基于模糊不变矩的复制粘贴伪造检测方法.docVIP

基于模糊不变矩的复制粘贴伪造检测方法 1引言 当代，数字图像作为一种应用广泛的通信媒介，在各种各样的领域，如医学成像、数字取证及科学出版等，都扮演着举足轻重的角色。但是各种高级图像处理算法以及相应图像处理软硬件的出现，使得非专业人士很容易处理图像，并使人肉眼很难甚至无法识别，但图像潜在的统计特征已经修改。由于这些情况的出现，各种数字图像伪造检测方法应运而生。 目前，数字图像伪造检测方法主要分为主动方法和被动方法两类。主动方法通过事先在图像中嵌入数字水印或数字签名,实现对图像篡改的检测;被动方法又叫盲取证，它不需要图像事先嵌入信息，具有更广泛的应用，因此成为一个新兴的热点研究方向。Farid在文献[1]中综述了目前盲取证正在进行的研究方向，其中复制粘贴是数字图像伪造最为典型的一种。在复制粘贴中，图像的一部分被复制到同一图像的另一部分，试图掩藏某一目标物或某一区域。由于复制粘贴伪造在原始图像区域和粘贴区域之间引入了一种相似性,因此，可以以这种相似性为基础，通过寻找完全相同的图像区域来达到检测的目的。 近些年，国际上对复制粘贴取证已有一些初步的研究。文献中,Fridrich提出了一种先利用重叠块对图像进行分块，然后对图像块的DCT量化系数进行字典排序，来检测图像复制伪造区域的算法。Popescu和Farid也提出了一种类似的检测图像重复区域的算法p]。该算法对图像块使用主成分分析(PCA)来达到降维的目的，将得到的降维特征作为该图像块的特征描述，以减少特征空间的维数。但Fridrich方法是针对未进行后处理的图像进行检测，抗后处理的能力不足。Farid方法的抗后处理能力上有加强，但在模糊处理的情形下，会出现较高的误判率。针对一些常用的图像后处理方法，本文提出一种基于模糊不变矩的复制粘贴检测方法，提高了方法的抗后处理能力和鲁棒性。 2算法思想 伪造者在创建复制区域后，通常会利用润饰等图像处理方法来淡化复制区域的痕迹。模糊操作是现存的图像处理方法中最常用的一种。因为伪造者需要使篡改区域与图像其他部分一致,所以，可以假定这些退化不强。 伪造者通常会将模糊滤波模板与复制区域进行2D卷积，以实现模糊处理的目的,从而加大了检测的难度。为了改进基于DCTp]或PCA[3]的伪造检测方法，本文用特征不变量来描述分析区域所出现的未知模糊。从数学的观点看，就是希望找出一个模糊退化的不变量，即函数满足条件)，其中/表示待检测图像，操作D表示模糊退化。此外，由于伪造者还可能通过增加噪声对图像进行处理，因此这些不变量应该在加噪声的情况下也能有效的工作。 模糊不变矩则是一个模糊退化的不变量，最初由Flusser和Suk提出并且已成功应用到图像处理的许多领域。例如，不清晰图像中的人脸识别(facerecognitiononout-of-focusedphotographs),聚焦或散焦定量测试(focus/defocusquantitativemeasure- ment)0模糊不变矩由于不受复制区域中的模糊退化影响，因此适合用来表示图像特征。此外，模糊不变矩通过对整个图像求和计算而得到，因此增加的零均噪声对它没有显著的影响。 假定给定的图像上包含任意数量的复制区域，且这些区域的位置和形状是未知的。那么,复制粘贴伪造检测的任务就是要判定它们的存在并标识出来，即使这些区域已经与PSF(点扩散函数)卷积和增加噪声。 依据文献[4]，可以确定这些假定不会引起有效的限制。大部分的成像系统都执行某种对称类型。如中心对称、四角对称以及圆对称等类型，也能构建一个基于矩的模糊不变量。一般地，PSF假定的对称度越高，能获得的不变量也就越多。 3算法描述 本文的检测算法将按照以下流程进行检测：首先将待检测图像进行分块，形成一定数量的重叠块。然后对每个重叠块应用上述描述的模糊不变矩，形成一个9维的特征向量，作为重叠块的特征描述。接着对所求得的所有特征向量进行字典排序，使得相似块集中在一起。接下来通过预先定义的相似准则进行块相似分析，以确定相似块;最后将确定的相似块标识并显示出来。 3.1重叠块 本文将采用滑块的方式对图像进行分块。假定重叠块比待检测的复制区域要小，那么从图像的左上角开始,从左至右，由上至下每次滑动一个像素点来获得一个穴的重叠块。例如，一幅MxiV的图像通过分块后，将获得(从-及+1)(#-尺+1)个办及像素的重叠块。 3.2模糊不变矩 获得上述重叠块后，将应用模糊不变矩来表示每个重叠块。为了获得模糊矩，需要计算出重叠块的中心距。 假定，通过Flusser的推导及证明[5]，g(x，;；)的中心矩定义为： 如果满足：B(/)=B(rh)=B(g)，则特征S称之为模糊不变量。模糊不变矩算法的目的就是要找到这样一个特征。 通过应用Flusser等人推导和描述的算法，本文构造出