[發(fā)明專利]一種針對物體刪除的縫裁剪圖像定位取證方法

有效

• 申請?zhí)枺?/td>: 201710205138.9
• 申請日: 2017-03-31
• 公開（公告）號: CN107145887B
• 公開（公告）日: 2019-10-01
• 發(fā)明（設(shè)計(jì)）人: 柯永振;韓蓉;杜玲;郭景
• 申請（專利權(quán)）人: 天津工業(yè)大學(xué)
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/46;G06K9/62
• 代理公司: 北京知舟專利事務(wù)所(普通合伙) 11550
• 代理人: 郭韞

本發(fā)明提供了一種針對物體刪除的縫裁剪圖像定位取證方法，屬于圖像處理中的圖像盲取證領(lǐng)域。該針對物體刪除的縫裁剪圖像定位取證方法包括：(1)對待檢測圖像進(jìn)行塊效應(yīng)網(wǎng)格提取，獲得待檢測圖像的塊效應(yīng)網(wǎng)格圖G；(2)對所述塊效應(yīng)網(wǎng)格圖G進(jìn)行特征提取，獲得特征；(3)利用無監(jiān)督聚類方法對所述特征進(jìn)行分類，獲得分類標(biāo)記結(jié)果圖；(4)根據(jù)分類標(biāo)記結(jié)果圖進(jìn)行定位檢測。利用本發(fā)明方法可以檢測出圖像是否有物體被刪除，并且可以定位出被刪除物體的具體位置。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理中的圖像盲取證領(lǐng)域，具體涉及一種針對物體刪除的縫裁剪圖像定位取證方法。

背景技術(shù)

縫裁剪即Seam-Carving是一種基于內(nèi)容感知的圖像縮放技術(shù)。該技術(shù)不僅可以實(shí)現(xiàn)圖像的縮放，還可以實(shí)現(xiàn)特定物體的移除。在利用縫裁剪實(shí)現(xiàn)特定物體移除時，首先要將刪除的區(qū)域標(biāo)記出來，然后將該區(qū)域的能量值賦值為0，最后不斷地刪除一條能量最低的縫，直到所有標(biāo)記的區(qū)域刪除為止。該方法使得刪除物體成為可能，同時不會造成圖像的扭曲與變形。

縫定義為一條從上到下或從左到右貫穿圖像的8連通的低能量像素線。可以用動態(tài)規(guī)劃技術(shù)來選定每個方向的最佳縫，而所謂最佳縫，是指具有最小積累能量的縫，其中積累能量表示了縫中像素的結(jié)合重要性。

最常用的能量函數(shù)定義如下：

其中，I是一個n×m的圖像。對于一條垂直縫，可以定義為：

其中x表示映射x:[1,...,n]→[1,...,m]。最佳縫s^*是一條能量總和最小的縫，可以通過動態(tài)規(guī)劃M對于每個入口(i,j)的所有可能的連接縫計(jì)算而得。

M(i,j)＝e(i,j)+min(M(i-1,j-1),M(i,j-1),M(i-1,j+1))

對于圖像縮小，縫的甄選可以保證維持圖像結(jié)構(gòu)，刪除盡量多的低能量像素，并留下盡量多的高能量像素。特定物體移除是圖像縮減的一個特例，是在保證圖像基本內(nèi)容不發(fā)生扭曲和變形的情況下，盡可能的刪除低能量的縫，保留高能量的縫，同時將標(biāo)記的區(qū)域徹底刪除。

縫裁剪是一種內(nèi)容感知圖像重定向算法，已經(jīng)獲得了廣泛的使用，然而也對圖像取證帶來了不少的挑戰(zhàn)。在2013年6月由IEEE信息取證和安全技術(shù)委員會(IFS-TC)舉辦的首屆圖像取證挑戰(zhàn)難題中，如何檢測縫裁剪操作已經(jīng)成為一個圖像取證科學(xué)挑戰(zhàn)問題。

從2009年開始，陸續(xù)出現(xiàn)了一些縫裁剪取證方面的研究成果。首先是2009年，Sarkar等人提出的通過提取324維的馬爾科夫特征來檢測縫裁剪，對于縮小和放大，該方法檢測率分別可達(dá)到80％和85％，但是低縮放比例的圖像檢測效果并沒有那么好。

在2010年，F(xiàn)illion和Sharma提出幾個直觀的特征用于縫裁剪檢測。這些統(tǒng)計(jì)特征集包括基于能量偏差的特征、基于縫行為的特征、基于更高次序的圖像統(tǒng)計(jì)特征(小波絕對矩)、基于第二次縫裁剪的特征。他們?nèi)〉昧烁玫臋z測結(jié)果，對于縫裁剪20％和30％的圖像，檢測率分別達(dá)到了84.0％和91.3％。同時，他們還對故意縮放，即刪除特定對象進(jìn)行檢測，相同條件下，四種特征組合檢測正確率為76％。

Seung-Jin Ryu等人提取了包括平均列能量、平均行能量、平均能量、最大縫、最小縫等14個特征，并通過SVM訓(xùn)練進(jìn)行檢測。在不同的縮放比例下正確率為71.52％到93.5％。

Qingzhong liu合并了空間域的基于替換重壓縮的特征和在DCT域上基于替換重壓縮的鄰近聯(lián)合密度來檢測JPEG格式圖像中的基于內(nèi)容感知的圖像偽造。