CN107451990A - 一种使用非线性引导滤波的照片图像篡改检测方法 - Google Patents
一种使用非线性引导滤波的照片图像篡改检测方法 Download PDFInfo
- Publication number
- CN107451990A CN107451990A CN201710440527.XA CN201710440527A CN107451990A CN 107451990 A CN107451990 A CN 107451990A CN 201710440527 A CN201710440527 A CN 201710440527A CN 107451990 A CN107451990 A CN 107451990A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- pixel value
- designated
- test
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 119
- 238000001914 filtration Methods 0.000 title claims abstract description 30
- 238000010586 diagram Methods 0.000 claims abstract description 32
- 230000006835 compression Effects 0.000 claims abstract description 28
- 238000007906 compression Methods 0.000 claims abstract description 28
- 238000012935 Averaging Methods 0.000 claims abstract description 7
- 238000012360 testing method Methods 0.000 claims description 162
- 238000012545 processing Methods 0.000 claims description 28
- 230000007797 corrosion Effects 0.000 claims description 17
- 238000005260 corrosion Methods 0.000 claims description 17
- 230000014509 gene expression Effects 0.000 claims description 12
- 241000287196 Asthenes Species 0.000 claims description 3
- 238000007476 Maximum Likelihood Methods 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 description 22
- 238000001228 spectrum Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- DWDGSKGGUZPXMQ-UHFFFAOYSA-N OPPO Chemical compound OPPO DWDGSKGGUZPXMQ-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000009931 harmful effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013432 robust analysis Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种使用非线性引导滤波的照片图像篡改检测方法,其采用最大似然估计方法获得相机的初步传感器模式噪声,再采用零均值化和维纳滤波得到相机的最终传感器模式噪声;然后将待测照片图像的噪声残差图像作为其初步传感器模式噪声,再根据相机的最终传感器模式噪声对待测照片图像的初步传感器模式噪声采用非线性引导滤波处理,得到待测照片图像的最终传感器模式噪声;接着通过分块、求块之间的相关系数,获取相关系数关联图;最后对相关系数关联图的二值图像进行腐蚀和膨胀处理,根据结果判定待测照片图像是否发生篡改;优点是能有效消除待测照片图像的传感器模式噪声中的图像内容、CFA插值噪声、JPEG压缩噪声和随机噪声等干扰噪声的影响。
Description
技术领域
本发明涉及一种图像取证技术,尤其是涉及一种使用非线性引导滤波的照片图像篡改检测方法。
背景技术
随着数码相机、数码摄像机,尤其是带拍照功能的智能手机等各种摄影产品的普及,照片图像在人们的日常生活中得到了广泛使用。作为一种重要的信息载体,照片图像在新闻报道、科学研究、保险申诉调查、犯罪调查以及情报分析等领域发挥着重要的作用。然而,在这些特殊场合,如何保证作为证据的照片图像内容的真实性,一直是一个具有挑战性的研究课题。
一般而言,每幅照片图像的形成都要经历感光、成像和图像信号处理等一系列硬件和软件操作,虽然这些操作会不可避免地对照片图像中的像素点产生负面影响,但是同时也为照片图像的篡改检测提供了思路。JanJessica Fridrich,MiroslavGoljan.Detecting digital image forgeries using sensor pattern noise[C].Electronic Imaging.International Society for Optics and Photonics,2006:362-372.(简·卢卡斯,杰西卡·弗里德里希,米罗斯拉夫·格兰,基于传感器模式噪声的数字图像篡改检测[C],IEEE信息与安全,2006,:362-372)认为传感器是相机成像过程中的关键部件,然而由于制作工艺和所用材质的问题,会导致传感器上存在缺陷,这种缺陷会随着光信号转换成电信号而存在于相机拍摄的每一幅照片中,通常称这种缺陷为传感器模式噪声。由于每部相机的传感器是独一无二的,故而其传感器模式噪声也是独一无二的,因此可将传感器模式噪声看作相机的指纹,用作照片图像篡改检测。
经典的基于传感器模式噪声的照片图像篡改检测方法主要包括以下步骤:1)通过对一部相机拍摄的多幅照片图像的噪声残差进行最大似然估计(或平均)获取相机的传感器模式噪声;2)获取待测照片图像的噪声残差,作为待测照片图像的传感器模式噪声;3)采用滑动窗口方法,用事先设置的阈值对窗口内待测照片图像的传感器模式噪声与相机的传感器模式噪声的相关性值进行判决,实现篡改检测目的。然而,在实际中由于相机的传感器模式噪声和照片图像的传感器模式噪声均是弱信号,因此容易受到图像内容、CFA插值噪声、JPEG压缩噪声和随机噪声等不利因素干扰,从而会影响所提取的相机的传感器模式噪声和照片图像的传感器模式噪声的质量,导致篡改检测精度不理想。
为了消除不利因素影响,改善相机的传感器模式噪声的质量,提高篡改检测精度,研究者提出了多种不同的方法。如:Mo Chen,Jessica Fridrich,MiroslavGoljan.Determining Image Origin and Integrity Using Sensor Noise[J].IEEETransactions on Information and Security,2008,3(1):74-90.(陈莫、杰西卡·弗里德里希、米罗斯拉夫·格兰,基于传感器模式噪声的图像来源与完整性检测[J].IEEE信息与安全.2008,第3期(1):74-90),其在获取相机的传感器模式噪声时,提出使用内容平滑(如蓝天)的照片图像,并在降噪时使用小波变换方法,消除照片图像的内容影响。在此基础上,Giovanni Chierchia,Sara Parrilli,Giovanni Poggi,et al.On the influence ofdenoising in PRNU based forgery detection[C].In Processing second ACMWorkshop Multimedia Forensics,2010:117-122.(乔凡尼·基耶尔基亚,萨娃·帕里利,乔凡尼·波吉,不同降噪方法对基于模式噪声的图像篡改取证的影响[C],第二届ACM多媒体信息取证会议,2010:117-122)和Kang Xian-gui,Chen Jie.A context-adaptive SPNpredictor for trustworthy source camera identification[J],EURASIP Journal onImage and Video Processing,2014,2014(1):1–11.