基于抽樣型最大似然估計的jpeg圖像被動取證方法
【技術領域】
[0001] 本發(fā)明設及計算機數(shù)字圖像處理技術領域，特別設及一種基于抽樣型最大似然估 計的肝EG圖像被動取證方法。
【背景技術】
[0002] 隨著計算機技術的發(fā)展，圖像的篡改操作變得更加容易，使得真?zhèn)舞b別變得越發(fā) 困難。數(shù)字圖像取證技術是近年發(fā)展起來的一個新的研究領域，它的主要目的是對數(shù)字圖 像內容的真實性和完整性進行鑒別。數(shù)字圖像取證技術分為主動取證和被動取證兩種。數(shù) 字圖像主動取證技術主要包括數(shù)字簽名和數(shù)字水印，然而數(shù)字簽名和數(shù)字水印都具有一定 的局限性，數(shù)字簽名不能夠將鑒別數(shù)據(jù)與原始數(shù)據(jù)相融合，嵌入水印則會導致圖像質量下 降，并且圖像的主動取證技術需要第=方認證，所W數(shù)字圖像主動取證的局限性很大。
[0003] 數(shù)字圖像被動取證技術也叫數(shù)字圖像盲取證技術（Passive Blind Image Forensics),在不依賴任何先驗信息的條件下對圖像的內容的真?zhèn)涡院蛨D像來源進行鑒 另IJ。所W數(shù)字圖像被動取證技術具有更高的應用價值?，F(xiàn)有的數(shù)字圖像被動取證分為=類： 基于圖像內容的被動取證、基于成像過程的被動取證、基于物理過程的被動取證。
[0004] 基于肝EG篡改和復制-粘貼的數(shù)字圖像篡改是一類最為常見的篡改偽造手段，是 基于圖像內容的被動取證中的方法之一。復制粘貼篡改分為同一幅圖像復制粘貼篡改和不 同圖像的復制拼接篡改兩大類。針對同一幅圖像之間的復制-粘貼篡改操作，主要檢測依據(jù) 是篡改圖像中存在完全相同或者相似的兩個W及兩個W上的區(qū)域。
[0005] 目前，幾種基礎的針對肝EG壓縮圖像的方法被提出。已有技術表明，從肝EG的壓縮 過程中，塊狀信息是非常有用的肝EG圖像篡改方法。對稱性、周期性和一致性在肝EG圖像篡 改時，會遭到破壞?，F(xiàn)有的研究已經研究了雙重問題壓縮檢測，量化表估計和篡改區(qū)域定 位。肝EG圖像壓縮兩次即二次壓縮，即篡改，然后再次壓縮。雖然，當前已經可W利用肝EG塊 效應的周期性噪聲檢測圖像的篡改和重壓縮。然而，篡改檢測的準確性對于圖像內容是很 敏感的，并很依賴于算法圖像分割，是一個待解決問題。現(xiàn)有的基于塊狀網格提取BAG的方 法，可W有效檢測和定位篡改區(qū)域，但實驗顯示，其仍很大程度上收到圖像內容的影響，并 且在復雜紋理和邊界的情況下，會產生很高的誤檢率。因此，針對基于內容的肝EG篡改檢測 方法，并且對于圖像邊界和紋理等圖像內容有很好檢測結果的方法，也是亟待解決的。

【發(fā)明內容】

[0006] 本發(fā)明的目的在于提供一種基于抽樣型最大似然估計的肝EG圖像被動取證方法， W解決現(xiàn)有的肝EG圖像被動檢測方法中所存在的在復雜紋理和邊界的情況下，會產生很高 的誤檢率，檢測精度和穩(wěn)定性均較差的問題。
[0007] 為實現(xiàn)上述目的，本發(fā)明提供了一種基于抽樣型最大似然估計的肝EG圖像被動取 證方法，其特征在于，包括W下步驟：
[000引Sl:將待檢測的肝EG圖像轉換為灰度圖像；
[0009] S2:采用增強型交叉濾波器對所述灰度圖像進行過濾，得到圖像邊緣檢測的噪聲 譜BBNM;
[0010] S3:對所述噪聲譜BBMl進行水平和垂直方向的分解，得到水平方向分量及垂直方 向分量，隨后對所述水平方向分量或垂直方向分量進行求導，并從求導結果中提取周期部 分信號；
[0011] S4:在保證噪聲方差O2最小的情況下對所述周期部分信號進行最大似然估計，得 到原始圖像的塊大小的最大似然估計B，并采用從隨機抽樣中選取的方法，得到原始圖像塊 大小估計屋
[0012] S5:將所述噪聲譜BBNM分為3Bv X 3Bh大小不重疊的子塊，在約束條件下采用在隨機 抽樣中選舉的方法對各子塊進行塊大小估計得到;
[001引S6:判斷所述和身是否相同，若和查相同，則為非篡改區(qū)域;若和妾不同， 則其對應的塊為篡改區(qū)域，得到初步篡改區(qū)域；
[0014] S7:對所述初步篡改區(qū)域進行細化，W去掉錯檢塊，并增加漏檢塊，得到最終篡改 區(qū)域的檢測結果，完成檢測。
