[发明专利]一种基于多支持区域局部亮度序的图像伪造检测算法

说明书

本发明公开了一种基于多支持区域局部亮度序的图像伪造检测算法，属于图像伪造检测技术领域，包括S1、特征区域的检测确定特征点；S2、特征区域的变换；S3、每个特征区域内LIOP描述子的构建；S4、特征匹配；S5、特征点归类；S6、几何变换估计；S7、检测完成。通过使用LIOP描述子并利用全局亮度序对支持区域进行划分，这种划分不需要计算支持区域的主方向，不仅节约计算量，而且在理论上能够保证所构造描述子具有真正的旋转不变性和单调亮度不变性，同时利用NSCT得到不同尺度、不同分辨率和不同方向的多个支持区域来提高LIOP描述子的鉴别力。从而提高了图像伪造区域检测算法的鲁棒。

技术领域

本发明涉及图像伪造检测技术领域，特别涉及一种基于多支持区域局部亮度序的图像伪造检测算法。

背景技术

数字图像在当今通讯过程中有着非常重要的角色。随着数字图像处理软件和修改设备的发展，数字图像可以轻易的被篡改而不留下任何明显的篡改痕迹，即使非专业人员都可以很容易利用图像编辑工具(如Photoshop)来修改已有图像。图像操控和伪造的数量也在快速增长，这给人们判断一幅图像的原创性和准确性带来极大的困扰，特别对判断司法鉴定中作为证据图像的真伪更加具有挑战性。因此，鉴定图像是否被伪造是至关重要的，可以广泛应用在犯罪现场勘测、司法鉴定和许多其他领域。

图像伪造检测技术是指在没有任何先验知识的情况下可以确认原始图像的可信度。常见的数字图像伪造方法有重采样、拼接、复制-粘贴等，其中复制-粘贴伪造是最简单和最常见的数字图像篡改方法。复制-粘贴伪造是指图像中任意形状和大小的区域被复制然后放置在图像的另一区域，其目的是通过增强图像的视觉效果来掩盖图像的重要数据或影响识别图像的真实目标。由于复制区域来自同一图像中，其本质属性如噪声、颜色、纹理等都和整体图像一致，这导致鉴别过程异常麻烦。同时复制区域在粘贴前会进行一定的尺度和旋转操作，这使得检测伪造区域具有一定的挑战性。

近年来基于特征点的图像复制-粘贴伪造检测方法越来越被重视，这类方法在许多图像变换下被证实具有更强的说服力。基于特征点的图像复制-粘贴伪造检测方法主要考虑特征点所在区域并利用特征描述子来表示可疑区域，常用的特征描述子有尺度不变特征变换和加速鲁棒特征。然而这些方法为了使构建的特征描述子具有旋转不变性，必须计算支持区域的主方向并按照该方向将支持区域进行校正，这不仅大大增加了算法的计算复杂度，而且不可避免的会产生误差。此外，这些方法利用归一化操作使得构建的特征描述子对线性亮度变化具有一定的不变性，但却不能很好地处理非线性亮度变化问题(如单调亮度变化)。

发明内容

本发明的目的就在于为了解决上述图像伪造检测算法计算复杂，容易产生误差以及不能很好地处理非线性亮度变化的问题而提供一种基于多支持区域局部亮度序的图像伪造检测算法，具有降低计算量，减少误差，解决亮度变换问题的优点。

本发明通过以下技术方案来实现上述目的，一种基于多支持区域局部亮度序的图像伪造检测算法，包括以下步骤：

S1、特征区域的检测确定特征点：先利用高斯滤波器消除噪声的影响，再利用最大稳定极值区域(MSER)算法提取图像的最大稳定极值区域作为支持区域，而支持区域的中心点为特征点；

S2、特征区域的变换：获取检测区域的空间信息，利用非抽样Contourlet变换得到不同尺度、不同分辨率和不同方向的多支持区域；

S3、每个特征区域内LIOP描述子的构建：对每个支持区域内所有亮度值进行非降排序，将每个支持区域按照亮度值大小等间隔地划分为B个子区域，通过叠加每个子区域内所有像素点的LIOP值得到每个子区域的描述子，通过串联所有子区域的描述子得到每个支持区域最终的LIOP描述子；

S4、特征匹配：对相邻两个特征点内的LIOP描述子采用双向欧氏距离比值法进行匹配，若匹配则得到一组特征匹配对；

S5、特征点归类：采用空间聚类法对特征点进行归类；