專利名稱：：基于圖像的局部模糊篡改盲檢測方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種基于圖像的局部模糊篡改盲檢測方法。該方法針對的是不同圖像經(jīng)過人為的拼接并為了消除拼接痕跡用局部模糊手段對拼接邊緣進行的篡改處理。這類局部模糊篡改圖像在現(xiàn)實生活中普遍存在。此方法在圖像信息安全領(lǐng)域有廣泛的應(yīng)用前景。
背景技術(shù)：
：隨著數(shù)字技術(shù)的發(fā)展，圖像作為信息的一種常見表達方式，廣泛地應(yīng)用于社會的各個方面。圖像越來越多地以數(shù)字的形式存儲。數(shù)字化攝取設(shè)備的普及和圖像編輯軟件功能的多樣化使得人們很容易對數(shù)字圖像進行操作，其中有一部分的惡意篡改圖像會給他人的生活帶來負面的影響。圖像拼接和模糊是數(shù)字圖像處理的常用手段，將這兩種手段應(yīng)用于篡改圖像的產(chǎn)生會制造出人眼不易察覺的局部模糊篡改圖像。近些年來很多學(xué)者對模糊的檢測問題做了一些研究。模糊操作可以用來對圖像的局部進行處理以掩蓋圖像篡改的痕跡。因此檢測圖像中的局部模糊可以對圖像篡改作檢測。將圖像篡改這類方法根據(jù)研究對像分成三大類(1)圖像局部模糊檢測問題。這類問題的解決方法是通過提取局部圖像的特征，將各個局部特性進行統(tǒng)計分類從而確定模糊區(qū)域。(2)圖像邊緣模糊檢測問題。這類問題運用各種方法對圖像的邊緣進行統(tǒng)計歸類，根據(jù)邊緣特征進行邊緣模糊檢測并依據(jù)模糊邊緣最終確定模糊區(qū)域。⑶降晰圖像的合成問題。兩幅由不同模糊函數(shù)處理的合成圖像稱之為降晰圖像。合成降晰圖像的檢測是依據(jù)圖像的模糊函數(shù)對圖像進行劃分。前兩大類方法需要從統(tǒng)計學(xué)的角度統(tǒng)計各種邊緣的特性，并從不同的域中提取出特征參數(shù)，因此這兩類方法對于圖像庫的依賴性較高。當檢測圖像庫外的圖像時，其效果較差。而第三類方法檢測正確率較差且當圖像經(jīng)過后處理之后檢測效果大大折扣。因此從實際應(yīng)用的角度出發(fā)，開發(fā)出一種檢測正確率高，能夠抵抗一定的圖像后處理操作且不依賴于圖像庫的檢測方法是非常有必要的。
發(fā)明內(nèi)容本發(fā)明的目的在于針對現(xiàn)有技術(shù)中檢測局部模糊篡改圖像存在的不足，提出一種基于圖像的局部模糊篡改盲檢測方法，它能夠有效地檢測到圖像的局部模糊篡改，特別是能夠檢測到肉眼難以辨別、程度較輕的模糊篡改，并且可以減小自然圖像強邊緣對檢測結(jié)果的影響。為達到上述目的，本發(fā)明采用以下技術(shù)方案一種基于圖像的局部模糊篡改盲檢測方法，其步驟包括如下(1)、圖像預(yù)處理(1-1)、對整幅圖像進行低通濾波，消除噪聲對檢測結(jié)果的影響；(1-2)、采用小波域的同態(tài)濾波器對圖像進行小波域的同態(tài)濾波；(2)、分別用prewitt邊緣檢測算法和多項式擬合的邊緣檢測算法標定圖像的邊緣，其具體步驟如下4(2-1)、用prewitt邊緣檢測算法確定圖像的邊緣；(2-2)、用多項式擬合的邊緣檢測算法標定圖像的邊緣(3)、兩種算法標定的圖像邊緣比較，確定可疑的模糊篡改邊緣根據(jù)多項式擬合的邊緣檢測算法標定圖像的邊緣與prewitt的邊緣檢測算法標定圖像的邊緣比較，兩種算法標定圖像的邊緣相比較得出的不同的點為可疑的模糊痕跡，由可疑的模糊痕跡構(gòu)成可疑的模糊篡改邊緣。(4)、消除誤檢測點，認定真的模糊篡改邊緣點根據(jù)第三步得到的可疑的模糊篡改邊緣，消除誤檢測點，其計算式定義如下其中，F(xiàn)為經(jīng)過圖像邊緣比較后得到的二值圖像，它的大小為KXO，0(i,j)為圖像F中行列坐標為(i，j)的點，如果圖像F中行列坐標點(i，j)周圍區(qū)域滿足n(i，j)^3，則該點(i，j)認為是真的模糊篡改邊緣點，否則該點(i，j)認為是誤檢測點。