CN105825504B - 一种基于mscr区域特征的图像复制检测方法 - Google Patents
一种基于mscr区域特征的图像复制检测方法 Download PDFInfo
- Publication number
- CN105825504B CN105825504B CN201610142022.0A CN201610142022A CN105825504B CN 105825504 B CN105825504 B CN 105825504B CN 201610142022 A CN201610142022 A CN 201610142022A CN 105825504 B CN105825504 B CN 105825504B
- Authority
- CN
- China
- Prior art keywords
- image
- region
- mscr
- characteristic
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 27
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 14
- 230000010076 replication Effects 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims abstract description 12
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 230000004075 alteration Effects 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种基于MSCR区域特征的图像区域复制检测方法。首先对彩色图像提取MSCR特征,然后将这些特征区域归一化为圆形区域。接下来计算每个圆形特征区域的Zernike矩,作为该区域的特征向量。然后计算这些特征向量的欧式距离,找出候选的特征向量匹配对,及对应的特征区域对。通过这些特征区域对在图像当中的位置关系,估计区域复制过程当中的仿射变换矩阵。最后根据仿射矩阵来确定图像是否经过区域复制,并且定位复制区域的位置。本发明使用了一种新的彩色图像特征,并且优化了区域定位方法,具有很好的检测准确性和定位精确度。
Description
技术领域
本发明涉及图像数字取证领域,更具体地,涉及一种基于MSCR区域特征的图像复制检测方法。
背景技术
随着数码相机和智能手机的普及,数字图像已经和日常生活密不可分。但由于图像处理软件使用的低门槛和互联网的飞速传播,数字图像内容的真实性和图像的来源变得无法确定。而在许多场合,例如司法、新闻出版等领域,我们又急需保证图像内容的真实性和来源的可靠性,因此数字图像取证技术应运而生。
图像复制检测是数字图像取证领域中的一个重要分支,它主要是为了检测一副图像中是否存在区域复制行为,即图像中的一部分区域复制到本图像中的其它区域。图像区域复制的目的是为了夸大或是隐藏图像中部分内容,复制的过程中往往会包含缩放、旋转、加噪声等处理手段,使得复制的痕迹无法肉眼查别。因此,一个好的复制检测方法应该要能考虑到这些干扰措施,并能准确定位复制区域。
现有检测技术通常分为两种:基于图像块和基于图像特征。基于图像块的方法由于计算时间过长,适应性不高等缺点逐渐不再被使用。目前主流的方法是基于图像特征的方法。不同检测方法之间的差别主要是在图像特征的选取、特征匹配策略和复制区域定位方面。
发明内容
本发明提供一种基于MSCR区域特征的图像复制检测方法,能够有效对图像篡改中区域复制行为进行检测和定位。
为了达到上述技术效果,本发明的技术方案如下:
一种基于MSCR区域特征的图像复制检测方法,包括以下步骤:
S1:提取MSCR图像特征:对彩色图像中的每个像素点,计算它与周围像素点之间的颜色差,色差小于给定阈值d时,这些点被聚为一类。重复这个过程,直到所有的点都完成计算。每个类中的所有像素点构成一个MSCR区域;
S2:描述特征区域:将每个MSCR不规则区域采用构造放射不变的方法表示成椭圆,然后将椭圆区域归一化为圆形区域。对每个圆形区域,计算其Zernike矩,生成一个12维特征向量;
S3:匹配特征:对于每个特征区域,计算其与其它所有特征区域之间特征向量的欧式距离。比较这些距离中的最小值d0与次最小值d1之间的比值d0/d1,如果比值小于0.5,则认为距离为d0的两个特征匹配;
S4:聚类并过滤特征区域:如果没有足够多匹配的特征对,则检测结束。否则,对于所有匹配的一对特征,记录所有特征区域的中心点。对于所有的中心点,采用k-means聚类算法,设定k=2,将这些点聚为两类。删除掉无法被聚类的点。如果一类中少于3个点,则删除所有点,检测结束;
S5:估计仿射矩阵:任意三个不共线的特征点对,可计算得到一个仿射矩阵Ti。对于每个矩阵Ti,计算所有特征点对之间的误差,如果误差值小于阈值β,则这个矩阵Ti获得一票。最终得票数最多的矩阵即为所得仿射矩阵;
S6:定位复制区域:对于原始图像,使用所得的仿射矩阵进行坐标变换得到变换后的图像。计算原始图像与变换后的图像之间对应位置的相似度,生成一副表示相似度的图像。相似度的值在[0,1]之间,值越大表示相似度越高。如果相似度大于0.5,则认为该位置为复制区域。将生成的相似度图像经过简单的滤波处理,生成最终检测结果图。
本发明中,首次使用MSCR特征作为图像特征进行复制检测。此特征直接从彩色图像中提取,实际应用中待检测的图像基本上都是彩色图像。此特征在数量上与主流的特征点一致,且特征提取速度上也很快。
进一步地,所述步骤S2中计算特征区域的Zernike矩的过程如下:
对于每个圆形的特征区域,其Zernike矩可用如下公式计算
其中系数cn为
Zernike多项式Rn,m为
