一種jpeg圖像合成區域的檢測方法
2023-06-17 09:57:51
專利名稱：一種jpeg圖像合成區域的檢測方法
技術領域：
本發明屬於多媒體信息安全領域，具體涉及一種JPEG圖像合成區域的檢測方法。
背景技術：
圖像的數位化，高性能的PC及各種功能強大的圖像處理軟體(如Photoshop)的出現，使得我們普通的用戶都能很簡單地對數字圖像信息進行「移花接木」而不為人知。如今網絡中各式各樣的圖像人眼是很難區分其真偽性的。隨著各種圖像處理算法的發展，這些虛假的圖像將會越來越多地湧現在大眾媒體上，倘若虛假圖片涉及到國家安全、法庭上的取證、媒體數據的版權、個人隱私等問題，這將會給我們的社會和人們的生活帶來極大的衝擊和困擾，因此對圖像數據的認證成為了十分重要的研究課題。
合成技術是一種常用的圖像篡改方法，它把兩幅或多幅圖像的信息進行裁剪，拼接成一幅虛假的圖像。檢測此形式的篡改操作有著重要的實際意義。
發明內容
本發明提供一種JPEG合成區域的檢測分類方法，可以判斷一個JPEG圖像塊是否由別的JPEG圖像經剪切合成得到，從而判定圖像的真偽性。
本發明方法的技術方案如下本發明方法包括以下步驟1)選取懷疑被篡改的圖像塊；2)特徵的提取與分類器的構造；3)利用分類器對待測圖像塊做檢測判斷。
所述步驟1)選取懷疑被篡改的圖像塊的方法如下假設給定的JPEG圖像為f，其質量因子QF2，設選取懷疑被篡改的圖像塊D為l×w大小的長方體且其左上角在f中的坐標為(x，y)，要求x＝0(mod 8)，y＝0(mod 8)。
步驟2)特徵的提取與分類器的構造方法如下①自然圖像集的構造；首先選取無壓縮的圖像n幅，大小為l×w，對選取的n幅圖像以質量因子QF2作JPEG壓縮，得到自然圖像集；②篡改圖像集的構造；首先對選取的n幅無壓縮圖像以質量因子QF1作JPEG壓縮，QF1隨機選取的範圍為[a，b]，然後模擬圖像合成中篡改塊的變化隨機剪切i行j列，其中0≤i≤7，0≤j≤7，i，j不同時為0或4，最後以QF2的質量因子對剪切後的圖像再一次JPEG壓縮，得到篡改圖像集；③對認證圖像集與篡改圖像集中的每幅圖像，按以下方法提取其特徵a)首先將其無重疊地分解成8×8大小的小塊；b)對於每一圖像分塊，統計Z′(i，j)＝|A+D-B-C|，Z″(i，j)＝|E+H-F-G|得到兩個直方圖Z′(i，j)與Z″(i，j)，其中(i，j)表示A在圖像塊D各8×8分塊中的坐標，比較兩個直方圖的絕對差，並求其均值得到M(i，j)；c)令1≤i≤8，1≤j≤8重複步驟b)中提取圖像特徵的方法，並歸一化得到一個均值矩陣M；d)提取均值矩陣M的對稱特性，沿水平、垂直、中心對稱等方向提取M的14個特徵；④利用LibSVM分類器對得到的特徵進行訓練，得到一個能區分圖像塊是否經過了剪切合成處理的分類器。
步驟3)利用分類器對待測圖像塊做檢測判斷的方法是首先按步驟2)中的③提取待測圖像快的14個特徵，然後利用步驟2)中的④得到的分類器進行判別。
本發明能較有效地對選定的懷疑被篡改的區域進行識別，為JPEG格式合成虛假圖像的檢測提供了一個有效的方法。
圖1是JPEG圖像篡改合成示意圖；圖2是JPEG圖像固有的塊效應示意圖；圖3是矩陣M的對稱性示意圖；圖4是無壓縮圖像矩陣M的特點示意圖；圖5是以質量因子為85對圖像壓縮後矩陣M的特點示意圖；圖6是模擬篡改後矩陣M的特點示意圖；圖7是自然圖像與篡改圖像矩陣M特徵的比較圖。
具體實施例方式
下面結合附圖對本發明方法作進一步說明。
