[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

本發明提供提出一種基于亮度特征耦合信息量制約的圖像篡改檢測方法，首先，引入Forstner算子，計算圖像像素點的Robert梯度，從圖像中精確獲取特征點。然后，在圖像特征的鄰域中，通過均值模型來計算圖像的亮度特征，將其與像素點的灰度差異特征相結合，以構造健壯的特征向量。最后，采用互相關函數來計算圖像特征的關聯度，采用信息熵來評估圖像特征鄰域所含信息量；并以圖像特征間的關聯度與信息量特征為依據，對圖像特征進行匹配。最后，利用圖像特征的特征向量，獲取匹配點間的距離值，實現匹配點的歸類，獲取檢測結果。實驗結果顯示，與當下篡改檢測方法相比，在多種幾何內容變化下，所提方法具備更高的檢測準確度，所含的漏檢和誤檢信息最少。

技術領域

本發明屬于計算機技術領域，具體是一種基于亮度特征耦合信息量制約的圖像(復制-粘貼)篡改檢測方法。

背景技術

科技的發展為人們對數字圖像的編輯提供了良好的條件，使得人們能夠更好地獲取所需要的數字圖像。然而，這種對數字圖像的處理方法，如果使用不當，也會對人們的生活造成負面的影響。由于圖像中一些經過編輯修改后的內容，難以通過肉眼觀察出來。因此，對圖像進行篡改檢測是一項非常必要而且有意義的工作。

隨著人們對圖像篡改檢測方法的不斷研究，現有技術中出現了形式各異的圖像篡改檢測方法。

有研究者將圖像進行小波變換后，再將灰度水印按最低有效位到最高有效位的數字順序分解成二值圖像，然后利用有效的量化技術將檢索到的二值圖像嵌入到兩個最優顏色通道的小波塊中，進而對抗圖像的偽造。由于該方法依靠于小波變換，而小波變換的弱方向選擇特性，易使得圖像信息丟失，從而導致出現檢測出錯。

有研究者將水印嵌入到低頻系數中，利用可調的動態強度因子實現高魯棒性。利用高斯分布對低頻系數進行建模，設計出最大似然(Maximum Likelihood,ML)譯碼器，以抵御圖像篡改。雖然這種方法對圖像內容篡改的抵御性較好，但其對圖像原始內容具有一定損壞。

有研究者提出了一種基于不變四元數指數矩的塊魯棒復制-移動偽造檢測方法，利用高斯低通濾波器對原始調質彩色圖像進行預處理，將濾波后的彩色圖像分割成重疊的圓形塊，以矢量場的形式從彩色圖像塊中提取出準確、魯棒的特征描述子不變四元數指數矩的模，利用精確的歐氏距離方法快速找到匹配塊，并利用隨機樣本一致性方法，去除錯誤匹配的塊對，對偽造內容進行檢測。該方法中的不變四元數指數矩增強了方法的魯棒性，但利用歐氏距離方法獲取匹配塊，沒有考慮特征點鄰域所含的信息量特征，易導致匹配出錯。

有研究者采用加速魯棒特征(Speed Up Robust Feature,SURF)方法獲取圖像特性及其特征向量后，再通過k-逆序廣義2近鄰方法(Reverse generalized-2NearestNeighbors,k-Rg2NN)匹配圖像特征，最后通過隨機抽樣一致方法(Random SampleConsensus,RANSAC)方法檢測偽造內容。由于k-Rg2NN方法為圖像特征距離測量的方法，其忽略了圖像特征鄰域所含信息量的情況，而且RANSAC方法對初始計算點的依賴性較強，限制了該方法檢測結果的準確性。

發明內容

為了克服當前較多圖像篡改檢測方法主要通過比較特征點的距離來完成偽造內容的識別，忽略了特征點鄰域所含的信息量，導致檢測結果中存在較多的漏檢和誤檢等問題，本發明采用圖像的亮度特征和信息量特征，設計了一種新的圖像篡改檢測方法。

一種基于亮度特征耦合信息量制約的圖像(復制-粘貼)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)引入Forstner算子，計算圖像像素點的Robert梯度，從圖像中精確獲取特征點。