[發(fā)明專利]一種針對圖像內(nèi)容感知篡改的檢測方法

在審

• 申請?zhí)枺?/td>: 202010086314.3
• 申請日: 2020-02-11
• 公開（公告）號: CN111311564A
• 公開（公告）日: 2020-06-19
• 發(fā)明（設(shè)計）人: 蘆明;趙驥;武傳勝;張曉霞
• 申請（專利權(quán)）人: 遼寧科技大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06K9/46
• 代理公司: 鞍山嘉訊科技專利事務(wù)所(普通合伙) 21224
• 代理人: 張群

1.一種針對圖像內(nèi)容感知篡改的檢測方法，包括兩個階段，一階段是對分類器的訓(xùn)練階段，采用支持向量機(jī)作為分類器；另一階段是對內(nèi)容感知篡改的檢測階段；訓(xùn)練階段：圖像經(jīng)過預(yù)處理之后，分別提取LTP特征和能量偏差特征，使用聯(lián)合特征來訓(xùn)練分類器，得出原始圖像和篡改圖像的二分類；檢測階段：選取設(shè)定數(shù)量的檢測樣本，提取LTP特征和能量偏差特征，使用上述的分類器得出檢測結(jié)果；

其特征在于，在所述的訓(xùn)練階段和檢測階段中，采用基于改進(jìn)的LTP和能量偏差特征提取方法；

首先，改進(jìn)原始LTP算子，增強(qiáng)其中閾值t的自適應(yīng)性，利用改進(jìn)的LTP算子描述數(shù)字圖像因內(nèi)容感知篡改所導(dǎo)致的鄰域像素相關(guān)性的變化；然后，將LTP特征與能量偏差特征相結(jié)合，使用聯(lián)合特征來訓(xùn)練分類器。通過對支持向量機(jī)SVM分類器進(jìn)行訓(xùn)練﹑檢測，以此來檢測數(shù)字圖像是否經(jīng)過內(nèi)容感知篡改；

1)改進(jìn)原始LTP算子，使其增強(qiáng)抗噪聲能力及幅度描述能力，能更好的反應(yīng)像素與鄰域像素的偏離程度，具體實現(xiàn)采用增量步長局部采樣方式，步驟如下：

增量計算鄰域的像素平均強(qiáng)度差：

Δc_i為各鄰域像素與中心像素強(qiáng)度差，n為采用增量采樣的鄰域像素點數(shù)，增量步長為2ⁱ；

增量計算鄰域紋理波動程度ω：

增量計算像素與鄰域像素的離散度d：

增量計算局部鄰域的均值μ：

其中，c_i為各鄰域像素的強(qiáng)度，c_c為鄰域的中心像素強(qiáng)度，n為采用增量采樣的鄰域像素點數(shù)，增量步長為2ⁱ；

增量計算局部鄰域的方差σ：

通過離散度d與方差σ的差值得到閾值t：

t＝|d-σ| (6)

改進(jìn)后的LTP算子對于噪聲具有一定的魯棒性，而且在一定程度上可以將帶噪聲的平滑區(qū)域和紋理變化區(qū)域分開，對于相對平滑區(qū)域也能準(zhǔn)確地描述鄰域像素間的相關(guān)性；

2)當(dāng)篡改比例較大時，采用改進(jìn)的LTP特征與能量偏差特征相結(jié)合的聯(lián)合特征進(jìn)行檢測，效果更佳。

2.根據(jù)權(quán)利要求1所述的一種針對圖像內(nèi)容感知篡改的檢測方法，其特征在于，所述的能量偏差特征包括兩種：像素能量偏差和Seam能量偏差，能量偏差特征的提取方法，具體步驟如下：

1)像素能量偏差特征提取，有4維特征：

水平方向能量偏差：

垂直方向能量偏差：

主對角線能量偏差：

次對角線上能量偏差：

其中，圖像的大小為m×n，I(i,j)為圖像中的像素強(qiáng)度；

2)Seam的能量偏差特征提取：

根據(jù)篡改過程中所選取的Seam方向不同，即水平Seam或垂直Seam，提取Seam的能量偏差特征可以取水平方向或豎直方向各有3維特征：

垂直Seam能量最大值：垂直Seam能量最小值：

垂直Seam能量平均值：水平Seam能量最大值：

水平Seam能量最小值：水平Seam能量平均值：

其中，圖像的大小為m×n，E(m,j)為通過像素I(i,j)的Seam在垂直方向上的能量累積，E(m,j)為通過像素I(i,j)的Seam在水平方向上的能量累積。