[發明專利]基于亮度特征耦合信息量制約的圖像篡改檢測方法

在審

• 申請號: 202010735310.3
• 申請日: 2020-07-28
• 公開（公告）號: CN111915582A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 王欣
• 申請（專利權）人: 南京工業大學浦江學院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/90;G06T7/11;G06T7/73;G06K9/62
• 代理公司: 南京科闊知識產權代理事務所(普通合伙) 32400
• 代理人: 蘇興建

1.一種基于亮度特征耦合信息量制約的圖像篡改檢測方法，步驟為：首先，采集待檢測圖像；然后，對待檢測圖像進行檢測，其特征是包括步驟：

1)檢測圖像特征

通過計算圖像像素點的Robert梯度，對圖像特征進行檢測，得到圖像中的特征點；

2)計算特征向量

對步驟1)得到的特征點，2.1)計算特征點對應的梯度直方圖，得到其方向信息；2.2)利用特征點的方向信息建立特征點的鄰域；2.3)由鄰域中的灰度差異特征以及亮度特征得到特征向量；

3)圖像特征匹配

由步驟1)得到的特征點，3.1)利用互相關方程和信息熵方程分別求取圖像間的關聯性以及圖像所含信息量；3.2)由圖像間的關聯性和圖像所含信息量對圖像特征進行匹配，得到匹配點；

4)特征歸類

由步驟2)得到的特征向量，求取匹配點的距離值；將距離值最小的特征點歸為一類，完成步驟3)得到所有匹配點的歸類；

各個類中的匹配點構成檢測圖像，用以對偽造內容進行識別，得到檢測結果。

2.根據權利要求1所述的圖像篡改檢測方法，其特征是所述步驟1)中，

對于灰度值為g_i,j的像素點p(i,j)，其Robert梯度為：

p(i,j)的灰度協方差矩陣F為：

式中，N為F的逆矩陣；

由N的行列式DetN和跡TrN來求取p(i,j)的興趣值I和G：

當I和G的值分別大于預設閾值YI和YG時，則把p(i,j)作為圖像中的特征點p(x,y)保留；

當I和G的值不大于預設閾值YI和YG時，則舍棄像素點p(i,j)；

i,j表示圖像中像素點所在的第i行、第j列。

3.根據權利要求1所述的圖像篡改檢測方法，其特征是對于步驟1)得到的特征點p(x,y)：

所述步驟2.1)中，求取特征點p(x,y)的梯度模值T(x,y)和梯度方向V(x,y)：

T(x,y)＝((p(x+1,y)-p(x-1,y))²+(p(x,y+1)-p(x,y-1))²)^1/2 (6)，

其中，tan為正切函數；

所述步驟2.2)中，構建特征點p(x,y)在[0°,360°]上的梯度直方圖，得到特征點主方向，再建立特征點的鄰域。

4.根據權利要求1所述的圖像篡改檢測方法，其特征是所述步驟3.1)中，

3.1.1)在尺寸為M×N的特征點p和q的鄰域E和R中，互相關度CC為：

式(12)中，E_ij、R_ij分別為E和R中的像素值，E’、R’分別為R和R中的像素均值；

3.1.2)令E中的灰度級總數為W，則信息熵EI為：

式(13)中，F_i為灰度級為i級的像素點出現的概率；

利用式(13)求取不同特征點p和q的信息熵值EI_p和EI_q，進而得到特征點p和q鄰域所含信息量的差異值ΔEI：ΔEI＝|EI_p-EI_q| (14)；

所述步驟3.2)中，利用式(12)度量特征點p與其它特征點的關聯性，利用式(14)度量特征點p與其它特征點鄰域所含信息量的差異性；

選取與特征點p在關聯性與所含信息量差異性都最小的特征點q作為p匹配點。