[发明专利]基于Markov过程和Gabor滤波的图像重采样检测

权利要求书

1.一种基于Markov过程和Gabor滤波的图像重采样检测，包括Markov特征的提取、基于 Gabor滤波器的纹理特征的提取、图像篡改检测。Gabor滤波器的纹理特征的提取主要是将 Gabor滤波器组沿着不同方向以及不同尺度计算滤波器响应幅值，并在其基础上求出均值以 及方差，利用离散傅里叶变换的位移不变性对求出的特征值进行二维离散傅里叶变换，最终 得到纹理特征向量并作为篡改检测的特征；图像篡改检测主要是首次将提取的Markov特征 以及Gabor滤波器的纹理特征相结合组成一个372维的特征向量，并将这些特征向量输入到 支持向量机中进行训练和分类，最后判断出图像的篡改情况。

2.根据权利要求1所述的一种基于Gabor滤波器的纹理特征提取的方法，其特征在于：

(1)根据Gabor小波变换的公式得到图像的Gabor滤波器响应；

(2)利用图像旋转和缩放原理，可以根据原图像的Gabor滤波器响应分别得到旋转和缩放后 的Gabor滤波器响应；

(3)根据公式R_i(m，n)＝R_i(m-ω_c，n-ω_α)得到图像同时经过旋转α°和缩放c倍后的Gabor滤 波器响应，并计算响应幅值的标准差矩阵和均值矩阵；

(4)由于Gabor滤波器的响应不具备旋转不变性，而离散傅里叶变换具有位移不变性，所以 分别计算均值矩阵和标准差矩阵的二维离散傅里叶变换来表示重采样图像的纹理特征；

3.根据权利要求1所述的一种关于图像篡改检测的方法，其特征在于：

(1)将图像根据公式I＝0.2989R+0.5870G+0.1140B转换成灰度图像；

(2)根据图像中BDCT系数的二维矩阵分别计算出沿水平、垂直、主对角线及次对角线的 差分矩阵，根据随机过程的原理，分别计算四个方向的条件状态转移概率矩阵，并将其作为 特征向量；

(3)根据Gabor滤波器原理和公式R_i(m，n)＝R_i(m-ω_c，n-ω_α)计算出图像同时经过旋转和缩 放后的滤波器响应，然后计算出响应幅值的均值和标准差，再利用二维离散傅里叶变换的位 移不变性分别对滤波响应幅值的均值和标准差矩阵进行变换，最后结合这两种矩阵作为特征 向量；

(4)本发明中首次将Markov随机过程和Gabor滤波器相结合，并应用在图像的重采样篡改 检测中，根据上述步骤提取图像的Markov特征和Gabor滤波后的图像纹理特征，然后将提 取出的两类特征进行结合共372维特征向量输入到支持向量机中进行训练，最后根据训练出 的模板对待测图像进行检测和分类。