(康显桂,陈杰.上下文自适应传感器模式噪声的预测值得信赖的相机源辨识[J].欧洲信号处理协会之图像与视频处理杂志,2014,第2014期(1):1-11),其在获取相机的传感器模式噪声的过程中,在降噪时分别提出采用BM3D(Block Matching 3D,三维块匹配)和PCAI(Predictor based on ContextAdaptive Interpolation,基于上下文自适应插值的预测)等降噪方法,也取得了良好的结果。对于CFA插值噪声和JPEG压缩噪声,Chen M,Fridrich J,Goljan M,et al.DeterminingImage Origin and Integrity Using Sensor Noise[J].Information Forensics&Security IEEE Transactions on,2008,3(1):74-90.(陈莫、杰西卡·弗里德里希、米罗斯拉夫·格兰,基于传感器模式噪声的图像来源与完整性检测[J].IEEE信息取证与安全.2008,第3期(1):74-90),提出了零均值化法(zero-mean,ZM)和维纳滤波(Wiener filter,WF)的方法,实现对相机的传感器模式噪声进行预处理,来提高相机的传感器模式噪声的质量。Lin X,Li C.-T.Preprocessing Reference Sensor Pattern Noise via SpectrumEqualization[J].IEEE Transactions on Information Forensics and Security,2016,11(1):126-140.(林旭、李长纯,基于频谱均衡方法处理参考相机传感器模式噪声[J],IEEE信息取证与安全,2016,第11期(1):126-140),提出了只利用绿色通道数据获取相机的传感器模式噪声,以此消除CFA插值噪声的影响,然后采用频谱均衡化法(SpectrumEqualization Algorithm,SEA)抑制JPEG压缩噪声,实现对相机的传感器模式噪声进行预处理,来提高相机的传感器模式噪声的质量。
上述方法中,在获取相机的传感器模式噪声时,通过采用多幅内容平滑的照片图像作为对象,消除图像内容的影响,然后使用最大似然估计方法(或平均)消除随机噪声,之后再使用零均值化法和维纳滤波方法(或频谱均衡化法)消除CFA插值噪声和JPEG压缩噪声,获得高质量的相机的传感器模式噪声。
而获取待测照片图像的传感器模式噪声时,虽然可用零均值化法和维纳滤波方法(或频谱均衡化法)消除CFA插值噪声和JPEG压缩噪声,但是由于待测照片图像只有一幅,图像内容随机不可控,且无法使用最大似然估计方法(或平均)来消除随机噪声,因此利用现有方法获得的待测照片图像的传感器模式噪声仍会受到图像内容和随机噪声等干扰噪声污染,质量不理想,从而将影响篡改检测结果。
基于以上原因,为了消除图像内容、CFA插值噪声、JPEG压缩噪声和随机噪声等干扰噪声对待测照片图像的传感器模式噪声的影响,改善待测照片图像的传感器模式噪声的质量,提高篡改检测精度,有必要研究一种考虑干扰噪声影响的照片图像篡改检测方法。
发明内容
本发明所要解决的技术问题是提供一种使用非线性引导滤波的照片图像篡改检测方法,其能够有效消除待测照片图像的传感器模式噪声中的图像内容、CFA插值噪声、JPEG压缩噪声和随机噪声等干扰噪声的影响,从而改善待测照片图像的传感器模式噪声的质量,提高篡改检测精度,尤其能够有效提高对小篡改块的检测精度,同时对抵抗较低的JPEG压缩具有较强的鲁棒性。
本发明解决上述技术问题所采用的技术方案为:一种使用非线性引导滤波的照片图像篡改检测方法,其特征在于包括以下步骤:
①任意选取一幅照片图像作为待测照片图像,记为Itest;并获取N幅原始的照片图像,将获取的第n幅原始的照片图像记为Iorg,n;其中,N≥2,1≤n≤N,拍摄Itest对应的原始的照片图像与拍摄N幅原始的照片图像所采用的相机为同一部相机,Itest和Iorg,n的尺寸大小相同,宽度均为col且高度均为row,拍摄的N幅原始的照片图像均为内容平滑、高亮不饱和的图像;
②对每幅原始的照片图像进行小波降噪处理,得到每幅原始的照片图像的降噪图像,将Iorg,n的降噪图像记为I'org,n;然后根据每幅原始的照片图像及其降噪图像,获取每幅原始的照片图像的噪声残差图像,将Iorg,n的噪声残差图像记为Worg,n;接着采用最大似然估计方法,对所有原始的照片图像的噪声残差图像进行处理,获得所采用的相机的初步传感器模式噪声,记为R;之后采用零均值化方法对R进行处理,将处理结果记为R';再采用维纳滤波方法对R'处理,将得到的结果作为所采用的相机的最终传感器模式噪声,记为R*;
③对Itest进行小波降噪处理,得到Itest的降噪图像,记为I'test;然后根据Itest及I'test,获取Itest的噪声残差图像,记为Wtest,将Wtest作为Itest的初步传感器模式噪声;接着根据R*对Wtest采用非线性引导滤波处理以消除Wtest中的图像内容、CFA插值噪声、JPEG压缩噪声和随机噪声的影响,得到Itest的最终传感器模式噪声,记为W* test;
④对W* test的四周进行扩充,共扩充127行和127列,将扩充后的图像记为W** test;采用相同的方式,对R*的四周进行扩充,共扩充127行和127列,将扩充后的图像记为R**;其中,W** test和R**的宽度均为col'且高度均为row',col'=col+127,row'=row+127;
⑤采用尺寸大小为128×128的滑动窗口,以横坐标范围为[1,col'-127]且纵坐标范围为[1,row'-127]中的每个像素点作为滑动窗口的左上角像素点进行逐像素点移动,将W** test划分成(col'-127)×(row'-127)个相互重叠的尺寸大小为128×128的图像块,将W** test中的第k个图像块记为同样,采用尺寸大小为128×128的滑动窗口,以横坐标范围为[1,col'-127]且纵坐标范围为[1,row'-127]中的每个像素点作为滑动窗口的左上角像素点进行逐像素点移动,将R**划分成(col'-127)×(row'-127)个相互重叠的尺寸大小为128×128的图像块,将R**中的第k个图像块记为然后计算W** test中的每个图像块与R**中对应位置的图像块的相关系数,将与的相关系数记为ρk;接着由W** test中的所有图像块与R**中对应位置的图像块的相关系数,得到相关系数关联图,相关系数关联图的尺寸大小为(col'-127)×(row'-127),相关系数关联图中的第k个像素点的像素值为ρk;再获取相关系数关联图的二值图像,相关系数关联图的二值图像中的像素点的像素值为1或为0;其中,1≤k≤(col'-127)×(row'-127);
⑥对相关系数关联图的二值图像中的每个像素点的像素值进行腐蚀处理;然后对腐蚀处理后得到的图像中的每个像素点的像素值进行膨胀处理;接着根据膨胀处理后得到的图像中的像素点的像素值判定Itest是否发生篡改,若膨胀处理后得到的图像中存在像素值为0的像素点,则判定Itest发生篡改;若膨胀处理后得到的图像中不存在像素值为0的像素点,则判定Itest未发生篡改。
所述的步骤②中,将Worg,n中坐标位置为(i,j)的像素点的像素值记为Worg,n(i,j),Worg,n(i,j)=Iorg,n(i,j)-I'org,n(i,j),其中,1≤i≤col,1≤j≤row,Iorg,n(i,j)表示Iorg,n中坐标位置为(i,j)的像素点的像素值,I'org,n(i,j)表示I'org,n中坐标位置为(i,j)的像素点的像素值。
所述的步骤③中,将Wtest中坐标位置为(i,j)的像素点的像素值记为Wtest(i,j),Wtest(i,j)=Itest(i,j)-I'test(i,j),其中,1≤i≤col,1≤j≤row,Itest(i,j)表示Itest中坐标位置为(i,j)的像素点的像素值,I'test(i,j)表示I'test中坐标位置为(i,j)的像素点的像素值。
所述的步骤③中,根据R*对Wtest采用非线性引导滤波处理,得到Itest的最终传感器模式噪声W* test的具体过程为:
③_1、对R*中的每个像素点的像素值进行四次方,将得到的图像记为X;对R*中的每个像素点的像素值进行三次方,将得到的图像记为Y;对R*中的每个像素点的像素值进行平方,将得到的图像记为Z;
③_2、对X、Y、Z、R*、Wtest各自的最上边和最下边各扩充一行,对X、Y、Z、R*、Wtest各自的最左边和最右边各扩充一列,将X扩充后得到的图像记为将Y扩充后得到的图像记为将Z扩充后得到的图像记为将R*扩充后得到的图像记为将Wtest扩充后得到的图像记为其中,的宽度均为col+2且高度均为row+2;
