[发明专利]一种针对自然图像和基于DWT压缩篡改图像的图像的取证方法

摘要

本发明提供一种针对自然图像和基于DWT压缩篡改图像的图像的取证方法，该方法能够有效区分自然图像和基于DWT压缩的图像，同时对于某种特定的针对压缩图像进行压缩痕迹取消的图像篡改也有很好的可区分行，该方法计算自然图像以及篡改图像的小波变换系数的联合概率直方图，针对该直方图进行归一化，然后进行霍夫变换，提取霍夫变换系数矩阵的均值，方差值，偏态值和峰态值作为支持向量机的特征值，该特征值组成训练集。支持向量机使用该训练集合训练生成分类模型，采用该模型对未知的特征值样本进行分类，判断图像是否经过压缩或者反压缩取证处理。本发明性能稳定，实施简便，具有高效性，准确度高，也适用于其他方面的自然图像和篡改图像取证检测。

主权项

一种针对自然图像和基于DWT压缩篡改图像的图像的取证方法，该方法能够针对基于DWT压缩的图像进行取证，或者能够针对经过反取证处理的图像的进行取证，其特征在于：计算自然图像以及篡改图像的小波变换系数的联合概率直方图，针对该直方图进行归一化，然后进行霍夫变换，提取霍夫变换系数矩阵的均值，方差值，偏态值和峰态值作为支持向量机的特征值，该特征值组成训练集合；支持向量机使用该训练集合训练生成分类模型，采用该模型对未知的特征值样本进行分类，判断图像是否为经过篡改，所述经过篡改为经过压缩或者经过反压缩取证处理；提取所述的支持向量机的特征值具体包括以下步骤：第一步，对图像进行离散小波变换，得到相应的小波系数，对得到的离散小波系数进行取整化操作，根据小波变换的特性，将图像分解为N个级别，其中在n级别中，其中n＝1，2，···，N–1，根据滤波器使用情况不同，其可被分为Ln低频子带，Hn水平子带，Dn垂直子带以及Vn对角子带，然后Ln低频子带会继续使用滤波器进行滤波，得到n+1级的Ln+1低频子带，Hn+1水平子带，Dn+1垂直子带和Vn+1对角子带；第二步，对于小波变换之后的H，V和D三个方向的子带分别进行联合概率分布直方图计算；在H方向上，假设在Hn中的一个系数Hn(r,s)，其中(r,s)代表位置信息，定义其“父亲”系数为那么系数Hn(r,s)就为相应的“孩子”系数；根据此种对应方式，一个“孩子”系数对应一个“父亲”系数，为了使得这种“孩子”和“父亲”节点之间的关系更加明显，采用以10为底对所有的系数取对数；然后对于“孩子”和“父亲”系数求联合概率直方图；联合概率直方图的求解采用公式(1)进行，HH(x=k,y=l)=1MHΣi=1MHδ(k-[10×log2|PiH|],l-[10×log2|CiH|]),k,l∈Z.---(1)]]>在HH中的上标H表示的是水平方向，其中δ表示的是指标函数，定义δ(x,y)＝1，当且仅当x＝0以及y＝0；其中[·]表示取整，MH表示在H方向中所有“父亲”和“孩子”一一对应的映射关系的个数，和表示在i级DWT分解中的“父亲”和“孩子”的值；同时对于HV和HD也采用同样的计算方式；对于和的值，定义范围为{‑100,‑99,…,100}；其中k,l都在整数集合Z中；第三步，对于得到的联合概率直方图，进行归一化操作，采用公式(2)进行，N(x=k,y=l)=HH(x=k,y=l)max(HH(x,y))×255,k,l∈Z.---(2)]]>采用此种方式，将联合概率直方图归一化到{0,1,…,255}，使其能够成为一个灰度图像的取值范围，然后将归一化的联合概率直方图当作灰度图像进行处理；第四步，对于得到归一化处理之后的三个方向的概率直方图采用公式(3)进行霍夫变换操作，将其转化到霍夫变换的系数域中，ρ＝xcosθ+ysinθ   (3)其中ρ表示原点到图像中直线的距离，θ表示垂直于图像中直线的垂线与x轴的夹角大小；第五步，对于得到的三个不同方向的系数域进行求均值，方差，偏态和峰态，并将三个方向的四个特征值组合，形成一个12维的特征向量。