設(shè)矩陣①為一個與原圖像相同大小的矩陣，將經(jīng)過消除誤檢測點處理后的圖像F放在矩陣O中，矩陣①中真的模糊篡改邊緣點為1，其他點為0。(5)、標定圖像局部模糊篡改區(qū)域用上述檢測到真的模糊篡改邊緣點標定局部模糊篡改區(qū)域，標定局部模糊篡改區(qū)域的計算式為其中，a(i，j)為矩陣①中值為1的點，它的坐標為(i，j)。局部模糊篡改區(qū)域標定過程為首先用find函數(shù)找到二值圖像中不為0的點，不為0的點模糊篡改邊緣點，然后根據(jù)公式(2)，將篡改邊緣點周圍區(qū)域點置為1，在二值圖像中只有兩個值0和1，篡改區(qū)域由所有值為1的點組成。所有值為0的點代表非篡改區(qū)域，最后得到矩陣①中所有值為1的點，所有值為1的點代表局部模糊篡改區(qū)域。上述步驟(1-2)中所述的采用小波域的同態(tài)濾波器對圖像進行小波域的同態(tài)濾波，其具體步驟如下(1-2-1)、首先依次對圖像進行取對數(shù)，小波變換和高通濾波，高通濾波的函數(shù)式為其中，wh，wv是垂直方向和水平方向的小波分解系數(shù)，j代表第幾層分解；(1-2-2)、然后對圖像進行小波逆變換，取指數(shù)操作，最后得到的圖像是增強后的圖像。上述步驟(2-1)中所述的用prewitt邊緣檢測算法確定圖像的邊緣，其具體步驟如下(2-1-1)、首先將圖像劃分為不重疊的3*3圖像子塊；5(2-1-2)、然后分別計算每一區(qū)域中心點的梯度值；每一區(qū)域內(nèi)中心點處的梯度值由prewitt檢測器按下式確定g=[G:+G2yf2⑷其中，Gx，Gy分別為水平方向和垂直方向的梯度值。(2-1-3)、最后通過人為設(shè)置閾值，將中心點梯度值大于閾值的點標定為圖像的邊緣。上述步驟(2-2)中所述的多項式擬合的邊緣檢測算法標定圖像的邊緣，其具體步驟如下(2-2-1)、將圖像分割成互不重疊的子塊；(2-2-2)、使用多項式的邊緣擬合方法對圖像子塊進行曲線擬合并對該擬合曲線求導(dǎo)。根據(jù)局部清晰度的定義，由擬合曲線的導(dǎo)數(shù)值計算出圖像子塊的清晰度，局部清晰度的計算式如下其中，3f(i,j)/3x,3f(i，j)/3y分別表示點(i，j)處沿x方向，y方向的微分，在圖，像中表示為相鄰像素的差值，nXn表示以點(i，j)為中心的正方形大小，在計算局部清晰度之前首先對矩陣的中間一行和一列進行曲線多項式擬合。(2-2-3)、最后通過人為設(shè)定閾值，將局部清晰度大于閾值的點標定為圖像邊緣。本發(fā)明的基于圖像的局部模糊篡改盲檢測方法與現(xiàn)有的技術(shù)相比具有的有益效果是該方法在不依賴于圖像庫的前提下，能夠有效地排除強邊緣對于檢測結(jié)果的影響，并且具有一定抵抗圖像后處理的能力；由于該法是把兩種不同的邊緣檢測算法相比較，因此可以在邊緣比較時將影響檢測結(jié)果較大的圖像強邊緣去除；該方法的算法在檢測前對圖像增加了一步預(yù)處理，在檢測之前對圖像進行的濾波和邊緣增強能提高算法抵抗圖像后處理的能力。圖像在經(jīng)過不同程度的增加噪聲和JPEG壓縮處理之后，對不同類型模糊篡改仍具有良好的正確率。圖1為本發(fā)明的基于圖像的局部模糊篡改盲檢測方法的流程圖；圖2a為3*3的圖像子塊示意圖；圖2b為prewitt邊緣檢測算法水平方向的梯度矩陣示意圖；圖2c為prewitt邊緣檢測算法垂直方向的梯度矩陣示意圖；圖3為圖像進行小波域的同態(tài)濾波的流程圖；圖4為本發(fā)明的算法在不同的信噪比情況下對于不同類型模糊篡改的檢測正確率的對比示意圖；圖5為本發(fā)明的算法在不同的品質(zhì)因數(shù)情況下對于不同類型模糊篡改的檢測正確率的對比示意圖。具體實施例方式下面結(jié)合附圖對本發(fā)明的實施例作進一步詳細的說明。本發(fā)明的基于圖像的局部模糊篡改盲檢測方法，如圖1所示，其具體步驟如下(1)、圖像預(yù)處理(1-1)、對整幅圖像進行低通濾波，消除噪聲對檢測結(jié)果的影響；(1-2)、采用小波域的同態(tài)濾波器對圖像進行小波域的同態(tài)濾波，如圖3所示，圖中WT代表n級小波變換，IWT代表n級逆小波變換，EXP代表取指數(shù)操作，LF代表一種高通濾波器，其具體步驟如下(1-2-1)、首先依次對圖像進行取對數(shù)，小波變換和高通濾波，高通濾波的函數(shù)式為(3)其中，wh，wv是垂直方向和水平方向的小波分解系數(shù)，j代表第幾層分解；(1-2-2)、然后對圖像進行小波逆變換，取指數(shù)操作，最后得到的圖像是增強后的圖像，它具有更加明顯的邊緣信息。采用小波域的同態(tài)濾波器可以兼顧圖像空域和頻域特性，能綜合考慮局部對比度增強性能和頻域信息的高通性能，使圖像具有明顯的局部增強效果。(2)、分別用prewitt邊緣檢測算法和多項式擬合的邊緣檢測算法標定圖像的邊緣，其具體步驟如下(2-1)、用prewitt邊緣檢測算法確定圖像的邊緣。(2-1-1)、首先將圖像劃分為互不重疊的3*3圖像子塊，參見圖2a，圖中ZfZ9是圖像子塊中的各個像素點。(2-1-2)、然后分別計算每一區(qū)域中心點處水平方向和垂直方向的梯度值。如圖2b,2c所示i水平方向和垂直方向的梯度矩陣分別乘以3*3的圖像子塊，將矩陣的每一項相加得到水平方向梯度和垂直方向梯度的計算公式為Gx=(Z7+Z8+Z9)-(Zi+Z^Za)(6)Gy=(Z3+Z6+Z9)-(Z1+Z4+Z7)(7)根據(jù)得到的水平方向梯度&和垂直方向梯度Gy求出每一區(qū)域中心點處的梯度值。其計算式為其中Gx，Gy分別為水平方向和垂直方向的梯度值。(2-1-3)、最后通過人為設(shè)置閾值，將中心點梯度值大于閾值的點標定為圖像的邊緣。(2-2)、用多項式擬合的邊緣檢測算法標定圖像的邊緣(2-2-1)、將圖像分割成互不重疊的子塊。(2-2-2)、使用多項式的邊緣擬合方法對圖像子塊進行曲線擬合并對該擬合曲線求導(dǎo)，根據(jù)水平方向梯度，垂直方向梯度的計算式(6)，(7)由擬合曲線的導(dǎo)數(shù)值計算出圖像子塊的清晰度。局部清晰度的計算式如下其中，af(i,j)/3X，3f(i,j)/3y分別表示點(i，j)處沿x方向，y方向的微分，在圖像中表示為相鄰像素的差值。nXn表示以點(i，j)為中心的正方形大小。在計算局部清晰度之前，首先對矩陣的中間一行和一列進行曲線多項式擬合。(2-2-3)、最后通過人為設(shè)定閾值，將局部清晰度大于閾值的點標定為圖像邊緣。上述基于多項式的邊緣擬合方法的原理為(8)其中y是邊緣曲線，P2，…，Pn+1是擬合多項式的系數(shù)，xnGZ。只要先確定多項式的階數(shù)就能夠求出曲線的擬合多項式的系數(shù)。多項式的求解通過矩陣的運算獲得。首先構(gòu)造一個范德蒙得矩陣令y=可得到公式<從公式(9)看出V是一個非奇異矩陣，根據(jù)定義矩陣V能夠進行QR分解V=QR(11)其中，Q是酉矩陣，R為非奇異上三角矩陣。將公式(11)代入(12)可得QRP=y(12)由于Q是酉矩陣，它存在逆陣?？梢园压?10)寫成RP=Q_1y(13)P=R/(Q_1y)求得的P是擬合多項式系數(shù)的最小二乘解，得到多項式的系數(shù)后求出圖像邊緣的近似曲線。根據(jù)得到的近似曲線公式(5)求出某一區(qū)域的局部清晰度，將局部清晰度的值與人工設(shè)定的閾值相比，把局部清晰度大于閾值的點標記為模糊篡改邊緣。