[發明專利]一種數字圖像拼接篡改盲檢測方法和系統

在審

• 申請號: 202011339627.1
• 申請日: 2020-11-25
• 公開（公告）號: CN112465768A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 孫鵬;郎宇博;周純冰;謝蘭遲;許磊;黎智輝
• 申請（專利權）人: 公安部物證鑒定中心;中國刑事警察學院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/90;G06K9/62
• 代理公司: 北京紀凱知識產權代理有限公司 11245
• 代理人: 趙悅

本發明涉及一種數字圖像拼接篡改盲檢測方法和系統，包括以下步驟：S1將待測圖像分割成不重疊的若干個圖像子塊，計算參考顏色偏量以及每個圖像子塊的顏色偏量；S2計算每個圖像子塊的顏色偏量與圖像的參考顏色偏量之間的歐式距離；S3對步驟S2獲得的各歐式距離進行分類，計算每個類別包括的圖像子塊數，其中，圖像子塊數最少的類別對應的圖像子塊為篡改圖像區域，其余圖像子塊為真實圖像區域。其對于異源圖像拼接、多處拼接、圖像質量較差或圖像經過壓縮等情況下數字圖像拼接篡改檢測的諸多問題，不僅能夠對上述圖像進行拼接篡改盲檢測，而且對于經過篡改的數字圖像能夠有效定位其篡改區域。

技術領域

本發明涉及一種數字圖像拼接篡改盲檢測方法和系統，屬于圖像篡改檢測技術領域。

背景技術

目前，數字圖像拼接篡改盲檢測方法主要有基于特征匹配、基于光照方向和基于數字圖像成像原理這三大類。基于特征匹配的方法通常只能檢測同源數字圖像的復制-粘貼篡改，對于異源數字圖像的拼接篡改并不適用；基于光照方向的方法雖然能夠實現異源數字圖像的拼接篡改，但是其檢測過程中需要人工在圖像中標記疑似拼接篡改區域，對于一幅圖像中存在多處拼接篡改區域的情況可能出現漏檢。基于數字圖像成像原理的方法對待檢測圖像質量要求較高，通常需要原始設備獲取圖像或未被壓縮過的圖像，一旦待檢測圖像經過濾波、壓縮等操作將大幅降低該類方法的準確率。因此，現有技術中方法對于經過濾波、壓縮處理的數字圖像的拼接篡改檢測較為困難，并且容易產生錯誤結果。

發明內容

針對上述問題，本發明的目的是提供了一種數字圖像拼接篡改盲檢測方法和系統，其對于異源圖像拼接、多處拼接、圖像質量較差或圖像經過壓縮等情況下數字圖像拼接篡改檢測的諸多問題，不僅能夠對上述圖像進行拼接篡改盲檢測，而且對于經過篡改的數字圖像能夠有效定位其篡改區域。

為實現上述目的，本發明采取以下技術方案：一種數字圖像拼接篡改盲檢測方法，包括以下步驟：S1將待測圖像分割成不重疊的若干個圖像子塊，計算參考顏色偏量以及每個圖像子塊的顏色偏量；S2計算每個圖像子塊的顏色偏量與圖像的參考顏色偏量之間的歐式距離；S3對步驟S2獲得的各歐式距離進行分類，計算每個類別包括的圖像子塊數，其中，圖像子塊數最少的類別對應的圖像子塊為篡改圖像區域，其余圖像子塊為真實圖像區域。

進一步，步驟S3中通過高斯混合模型對各歐式距離進行分類。

進一步，步驟S3中通過高斯混合模型對各歐式距離進行分類的具體過程為：S3.1初始化高斯混合模型參數α，θ＝[μ，σ],其中α為高斯混合模型中各高斯子成分系數，θ＝[μ，σ]表示高斯混合模型參數，μ為均值，σ為標準差；S3.2假設各歐式距離滿足由參數θ確定的高斯混合模型的分布，通過EM算法迭代求得由參數θ確定的高斯混合模型的最優參數解S3.3通過最優參數解確定各歐式距離所屬類別。

進一步，高斯混合模型的公式為：

其中，α_j是第j個高斯子成分的系數，α_j≥0，ρ(y|θ_j)是高斯分布密度函數，則ρ(y|θ_j)的公式為：

進一步，步驟S3.2中通過EM算法迭代求得高斯混合模型的最優參數解的方法為：計算當前參數α,θ下的高斯分布函數生成各歐式距離的概率P，及似然函數l(α,θ)，更新參數值α,θ，使得似然函數l(α,θ)取最大值，若更新后的參數值對應的似然函數減去原參數值對應的似然函數的值小于閾值，則終止計算，否則持續更新參數值，直至更新后的參數值對應的似然函數減去原參數值對應的似然函數的值小于閾值。

進一步，高斯分布函數生成各歐式距離的概率P的計算公式為：

似然函數的計算公式為：