③_3、采用尺寸大小为3×3的滑动窗口,以横坐标范围为[1,col]且纵坐标范围为[1,row]中的每个像素点作为滑动窗口的左上角像素点进行逐像素点移动,分别将 划分成col×row个相互重叠的尺寸大小为3×3的区域块;
③_4、计算各自中的每个区域块中的所有像素点的像素值的均值,得到各自的均值图像,对应记为并计算各自中的每个区域块中的所有像素点的像素值的方差,得到 各自的方差图像,对应记为varX、varY、varZ、varR;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covXY;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covXZ;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covXR;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covXW;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covYZ;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covYR;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covYW;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covZR;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covZW;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covRW;其中,varX、varY、varZ、varR、covXY、covXZ、covXR、covXW、covYZ、covYR、covYW、covZR、covZW、covRW的宽度均为col且高度均为row;
③_5、计算中的每个区域块与中对应位置的区域块之间的第一系数,得到对应的第一系数图像,记为A,将A中坐标位置为(i,j)的像素点的像素值记为A(i,j),并计算中的每个区域块与中对应位置的区域块之间的第二系数,得到对应的第二系数图像,记为B,将B中坐标位置为(i,j)的像素点的像素值记为B(i,j),计算中的每个区域块与中对应位置的区域块之间的第三系数,得到对应的第三系数图像,记为C,将C中坐标位置为(i,j)的像素点的像素值记为C(i,j),计算 中的每个区域块与中对应位置的区域块之间的第四系数,得到对应的第四系数图像,记为D,将D中坐标位置为(i,j)的像素点的像素值记为D(i,j),再计算中的每个区域块与中对应位置的区域块之间的第五系数,得到对应的第五系数图像,记为E,将E中坐标位置为(i,j)的像素点的像素值记为E(i,j),其中,A、B、C、D、E的宽度均为col且高度均为row,1≤i≤col,1≤j≤row,A(i,j)亦表示 中坐标位置为(i,j)的区域块与中坐标位置为(i,j)的区域块之间的第一系数,B(i,j)亦表示中坐标位置为(i,j)的区域块与中坐标位置为(i,j)的区域块之间的第二系数,C(i,j)亦表示中坐标位置为(i,j)的区域块与中坐标位置为(i,j)的区域块之间的第三系数,D(i,j)亦表示中坐标位置为(i,j)的区域块与中坐标位置为(i,j)的区域块之间的第四系数,E(i,j)亦表示中坐标位置为(i,j)的区域块与中坐标位置为(i,j)的区域块之间的第五系数,
在此符号“| |”为行列式表示符号,varX(i,j)表示varX中坐标位置为(i,j)的像素点的像素值,varY(i,j)表示varY中坐标位置为(i,j)的像素点的像素值,varZ(i,j)表示varZ中坐标位置为(i,j)的像素点的像素值,varR(i,j)表示varR中坐标位置为(i,j)的像素点的像素值,covXY(i,j)表示covXY中坐标位置为(i,j)的像素点的像素值,covXZ(i,j)表示covXZ中坐标位置为(i,j)的像素点的像素值,covXR(i,j)表示covXR中坐标位置为(i,j)的像素点的像素值,covXW(i,j)表示covXW中坐标位置为(i,j)的像素点的像素值,covYZ(i,j)表示covYZ中坐标位置为(i,j)的像素点的像素值,covYR(i,j)表示covYR中坐标位置为(i,j)的像素点的像素值,covYW(i,j)表示covYW中坐标位置为(i,j)的像素点的像素值,covZR(i,j)表示covZR中坐标位置为(i,j)的像素点的像素值,covZW(i,j)表示covZW中坐标位置为(i,j)的像素点的像素值,covRW(i,j)表示covRW中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值;
③_6、对A、B、C、D、E各自的最上边和最下边各扩充一行,对A、B、C、D、E各自的最左边和最右边各扩充一列,将A扩充后得到的图像记为将B扩充后得到的图像记为将C扩充后得到的图像记为将D扩充后得到的图像记为将E扩充后得到的图像记为其中,的宽度均为col+2且高度均为row+2;
③_7、采用尺寸大小为3×3的滑动窗口,以横坐标范围为[1,col]且纵坐标范围为[1,row]中的每个像素点作为滑动窗口的左上角像素点进行逐像素点移动,分别将 划分成col×row个相互重叠的尺寸大小为3×3的区域块;
③_8、计算各自中的每个区域块中的所有像素点的像素值的均值,得到各自的均值图像,对应记为其中,的宽度均为col且高度均为row;
③_9、获取W* test,将W* test中坐标位置为(i,j)的像素点的像素值记为W* test(i,j),其中,表示中坐标位置为(i,j)的像素点的像素值,X(i,j)表示X中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,Y(i,j)表示Y中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,Z(i,j)表示Z中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,R*(i,j)表示R*中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值。
所述的步骤④中,对W* test和R*各自的最上边扩充64行、最下边扩充63行、最左边扩充64列、最右边扩充63列,所扩展的像素点的像素值按照镜像方式获得。
所述的步骤⑤中,将相关系数关联图的二值图像中坐标位置为(i,j)的像素点的像素值记为G(i,j),其中,1≤i≤col'-127,1≤j≤row'-127,H(i,j)表示相关系数关联图中坐标位置为(i,j)的像素点的像素值,th为设定的阈值。
所述的步骤⑥中,对相关系数关联图的二值图像中的每个像素点的像素值进行腐蚀处理具体为:用半径为64个像素点的圆对相关系数关联图的二值图像中的每个像素点的像素值进行腐蚀处理;对腐蚀处理后得到的图像中的每个像素点的像素值进行膨胀处理具体为:用半径为20个像素点的圆对腐蚀处理后得到的图像中的每个像素点的像素值进行膨胀处理。
所述的步骤③_2中,对X、Y、Z、R*、Wtest各自的最上边和最下边各扩充一行,对X、Y、Z、R*、Wtest各自的最左边和最右边各扩充一列,所扩展的像素点的像素值按照镜像方式获得;所述的步骤③_6中,对A、B、C、D、E各自的最上边和最下边各扩充一行,对A、B、C、D、E各自的最左边和最右边各扩充一列,所扩展的像素点的像素值按照镜像方式获得。
与现有技术相比,本发明的优点在于:
1)本发明方法基于相机的传感器模式噪声,并考虑图像内容、CFA插值噪声、JPEG压缩噪声和其他随机噪声等干扰噪声对待测照片图像的传感器模式噪声的质量的影响,充分利用相机的传感器模式噪声和待测照片图像的传感器模式噪声的本质特性,采用高质量的相机的传感器模式噪声对待测照片图像的传感器模式噪声进行非线性引导滤波处理,能够有效抑制干扰噪声的不良影响。
2)本发明方法与现有的待测照片图像的传感器模式噪声处理方法相比,由于本发明方法利用相机的传感器模式噪声来逼近待测照片图像的传感器模式噪声,在逼近过程中能有效剔除待测照片图像的传感器模式噪声中的干扰成分,能有效改善待测照片图像的传感器模式噪声的质量,因此大大提高了本发明方法的篡改检测精度,尤其提高了小篡改块(尺寸小于128×128的块)的检测精度。
3)本发明方法能有效解决JPEG压缩对待测照片图像的传感器模式噪声的负面影响,对较低的JPEG压缩质量带来的破坏也能恢复待测照片图像的传感器模式噪声的原有特性,因此大大提高了本发明方法抵抗JPEG压缩的鲁棒性。
附图说明
