[发明专利]一种基于多域耦合的图像人工模糊检测方法

说明书

本发明公开一种基于多域耦合的图像人工模糊检测方法，首先对图像进行分块DCT变换，计算每个像素在二次模糊前后DCT系数的相似度，得到测试图像在DCT域对应的人工模糊度估计映射图。然后对该映射图进行二值分割，利用图像形态学进行去燥和填充孔洞，得到人工模糊的候选区域。最后在图像的空域内，利用图像的纹理描述子包括灰度统计，平滑度和信息熵综合对候选的人工模糊区域进行筛选，得到最终的定位结果。本发明综合利用了图像DCT域和空域特征的优势，得到新的人工模糊的度量方法，具有很好的检测效率和定位的准确率。

技术领域

本发明涉及数字图像信息技术领域，具体涉及一种基于多域耦合的图像人工模糊检测方法。

背景技术

随着网络和智能设备的普及，多媒体信息的传输变得无处不在。数字图像作为传输信息其中重要的一种载体，更是成为重中之重。但如今，数字图像内容的篡改变得越来越容易，人们不在需要专业的技术都可以几乎不留痕迹的对图像进行编辑修改，这为数字图像的真实性和安全性带来了挑战。因此对数字图像取证的研究对维护网络信息的安全具有重要的意义。

图像的人工模糊篡改检测作为数字图像取证技术的一个重要分支，其目的是为了检测数字图像中是否存在人工模糊的痕迹并定位出篡改的区域。在图像中人工模糊的目的通常是为了掩饰原始图像中一些敏感的信息内容，或者作为后处理的润饰功能掩饰图像中拼接等篡改的痕迹。通过这种精心巧妙的模糊设计，在图像中几乎很难通过人眼观察看到图像中篡改的痕迹。即使在图像中仍留有一些可以辨别的痕迹，也需要有力的方法去证明篡改的存在。因此有效的数字图像人工模糊检测可以在信息安全保障体系中可以发挥非常重要的作用。图像人工模糊检测技术被广泛的应用在司法取证、新闻纪实、媒体娱乐等领域中。

现有的图像人工模糊检测技术主要分为两种：一种是基于图像模糊的边缘检测，人工模糊区域和原始区域的交界边缘作为图像中特殊的存在不同于图像中正常的纹理边缘，通过滤波等方式可以强化提取到这个边缘，从而实现人工模糊的定位；另一种是基于图像像素的统计特征，对图像的每一个像素点进行特征的求取，并利用机器学习的方法对统计特征进行分类识别，这类方法之间的区别主要在于图像变换域和统计特征选取。

发明内容

本发明的目的在于提供一种基于多域耦合的图像人工模糊检测方法，能够有效地检测定位出图像中是否存在人工模糊的操作，具有检测效率快、定位准确率高、不需要人为判断的优点。

为了达到上述技术目的，本发明的技术方案如下：

一种基于多域耦合的图像人工模糊检测方法，包括以下步骤：

S1：灰度转化：对于输入的原始测试图像首先转换成单通道的灰度图像I；

S2：二次模糊：对步骤S1中的灰度图像I使用高斯模糊进行全局模糊操作得到二次模糊后的图像I_b，用于之后在各个域上I和I_b相似度的比较，用公式表示为I_b＝I*G

其中，G是高斯模糊核，*是卷积操作；

S3：提取DCT域内特征：对于灰度图像I上每一个像素点p，找到它在二次模糊后的图像I_b上的对应点p′，分别截取它们n*n邻域的图像块b和b_b，并进行DCT操作，得到DCT域内特征B＝DCT(b)，B_b＝DCT(b_b)；

S4：DCT域内相似度比较：利用相对差异计算步骤S3得到的B和B_b的相似度，得到图像在DCT域内的人工模糊度估计，有

其中，B(i,j)和B_b(i,j)分别表示在坐标(i,j)上对应的DCT系数值；T_F是在DCT上得到计算相似度的距离，用来表示DCT域内的人工模糊程度；