea d v a n t a e s s u c ha s l o w e r c o m u t a t i o n a l c o m l e x i t m o r e a c c u r a t e a n d r o b u s t t op o s t r o c e s s i n f o r g p p y p g f o r e r e i o n ss u c ha sr o t a t i o na n ds c a l i n . g yr g g
相关文档
最新文档