[0015] 較佳地，所述增強型交叉濾波器的表達式為： ^a.g{x,y), 當各(.、?，-1')>佩
[0016] / (X, V) = , 1(1-?).各托y),其他
[0017] 其中，0為預設的闊值，用來分離出噪聲;a為減小系數(shù)，用于減小來自圖像強邊緣 的噪聲;g (X，y)為交叉差分濾波器，具體地：
[001 引 g(x,y)=II(x,y) + I(x+l,y+l)-I(x+l,y)-I(x,y+l)I，
[0019] 其中，灰度圖像大小為MXN，I(x，y)代表像素(x，y)的灰度值，其中xe{l，…，M}，y
[0020] 較佳地，預設的闊值0的值為15，減小系數(shù)a的值為0.2。
[0021] 較佳地，對所述水平方向分量進行求導并提取周期部分信號后，所述步驟S4中，求 解原始圖像塊大小估計J的過程具體為：
[0022] a)將周期部分信號s(i)轉換為周期為Bh的周期信號q:
[0023] s(i) =q(i mod Bh)，
[0024] b)用最大似然估計計算Bh,在密度函數(shù)P(Pdh|sy ,Bh)中，保證噪聲方差O2的值最 小的情況下求得爲如下：
[002引斬".':-=arg 崎 n(j2(公,,,） 公6
[00%] C)采用在隨機抽樣中選舉的方法，計算最后的塊大小估計容：
[0027] 房=犯g m吊X i S 巧、姑,.(公r )!， 擔 h Keiter
[0028] 其中，HvDte為周期選舉的直方圖，iter為迭代次數(shù)，為每次抽樣對應的方f E的 值。
[0029] 較佳地，對所述垂直方向分量進行求導并提取周期部分信號后，所述步驟S4中，求 解原始圖像塊大小估計J的過程具體為：
[0030] a)將周期部分信號s(i)轉換為周期為Bv的周期信號q:
[0031] s(i) =q(i mod Bv)，
[0032] b)用最大似然估計計算Bv，在密度函數(shù)P(Pdv|sy，Bv)中，保證噪聲方差O2的值最 小的情況下求得卻UE如下：
[003；3]巧f城=arg mn 口2 (度'.）
[0034] C)采用在隨機抽樣中選舉的方法，計算最后的塊大小估計i :
[0035] 茗=arg幫怒{ 打W,(公 Kater
[0036] 其中，Hvote為周期選舉的直方圖，iter為迭代次數(shù)，戲W為每次抽樣對應的S嚴的 值。O
[0037] 較佳地，所述步驟S5中，具體為:將噪聲BBNM分為[M/(3 X Bv) ] X [N/(3 X Bh)]個大 小為3BvX3Bh不重疊的子塊，其中，Bh為水平方向分量的周期部分信號的周期，^為垂直方 向分量的周期部分信號的周期；
[0038] 其隨機抽樣的約束條件為：
[0039] (i-l)3Bv+Kx<(i+l)3Bv,
[0040] (j-l)3Bh+l勺<(j+l)3Bh，
[0041] 其中，x、y分別為灰度圖像像素 (x，y)的橫坐標及縱坐標。
[0042] 較佳地，所述步驟S7中，對所述初步篡改區(qū)域進行細化包括:將所述初步篡改區(qū)域 所在塊的區(qū)域向四個方向分別擴大預設數(shù)量的像素，采用在隨機抽樣中選舉的方法再次對 擴展后的塊進行塊大小估計，若任意一個初步篡改區(qū)域重新計算得到的塊大小估計與原圖 像的塊大小估計相同，則該初步篡改區(qū)域為誤檢，將其從初步檢測結果中去除，否則，保留 該初步篡改區(qū)域至最終檢測結果中。
[0043] 較佳地，所述步驟S7中，增加漏檢塊包括:對于步驟S6中得到的初步篡改區(qū)域W外 的較小的封閉非篡改區(qū)域，當較小的封閉區(qū)域小于72X72時，首先，將非篡改區(qū)域向四個方 向分別擴大預設數(shù)量的像素后得到擴大區(qū)域，其次，將所述擴大區(qū)域分為若干個大小相同 的小塊，并判斷每個小塊是否為篡改塊，最后，計算所述擴大區(qū)域內篡改塊占總塊數(shù)的比 值，當比值大于0.7時，則判斷該擴大區(qū)域對應的非篡改區(qū)域為漏檢塊，將其加入到最終的 檢測結果中。
[0044] 本發(fā)明方法實現(xiàn)了 W下的技術效果：
[0045] 1)增強型交叉濾波器可W加強塊效應和減少來自圖像邊緣和紋理的干擾。
[0046] 2)采用集成隨機抽樣，投票兩種方法對最大似然法進行改進，得到新的塊估計方 法RSMLE，可W提高塊大小估計的準確性。
[0047] 3)采用兩種不同隨機抽樣策略的塊大小估計:一是原圖像