[发明专利]一种基于PCA网络的中值滤波检测方法

说明书

本发明一种基于PCA网络的中值滤波检测方法，属于信息安全以及数字图像信息处理技术领域。包括模型建立和目标检测两部分；模型建立步骤为：1选图片提取出素材；2对1提取的素材中值滤波，得滤波处理后素材；3将1及2输出的素材作为训练集，计算中值滤波残差；4建立PCA网络；5训练支持向量机得到训练好的模型；目标检测步骤为：A将待检测图片切割为小尺寸图像；B将A输出的小尺寸图像输入建立的模型，根据模型输出判断是否经中值滤波处理，决定是否跳至C；C对经中值滤波处理的图像块在A中标出，跳至B。本发明结构简单、训练用时短、人为设定参数较少、可适用于多种图片集，甚至可方便地在FPGA上实现，显著提高运算速度。

技术领域

本发明涉及一种基于PCA网络的中值滤波检测方法，属于信息安全以及数字图像信息处理技术领域。

背景技术

随着通讯技术以及计算机技术的飞速发展，人们已经全面进入信息化时代。在信息时代，人们可以通过网络或其他数字媒体方便快捷得获取大量信息，但与此同时，一些有价值的数字信息容易被篡改或盗用。出于版权保护以及信息安全的考虑，对原始信息的保护便显得尤为重要。在数字图像领域，判断信息是否被人为修改过的检测方法，可以统称为取证分析，近些年来，由于版权及信息安全等方面需求的增加，取证分析成为了数字图像处理领域一个热点话题。与取证分析相对的，反取证技术也在不断发展。反取证技术的目的在于通过消除人为修改信息时所留下的一些特征，使得取证分析检测方法失效，从而使得修改操作不会被检测到。

中值滤波是一种非线性滤波操作，对于灰度图来说，中值滤波会将每一个点的灰度值用该点某领域所有像素点灰度值的中值替代。中值滤波方法对于消除椒盐噪声等非常有效，在图像处理中，中值滤波又可以保护图像的边缘信息，因此中值滤波成为了一种常用的预处理技术。近些年来，随着反取证技术的发展，人们发现利用中值滤波处理可以使得伪造的图片变得更加真实，同时由于其非线性滤波的特性，中值滤波操作会改变其他编辑操作所留下的痕迹，导致以往的取证分析变得更加困难，这使得中值滤波成为一种有力的反取证技术。因此，检测图片是否被中值滤波处理过也成为取证分析中重要的一环，这也使得近些年来越来越多的人开始关注中值滤波检测。

与本方法相关的专利共两篇，下文分别对其进行剖析：

文献1)：Kang,Xiangui,et al.Robust median filtering forensics using anautoregressive model.IEEE Transactions on Information Forensics and Security8.9(2013):1456-1468.

该文献提出了一种基于AR模型的中值滤波检测方法，使得其可以用于检测只有一部分是中值滤波处理过的图像。但该方法没有考虑到不同数据集之间的差异，因而其对于不同数据集的检测效果不同，这也影响了AR模型的泛用性能。

文献2)：Chen J,Kang X,Liu Y,et al.Median filtering forensics based onconvolutional neural networks[J].IEEE Signal Processing Letters,2015,22(11):1849-1853.

该文献提出了一种基于CNN的中值滤波检测方法，利用深度学习的CNN算法对图片进行检测。但CNN模型的参数较多，且参数选取更多的是基于实验者的经验，而CNN不同参数对模型的性能影响又较大，因此参数选取是该检测模型的困难点之一。另一方面，CNN模型训练的时间较长，且不易在硬件上实现，因此这也使得训练模型的效率较低。

以上文献在模型的泛用性以及训练难易程度上均有一定的缺陷，对此，本方法的目的是致力于解决模型训练时间过长以及增强中值滤波检测模型的泛用性。