一種基于mscr區(qū)域特征的圖像復(fù)制檢測方法
【專利摘要】本發(fā)明提供了一種基于MSCR區(qū)域特征的圖像區(qū)域復(fù)制檢測方法。首先對彩色圖像提取MSCR特征，然后將這些特征區(qū)域歸一化為圓形區(qū)域。接下來計算每個圓形特征區(qū)域的Zernike矩，作為該區(qū)域的特征向量。然后計算這些特征向量的歐式距離，找出候選的特征向量匹配對，及對應(yīng)的特征區(qū)域?qū)ΑＭㄟ^這些特征區(qū)域?qū)υ趫D像當(dāng)中的位置關(guān)系，估計區(qū)域復(fù)制過程當(dāng)中的仿射變換矩陣。最后根據(jù)仿射矩陣來確定圖像是否經(jīng)過區(qū)域復(fù)制，并且定位復(fù)制區(qū)域的位置。本發(fā)明使用了一種新的彩色圖像特征，并且優(yōu)化了區(qū)域定位方法，具有很好的檢測準(zhǔn)確性和定位精確度。
【專利說明】
-種基于MSCR區(qū)域特征的圖像復(fù)制檢測方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及圖像數(shù)字取證領(lǐng)域，更具體地，設(shè)及一種基于MSCR區(qū)域特征的圖像復(fù) 制檢測方法。
【背景技術(shù)】
[0002] 隨著數(shù)碼相機(jī)和智能手機(jī)的普及，數(shù)字圖像已經(jīng)和日常生活密不可分。但由于圖 像處理軟件使用的低口檻和互聯(lián)網(wǎng)的飛速傳播，數(shù)字圖像內(nèi)容的真實性和圖像的來源變得 無法確定。而在許多場合，例如司法、新聞出版等領(lǐng)域，我們又急需保證圖像內(nèi)容的真實性 和來源的可靠性，因此數(shù)字圖像取證技術(shù)應(yīng)運(yùn)而生。
[0003] 圖像復(fù)制檢測是數(shù)字圖像取證領(lǐng)域中的一個重要分支，它主要是為了檢測一副圖 像中是否存在區(qū)域復(fù)制行為，即圖像中的一部分區(qū)域復(fù)制到本圖像中的其它區(qū)域。圖像區(qū) 域復(fù)制的目的是為了夸大或是隱藏圖像中部分內(nèi)容，復(fù)制的過程中往往會包含縮放、旋轉(zhuǎn)、 加噪聲等處理手段，使得復(fù)制的痕跡無法肉眼查別。因此，一個好的復(fù)制檢測方法應(yīng)該要能 考慮到運(yùn)些干擾措施，并能準(zhǔn)確定位復(fù)制區(qū)域。
[0004] 現(xiàn)有檢測技術(shù)通常分為兩種:基于圖像塊和基于圖像特征。基于圖像塊的方法由 于計算時間過長，適應(yīng)性不高等缺點逐漸不再被使用。目前主流的方法是基于圖像特征的 方法。不同檢測方法之間的差別主要是在圖像特征的選取、特征匹配策略和復(fù)制區(qū)域定位 方面。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明提供一種基于MSCR區(qū)域特征的圖像復(fù)制檢測方法，能夠有效對圖像篡改中 區(qū)域復(fù)制行為進(jìn)行檢測和定位。
[0006] 為了達(dá)到上述技術(shù)效果，本發(fā)明的技術(shù)方案如下：
[0007] -種基于MSCR區(qū)域特征的圖像復(fù)制檢測方法，包括W下步驟：
[000引S1:提取MSCR圖像特征:對彩色圖像中的每個像素點，計算它與周圍像素點之間的 顏色差，色差小于給定闊值加寸，運(yùn)些點被聚為一類。重復(fù)運(yùn)個過程，直到所有的點都完成計 算。每個類中的所有像素點構(gòu)成一個MSCR區(qū)域；
[0009] S2:描述特征區(qū)域:將每個MSCR不規(guī)則區(qū)域采用構(gòu)造放射不變的方法表示成楠圓， 然后將楠圓區(qū)域歸一化為圓形區(qū)域。對每個圓形區(qū)域，計算其Zernike矩，生成一個12維特 征向量；