公式(1)I(ρ,θ)为圆形的特征区域的极坐标表示,ρ和θ分别表示坐标的级半径和角度,j为复数单位。公式(3)中s为求和变量。
公式(1)、(2)、(3)中,n为Zernike矩的阶数,系数m是满足(n-|m|)/2为非负整数的任意整数。令公式(1)、(2)、(3)中n=5,则每个特征区域可计算出的Zernike矩为12维的特征向量。
进一步地,所述步骤S5中得到仿射矩阵T的过程如下:
一个仿射矩阵可以表示为一个3×3的矩阵
公式(4)中a~f都为待定系数。
对于三个不共线的点对,可通过下式计算出一个仿射矩阵
其中po与pd为一对点。
进一步地,所述步骤S6中计算相似度的过程如下:
对与原始图像中每个像素点,使用公式(6)进行坐标变换,生成一副变换后的图像。式中T为之前所得的仿射矩阵,(xo,yo,1)为原始坐标,(xd,yd,1)为变换后的坐标。
(xo,yo,1)T=(xd,yd,1) (6)
取原始图像和变换图像对应位置的5×5区域的像素值,生成一对25维的向量,计算这对向量的相关系数,通过相关系数值来表示这个5×5区域的相似度。遍历原始图像和变换图像所有对应位置的5×5区域,即可得到所有点的相似度。
与现有技术相比,本发明技术方案的有益效果是:
本发明利用彩色图像的特征,与传统的灰度图的特征相比具有更强的区分性。区域特征在复制检测中即既具有图像块的优点——能够覆盖更多的图像区域,又有图像特征的优点——计算速度快。且本发明采用的基于区域特征的描述子相比基于点特征的描述子具有更强的表达能力和区分度。在对复制区域的定位上,采用了求取仿射矩阵的方法,能够在像素级别定位复制区域,更加准确。
附图说明
图1为本发明方法的流程图;
图2为本发明方法的复制检测的实验效果图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示,一种基于MSCR区域特征的图像复制检测方法,包括以下步骤:
S1:提取MSCR图像特征:对彩色图像中的每个像素点,计算它与周围像素点之间的颜色差,色差小于给定阈值d时,这些点被聚为一类。重复这个过程,直到所有的点都完成计算。每个类中的所有像素点构成一个MSCR区域;
S2:描述特征区域:将每个MSCR不规则区域采用构造放射不变的方法表示成椭圆,然后将椭圆区域归一化为圆形区域。对每个圆形区域,计算其Zernike矩,生成一个12维特征向量,本实施例中如图2(a)所示,图中椭圆区域即是提取出的MSCR区域;
S3:匹配特征:对于每个特征区域,计算其与其它所有特征区域之间特征向量的欧式距离。比较这些距离中的最小值d0与次最小值d1之间的比值d0/d1,如果比值小于0.5,则认为距离为d0的两个特征匹配,本实施例中如图2(b)所示,所有匹配成功的区域对由直线所连接;
S4:聚类并过滤特征区域:如果没有足够多匹配的特征对(至少5对),则检测结束。否则,对于所有匹配的一对特征,记录所有特征区域的中心点。对于所有的中心点,采用k-means聚类算法,设定k=2,将这些点聚为两类。删除掉无法被聚类的点。如果一类中少于3个点,则删除所有点,检测结束;
S5:估计仿射矩阵:任意三个不共线的特征点对,可计算得到一个仿射矩阵Ti。对于每个矩阵Ti,计算所有特征点对之间的误差,如果误差值小于阈值β,则这个矩阵Ti获得一票。最终得票数最多的矩阵即为所得仿射矩阵;
S6:定位复制区域:对于原始图像,使用所得的仿射矩阵进行坐标变换得到变换后的图像。计算原始图像与变换后的图像之间对应位置的相似度,生成一副表示相似度的图像。相似度的值在[0,1]之间,值越大表示相似度越高。如果相似度大于0.5,则认为该位置为复制区域。将生成的相似度图像经过简单的滤波处理,生成最终检测结果图。
如图2(c)所示,该基于MSCR区域特征的图像复制检测方法的实验效果。对比实际的复制区域图2(d),从图2(c)中可以明显地看到非常精确的定位了复制区域。该方法利用图像MSCR区域特征,对比传统的点特征具有覆盖面大,计算效率快的特点。且在定位方面采用的仿射变换矩阵方法准确率高,在实际的检测过程中可以看出检测结果较为理想。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用于仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (4)
1.一种基于MSCR区域特征的图像复制检测方法,其特征在于,包括以下步骤:
S1:提取MSCR图像特征:对彩色图像中的每个像素点,计算它与周围像素点之间的颜色差,色差小于给定阈值d时,这些点被聚为一类;重复这个过程,直到所有的点都完成计算;每个类中的所有像素点构成一个MSCR区域;
S2:描述特征区域:将每个MSCR不规则区域采用构造仿射不变的方法表示成椭圆,然后将椭圆区域归一化为圆形区域;对每个圆形区域,计算其Zernike矩,生成一个12维特征向量;
S3:匹配特征:对于每个特征区域,计算其与其它所有特征区域之间特征向量的欧式距离;比较这些距离中的最小值d0与次最小值d1之间的比值d0/d1,如果比值小于0.5,则认为距离为d0的两个特征匹配;
S4:聚类并过滤特征区域:如果没有达到设定的匹配的特征对,则检测结束;否则,对于所有匹配的特征,记录所有特征区域的中心点;对于所有的中心点,采用k-means聚类算法,设定k=2,将这些点聚为两类;删除掉无法被聚类的点;如果一类中少于3个点,则删除所有点,检测结束;
S5:估计仿射矩阵:任意三个不共线的特征点对,可计算得到一个仿射矩阵Ti;对于每个矩阵Ti,计算所有特征点对之间的误差,如果误差值小于阈值β,则这个矩阵Ti获得一票;最终得票数最多的矩阵即为所得仿射矩阵;
S6:定位复制区域:对于原始图像,使用所得的仿射矩阵进行坐标变换得到变换后的图像;计算原始图像与变换后的图像之间对应位置的相似度,生成一副表示相似度的图像;相似度的值在[0,1]之间,值越大表示相似度越高;如果相似度大于0.5,则认为该位置为复制区域;将生成的相似度图像经过简单的滤波处理,生成最终检测结果图。