图1为本发明方法的总体实现框图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本发明提出的一种使用非线性引导滤波的照片图像篡改检测方法,其总体实现框图如图1所示,其特征在于包括以下步骤:
①任意选取一幅照片图像作为待测照片图像,记为Itest;并获取N幅原始的照片图像,将获取的第n幅原始的照片图像记为Iorg,n;其中,N≥2,在本实施例中取N=60,1≤n≤N,拍摄Itest对应的原始的照片图像与拍摄N幅原始的照片图像所采用的相机为同一部相机,Itest和Iorg,n的尺寸大小相同,宽度均为col且高度均为row,拍摄的N幅原始的照片图像均为内容平滑、高亮不饱和的图像。
在本实施例中,在获取N幅原始的照片图像时,通常选择内容平滑、高亮不饱和的图像,如蓝天图像,以消除图像内容对相机的传感器模式噪声的影响。
②对每幅原始的照片图像进行小波降噪处理,得到每幅原始的照片图像的降噪图像,将Iorg,n的降噪图像记为I'org,n;然后根据每幅原始的照片图像及其降噪图像,获取每幅原始的照片图像的噪声残差图像,将Iorg,n的噪声残差图像记为Worg,n;接着采用最大似然估计方法,对所有原始的照片图像的噪声残差图像进行处理以尽量消除随机噪声影响,获得所采用的相机的初步传感器模式噪声,记为R;之后采用零均值化方法对R进行处理以尽量消除R中的CFA插值噪声,将处理结果记为R';再采用维纳滤波方法对R'处理以尽量消除R'中的JPEG压缩噪声,将得到的结果作为所采用的相机的最终传感器模式噪声,记为R*。
在此具体实施例中,步骤②中,将Worg,n中坐标位置为(i,j)的像素点的像素值记为Worg,n(i,j),Worg,n(i,j)=Iorg,n(i,j)-I'org,n(i,j),其中,1≤i≤col,1≤j≤row,Iorg,n(i,j)表示Iorg,n中坐标位置为(i,j)的像素点的像素值,I'org,n(i,j)表示I'org,n中坐标位置为(i,j)的像素点的像素值。
③对Itest进行小波降噪处理,得到Itest的降噪图像,记为I'test;然后根据Itest及I'test,获取Itest的噪声残差图像,记为Wtest,将Wtest作为Itest的初步传感器模式噪声;接着根据R*对Wtest采用非线性引导滤波处理以消除Wtest中的图像内容、CFA插值噪声、JPEG压缩噪声和随机噪声的影响,得到Itest的最终传感器模式噪声,记为W* test。
在此具体实施例中,步骤③中,将Wtest中坐标位置为(i,j)的像素点的像素值记为Wtest(i,j),Wtest(i,j)=Itest(i,j)-I'test(i,j),其中,1≤i≤col,1≤j≤row,Itest(i,j)表示Itest中坐标位置为(i,j)的像素点的像素值,I'test(i,j)表示I'test中坐标位置为(i,j)的像素点的像素值。
在此具体实施例中,步骤③中,根据R*对Wtest采用非线性引导滤波处理,得到Itest的最终传感器模式噪声W* test的具体过程为:
③_1、对R*中的每个像素点的像素值进行四次方,将得到的图像记为X;对R*中的每个像素点的像素值进行三次方,将得到的图像记为Y;对R*中的每个像素点的像素值进行平方,将得到的图像记为Z。
③_2、对X、Y、Z、R*、Wtest各自的最上边和最下边各扩充一行,对X、Y、Z、R*、Wtest各自的最左边和最右边各扩充一列,将X扩充后得到的图像记为将Y扩充后得到的图像记为将Z扩充后得到的图像记为将R*扩充后得到的图像记为将Wtest扩充后得到的图像记为其中,的宽度均为col+2且高度均为row+2。
在此,对X、Y、Z、R*、Wtest各自的最上边和最下边各扩充一行,对X、Y、Z、R*、Wtest各自的最左边和最右边各扩充一列,所扩展的像素点的像素值按照镜像方式获得。
③_3、采用尺寸大小为3×3的滑动窗口,以横坐标范围为[1,col]且纵坐标范围为[1,row]中的每个像素点作为滑动窗口的左上角像素点进行逐像素点移动,分别将 划分成col×row个相互重叠的尺寸大小为3×3的区域块。
③_4、计算各自中的每个区域块中的所有像素点的像素值的均值,得到各自的均值图像,对应记为并计算各自中的每个区域块中的所有像素点的像素值的方差,得到 各自的方差图像,对应记为varX、varY、varZ、varR;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covXY;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covXZ;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covXR;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covXW;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covYZ;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covYR;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covYW;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covZR;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covZW;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covRW;其中,varX、varY、varZ、varR、covXY、covXZ、covXR、covXW、covYZ、covYR、covYW、covZR、covZW、covRW的宽度均为col且高度均为row。
③_5、计算中的每个区域块与中对应位置的区域块之间的第一系数,得到对应的第一系数图像,记为A,将A中坐标位置为(i,j)的像素点的像素值记为A(i,j),并计算中的每个区域块与中对应位置的区域块之间的第二系数,得到对应的第二系数图像,记为B,将B中坐标位置为(i,j)的像素点的像素值记为B(i,j),计算中的每个区域块与中对应位置的区域块之间的第三系数,得到对应的第三系数图像,记为C,将C中坐标位置为(i,j)的像素点的像素值记为C(i,j),计算 中的每个区域块与中对应位置的区域块之间的第四系数,得到对应的第四系数图像,记为D,将D中坐标位置为(i,j)的像素点的像素值记为D(i,j),再计算中的每个区域块与中对应位置的区域块之间的第五系数,得到对应的第五系数图像,记为E,将E中坐标位置为(i,j)的像素点的像素值记为E(i,j),其中,A、B、C、D、E的宽度均为col且高度均为row,1≤i≤col,1≤j≤row,A(i,j)亦表示 中坐标位置为(i,j)的区域块与中坐标位置为(i,j)的区域块之间的第一系数,B(i,j)亦表示中坐标位置为(i,j)的区域块与中坐标位置为(i,j)的区域块之间的第二系数,C(i,j)亦表示中坐标位置为(i,j)的区域块与中坐标位置为(i,j)的区域块之间的第三系数,D(i,j)亦表示中坐标位置为(i,j)的区域块与中坐标位置为(i,j)的区域块之间的第四系数,E(i,j)亦表示中坐标位置为(i,j)的区域块与中坐标位置为(i,j)的区域块之间的第五系数,
在此符号“| |”为行列式表示符号,varX(i,j)表示varX中坐标位置为(i,j)的像素点的像素值,varY(i,j)表示varY中坐标位置为(i,j)的像素点的像素值,varZ(i,j)表示varZ中坐标位置为(i,j)的像素点的像素值,varR(i,j)表示varR中坐标位置为(i,j)的像素点的像素值,covXY(i,j)表示covXY中坐标位置为(i,j)的像素点的像素值,covXZ(i,j)表示covXZ中坐标位置为(i,j)的像素点的像素值,covXR(i,j)表示covXR中坐标位置为(i,j)的像素点的像素值,covXW(i,j)表示covXW中坐标位置为(i,j)的像素点的像素值,covYZ(i,j)表示covYZ中坐标位置为(i,j)的像素点的像素值,covYR(i,j)表示covYR中坐标位置为(i,j)的像素点的像素值,covYW(i,j)表示covYW中坐标位置为(i,j)的像素点的像素值,covZR(i,j)表示covZR中坐标位置为(i,j)的像素点的像素值,covZW(i,j)表示covZW中坐标位置为(i,j)的像素点的像素值,covRW(i,j)表示covRW中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值。
