[发明专利]基于自适应特征点的数字图像篡改检测方法

说明书

本发明公开了一种基于自适应特征点的数字图像篡改检测方法，首先通过自适应阈值选择算法进行SURF特征点提取，同时使用一种分布处理算法使得图像特征点能够均匀分布；其次，利用BRISK方法提取所有特征点的二进制特征描述符；然后，使用可辨别嵌入的随机蕨算法来进行快速特征匹配；最后，通过RANSAC算法来消除错误匹配对，并进一步利用快速NNPROD算法和形态学方法对匹配区域进行标记。实验结果表明，本发明的方法不仅能有效提高平滑篡改区域的检测性能，而且对诸如JPEG压缩、旋转、缩放等后处理操作均具有不变性，且具有较高的检测精度和较低的时间复杂度。

技术领域

本发明属于数字图像认证技术领域，涉及基于特征点的图像篡改检测方法，特别涉及一种基于自适应特征点的数字图像篡改检测方法。

背景技术

当今社会，数字图像在人们的生活和工作中得到了广泛应用。然而，随着计算机图像媒体技术的快速发展，数字图像的篡改也变得愈加容易实现。如果篡改的数字图像被运用到法庭、新闻报道以及科学论文上，会对社会制度的安稳性产生极大的威胁。因此，越来越多的研究人员开始关注数字图像篡改问题并提出各种解决方法，现有的篡改检测技术主要分为主动检测和被动检测。数字签名和数字水印等主动检测方法都要依赖于图像的先验信息，然而，在许多情况下，图像的先验信息是不可知的。相应地，被动检测方法因其特有的适用性已成为一个热门的研究课题。

复制移动篡改检测是一种常用的被动检测方法。在这种方法中，通常将图像的一部分内容进行复制，然后再将其粘贴到同一图像的另外一部分。复制移动篡改的主要目的是通过复制某些区域来覆盖特定的对象，或者是过分强调某些对象。为了使这种篡改不留下任何肉眼可视的线索，篡改者通常会将要复制的部分进行一系列诸如压缩、噪声、缩放等处理。图像处理软件的快速增长产生了大量没有明显痕迹的复制移动篡改图像，使得复制移动篡改检测成为目前最重要、最热门的数字图像认证技术。近年来，人们提出了许多被动的篡改检测方法，大致可分为基于块和基于特征点两大类。

基于块的方法首先对待检测图像进行重叠分块，然后每个分块通过使用诸如离散余弦变换、离散小波变换、奇异值分解等变换方法来增强鲁棒性。然而，这类检测方法存在特征描述符识别能力低、计算时间复杂度高等缺点。作为块方法的改进，基于特征点的方法有效解决了上述问题，特别是在纹理区域，基于特征点方法的检测性能卓越。此外，由于特征点的数量仅仅代表了图像所有像素中相对较小的一部分集合，因此时间复杂度相对较低。然而，当篡改涉及到平滑的区域时，基于特征点方法的检测性能不够准确。

发明内容

本发明是为了解决现有复制粘贴篡改检测技术所存在的上述技术问题，提供一种基于自适应特征点的数字图像篡改检测方法。

本发明的技术解决方案是：一种基于自适应特征点的数字图像篡改检测方法，其特征在于按照下面步骤进行：

约定：I指待检测的图像；K(i,j)指经自适应阈值选择得到的SURF特征点；θ指图像块中控制最小数量特征点的阈值；K_W(i,j)指经均匀分布算法处理后的特征点；i指特征点横坐标；j指特征点纵坐标；W指均匀分布的特征点的数量；X_W指用于存放所有BRISK特征信息的矩阵；x_kd表示第k个数据点的第d个特征；S指二元决策的个数；l指蕨的L＝2^S个箱子中的一个；c_k为类；f(a+x,b+y)指图像I实时子区间的灰度值；h(a+x,b+y)是目标模板的灰度值；

a.初始设置

获取待检测图像I，并设置t＝1，t表示循环次数；

b.自适应阈值特征点检测

b.1对图像I进行不重叠分块，划分为大小为n×n图像块G_p,q；

b.2采用阈值大小为δ的SURF检测器提取特征点；