[發明專利]一種針對圖像內容感知篡改的檢測方法

在審

• 申請號: 202010086314.3
• 申請日: 2020-02-11
• 公開（公告）號: CN111311564A
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 蘆明;趙驥;武傳勝;張曉霞
• 申請（專利權）人: 遼寧科技大學
• 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所(普通合伙) 21224
• 代理人: 張群

本發明提供一種針對圖像內容感知篡改的檢測方法，基于改進的LTP和能量偏差特征的圖像內容感知篡改檢測方法。首先，改進原始LTP算子，增強其中閾值t的自適應性，利用改進的LTP算子描述數字圖像因內容感知篡改所導致的鄰域像素相關性的變化；然后，將LTP特征與能量偏差特征相結合，使用聯合特征來訓練分類器。通過對支持向量機SVM分類器進行訓練﹑檢測，以此來檢測數字圖像是否經過內容感知篡改。采用基于改進的LTP和能量偏差特征的圖像內容感知篡改檢測方法，解決傳統方法對圖像中相對平滑的區域發生篡改檢測不敏感的問題。

技術領域

本發明涉及計算機視覺技術﹑數字圖像處理技術領域，特別涉及一種針對圖像內容感知篡改的檢測方法。

背景技術

隨著信息技術和移動互聯網的迅猛發展，數字圖像已經被廣泛應用在人們的生活與工作中。然而，隨著數字圖像處理技術發展和相應軟件的不斷涌現，嚴重的損害了數字圖像的真實性與完整性，破壞了人們傳統上“眼見為實”的這種對圖像的信賴。特別是隨著移動設備快速發展，同一幅圖像可能會在不同尺寸的移動設備上顯示。為了適應這種顯示設備多樣化的要求，基于內容感知的圖像縮放技術隨之產生，該技術包括Seam Carving技術和Seam Insertion技術兩方面，在對數字圖像進行寬高非等比例縮放時可以避免圖像內容扭曲變形，盡可能的保留用戶更關心的高能量值區域，刪除能量值較低的區域《Seamcarving for content-aware image resizing》。如圖1-3為圖像在水平和垂直兩個方向上的內容感知縮放效果，結果表明基于內容感知的圖像縮放算法達到令人滿意的視覺效果。然而，利用此技術也可以對數字圖像的內容進行篡改，放大數字圖像中對自己有利的內容，縮小甚至刪除數字圖像中對自己不利的內容，這就是圖像的內容感知篡改。如圖4-6所示，利用內容感知篡改將圖像中的某個目標移除，這樣將改變原圖像的語義內容，而視覺上又無法判斷數字圖像是否經歷過這樣的篡改操作《Seam carving for content-aware imageresizing》。如果使用此技術來偽造法庭證據、篡改科技成果等，必然給國家和社會帶來非常惡劣的影響。因此，如何既準確又高效的檢測數字圖像的內容感知篡改是當前數字圖像取證領域中亟待解決的問題。

發明內容

為了解決背景技術提出的技術問題，本發明提供一種針對圖像內容感知篡改的檢測方法，采用基于改進的LTP和能量偏差特征的圖像內容感知篡改檢測方法，解決傳統方法對圖像中相對平滑的區域發生篡改檢測不敏感的問題。

為了達到上述目的，本發明采用以下技術方案實現：

一種針對圖像內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練階段，采用支持向量機作為分類器；另一階段是對內容感知篡改的檢測階段；訓練階段：圖像經過預處理之后，分別提取LTP特征和能量偏差特征，使用聯合特征來訓練分類器，得出原始圖像和篡改圖像的二分類；檢測階段：選取設定數量的檢測樣本，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果。

在所述的訓練階段和檢測階段中，采用基于改進的LTP和能量偏差的特征提取方法；

首先，改進原始LTP算子，增強其中閾值t的自適應性，利用改進的LTP算子描述數字圖像因內容感知篡改所導致的鄰域像素相關性的變化；然后，將LTP特征與能量偏差特征相結合，使用聯合特征來訓練分類器。通過對支持向量機SVM分類器進行訓練﹑檢測，以此來檢測數字圖像是否經過內容感知篡改；

1)改進原始LTP算子，使其增強抗噪聲能力及幅度描述能力，能更好的反應像素與鄰域像素的偏離程度，具體實現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度差：

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

增量計算鄰域紋理波動程度ω：