③_6、对A、B、C、D、E各自的最上边和最下边各扩充一行,对A、B、C、D、E各自的最左边和最右边各扩充一列,将A扩充后得到的图像记为将B扩充后得到的图像记为将C扩充后得到的图像记为将D扩充后得到的图像记为将E扩充后得到的图像记为其中,的宽度均为col+2且高度均为row+2。
在此,对A、B、C、D、E各自的最上边和最下边各扩充一行,对A、B、C、D、E各自的最左边和最右边各扩充一列,所扩展的像素点的像素值按照镜像方式获得。
③_7、采用尺寸大小为3×3的滑动窗口,以横坐标范围为[1,col]且纵坐标范围为[1,row]中的每个像素点作为滑动窗口的左上角像素点进行逐像素点移动,分别将 划分成col×row个相互重叠的尺寸大小为3×3的区域块。
③_8、计算各自中的每个区域块中的所有像素点的像素值的均值,得到各自的均值图像,对应记为其中,的宽度均为col且高度均为row。
③_9、获取W* test,将W* test中坐标位置为(i,j)的像素点的像素值记为W* test(i,j),该公式根据R*对Wtest非线性引导滤波处理,利用相机的传感器模式噪声来逼近待测照片图像的传感器模式噪声,在逼近过程中能有效剔除待测照片图像的传感器模式噪声中的干扰成分,能有效改善待测照片图像的传感器模式噪声的质量,其中,表示中坐标位置为(i,j)的像素点的像素值,X(i,j)表示X中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,Y(i,j)表示Y中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,Z(i,j)表示Z中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,R*(i,j)表示R*中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值。
④对W* test的四周进行扩充,共扩充127行和127列,将扩充后的图像记为W** test;采用相同的方式,对R*的四周进行扩充,共扩充127行和127列,将扩充后的图像记为R**;其中,W** test和R**的宽度均为col'且高度均为row',col'=col+127,row'=row+127。
在此具体实施例中,步骤④中,对W* test和R*各自的最上边扩充64行、最下边扩充63行、最左边扩充64列、最右边扩充63列,所扩展的像素点的像素值按照镜像方式获得。如:对W* test的最上边扩充64行,自下而上扩充的第1行中的像素点的像素值为W* test中的第1行中的对应像素点的像素值,自下而上扩充的第2行中的像素点的像素值为W* test中的第2行中的对应像素点的像素值,依次类推,自下而上扩充的第64行中的像素点的像素值为W* test中的第64行中的对应像素点的像素值。
⑤采用尺寸大小为128×128的滑动窗口,以横坐标范围为[1,col'-127]且纵坐标范围为[1,row'-127]中的每个像素点作为滑动窗口的左上角像素点进行逐像素点移动,将W** test划分成(col'-127)×(row'-127)个相互重叠的尺寸大小为128×128的图像块,将W** test中的第k个图像块记为同样,采用尺寸大小为128×128的滑动窗口,以横坐标范围为[1,col'-127]且纵坐标范围为[1,row'-127]中的每个像素点作为滑动窗口的左上角像素点进行逐像素点移动,将R**划分成(col'-127)×(row'-127)个相互重叠的尺寸大小为128×128的图像块,将R**中的第k个图像块记为然后利用现有技术计算W** test中的每个图像块与R**中对应位置的图像块的相关系数,将与的相关系数记为ρk;接着由W** test中的所有图像块与R**中对应位置的图像块的相关系数,得到相关系数关联图,相关系数关联图的尺寸大小为(col'-127)×(row'-127),相关系数关联图中的第k个像素点的像素值为ρk;再获取相关系数关联图的二值图像,相关系数关联图的二值图像中的像素点的像素值为1或为0;其中,1≤k≤(col'-127)×(row'-127)。
在此具体实施例中,步骤⑤中,将相关系数关联图的二值图像中坐标位置为(i,j)的像素点的像素值记为G(i,j),其中,1≤i≤col'-127,1≤j≤row'-127,H(i,j)表示相关系数关联图中坐标位置为(i,j)的像素点的像素值,th为设定的阈值,在本实施例中取th=0.015。
⑥利用腐蚀技术对相关系数关联图的二值图像中的每个像素点的像素值进行腐蚀处理;然后利用膨胀技术对腐蚀处理后得到的图像中的每个像素点的像素值进行膨胀处理;接着根据膨胀处理后得到的图像中的像素点的像素值判定Itest是否发生篡改,若膨胀处理后得到的图像中存在像素值为0的像素点,则判定Itest发生篡改;若膨胀处理后得到的图像中不存在像素值为0的像素点,则判定Itest未发生篡改。
在此具体实施例中,步骤⑥中,对相关系数关联图的二值图像中的每个像素点的像素值进行腐蚀处理具体为:用半径为64个像素点的圆对相关系数关联图的二值图像中的每个像素点的像素值进行腐蚀处理;对腐蚀处理后得到的图像中的每个像素点的像素值进行膨胀处理具体为:用半径为20个像素点的圆对腐蚀处理后得到的图像中的每个像素点的像素值进行膨胀处理。
为了进一步说明本发明方法的可行性和有效性,对本发明方法进行实验验证。
由于本发明方法需要已知待测照片图像的来源,因此需要使用者自己构建一个测试图像库,在此所构建的测试图像库如表1所示,其中每部相机对应100幅真实图像和400幅篡改图像。其中400幅篡改图像,是100幅真实图像经过512×512、256×256、128×128和64×64等四种不同尺寸篡改之后得到的,篡改方式包括同图复制-粘贴和异图拼接。测试环境为Windows 7平台,Intel Core i5-3470处理器,CPU频率为3.2GHz,编译环境为MatlabR2012a。
表1测试图像库
相机的型号 | 照片图像的分辨率 | 照片图像的数量 | 照片图像的格式 |
HTC M7 | 1520×2688 | 500 | JPEG |
IPhone5s_2 | 2448×3264 | 500 | JPEG |
MEIZU MX4 | 3936×5248 | 500 | JPEG |
OPPO R7 | 3120×4160 | 500 | JPEG |
SONY Xperia Z1 | 2160×3840 | 500 | JPEG |
为了能客观公正的评价本发明方法的性能,采用AUC(Area Under ReceiverOperating Characteristic Curve,受试者工作特征曲线下面积)方法进行分析,由于要得到AUC需要多个阈值,因此实验过程中在[-0.15,0.25]之间每隔0.005选择一个阈值,共得到81个阈值。
AUC方法的具体实验步骤如下:
步骤一:获取表1中的每部相机的传感器模式噪声和每幅照片图像的传感器模式噪声;
步骤二:按照128×128的分块标准,计算每幅照片图像的传感器模式噪声和相机的传感器模式噪声对应块之间的相关系数;
步骤三:选择不同阈值判决照片图像是否发生篡改;
步骤四:根据不同的篡改图像中篡改块的大小,将检测结果进行分类,作出不同算法下检测结果的受试者工作特征曲线,然后计算曲线下面积,得到AUC值。
采用方法[1](Mo Chen、Jessica Fridrich、Miroslav Goljan.DeterminingImage Origin and Integrity Using Sensor Noise[J].IEEE Transactions onInformation and Security,2008,3(1):74-90.(陈莫、杰西卡·弗里德里希、米罗斯拉夫·格兰,基于传感器模式噪声的图像来源与完整性检测[J].IEEE信息与安全.2008,第3期(1):74-90))、方法[2](Lin X,Li C.-T.Preprocessing Reference Sensor PatternNoise via Spectrum Equalization[J].IEEE Transactions on Information Forensicsand Security,2016,11(1):126-140.(林旭、李长纯,基于频谱均衡方法处理参考相机传感器模式噪声[J],IEEE信息取证与安全,2016,第11期(1):126-140))及本发明方法在表1所给的测试图像库上进行实验。
篡改检测结果:
