[发明专利]一种使用自适应阈值的图像篡改检测与定位方法

摘要

本发明公开了一种使用自适应阈值的图像篡改检测与定位方法，其基于模式噪声，并考虑了图像内容，其首先提取待测图像的噪声残差，并对待测图像、待测图像的噪声残差和待测图像来源相机的参考模式噪声进行不重叠分块，接着逐块计算待测图像的噪声残差和待测图像来源相机的参考模式噪声的相关性，然后根据对应的待测图像块的纹理复杂度选取阈值进行判决，从而能够消除纹理复杂度对检测结果的负面影响；其在采取不重叠分块确定大致篡改位置的基础上，采用快速的零均值归一化互相关算法进行相关性匹配，因此大大提高了本发明方法的篡改检测和定位效率，并且实现了对篡改精确定位的目的。

主权项

1.一种使用自适应阈值的图像篡改检测与定位方法，其特征在于包括以下步骤：①选取一幅图像，将该图像作为待测图像，记为Itest；并获取N幅纹理简单的原始图像，将获取的第n幅纹理简单的原始图像记为Iorg,n；其中，拍摄每幅纹理简单的原始图像与拍摄Itest对应的原始图像所采用的相机为同一部相机，每幅纹理简单的原始图像与Itest的尺寸大小相同，宽度为col且高度为row，1≤n≤N，N≥2；②对I_test进行小波降噪处理，得到I_test的降噪图像，记为I'_test；然后根据I_test及I'_test，计算I_test的噪声残差，记为W_test，W_test＝I_test‑I'_test；再采用零均值化法对W_test进行处理，将得到的结果记为W'_test；之后采用维纳滤波对W'_test处理，将得到的结果作为I_test的最终噪声残差，记为同样，对每幅纹理简单的原始图像进行小波降噪处理，得到每幅纹理简单的原始图像的降噪图像，将I_org,n的降噪图像记为I'_org,n；然后根据每幅纹理简单的原始图像及其降噪图像，计算每幅纹理简单的原始图像的噪声残差，将I_org,n的噪声残差记为W_org,n，W_org,n＝I_org,n‑I'_org,n；接着采用最大似然估计法，对所有纹理简单的原始图像的噪声残差进行处理，得到I_test所对应的相机的参考模式噪声，记为R_test；再采用零均值化法对R_test进行处理，将得到的结果记为R'_test；之后采用维纳滤波对R'_test处理，将得到的结果作为I_test所对应的相机的最终参考模式噪声，记为③判断col％128和row％128是否均等于0，如果col％128和row％128均等于0，则直接执行步骤④；如果col％128等于0而row％128不等于0，则对I_test、和各自扩展128‑row％128行，然后令row＝row+(128‑row％128)，再执行步骤④；如果row％128等于0而col％128不等于0，则对I_test、和各自扩展128‑col％128列，然后令col＝col+(128‑col％128)，再执行步骤④；如果col％128和row％128均不等于0，则对I_test、和各自扩展128‑row％128行，并扩展128‑col％128列，然后令row＝row+(128‑row％128)，令col＝col+(128‑col％128)，再执行步骤④；其中，符号“％”为求余运算符，row＝row+(128‑row％128)和col＝col+(128‑col％128)中的“＝”为赋值符号；④将I_test、和分别划分成个互不重叠的尺寸大小为128×128的图像块，将I_test中的第k个图像块记为将中的第k个图像块记为将中的第k个图像块记为然后计算I_test中的每个图像块的纹理复杂度，将的纹理复杂度记为接着采用SPCE方法，计算中的每个图像块与中对应位置的图像块的相关性，将与的相关性记为其中，所述的步骤④中的的获取过程为：a1、令其中，和对应表示的信息熵、的边缘比率、的反差因子、的相关度和的能量；b1、对步骤a1得到的进行归一化处理，即令其中，Texture_min表示纹理复杂度中的最小值，Texture_max表示纹理复杂度中的最大值，中的符号“＝”为赋值符号；⑤根据I_test中的每个图像块的纹理复杂度，获取I_test中的每个图像块相应的自适应阈值；然后根据中的每个图像块与中对应位置的图像块的相关性及I_test中对应位置的图像块相应的自适应阈值，对I_test中对应位置的图像块进行相关性匹配，检测出I_test中对应位置的图像块是否发生过篡改；再将I_test中包含检测出的所有发生过篡改的图像块的最小矩形区域确定为I_test中的大致篡改区域；⑥将中与I_test中的大致篡改区域相对应的矩形区域记为A_test，将中与I_test中的大致篡改区域相对应的矩形区域记为B_test；然后采用快速的零均值归一化互相关算法，计算A_test中的每个像素点与B_test中对应像素点的ZNCC系数，将A_test中坐标位置为t的像素点与B_test中坐标位置为t的像素点的ZNCC系数记为ZNCC_t；然后由A_test中的所有像素点各自与B_test中对应像素点的ZNCC系数组成ZNCC关联图；其中，t∈Ω_z，Ω_z表示A_test或B_test中的所有像素点的坐标位置的集合，ZNCC_t∈[0,1]；⑦通过比较ZNCC关联图中的每个像素点的像素值与固定阈值th的大小，对ZNCC关联图中的每个像素点的像素值进行重置，对于ZNCC关联图中坐标位置为t的像素点的像素值ZNCCt，如果ZNCCt大于或等于th，则将ZNCCt重置为1；如果ZNCCt小于th，则将ZNCCt重置为0；⑧先后利用腐蚀和膨胀技术对像素值重置后的ZNCC关联图中的每个像素点进行处理；然后根据膨胀处理后的ZNCC关联图中的每个像素点的像素值，确定Itest中的大致篡改区域中的每个像素点为篡改像素点还是为非篡改像素点，对于Itest中的大致篡改区域中坐标位置为t的像素点，若膨胀处理后的ZNCC关联图中坐标位置为t的像素点的像素值为0，则确定Itest中的大致篡改区域中坐标位置为t的像素点为篡改像素点；若膨胀处理后的ZNCC关联图中坐标位置为t的像素点的像素值为1，则确定Itest中的大致篡改区域中坐标位置为t的像素点为非篡改像素点。