2.根据权利要求1所述的基于MSCR区域特征的图像复制检测方法,其特征在于,所述步骤S2中计算特征区域的Zernike矩的过程如下:
对于每个圆形的特征区域,其Zernike矩可用如下公式计算
其中系数cn为
Zernike多项式Rn,m为
公式(1)I(ρ,θ)为圆形的特征区域的极坐标表示,ρ和θ分别表示坐标的极半径和角度,j为复数单位,公式(3)中s为求和变量;
公式(1)、(2)、(3)中,n为Zernike矩的阶数,系数m是满足(n-|m|)/2为非负整数的任意整数,令公式(1)、(2)、(3)中n=5,则每个特征区域可计算出的Zernike矩为12维的特征向量。
3.根据权利要求1所述的基于MSCR区域特征的图像复制检测方法,其特征在于,所述步骤S5中得到仿射矩阵T的过程如下:
一个仿射矩阵表示为一个3×3的矩阵:
公式(4)中a~f都为待定系数;
对于三个不共线的点对,可通过下式计算出一个仿射矩阵:
其中po与pd为一对已知点的坐标。
4.根据权利要求1所述的基于MSCR区域特征的图像复制检测方法,其特征在于,所述步骤S6中计算相似度的过程如下:
对与原始图像中每个像素点,使用公式(6)进行坐标变换,生成一副变换后的图像;式中T为之前所得的仿射矩阵,(xo,yo,1)为原始坐标,(xd,yd,1)为变换后的坐标;
(xo,yo,1)T=(xd,yd,1) (6)
取原始图像和变换图像对应位置的5×5区域的像素值,生成一对25维的向量,计算这对向量的相关系数,通过相关系数值来表示这个5×5区域的相似度;遍历原始图像和变换图像所有对应位置的5×5区域,即可得到所有点的相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610142022.0A CN105825504B (zh) | 2016-03-11 | 2016-03-11 | 一种基于mscr区域特征的图像复制检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610142022.0A CN105825504B (zh) | 2016-03-11 | 2016-03-11 | 一种基于mscr区域特征的图像复制检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105825504A CN105825504A (zh) | 2016-08-03 |
CN105825504B true CN105825504B (zh) | 2018-06-26 |
Family
ID=56987223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610142022.0A Active CN105825504B (zh) | 2016-03-11 | 2016-03-11 | 一种基于mscr区域特征的图像复制检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105825504B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107240127A (zh) * | 2017-04-19 | 2017-10-10 | 中国航空无线电电子研究所 | 基于特征点映射的图像配准评估方法 |
CN111767956B (zh) * | 2020-06-30 | 2022-07-15 | 苏州科达科技股份有限公司 | 图像篡改检测方法、电子设备、存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693522A (zh) * | 2012-04-28 | 2012-09-26 | 中国矿业大学 | 一种彩色图像区域复制篡改检测方法 |
CN104766084A (zh) * | 2015-04-10 | 2015-07-08 | 南京大学 | 一种多目标匹配的近复制图像检测方法 |
-
2016
- 2016-03-11 CN CN201610142022.0A patent/CN105825504B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693522A (zh) * | 2012-04-28 | 2012-09-26 | 中国矿业大学 | 一种彩色图像区域复制篡改检测方法 |
CN104766084A (zh) * | 2015-04-10 | 2015-07-08 | 南京大学 | 一种多目标匹配的近复制图像检测方法 |
Non-Patent Citations (4)
Title |
---|
《Detection of Copy-Move Forgery in Digital Images Using SIFT Algorithm》;Hailing Huang et al.;《IEEE Pacific-Asia Workshop on Computational Intelligence and Industrial Application》;20081231;272-276 * |
《Detection of Region Duplication Forgery in Digital Images Using SURF 》;B.L.Shivakumar et al.;《IJCSI International Journal of Computer Science Issues》;20110731;第8卷(第4期);199-205 * |
《Maximally Stable Colour Regions for Recognition and Matching》;Per-Erik Forss´en;《COMPUTER VISION AND PATTERN RECONGNITION》;20070617;1-8 * |