表2列出了方法[1]、方法[2]和本发明方法对表1所示的测试图像库的检测结果,观察可知,篡改尺寸为512×512时,本发明方法的AUC值为0.9919,与其他两种方法中最高的AUC值0.9884相比,提高了0.35%;篡改尺寸减小到256×256时,本发明方法的AUC值为0.9743,与其他两种方法中最高的AUC值0.9566相比,提高了1.85%;篡改尺寸继续减小到128×128时,本发明方法的AUC值为0.9266,而其他两种方法中最高的AUC值为0.8875,相比提高了4.41%;篡改尺寸进一步减小到64×64时,本发明方法的AUC值与其他两种方法中最高的AUC相比,仍有2.52%的提高。
表2方法[1]、方法[2]和本发明方法对表1中的测试图像库的检测结果(AUC值)
通过不同尺寸篡改块的篡改取证实验结果表明,本发明方法在改善待测照片图像的传感器模式噪声的质量的情况下,有效地提高了对不同尺寸篡改块的篡改检测精度。
鲁棒性分析:
JPEG压缩会降低传感器模式噪声的质量,为评估本发明方法对JPEG压缩的鲁棒性,对表1中所列的所有照片图像分别采用90%、70%和50%等三种JPEG压缩质量进行压缩,然后再进行检测。
表3列出了方法[1]、方法[2]和本发明方法对表1中的所有照片图像采用90%的JPEG压缩后的检测结果,观察可知,篡改尺寸为512×512时,本发明方法的AUC值为0.9901,与其他两种方法中最高的AUC值0.9832相比,提高了0.70%;篡改尺寸减小到256×256时,本发明方法的AUC值为0.9697,与其他两种方法中最高的AUC值0.9497相比,提高了2.11%;篡改尺寸继续减小到128×128时,本发明方法的AUC值为0.9160,而其他两种方法中最高的AUC值为0.8854,相比提高了3.46%;篡改尺寸进一步减小到64×64时,本发明方法的AUC值与其他两种方法中最高的AUC相比,仍有2.69%的提高。
表3 JPEG压缩质量为90%时方法[1]、方法[2]和本发明方法对表1中的所有照片图像的检测结果(AUC值)
继续对JPEG压缩质量为70%和50%时的照片图像进行实验,结果如表4和表5所示。观察表4和表5所列的数据,虽然随着压缩质量的降低,三种方法的检测精度都有所下降,但是若考虑相同压缩质量、相同篡改尺寸下,本发明方法的检测精度仍然高于其他两种方法。
表4 JPEG压缩质量为70%时方法[1]、方法[2]和本发明方法对表1中的所有照片图像的检测结果(AUC值)
表5 JPEG压缩质量为50%时方法[1]、方法[2]和本发明方法对表1中的所有照片图像的检测结果(AUC值)
大量实验结果表明,与现有方法相比,本发明方法能有效改善待测照片图像的传感器模式噪声的质量,提高篡改检测精度,尤其是对小篡改块的检测精度,并对抵抗较低的JPEG压缩具有较强的鲁棒性。
Claims (8)
1.一种使用非线性引导滤波的照片图像篡改检测方法,其特征在于包括以下步骤:
①任意选取一幅照片图像作为待测照片图像,记为Itest;并获取N幅原始的照片图像,将获取的第n幅原始的照片图像记为Iorg,n;其中,N≥2,1≤n≤N,拍摄Itest对应的原始的照片图像与拍摄N幅原始的照片图像所采用的相机为同一部相机,Itest和Iorg,n的尺寸大小相同,宽度均为col且高度均为row,拍摄的N幅原始的照片图像均为内容平滑、高亮不饱和的图像;
②对每幅原始的照片图像进行小波降噪处理,得到每幅原始的照片图像的降噪图像,将Iorg,n的降噪图像记为I'org,n;然后根据每幅原始的照片图像及其降噪图像,获取每幅原始的照片图像的噪声残差图像,将Iorg,n的噪声残差图像记为Worg,n;接着采用最大似然估计方法,对所有原始的照片图像的噪声残差图像进行处理,获得所采用的相机的初步传感器模式噪声,记为R;之后采用零均值化方法对R进行处理,将处理结果记为R';再采用维纳滤波方法对R'处理,将得到的结果作为所采用的相机的最终传感器模式噪声,记为R*;
③对Itest进行小波降噪处理,得到Itest的降噪图像,记为I'test;然后根据Itest及I'test,获取Itest的噪声残差图像,记为Wtest,将Wtest作为Itest的初步传感器模式噪声;接着根据R*对Wtest采用非线性引导滤波处理以消除Wtest中的图像内容、CFA插值噪声、JPEG压缩噪声和随机噪声的影响,得到Itest的最终传感器模式噪声,记为W* test;
④对W* test的四周进行扩充,共扩充127行和127列,将扩充后的图像记为W** test;采用相同的方式,对R*的四周进行扩充,共扩充127行和127列,将扩充后的图像记为R**;其中,W** test和R**的宽度均为col'且高度均为row',col'=col+127,row'=row+127;
⑤采用尺寸大小为128×128的滑动窗口,以横坐标范围为[1,col'-127]且纵坐标范围为[1,row'-127]中的每个像素点作为滑动窗口的左上角像素点进行逐像素点移动,将W** test划分成(col'-127)×(row'-127)个相互重叠的尺寸大小为128×128的图像块,将W** test中的第k个图像块记为同样,采用尺寸大小为128×128的滑动窗口,以横坐标范围为[1,col'-127]且纵坐标范围为[1,row'-127]中的每个像素点作为滑动窗口的左上角像素点进行逐像素点移动,将R**划分成(col'-127)×(row'-127)个相互重叠的尺寸大小为128×128的图像块,将R**中的第k个图像块记为然后计算W** test中的每个图像块与R**中对应位置的图像块的相关系数,将与的相关系数记为ρk;接着由W** test中的所有图像块与R**中对应位置的图像块的相关系数,得到相关系数关联图,相关系数关联图的尺寸大小为(col'-127)×(row'-127),相关系数关联图中的第k个像素点的像素值为ρk;再获取相关系数关联图的二值图像,相关系数关联图的二值图像中的像素点的像素值为1或为0;其中,1≤k≤(col'-127)×(row'-127);
⑥对相关系数关联图的二值图像中的每个像素点的像素值进行腐蚀处理;然后对腐蚀处理后得到的图像中的每个像素点的像素值进行膨胀处理;接着根据膨胀处理后得到的图像中的像素点的像素值判定Itest是否发生篡改,若膨胀处理后得到的图像中存在像素值为0的像素点,则判定Itest发生篡改;若膨胀处理后得到的图像中不存在像素值为0的像素点,则判定Itest未发生篡改。
2.根据权利要求1所述的一种使用非线性引导滤波的照片图像篡改检测方法,其特征在于所述的步骤②中,将Worg,n中坐标位置为(i,j)的像素点的像素值记为Worg,n(i,j),Worg,n(i,j)=Iorg,n(i,j)-I'org,n(i,j),其中,1≤i≤col,1≤j≤row,Iorg,n(i,j)表示Iorg,n中坐标位置为(i,j)的像素点的像素值,I'org,n(i,j)表示I'org,n中坐标位置为(i,j)的像素点的像素值。
3.根据权利要求1或2所述的一种使用非线性引导滤波的照片图像篡改检测方法,其特征在于所述的步骤③中,将Wtest中坐标位置为(i,j)的像素点的像素值记为Wtest(i,j),Wtest(i,j)=Itest(i,j)-I'test(i,j),其中,1≤i≤col,1≤j≤row,Itest(i,j)表示Itest中坐标位置为(i,j)的像素点的像素值,I'test(i,j)表示I'test中坐标位置为(i,j)的像素点的像素值。
4.根据权利要求3所述的一种使用非线性引导滤波的照片图像篡改检测方法,其特征在于所述的步骤③中,根据R*对Wtest采用非线性引导滤波处理,得到Itest的最终传感器模式噪声W* test的具体过程为:
③_1、对R*中的每个像素点的像素值进行四次方,将得到的图像记为X;对R*中的每个像素点的像素值进行三次方,将得到的图像记为Y;对R*中的每个像素点的像素值进行平方,将得到的图像记为Z;
③_2、对X、Y、Z、R*、Wtest各自的最上边和最下边各扩充一行,对X、Y、Z、R*、Wtest各自的最左边和最右边各扩充一列,将X扩充后得到的图像记为将Y扩充后得到的图像记为将Z扩充后得到的图像记为将R*扩充后得到的图像记为将Wtest扩充后得到的图像记为其中,的宽度均为col+2且高度均为row+2;
③_3、采用尺寸大小为3×3的滑动窗口,以横坐标范围为[1,col]且纵坐标范围为[1,row]中的每个像素点作为滑动窗口的左上角像素点进行逐像素点移动,分别将 划分成col×row个相互重叠的尺寸大小为3×3的区域块;