(3)、兩種算法標定的圖像邊緣比較，確定可疑的模糊篡改邊緣根據(jù)多項式擬合的邊緣檢測算法標定的圖像的邊緣與prewitt的邊緣檢測算法標定的圖像的邊緣比較，兩種算法標定圖像的邊緣相比較得出的不同的點為可疑的模糊痕8跡，由可疑的模糊痕跡構(gòu)成可疑的模糊篡改邊緣。如表一所示上述兩種算法對于模糊篡改分別會使圖像的梯度和局部清晰度有不同程度的下降率。通過比較兩種算法檢測到模糊篡改邊緣的差異可以得到模糊篡改邊緣。表一不同算法模糊前后邊緣的梯度和局部清晰度降低率表一中A-st印，G-st印，D-st印，R-st印分別代表不同類型的邊緣。由于多項式擬合的邊緣檢測算法與prewitt邊緣檢測方法相比，圖像經(jīng)過模糊后邊緣局部清晰度的降低率更大。以prewitt邊緣檢測算法得到的模糊篡改邊緣作為參考，將兩次邊緣檢測的結(jié)果進行比較。兩次檢測結(jié)果不同的點是可疑的模糊篡改邊緣。(4)、消除誤檢測點，認定真的模糊篡改邊緣點根據(jù)第三步得到的可疑的模糊篡改邊緣，消除誤檢測點，其計算式定義如下其中，F(xiàn)為經(jīng)過圖像邊緣比較后得到的二值圖像，它的大小為KXO，(i,j)為圖像F中行列坐標為(i，j)的點，如果圖像F中行列坐標點(i，j)周圍區(qū)域滿足n(i，j)^3，則該點(i，j)認為是真的模糊篡改邊緣點，否則該點(i，j)認為是誤檢測點。設(shè)矩陣①為一個與原圖像相同大小的矩陣，將經(jīng)過消除誤檢測點處理后的圖像F放在矩陣O中，矩陣①中真的模糊篡改邊緣點為1，其他點為0。(5)、標定圖像局部模糊篡改區(qū)域用上述檢測到真的模糊篡改邊緣點標定局部模糊篡改區(qū)域，標定局部模糊篡改區(qū)域的計算式為其中，a(i，j)為矩陣①中值為1的點，它的坐標為(i，j)。局部模糊篡改區(qū)域標定過程為首先用find函數(shù)找到二值圖像中不為0的點，不為0的點模糊篡改邊緣點，然后根據(jù)公式(2)，將篡改邊緣點周圍區(qū)域點置為1，在二值圖像中只有兩個值0和1，篡改區(qū)域由所有值為1的點組成。所有值為0的點代表非篡改區(qū)域，最后得到矩陣①中所有值為1的點，所有值為1的點代表局部模糊篡改區(qū)域。如圖4所示，圖像在經(jīng)過增加噪聲處理之后，本發(fā)明的算法對不同類型模糊篡改在不同信噪比條件下篡改檢測的正確率，圖中，橫軸表示信噪比大小，縱軸表示正確檢測率高低，三條曲線為，帶框線為方差1.2r5*5高斯模糊曲線，帶橢圓曲線為均勻模糊曲線；帶“*”字曲線為圓盤模糊曲線。如圖5所示，圖像在經(jīng)過JPEG壓縮處理之后，本發(fā)明的算法對不同類型模糊篡改在不同壓縮程度條件下篡改檢測的正確率，圖中，橫軸表示品質(zhì)因數(shù)大小，縱軸表示正確檢測率高低，三條曲線為，帶框線為方差1.2r5*5高斯模糊曲線，帶橢圓曲線為均勻模糊曲線；帶“*”字曲線為圓盤模糊曲線。從上述圖4、5可以看出本發(fā)明的基于圖像的局部模糊篡改盲檢測算法在低信噪比和低品質(zhì)因數(shù)的情況下仍有較好的正確率。權(quán)利要求一種基于圖像的局部模糊篡改盲檢測方法，其步驟包括如下(1)、圖像預(yù)處理(1-1)、首先對整幅圖像進行低通濾波，消除噪聲對檢測結(jié)果的影響；(1-2)、采用小波域的同態(tài)濾波器對圖像進行小波域的同態(tài)濾波(2)、分別用prewitt邊緣檢測算法和多項式擬合的邊緣檢測算法標定圖像的邊緣，其具體步驟如下(2-1)、用prewitt邊緣檢測算法確定圖像的邊緣(2-2)、用多項式擬合的邊緣檢測算法標定圖像的邊緣；(3)、兩種算法標定的圖像邊緣比較，確定可疑的模糊篡改邊緣；根據(jù)多項式擬合的邊緣檢測算法標定圖像的邊緣與prewitt的邊緣檢測算法標定圖像的邊緣比較，兩種算法標定圖像的邊緣相比較得出的不同的點為可疑的模糊痕跡，由可疑的模糊痕跡構(gòu)成可疑的模糊篡改邊緣；(4)、消除誤檢測點，認定真的模糊篡改邊緣點根據(jù)第三步得到的可疑的模糊篡改邊緣，消除誤檢測點，其計算式定義如下<mrow><mfencedopen=''close=''><mtable><mtr><mtd><mi>Π</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>m</mi><mo>=</mo><mo>-</mo><mn>1</mn></mrow><mn>1</mn></munderover><munderover><mi>Σ</mi><mrow><mi>m</mi><mo>=</mo><mo>-</mo><mn>1</mn></mrow><mn>1</mn></munderover><mi>Θ</mi><mrow><mo>(</mo><mi>i</mi><mo>+</mo><mi>m</mi><mo>,</mo><mi>j</mi><mo>+</mo><mi>n</mi><mo>)</mo></mrow></mtd><mtd><mn>2</mn><mo><</mo><mi>i</mi><mo><</mo><mi>K</mi><mo>-</mo><mn>1,2</mn><mo><</mo><mi>j</mi><mo><</mo><mi>O</mi><mo>-</mo><mn>1</mn></mtd></mtr><mtr><mtd></mtd><mtd><mi>Θ</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>⋐</mo><mi>F</mi></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow>其中，F(xiàn)為經(jīng)過圖像邊緣比較后得到的二值圖像，它的大小為K×O，Θ(i，j)為圖像F中行列坐標為(i，j)的點，如果圖像F中行列坐標點Θ(i，j)周圍區(qū)域滿足∏(i，j)≥3，則該點Θ(i，j)認為是真的模糊篡改邊緣點，否則該點Θ(i，j)認為是誤檢測點。設(shè)矩陣Φ為一個與原圖像相同大小的矩陣，將經(jīng)過消除誤檢測點處理后的圖像F放在矩陣Φ中，矩陣Φ中真的模糊篡改邊緣點為1，其他點為0。(5)、標定圖像局部模糊篡改區(qū)域用上述檢測到真的模糊篡改邊緣點標定局部模糊篡改區(qū)域，標定局部模糊篡改區(qū)域的計算式為<mfencedopen=''close=''separators=''><mtable><mtr><mtd><munderover><mi>Σ</mi><mrow><mi>m</mi><mo>=</mo><mo>-</mo><mn>1</mn></mrow><mn>1</mn></munderover><munderover><mi>Σ</mi><mrow><mi>m</mi><mo>=</mo><mo>-</mo><mn>1</mn></mrow><mn>1</mn></munderover><mi>α</mi><mrow><mo>(</mo><mi>i</mi><mo>+</mo><mi>m</mi><mo>,</mo><mi>j</mi><mo>+</mo><mi>n</mi><mo>)</mo></mrow><mo>=</mo><mn>1</mn></mtd><mtd><mn>2</mn><mo><</mo><mi>i</mi><mo><</mo><mi>K</mi><mo>-</mo><mn>1,2</mn><mo><</mo><mi>j</mi><mo><</mo><mi>O</mi><mo>-</mo><mn>1</mn></mtd></mtr><mtr><mtd></mtd><mtd><mi>α</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>⋐</mo><mi>Φ</mi></mtd></mtr></mtable><mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow></mfenced>其中，α(i，j)為矩陣Φ中值為1的點，它的坐標為(i，j)。