《Rotation Invariant Local Regions Based on Zernike Momentsization of Duplicated Image》;Seung-Jin Ryu et al.;《IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY》;20130831;第8卷(第8期);1355-1370 * |
Also Published As
Publication number | Publication date |
---|---|
CN105825504A (zh) | 2016-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhu et al. | AR-Net: Adaptive attention and residual refinement network for copy-move forgery detection | |
Warif et al. | SIFT-symmetry: a robust detection method for copy-move forgery with reflection attack | |
Lee | Copy-move image forgery detection based on Gabor magnitude | |
CN106056122B (zh) | 一种基于kaze特征点的图像区域复制粘贴篡改检测方法 | |
Dominio et al. | Hand gesture recognition with depth data | |
Bi et al. | Fast reflective offset-guided searching method for copy-move forgery detection | |
CN104616297A (zh) | 一种用于图像篡改取证的改进型sift算法 | |
Trung et al. | Blind inpainting forgery detection | |
Selvaraj et al. | Enhanced copy–paste forgery detection in digital images using scale‐invariant feature transform | |
CN105825504B (zh) | 一种基于mscr区域特征的图像复制检测方法 | |
Warif et al. | A comprehensive evaluation procedure for copy-move forgery detection methods: results from a systematic review | |
CN105590086A (zh) | 一种基于视觉标签识别的物品防盗检测方法 | |
Kaur et al. | Efficient hybrid passive method for the detection and localization of copy-moveand spliced images | |
Kumar et al. | A robust copy move forgery classification using end to end convolution neural network | |
Fan et al. | An Improved SIFT-Based Copy-Move Forgery Detection Method Using T-Linkage and Multi-Scale Analysis. | |
Yohannan et al. | Detection of copy-move forgery based on Gabor filter | |
Khayeat et al. | Improved DSIFT descriptor based copy-rotate-move forgery detection | |
Chou et al. | Copy-move forgery detection based on local gabor wavelets patterns | |
Kang et al. | Edge and feature points based video intra-frame passive-blind copy-paste forgery detection | |
Amiri et al. | Copy-move forgery detection using a bat algorithm with mutation | |
CN111768368B (zh) | 一种基于最大稳定极值区域的图像区域复制篡改检测方法 | |
Zahra | Image duplication forgery detection using two robust features | |
Emam et al. | Detection of copy-scale-move forgery in digital images using SFOP and MROGH | |
Kurien et al. | Accurate and efficient copy-move forgery detection | |
Parmani et al. | Inter frame video forgery detection using normalized multi scale one level subtraction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |