[发明专利]基于频域局部统计模型的数字图像拼接被动检测方法

说明书

技术领域

本发明涉及数字图像处理技术领域，具体是一种基于频域局部统计模型的数字图像拼接被动检测方法。

背景技术

随着电子信息技术的快速发展，数字图像以其信息量大、可视性强等优点，广泛应用于科学研究、新闻报道和广告策划等领域。在日常生活和工作中，大多数人对数字图像的编辑和修饰只是为了满足某些现实需求，但也有一些不法分子怀有某种恶意目的去伪造和散布一些肉眼难以区分的数字伪造图像，从而误导公众，给个人和社会造成严重的不良影响。因此，数字图像真伪鉴定在司法鉴定和版权保护等领域有着十分重要的意义。当前的数字图像篡改检测技术大致可分为两大类，即主动篡改检测方法和被动篡改检测方法。传统的主动篡改检测方法是将数字水印或数字签名嵌入数字图像，通过检测数字水印或数字签名的改变来鉴定图像的真实性；被动图像篡改检测方法不需要图像的先验信息，而是利用图像本身的特征进行分析。与主动篡改检测方法相比，被动篡改检测方法具有较高的实用价值和较广阔的应用前景。

数字图像拼接是图像内容篡改中最常见的一种技法，是指在多幅数字图像之间进行复制——粘贴处理以产生伪造数字图像的篡改操作。一幅原始数字图像在空间域和频域(变换域)往往存在一些内在的关联性，而拼接操作本身会或多或少地破坏这些底层统计特性。

经文献检索发现，Shi Yun-Qing、Chen Chun-Hua和Chen Wen在论文“A natural image model approach to splicing detection”(《基于自然图像模型的图像拼接检测方法》)(Proceedings of the 9^th ACM Workshop on Multimedia&Security,2007:51–62)(ACM多媒体与安全国际学术会议)中提出了一种图像拼接被动检测方法，该方法分别从图像的分块离散余弦变换(Block Discrete Cosine Transform，BDCT)域和离散小波变换(Discrete Wavelet Transform，DWT)域进行统计建模，提取BDCT域Markov特征和DWT域特征函数的Moment特征来区分真实图像和拼接图像；

另经文献检索发现，He Zhong-Wei、Lu Wei和Sun Wei等在论文“Digital image splicing detection based on Markov features in DCT and DWT domain”(《基于DCT域和DWT域Markov特征的数字图像拼接检测》)(Pattern Recognition,2012,45(12):4292–4299)(模式识别杂志)中从变换域图像特征分析角度对图像拼接检测展开进一步研究，该文利用Markov转移概率刻画拼接引起的图像BDCT系数和DWT系数的统计特性变化，对数字拼接图像进行鉴定。实验结果表明，DWT域Markov特征和BDCT域Markov特征的有机结合能够有效地改善单一变换域特征的检测性能，然而所提取的高维统计特征也加大了算法的计算复杂度。总的来说，上述两种方法不仅具有较高的计算复杂度，而且在检测精度上仍需一定的提升空间。

再经文献检索发现，Tan Xiao-Yang和Triggs Bill在论文“Enhanced local texture feature sets for face recognition under difficult lighting conditions”(《复杂光照环境下面向人脸识别的增强局部纹理特征集》)(IEEE Transactions on Image Processing,2010,19(6):1635–1650)(IEEE图像处理汇刊)中提出了一种面向人脸识别的空间域局部三值模式(Local Ternary Pattern，LTP)特征建模方法。