③_4、计算各自中的每个区域块中的所有像素点的像素值的均值,得到各自的均值图像,对应记为并计算各自中的每个区域块中的所有像素点的像素值的方差,得到 各自的方差图像,对应记为varX、varY、varZ、varR;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covXY;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covXZ;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covXR;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covXW;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covYZ;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covYR;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covYW;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covZR;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covZW;计算中的每个区域块中的所有像素点的像素值与中对应位置的区域块中的所有像素点的像素值之间的协方差,得到和对应的协方差图像,记为covRW;其中,varX、varY、varZ、varR、covXY、covXZ、covXR、covXW、covYZ、covYR、covYW、covZR、covZW、covRW的宽度均为col且高度均为row;
③_5、计算中的每个区域块与中对应位置的区域块之间的第一系数,得到对应的第一系数图像,记为A,将A中坐标位置为(i,j)的像素点的像素值记为A(i,j),并计算中的每个区域块与中对应位置的区域块之间的第二系数,得到W~对应的第二系数图像,记为B,将B中坐标位置为(i,j)的像素点的像素值记为B(i,j),计算中的每个区域块与中对应位置的区域块之间的第三系数,得到对应的第三系数图像,记为C,将C中坐标位置为(i,j)的像素点的像素值记为C(i,j),计算 中的每个区域块与中对应位置的区域块之间的第四系数,得到对应的第四系数图像,记为D,将D中坐标位置为(i,j)的像素点的像素值记为D(i,j),再计算中的每个区域块与中对应位置的区域块之间的第五系数,得到对应的第五系数图像,记为E,将E中坐标位置为(i,j)的像素点的像素值记为E(i,j),其中,A、B、C、D、E的宽度均为col且高度均为row,1≤i≤col,1≤j≤row,A(i,j)亦表示 中坐标位置为(i,j)的区域块与中坐标位置为(i,j)的区域块之间的第一系数,B(i,j)亦表示中坐标位置为(i,j)的区域块与中坐标位置为(i,j)的区域块之间的第二系数,C(i,j)亦表示中坐标位置为(i,j)的区域块与中坐标位置为(i,j)的区域块之间的第三系数,D(i,j)亦表示中坐标位置为(i,j)的区域块与中坐标位置为(i,j)的区域块之间的第四系数,E(i,j)亦表示中坐标位置为(i,j)的区域块与中坐标位置为(i,j)的区域块之间的第五系数, 在此符号“||”为行列式表示符号,varX(i,j)表示varX中坐标位置为(i,j)的像素点的像素值,varY(i,j)表示varY中坐标位置为(i,j)的像素点的像素值,varZ(i,j)表示varZ中坐标位置为(i,j)的像素点的像素值,varR(i,j)表示varR中坐标位置为(i,j)的像素点的像素值,covXY(i,j)表示covXY中坐标位置为(i,j)的像素点的像素值,covXZ(i,j)表示covXZ中坐标位置为(i,j)的像素点的像素值,covXR(i,j)表示covXR中坐标位置为(i,j)的像素点的像素值,covXW(i,j)表示covXW中坐标位置为(i,j)的像素点的像素值,covYZ(i,j)表示covYZ中坐标位置为(i,j)的像素点的像素值,covYR(i,j)表示covYR中坐标位置为(i,j)的像素点的像素值,covYW(i,j)表示covYW中坐标位置为(i,j)的像素点的像素值,covZR(i,j)表示covZR中坐标位置为(i,j)的像素点的像素值,covZW(i,j)表示covZW中坐标位置为(i,j)的像素点的像素值,covRW(i,j)表示covRW中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值;
③_6、对A、B、C、D、E各自的最上边和最下边各扩充一行,对A、B、C、D、E各自的最左边和最右边各扩充一列,将A扩充后得到的图像记为将B扩充后得到的图像记为将C扩充后得到的图像记为将D扩充后得到的图像记为将E扩充后得到的图像记为其中,的宽度均为col+2且高度均为row+2;
③_7、采用尺寸大小为3×3的滑动窗口,以横坐标范围为[1,col]且纵坐标范围为[1,row]中的每个像素点作为滑动窗口的左上角像素点进行逐像素点移动,分别将 划分成col×row个相互重叠的尺寸大小为3×3的区域块;
③_8、计算各自中的每个区域块中的所有像素点的像素值的均值,得到各自的均值图像,对应记为其中,的宽度均为col且高度均为row;
③_9、获取W* test,将W* test中坐标位置为(i,j)的像素点的像素值记为W* test(i,j),其中,表示中坐标位置为(i,j)的像素点的像素值,X(i,j)表示X中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,Y(i,j)表示Y中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,Z(i,j)表示Z中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值,R*(i,j)表示R*中坐标位置为(i,j)的像素点的像素值,表示中坐标位置为(i,j)的像素点的像素值。
5.根据权利要求4所述的一种使用非线性引导滤波的照片图像篡改检测方法,其特征在于所述的步骤④中,对W* test和R*各自的最上边扩充64行、最下边扩充63行、最左边扩充64列、最右边扩充63列,所扩展的像素点的像素值按照镜像方式获得。
6.根据权利要求5所述的一种使用非线性引导滤波的照片图像篡改检测方法,其特征在于所述的步骤⑤中,将相关系数关联图的二值图像中坐标位置为(i,j)的像素点的像素值记为G(i,j),其中,1≤i≤col'-127,1≤j≤row'-127,H(i,j)表示相关系数关联图中坐标位置为(i,j)的像素点的像素值,th为设定的阈值。
7.根据权利要求6所述的一种使用非线性引导滤波的照片图像篡改检测方法,其特征在于所述的步骤⑥中,对相关系数关联图的二值图像中的每个像素点的像素值进行腐蚀处理具体为:用半径为64个像素点的圆对相关系数关联图的二值图像中的每个像素点的像素值进行腐蚀处理;对腐蚀处理后得到的图像中的每个像素点的像素值进行膨胀处理具体为:用半径为20个像素点的圆对腐蚀处理后得到的图像中的每个像素点的像素值进行膨胀处理。
8.根据权利要求4所述的一种使用非线性引导滤波的照片图像篡改检测方法,其特征在于所述的步骤③_2中,对X、Y、Z、R*、Wtest各自的最上边和最下边各扩充一行,对X、Y、Z、R*、Wtest各自的最左边和最右边各扩充一列,所扩展的像素点的像素值按照镜像方式获得;所述的步骤③_6中,对A、B、C、D、E各自的最上边和最下边各扩充一行,对A、B、C、D、E各自的最左边和最右边各扩充一列,所扩展的像素点的像素值按照镜像方式获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710440527.XA CN107451990B (zh) | 2017-06-13 | 2017-06-13 | 一种使用非线性引导滤波的照片图像篡改检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710440527.XA CN107451990B (zh) | 2017-06-13 | 2017-06-13 | 一种使用非线性引导滤波的照片图像篡改检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107451990A true CN107451990A (zh) | 2017-12-08 |
CN107451990B CN107451990B (zh) | 2019-11-15 |
Family
ID=60486805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710440527.XA Active CN107451990B (zh) | 2017-06-13 | 2017-06-13 | 一种使用非线性引导滤波的照片图像篡改检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107451990B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110910317A (zh) * | 2019-08-19 | 2020-03-24 | 北京理工大学 | 一种舌象图像增强方法 |
