[发明专利]一种针对图像内容感知篡改的检测方法

权利要求书

1.一种针对图像内容感知篡改的检测方法，包括两个阶段，一阶段是对分类器的训练阶段，采用支持向量机作为分类器；另一阶段是对内容感知篡改的检测阶段；训练阶段：图像经过预处理之后，分别提取LTP特征和能量偏差特征，使用联合特征来训练分类器，得出原始图像和篡改图像的二分类；检测阶段：选取设定数量的检测样本，提取LTP特征和能量偏差特征，使用上述的分类器得出检测结果；

其特征在于，在所述的训练阶段和检测阶段中，采用基于改进的LTP和能量偏差特征提取方法；

首先，改进原始LTP算子，增强其中阈值t的自适应性，利用改进的LTP算子描述数字图像因内容感知篡改所导致的邻域像素相关性的变化；然后，将LTP特征与能量偏差特征相结合，使用联合特征来训练分类器。通过对支持向量机SVM分类器进行训练﹑检测，以此来检测数字图像是否经过内容感知篡改；

1)改进原始LTP算子，使其增强抗噪声能力及幅度描述能力，能更好的反应像素与邻域像素的偏离程度，具体实现采用增量步长局部采样方式，步骤如下：

增量计算邻域的像素平均强度差：

Δc_i为各邻域像素与中心像素强度差，n为采用增量采样的邻域像素点数，增量步长为2ⁱ；

增量计算邻域纹理波动程度ω：

增量计算像素与邻域像素的离散度d：

增量计算局部邻域的均值μ：

其中，c_i为各邻域像素的强度，c_c为邻域的中心像素强度，n为采用增量采样的邻域像素点数，增量步长为2ⁱ；

增量计算局部邻域的方差σ：

通过离散度d与方差σ的差值得到阈值t：

t＝|d-σ| (6)

改进后的LTP算子对于噪声具有一定的鲁棒性，而且在一定程度上可以将带噪声的平滑区域和纹理变化区域分开，对于相对平滑区域也能准确地描述邻域像素间的相关性；

2)当篡改比例较大时，采用改进的LTP特征与能量偏差特征相结合的联合特征进行检测，效果更佳。

2.根据权利要求1所述的一种针对图像内容感知篡改的检测方法，其特征在于，所述的能量偏差特征包括两种：像素能量偏差和Seam能量偏差，能量偏差特征的提取方法，具体步骤如下：

1)像素能量偏差特征提取，有4维特征：

水平方向能量偏差：

垂直方向能量偏差：

主对角线能量偏差：

次对角线上能量偏差：

其中，图像的大小为m×n，I(i,j)为图像中的像素强度；

2)Seam的能量偏差特征提取：

根据篡改过程中所选取的Seam方向不同，即水平Seam或垂直Seam，提取Seam的能量偏差特征可以取水平方向或竖直方向各有3维特征：

垂直Seam能量最大值：垂直Seam能量最小值：

垂直Seam能量平均值：水平Seam能量最大值：

水平Seam能量最小值：水平Seam能量平均值：

其中，图像的大小为m×n，E(m,j)为通过像素I(i,j)的Seam在垂直方向上的能量累积，E(m,j)为通过像素I(i,j)的Seam在水平方向上的能量累积。