[发明专利]一种基于LIOP特征与块匹配的图像区域复制篡改检测方法

摘要

本发明主要针对数字图像的取证领域，更具体地，涉及一种基于LIOP特征与块匹配的图像区域复制篡改检测方法。本发明将基于特征点及基于分块两类方法相结合，融合两类方法的优势；首先选取LIOP特征作为图像特征提取算法，相比其他特征，能够更好地应对旋转、缩放、JPEG压缩、添加噪声等情况；特征匹配之后，使用新的匹配对表达模型对匹配对进行表达并筛选，去除冗余的匹配对，使得精确度提高，计算复杂度降低。根据匹配对进行图像切割并分块提取特征后，使用了块匹配算法对篡改进行匹配，最后进行精确定位；本算法检测精度高，同时对各种类型图像复制粘贴篡改如旋转、缩放、加噪声、压缩等，都有着很好的效果。

主权项

1.一种基于LIOP特征与块匹配的图像区域复制篡改检测方法，其特征在于，包括以下步骤：S1.检测DoG关键点：对于待检测的图像，构造DoG尺度空间，在DoG尺度空间中找寻极值点作为关键点，并把关键点定位于图像上；S2.提取LIOP特征向量：把步骤S1获取的每个关键点区域规范化成圆形区域，根据像素值将区域分割为B个子区间，每个子区间的所有像素的像素值都在相应区间段之内，区域内每个像素的描述子通过该像素周围采样点的灰度信息来计算得到，通过将局部顺序区间内所有像素点的描述子串联起来构成LIOP特征向量；S3.匹配特征：对于步骤S2中提取出来的每个特征向量，计算其与其它所有特征向量之间的欧式距离，并按照从小到大排序；计算最近邻d1和次近邻d2之间的比值，如果比值小于ε(0.5<ε<0.7)，则认为距离为d1的两个特征匹配，构成匹配对；S4.转换匹配对模型并过滤：在匹配对的两个特征点中，确定其中的一个特征点为起始点(x1,y1)，对应特征点为终点(x2,y2)，将匹配对表达为四维空间M∈{x1,y1,x2‑x1,y2‑y1|x1,x2,y1,y2∈R}中的点，并确保相邻的匹配对使用相同一侧的特征点作为起始点，将四维空间M的每一维都划分为相同大小的区间，大小取为μ，则各维度上不同区间的组合将四维空间M划分为相同大小的矩形四维子空间集，对于落在同一子空间的点的数量σ，若σ>1，则随机选择其中的一个点进行保留，去除掉其他的点；S5.切割图像并分块提取Zernike特征：若存在有效的匹配对，则对于每一个匹配对，以匹配对的两个特征点坐标为中心点，切割出两个α×α大小的矩形图像，以b×b(b<α)为窗口，以1为步进，遍历图像并将分割出的图像有重叠的进行分块，对每个分块，计算其5阶Zernike矩系数，生成一个12维特征向量作为该位置的特征；S6.进行块匹配：以Zernike矩系数为准，对切割出的两个对应的图像块A和B进行匹配，首先随机初始化匹配，A中的点随机匹配到B中的点，然后通过迭代的传播以及随机搜索对匹配进行不断优化，每一次迭代方向为从左上到右下以及从右下到左上交替进行，最后获得A到B的匹配结果，通过相同的方式获得B到A的匹配，最终获得两个不同方向的块匹配结果；S7.定位复制区域：以每个像素为中心，m×m为大小，计算矩阵方差De，对于矩阵方差De小于Δ的像素，则认为是属于待选篡改区域；对两个块匹配结果，可分别获得A中的待选篡改区域ΓA以及B中的区域ΓB，然后根据块匹配算法的结果，将待选篡改区域的点一一映射到对应区域，得到B中的Γ'A以及A中的Γ'B，最后定位区域为ΓA∩Γ'B以及ΓB∩Γ'A，将所有匹配对的结果进行整合，并应用形态学操作以滤除杂乱点，生成最终的检测结果图。