CN111951254A (zh) * | 2020-08-18 | 2020-11-17 | 济南大学 | 基于边缘引导加权平均的源相机识别方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7392394B2 (en) * | 2001-12-13 | 2008-06-24 | Digimarc Corporation | Digital watermarking with variable orientation and protocols |
CN104036485A (zh) * | 2013-08-21 | 2014-09-10 | 江南大学 | 一种关于图像重采样篡改检测的方法 |
CN104680515A (zh) * | 2014-12-30 | 2015-06-03 | 中国航天科工集团第二研究院七〇六所 | 一种图像真实性鉴定方法 |
CN106097379A (zh) * | 2016-07-22 | 2016-11-09 | 宁波大学 | 一种使用自适应阈值的图像篡改检测与定位方法 |
CN106485639A (zh) * | 2015-08-28 | 2017-03-08 | 百度在线网络技术(北京)有限公司 | 鉴别伪造证件图片的方法和装置 |
-
2017
- 2017-06-13 CN CN201710440527.XA patent/CN107451990B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7392394B2 (en) * | 2001-12-13 | 2008-06-24 | Digimarc Corporation | Digital watermarking with variable orientation and protocols |
CN104036485A (zh) * | 2013-08-21 | 2014-09-10 | 江南大学 | 一种关于图像重采样篡改检测的方法 |
CN104680515A (zh) * | 2014-12-30 | 2015-06-03 | 中国航天科工集团第二研究院七〇六所 | 一种图像真实性鉴定方法 |
CN106485639A (zh) * | 2015-08-28 | 2017-03-08 | 百度在线网络技术(北京)有限公司 | 鉴别伪造证件图片的方法和装置 |
CN106097379A (zh) * | 2016-07-22 | 2016-11-09 | 宁波大学 | 一种使用自适应阈值的图像篡改检测与定位方法 |
Non-Patent Citations (2)
Title |
---|
WEI FAN ET AL.: "Forensic detection of inverse tone mapping in HDR images", 《IEEE》 * |
李叶舟 等: "噪声特征与EXIF信息相关性的图像篡改鉴定", 《北京邮电大学学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110910317A (zh) * | 2019-08-19 | 2020-03-24 | 北京理工大学 | 一种舌象图像增强方法 |
CN111951254A (zh) * | 2020-08-18 | 2020-11-17 | 济南大学 | 基于边缘引导加权平均的源相机识别方法及*** |
CN111951254B (zh) * | 2020-08-18 | 2024-05-10 | 济南大学 | 基于边缘引导加权平均的源相机识别方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN107451990B (zh) | 2019-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lin et al. | Preprocessing reference sensor pattern noise via spectrum equalization | |
Luo et al. | A survey of passive technology for digital image forensics | |
Gallagher et al. | Image authentication by detecting traces of demosaicing | |
CN103345758B (zh) | 基于dct统计特征的jpeg图像区域复制篡改盲检测方法 | |
CN106097379B (zh) | 一种使用自适应阈值的图像篡改检测与定位方法 | |
Wu et al. | A context adaptive predictor of sensor pattern noise for camera source identification | |
Kumar et al. | A fast DCT based method for copy move forgery detection | |
Lawgaly et al. | Weighted averaging-based sensor pattern noise estimation for source camera identification | |
Lawgaly et al. | Image sharpening for efficient source camera identification based on sensor pattern noise estimation | |
CN106851140A (zh) | 一种使用空域平滑滤波的数字照片图像来源识别方法 | |
Mehrish et al. | Robust PRNU estimation from probabilistic raw measurements | |
CN111709930A (zh) | 基于模式噪声的图片出处与窜改认定方法 | |
CN103561274B (zh) | 静止摄像头拍摄的运动目标被移除视频时域篡改检测方法 | |
Chang et al. | A passive multi-purpose scheme based on periodicity analysis of CFA artifacts for image forensics | |
CN107451990A (zh) | 一种使用非线性引导滤波的照片图像篡改检测方法 | |
Mehrish et al. | Sensor pattern noise estimation using probabilistically estimated RAW values | |
CN111027573A (zh) | 基于盲取证技术的图像真伪鉴别方法 | |
Elsharkawy et al. | C20. Identifying unique flatbed scanner characteristics for matching a scanned image to its source | |
Peng et al. | Comparison and analysis of the performance of PRNU extraction methods in source camera identification | |
Rabah et al. | Semi-blind source scanner identification | |
Balamurugan et al. | Source camera identification using SPN with PRNU estimation and enhancement | |
CN111080586B (zh) | 基于卷积神经网络的篡改图像来源取证方法 | |
Rao et al. | Enhancing source camera identification based on multiplicative denoising filter | |
Wang et al. | Image splicing localization based on re-demosaicing | |
Raj et al. | Counter forensics: a new PRNU based method for image source anonymization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |