[发明专利]针对CFA插值图像的篡改检测与篡改定位方法

权利要求书

1.一种针对CFA插值图像的篡改检测与篡改定位方法，其特征在于，首先建立一个CFA插值模型，然后利用EM算法对该CFA插值模型求解，获得插值模型的线性系数，再利用该线性系数对测试图像进行线性滤波，计算求得的滤波图像与测试图像之间的差值矩阵，对差值矩阵进行图像形态学处理，计算失真矩阵，最后通过分析失真矩阵中是否存在异常区域来检测测试图像的内容真实性，以确定检测图像是否被篡改过；对失真矩阵对应的图像进行图像形态学填充操作，并把填充后的结果以图像的形式显示出来，就得到篡改伪造的区域，实现篡改定位。

2.基于权利要求1所述针对CFA插值图像的篡改检测与篡改定位方法，其特征在于，具体步骤如下：

步骤1、建立CFA插值模型：

测试图像大小为X×Y，选择测试图像某一颜色通道作为样本颜色通道，f(x,y)表示该样本颜色通道的像素值，将其分为两大类M₁和M₂，M₁表示该像素是经过CFA插值获得的，M₂表示该像素是由传感器直接获得的，属于M₁的像素值用线性模型表示为:

f′(x,y)=Σu,v=-NNαu,vf(x+u,y+v)+r(x,y)---(1-1),]]>

其中，是模型的系数，x、y是像素坐标，u、v是分别对应x、y的偏移量，N是整数，α_0,0＝0，r(x,y)是残差且服从均值为0、方差为σ²的高斯分布；

f(x,y)属于M₂的概率为Pr{f(x,y)|f(x,y)∈M₂}，记为P₀，则P₀服从均匀分布，它等于f(x,y)取值范围的倒数；

步骤2、运行该CFA插值模型的EM算法，得到插值模型的线性系数α′_u，v；

其中，插值模型的线性系数α′_u,v的具体计算方法为：

步骤2.1、参数初始化：

定义当前像素与其周围8个像素有关，并假设式（1-1）中N＝1，σ₀＝2，随机选取一组线性模型的系数α_u，v；

步骤2.2、迭代：

计算E步，求出f(x,y)属于M₁的条件概率P(x,y)，然后计算f(x,y)属于M₁的后验概率w(x,y)；

步骤2.3、计算并判断：

计算M步，求出一组新的系数α′_u,v以及一个新的正态分布方差σ²，计算是否∑_u，v|α_u,v-α′_u,v|＜ε，ε由算法设置给定，若是，则停止迭代，若否，则令α_u,v＝α′_u,v并返回步骤2.2继续迭代，直至迭代终止，输出插值模型的系数α′_u，v；

步骤3、线性滤波：

用对测试图像f(x,y)进行线性滤波，得到滤波图像f′(x,y)：

f′(x,y)=Σu,v=-NNαu,v′f(x+u,y+v);]]>

步骤4、计算滤波图像与测试图像之间的差值矩阵c(x,y)：

c(x,y)＝|f(x,y)-f′(x,y)|；

步骤5、差值矩阵的图像形态学处理：

由于在与检测图像未经篡改区域相对应的位置上，滤波图像与样本颜色通道像素值间的差异比较小，因此将差值矩阵c(x,y)中把比较小的值置为0，得到处理后的矩阵C(x,y)：

C(x,y)=0ifc(x,y)<z1c(x,y)otherwise,]]>

其中，z₁是由实验得到的阈值；

步骤6、计算失真矩阵：

对差值矩阵C(x,y)对应的图像进行图像形态学开运算，求得失真矩阵C′(x,y)：

C′＝impoen(C,SE)，

其中，SE是结构元素；

步骤7、生成度量指标PD：

PD=Σx,yC′(x,y)X×Y,]]>

若PD＜z₂，z₂是由实验得到的阈值，则说明测试图像未经篡改；否则，测试图像经过篡改伪造；

步骤8、篡改区域填充：

对失真矩阵C′(x,y)进行图像形态学填充操作：

BW＝imfill(C′)；

把填充后的结果BW以图像的形式显示出来，就得到篡改伪造的区域，实现篡改定位。