[发明专利]基于混淆处理效应分离的图像操作链中操作类型识别方法

权利要求书

1.一种基于混淆处理效应分离的图像操作链中操作类型识别方法，其特征在于，按如下步骤进行：

步骤1：构建基于盲源分离的数字图像操作链的操作分离模型，具体包括：对从数字图像中提取的混合特征进行矩阵变换，获取基于盲源分离的数字图像操作链的操作分离模型，并依据该模型对数字图像操作链的混淆处理效应分离，获取单篡改操作的特征估计，为单篡改操作类型识别提供直接证据；

步骤2：依据数字图像特征的相关程度，初步识别篡改操作类型，具体包括：度量经历多重篡改后的数字图像的混合特征与依据所述操作分离模型获取的某篡改操作特征之间的相关性，得到两者之间的相关程度，初步判断待测图像是否经历该操作篡改伪造以及可能经历的篡改操作类型；

步骤3：依据Dempster-Shafer证据理论，估计篡改操作置信区间，精确识别篡改操作类型，具体包括：联合单篡改操作取证的多个检测算法，挖掘不同图像特征；通过Dempster-Shafer证据理论的合成规则的决策融合，依据多个检测算法的融合结果，获得篡改操作置信区间估计，精确判别图像操作链中篡改操作类型；

所述步骤1按如下过程进行：

1.1明确数字图像可能经历的处理历史：

以三个篡改操作组成的操作链为例，对于给定数字图像I和篡改操作集O＝{o₁,o₂,o₃}，其可能经历的篡改处理历史为：

H₀:图像I未经历篡改，

H₁:图像I经历o₁篡改，

H₂:图像I经历o₂篡改，

H₃:图像I经历o₃篡改，

H₄:图像I经历o₁和o₂篡改，

H₅:图像I经历o₁和o₃篡改，

H₆:图像I经历o₂和o₃篡改，

H₇:图像I经历o₁、o₂和o₃篡改；

1.2分离混淆处理效应，获取各篡改操作的模板特征：

从图像数据库A随机选择M张图像，用操作o₁、o₂和o₃处理这些图像；然后，从这M张图像中提取混合特征，每三张图像的混合特征f_i、f_j和f_k组成一个混合特征集合，按照公式计算解混矩阵，再依据公式F＝AS和公式WF＝WAS＝S实现对混合特征的分离，得到分别代表操作o₁、o₂和o₃的模板特征s₁、s₂和s₃；重复执行该步骤M/3次，得到平均模板特征和

所述F为从经过多重篡改的数字图像集中提取的混合特征集合，A是混合矩阵，S为单操作特征集合，W为解混矩阵，是混合矩阵A的逆矩阵，t表示迭代次数，W_i^T为解混矩阵的第i行，E[·]为计算每次迭代的统计均值，||·||为计算矩阵范数。

2.根据权利要求1所述的一种基于混淆处理效应分离的图像操作链中操作类型识别方法，其特征在于，以模特Lena的待测图像为例，对图像篡改操作类型识别方法进行验证，具体为：

步骤1：提取待测图像的混合特征，具体包括：

从待测图像中提取混合特征f'，用以检测该图像经历的篡改操作类型；

步骤2：初步识别图像操作链中操作类型，具体包括：

操作类型识别标准为：

其中表示检测到的图像经历的篡改操作历史，ρ_i表示特征f'和s_i的相关系数，τ₁、τ₂和τ₃分别对应操作o₁、o₂和o₃的阈值；

依据公式计算混合特征f'与模板特征和的相关系数，得到ρ₁、ρ₂和ρ₃，发现ρ₁≥τ₁、ρ₂≥τ₂且ρ₃≥τ₃，由此可以得出图像经历了o₁、o₂和o₃三种操作篡改；

所述cov(f',s_i)表示计算特征f'和s_i的协方差，D(f')和D(s_i)表示计算特征f'和s_i的方差，ρ_i为特征f'和s_i的相关系数，取值范围为[-1,1]；

步骤3：精确识别图像操作链中操作类型，具体包括：

依据步骤2，已经初步确定图像操作链的操作为o₁、o₂和o₃；此时，为了进一步地明确操作o_i的存在，对于待测图像I，给定如下假设：

H₀:图像I未经历o_i篡改，

H₁:图像I经历o_i篡改；

选取Q种取证算法，构成Q个分类器，对图像是否经历o_i篡改进行分类，得到分类结果{p₁,p₂,...,p_Q}；基于Dempster-Shafer证据理论对Q个分类器的取证结果综合决策，得到基本概率分配m＝{m₀,m₁}；计算信任函数和似然函数，依据公式所示的决策规则，发现图像经历了操作o_i篡改伪造；

所述m₀表示图像未被操作o_i篡改的概率，m₁表示图像被操作o_i篡改的概率，Bel(m₀)和Bel(m₁)分别表示对图像未经历篡改操作o_i的信任度和经历篡改操作o_i的信任度，Pl(m₀)和Pl(m₁)分别表示不否认图像未经历篡改操作o_i的信任度和经历篡改操作o_i的信任度。