一般的圖像合成過程如說明書附圖1所示，其中圖像1是JPEG圖像，設其質量因子QF1大致範圍為[a，b]，合成後的圖像以QF2的質量因子壓縮。本發明方法通過以下三個步驟對圖像的真偽性進行判別1)選取懷疑被篡改的圖像塊假設待測的圖像為f，其質量因子為QF2。從中選取某一懷疑被篡改合成的圖像塊D，設D為l×w大小的長方體且其左上角在f中的坐標為(x，y)，為了與JPEG圖像分塊壓縮所產生的塊效應一致，我們要求x＝0(mod 8)，y＝0(mod 8)。
2)分類器的構造分類器的構造是檢測的關鍵，我們根據1)中圖像塊D的大小與質量因子QF2構造自然圖像集與篡改圖像集。首先選取大小為l×w的無壓縮圖像1000幅。
1.自然圖像集的構造。
對選取的1000圖像以質量因子QF2作JPEG壓縮，得到自然圖像集圖像。它是沒有經過篡改的原始的JPEG圖像，利用它我們可以抽取原始的質量因子為QF2的JPEG圖像性質。
2.篡改圖像集的構造。
對選取的1000幅圖像首先以質量因子QF1作JPEG壓縮，QF1隨機選取的範圍為[a，b]。其中a，b的取值可以根據一些先驗的知識判斷，或取一般圖像質量因子的範圍如[50，95]，若圖像塊的質量較差可取[50，75]。然後模擬圖像合成中篡改塊的變化隨機剪切i行j列，其中0≤i≤7，0≤j ≤7，i，j不同時為0或4，最後以QF2的質量因子對剪切後得圖像再一次JPEG壓縮。得到篡改圖像集。
3.特徵的提取對於自然圖像集與篡改圖像集中的每一幅圖像，按以下方法提取特徵a).首先將圖像無重疊地分解為8×8大小的小塊。
b).對於每一圖像分塊，按照下式統計Z′(i，j)＝|A+D-B-C|，Z″(i，j)＝|E+H-F-G|得到兩個直方圖Z′(i，j)與Z″(i，j)，其中(i，j)表示A在圖像塊D各8×8分塊中的坐標，如說明書附圖2所示，圖2是JPEG圖像固有的塊效應示意圖，圖像被規則地分解成8×8大小的塊，圖示是其中的某一分塊。比較兩個直方圖的絕對差，並求其均值得到M(i，j)。
c).令1≤i≤8，1≤j≤8重複步驟b)歸一化後得到一個均值矩陣M。
d).提取均值矩陣M的對稱特性。如說明書附圖3所示，圖3是矩陣M的對稱性示意圖，矩陣M由水平方向D1，垂直方向D2及四個平坦區域R1，R2，R3，R4構成。本發明分別沿水平、垂直、中心對稱等方向提取矩陣M的14個特徵。具體的提取公式如下水平與垂直方向(2個)c1＝|M(4，1)-M(4，7)|+|M(4，2)-M(4，6)|+|M(4，3)-M(4，5)c2＝|M(1，4)-M(7，4)|+|M(2，4)-M(6，4)|+|M(3，4)-M(5，4)四個區域的對稱特徵(6個)c3＝|M(1，1)-M(1，7)|+|M(1，2)-M(1，6)|+|M(1，3)-M(1，5)+|M(2，1)-M(2，7)|+|M(2，2)-M(2，6)|+|M(2，3)-M(2，5)+|M(3，1)-M(3，7)|+|M(3，2)-M(3，6)|+|M(3，3)-M(3，5)c4＝|M(1，1)-M(7，1)|+|M(1，2)-M(7，2)|+|M(1，3)-M(7，3)+|M(2，1)-M(6，1)|+|M(2，2)-M(6，2)|+|M(2，3)-M(6，3)+|M(3，1)-M(5，1)|+|M(3，2)-M(5，2)|+|M(3，3)-M(5，3)c5＝|M(1，1)-M(7，7)|+|M(1，2)-M(7，6)|+|M(1，3)-M(7，5)+|M(2，1)-M(6，7)|+|M(2，2)-M(6，6)|+|M(2，3)-M(6，5)+|M(3，1)-M(5，7)|+|M(3，2)-M(5，6)|+|M(3，3)-M(5，5)c6＝|M(1，5)-M(7，5)|+|M(1，6)-M(7，6)|+|M(1，7)-M(7，7)+|M(2，5)-M(6，5)|+|M(2，6)-M(6，6)|+|M(2，7)-M(6，7)+|M(3，5)-M(5，5)|+|M(3，6)-M(5，6)|+|M(3，7)-M(5，7)c7＝|M(1，5)-M(7，3)|+|M(1，6)-M(7，2)|+|M(1，7)-M(7，1)+|M(2，5)-M(6，3)|+|M(2，6)-M(6，2)|+|M(2，7)-M(6，1)+|M(3，5)-M(5，3)|+|M(3，6)-M(5，2)|+|M(3，7)-M(5，1)
c8＝|M(5，1)-M(5，7)|+|M(5，2)-M(5，6)|+|M(5，3)-M(5，5)+|M(6，1)-M(6，7)|+|M(6，2)-M(6，6)|+|M(6，3)-M(6，5)+|M(7，1)-M(7，7)|+|M(7，2)-M(7，6)|+|M(7，3)-M(7，5)中心位置佔各方向的比例(6個)c9＝M(4，4)/|M(1，1)+M(1，2)+M(1，3)+M(2，1)+M(2，2)+M(2，3)+M(3，1)+M(3，2)+M(3，3)c10＝M(4，4)/|M(1，7)+M(1，6)+M(1，5)+M(2，7)+M(2，6)+M(2，5)+M(3，7)+M(3，6)+M(3，5)c11＝M(4，4)/|M(7，1)+M(7，2)+M(7，3)+M(6，1)+M(6，2)+M(6，3)+M(5，1)+M(5，2)+M(5，3)c12＝M(4，4)/|M(7，7)+M(7，6)+M(7，5)+M(6，7)+M(6，6)+M(6，5)+M(5，7)+M(5，6)+M(5，5)c13＝M(4，4)/|M(4，1)+M(4，2)+M(4，3)+M(4，5)+M(4，6)+M(4，7)c14＝M(4，4)/|M(1，4)+M(2，4)+M(3，4)+M(5，4)+M(6，4)+M(7，4)對於每個給定的圖像塊Yi計算矩陣M的這14個特徵，存儲在一個特徵向量Ci中。Ci則表示了該圖像塊M對稱的程度。一般而言，對稱性程度越高，前8個特徵的值就越小，而後6個特徵越大。
4.利用LibSVM分類器對得到的特徵進行訓練，得到一個能區分圖像塊是否經過了剪切合成再壓縮處理的分類器。
3)對待測圖像塊D的判別。
首先按步驟2)中的③提取其14個特徵，然後利用步驟2)中的④得到的分類器進行判別。
本發明方法的原理是JPEG對圖像數據的壓縮是分塊進行的，塊與塊之間獨立地操作，這樣會使得壓縮後圖像塊間的邊緣產生「跳躍」，無形地給圖像添加了規則分塊的「格子」，形成固有的塊狀效應(blockingartifacts)，這對圖像質量而言是有害的，但卻為我們提供了一個「半脆弱水印」信息。如說明書附圖1所示，一般的篡改過程會使得篡改圖像塊在合成後圖像中JPEG規則分塊的位置信息與在原始圖像Image1中分塊位置產生不一致，本方法正是利用這種不一致性實現對篡改圖像塊與自然圖像塊的區分。
圖4是無壓縮圖像矩陣M的特點示意圖，其中圖4(a)是無壓縮圖像，圖4(b)是圖4(a)中抽取得到矩陣M的柱狀圖，圖4(c)是對應的等高線圖。從圖中可以看到，對於無壓縮的圖像矩陣M的元素基本上是一種隨機分布的特點。圖5是以質量因子為85對圖像壓縮後矩陣M的特點示意圖，其中圖5(a)是以質量因子85壓縮圖4(a)後的圖像，圖5(b)是圖5(a)中抽取得到矩陣M的柱狀圖，圖5(c)是對應的等高線圖。圖6是模擬篡改後矩陣M的特點示意圖，其中圖6(a)是模擬篡改圖4(a)後的圖像，圖6(b)是圖6(a)中抽取得到矩陣M的柱狀圖，圖6(c)是對應的等高線圖。如附圖7所示，可以看出模擬篡改後的對稱性不如自然圖像的對稱性，圖7(a)是自然的JPEG圖像的M矩陣，圖7(b)是經過篡改合成後圖像的M矩陣。
本方法抽取的14個圖像特徵是這種對稱性的一個度量，利用它我們可以實現自然圖像集與篡改圖像集的區分，實現對圖像數據認證的目的。
下面給出利用本發明方法的一些實驗結果。D大小為512×512，QF1，QF2取不同值下的檢測結果。
下表1是QF1隨機選取的範圍在區間為[50，95]，QF2在60到95之間(單位％)
下表2是QF1隨機選取的範圍在區間為[50-75]，QF2在60到95之間(單位％)
下表3是QF1在[50，59]，[60，69]，[70，79]，[80.89]之間任意取值(單位％)
。
權利要求
1.一種JPEG圖像合成區域的檢測方法，其特徵是本發明方法包括以下步驟1)選取懷疑被篡改的圖像塊；2)特徵的提取與分類器的構造；3)利用分類器對待測圖像塊做檢測判斷。
2.根據權利要求書1所述的一種JPEG圖像合成區域的檢測方法，其特徵是所述步驟1)選取懷疑被篡改的圖像塊的方法如下假設給定的JPEG圖像為f，其質量因子QF2，設選取懷疑被篡改的圖像塊D為l×w大小的長方體且其左上角在f中的坐標為(x，y)，要求x＝0(mod8)，y＝0(mod8)。
3.根據權利要求書1所述的一種JPEG圖像合成區域的檢測方法，其特徵是所述步驟2)特徵的提取與分類器的構造方法如下①自然圖像集的構造；首先選取無壓縮的圖像n幅，大小為l×w，對選取的n幅圖像以質量因子QF2作JPEG壓縮，得到自然圖像集；②篡改圖像集的構造；首先對選取的n幅無壓縮圖像，以質量因子QF1作JPEG壓縮，QF1隨機選取的範圍在[a，b]，然後模擬圖像合成中篡改塊的變化隨機剪切i行j列，其中0≤i≤7，0≤j≤7，i，j不同時為0或4，最後以QF2的質量因子對剪切後圖像再一次JPEG壓縮，得到篡改圖像集；③對認證圖像集與篡改圖像集中的每幅圖像，按以下方法提取其特徵a)首先將圖像無重疊地分解成8×8大小的小塊；b)對於每一圖像分塊，統計Z′(i，j)＝|A+D-B-C|，Z″(i，j)＝|E+H-F-G|得到兩個直方圖Z′(i，j)與Z″(i，j)，其中(i，j)表示A在圖像塊D各8×8分塊中的坐標，比較兩個直方圖的絕對差，並求其均值得到M(i，j)；c)令1≤i≤8，1≤j≤8重複步驟b)中提取圖像特徵的方法，並歸一化得到一個均值矩陣M；d)提取均值矩陣M的對稱特性，沿水平、垂直、中心對稱等方向提取M的14個特徵；④利用LibSVM分類器對得到的特徵進行訓練，得到一個能區分圖像塊是否經過了剪切合成處理的分類器。
4.根據權利要求書1所述的一種JPEG圖像合成區域的檢測方法，其特徵是所述步驟3)利用分類器對待測圖像塊做檢測判斷的方法是首先按步驟2)中的③提取待測圖像塊的14個特徵，然後利用步驟2)中的④得到的分類器進行判別。
全文摘要
一種JPEG圖像合成區域的檢測方法，是根據JPEG圖像固有的塊效應特點而提出的統計判別方法，屬於多媒體信息安全領域。本發明方法針對JPEG圖像的合成，分析JPEG圖像塊效應在合成前後的變化，構造出一個7×7大小具有「對稱」性質的矩陣M以表徵塊效應特點，並從中提取出14個能度量此對稱程度的特徵，利用SVM技術進行分類。本發明方法包括以下步驟1)選取懷疑被篡改的圖像塊；2)特徵的提取與分類器的構造；3)利用分類器對待測圖像塊做檢測判斷。本發明能較有效地對選定的懷疑被篡改的區域進行識別，為JPEG格式合成虛假圖像的檢測提供了一個有效的方法。
文檔編號G06T7/00GK1900973SQ20061003660
公開日2007年1月24日 申請日期2006年7月20日 優先權日2006年7月20日
發明者駱偉祺, 黃繼武 申請人:中山大學