[发明专利]一种数字图像拼接篡改盲检测方法和系统

说明书

本发明涉及一种数字图像拼接篡改盲检测方法和系统，包括以下步骤：S1将待测图像分割成不重叠的若干个图像子块，计算参考颜色偏量以及每个图像子块的颜色偏量；S2计算每个图像子块的颜色偏量与图像的参考颜色偏量之间的欧式距离；S3对步骤S2获得的各欧式距离进行分类，计算每个类别包括的图像子块数，其中，图像子块数最少的类别对应的图像子块为篡改图像区域，其余图像子块为真实图像区域。其对于异源图像拼接、多处拼接、图像质量较差或图像经过压缩等情况下数字图像拼接篡改检测的诸多问题，不仅能够对上述图像进行拼接篡改盲检测，而且对于经过篡改的数字图像能够有效定位其篡改区域。

技术领域

本发明涉及一种数字图像拼接篡改盲检测方法和系统，属于图像篡改检测技术领域。

背景技术

目前，数字图像拼接篡改盲检测方法主要有基于特征匹配、基于光照方向和基于数字图像成像原理这三大类。基于特征匹配的方法通常只能检测同源数字图像的复制-粘贴篡改，对于异源数字图像的拼接篡改并不适用；基于光照方向的方法虽然能够实现异源数字图像的拼接篡改，但是其检测过程中需要人工在图像中标记疑似拼接篡改区域，对于一幅图像中存在多处拼接篡改区域的情况可能出现漏检。基于数字图像成像原理的方法对待检测图像质量要求较高，通常需要原始设备获取图像或未被压缩过的图像，一旦待检测图像经过滤波、压缩等操作将大幅降低该类方法的准确率。因此，现有技术中方法对于经过滤波、压缩处理的数字图像的拼接篡改检测较为困难，并且容易产生错误结果。

发明内容

针对上述问题，本发明的目的是提供了一种数字图像拼接篡改盲检测方法和系统，其对于异源图像拼接、多处拼接、图像质量较差或图像经过压缩等情况下数字图像拼接篡改检测的诸多问题，不仅能够对上述图像进行拼接篡改盲检测，而且对于经过篡改的数字图像能够有效定位其篡改区域。

为实现上述目的，本发明采取以下技术方案：一种数字图像拼接篡改盲检测方法，包括以下步骤：S1将待测图像分割成不重叠的若干个图像子块，计算参考颜色偏量以及每个图像子块的颜色偏量；S2计算每个图像子块的颜色偏量与图像的参考颜色偏量之间的欧式距离；S3对步骤S2获得的各欧式距离进行分类，计算每个类别包括的图像子块数，其中，图像子块数最少的类别对应的图像子块为篡改图像区域，其余图像子块为真实图像区域。

进一步，步骤S3中通过高斯混合模型对各欧式距离进行分类。

进一步，步骤S3中通过高斯混合模型对各欧式距离进行分类的具体过程为：S3.1初始化高斯混合模型参数α，θ＝[μ，σ],其中α为高斯混合模型中各高斯子成分系数，θ＝[μ，σ]表示高斯混合模型参数，μ为均值，σ为标准差；S3.2假设各欧式距离满足由参数θ确定的高斯混合模型的分布，通过EM算法迭代求得由参数θ确定的高斯混合模型的最优参数解S3.3通过最优参数解确定各欧式距离所属类别。

进一步，高斯混合模型的公式为：

其中，α_j是第j个高斯子成分的系数，α_j≥0，ρ(y|θ_j)是高斯分布密度函数，则ρ(y|θ_j)的公式为：

进一步，步骤S3.2中通过EM算法迭代求得高斯混合模型的最优参数解的方法为：计算当前参数α,θ下的高斯分布函数生成各欧式距离的概率P，及似然函数l(α,θ)，更新参数值α,θ，使得似然函数l(α,θ)取最大值，若更新后的参数值对应的似然函数减去原参数值对应的似然函数的值小于阈值，则终止计算，否则持续更新参数值，直至更新后的参数值对应的似然函数减去原参数值对应的似然函数的值小于阈值。

进一步，高斯分布函数生成各欧式距离的概率P的计算公式为：

似然函数的计算公式为：