局部模糊篡改區(qū)域標定過程為首先用find函數(shù)找到二值圖像中不為0的點，不為0的點模糊篡改邊緣點，然后根據(jù)公式(2)，將篡改邊緣點周圍區(qū)域點置為1，最后得到矩陣Φ中所有值為1的點，所有值為1的點代表局部模糊篡改區(qū)域。2.根據(jù)權(quán)利要求1所述的基于圖像的局部模糊篡改盲檢測方法，其特征在于，上述步驟(1-2)中所述的采用小波域的同態(tài)濾波器對圖像進行小波域的同態(tài)濾波，其具體步驟如下(1-2-1)、首先依次對圖像進行取對數(shù)，小波變換和高通濾波，高通濾波的函數(shù)式為其中，wh，wv是垂直方向和水平方向的小波分解系數(shù)，j代表第幾層分解；(1-2-2)、然后對圖像進行小波逆變換，取指數(shù)操作，最后得到的圖像是增強后的圖像。3.根據(jù)權(quán)利要求2所述的基于圖像的局部模糊篡改盲檢測方法，其特征在于，上述步驟(2-1)中所述的用prewitt邊緣檢測算法確定圖像的邊緣，其具體步驟如下(2-1-1)、首先將圖像劃分為不重疊的3*3圖像子塊；(2-1-2)、然后分別計算每一區(qū)域中心點的梯度值；每一區(qū)域內(nèi)中心點處的梯度值由prewitt檢測器按下式確定其中，Gx，Gy分別為水平方向和垂直方向的梯度值；(2-1-3)、最后通過人為設(shè)置閾值，將中心點梯度值大于閾值的點標定為圖像的邊緣。4.根據(jù)權(quán)利要求1或2或3所述的基于圖像的局部模糊篡改盲檢測方法，其特征在于，上述步驟(2-2)中所述的多項式擬合的邊緣檢測算法標定圖像的邊緣，具體步驟如下(2-2-1)、將圖像分割成互不重疊的子塊；(2-2-2)、使用多項式的邊緣擬合方法對圖像子塊進行曲線擬合并對該擬合曲線求導(dǎo)，根據(jù)局部清晰度的定義，由擬合曲線的導(dǎo)數(shù)值計算出圖像子塊的清晰度，局部清晰度的計算式如下其中，5f(i,j)/5x，af(i,j)/辦分別表示點(i，j)處沿X方向，y方向的微分，在圖像中表示為相鄰像素的差值，nXn表示以點(i，j)為中心的正方形大小，在計算局部清晰度之前首先對矩陣的中間一行和一列進行曲線多項式擬合，(2-2-3)、最后通過人為設(shè)定閾值，將局部清晰度大于閾值的點標定為圖像邊緣。全文摘要本發(fā)明公開了一種基于圖像的局部模糊篡改盲檢測方法，其步驟包括(1)圖像預(yù)處理；(2)分別用prewitt邊緣檢測算法和多項式擬合的邊緣檢測算法標定圖像的邊緣；(3)兩種算法標定的圖像邊緣比較，確定可疑的模糊篡改邊緣；(4)消除誤檢測點(5)標定圖像局部模糊篡改區(qū)域。該方法把兩種不同的邊緣檢測算法相比較，在圖像邊緣比較時將影響檢測結(jié)果較大的圖像強邊緣去除；該方法的算法在檢測之前對圖像進行的濾波和邊緣增強，能提高算法抵抗圖像后處理的能力，圖像在經(jīng)過不同程度的增加噪聲和JPEG壓縮處理之后，對不同類型模糊篡改仍具有良好的正確率。文檔編號G06K9/62GK101859385SQ20101021564公開日2010年10月13日申請日期2010年6月29日優(yōu)先權(quán)日2010年6月29日發(fā)明者何超,方勇申請人:上海大學(xué)