[0010] S3:匹配特征:對于每個特征區(qū)域，計算其與其它所有特征區(qū)域之間特征向量的歐 式距離。比較運(yùn)些距離中的最小值do與次最小值山之間的比值do/di，如果比值小于0.5，則 認(rèn)為距離為do的兩個特征匹配；
[0011] S4:聚類并過濾特征區(qū)域:如果沒有足夠多匹配的特征對，則檢測結(jié)束。否則，對于 所有匹配的一對特征，記錄所有特征區(qū)域的中屯、點。對于所有的中屯、點，采用k-means聚類 算法，設(shè)定k = 2,將運(yùn)些點聚為兩類。刪除掉無法被聚類的點。如果一類中少于3個點，則刪 除所有點，檢測結(jié)束；
[0012] S5:估計仿射矩陣:任意Ξ個不共線的特征點對，可計算得到一個仿射矩陣Τι。對 于每個矩陣Τι，計算所有特征點對之間的誤差，如果誤差值小于闊值β，則運(yùn)個矩陣Τι獲得一 票。最終得票數(shù)最多的矩陣即為所得仿射矩陣；
[0013] S6:定位復(fù)制區(qū)域:對于原始圖像，使用所得的仿射矩陣進(jìn)行坐標(biāo)變換得到變換后 的圖像。計算原始圖像與變換后的圖像之間對應(yīng)位置的相似度，生成一副表示相似度的圖 像。相似度的值在[0，1]之間，值越大表示相似度越高。如果相似度大于0.5,則認(rèn)為該位置 為復(fù)制區(qū)域。將生成的相似度圖像經(jīng)過簡單的濾波處理，生成最終檢測結(jié)果圖。
[0014] 本發(fā)明中，首次使用MSCR特征作為圖像特征進(jìn)行復(fù)制檢測。此特征直接從彩色圖 像中提取，實際應(yīng)用中待檢測的圖像基本上都是彩色圖像。此特征在數(shù)量上與主流的特征 點一致，且特征提取速度上也很快。
[0015] 進(jìn)一步地，所述步驟S2中計算特征區(qū)域的ZernAe矩的過程如下：
[0016] 對于每個圓形的特征區(qū)域，其ZernAe矩可用如下公式計算
[0022] 公式（l)I(p，Θ)為圓形的特征區(qū)域的極坐標(biāo)表示，P和Θ分別表示坐標(biāo)的級半徑和 角度，j為復(fù)數(shù)單位。公式(3)中S為求和變量。
[0023] 公式（1)、（2)、（3)中，η為ZernAe矩的階數(shù)，系數(shù)m是滿足(n-|m|)/2為非負(fù)整數(shù)的 任意整數(shù)。令公式（1)、（2)、（3)中n = 5,則每個特征區(qū)域可計算出的Zernike矩為12維的特 征向量。
[0024] 進(jìn)一步地，所述步驟S5中得到仿射矩陣T的過程如下：
[0025] 一個仿射矩陣可W表示為一個3X3的矩陣
[0026]
州
[0027] 公式(4)中a~f都為待定系數(shù)。
[0028] 對于Ξ個不共線的點對，可通過下式計算出一個仿射矩陣
[0029]
巧）
[0030] 其中P。與Pd為一對點。
[0031 ]進(jìn)一步地，所述步驟S6中計算相似度的過程如下：
[0032]對與原始圖像中每個像素點，使用公式(6)進(jìn)行坐標(biāo)變換，生成一副變換后的圖 像。式中τ為之前所得的仿射矩陣，（x〇，y〇，l)為原始坐標(biāo)，（Xd，yd，l)為變換后的坐標(biāo)。
[0033] (x〇,y〇,l)T=(xd,yd,l) (6)
[0034] 取原始圖像和變換圖像對應(yīng)位置的5X5區(qū)域的像素值，生成一對25維的向量，計 算運(yùn)對向量的相關(guān)系數(shù)，通過相關(guān)系數(shù)值來表示運(yùn)個5X5區(qū)域的相似度。遍歷原始圖像和 變換圖像所有對應(yīng)位置的5X5區(qū)域，即可得到所有點的相似度。
[0035] 與現(xiàn)有技術(shù)相比，本發(fā)明技術(shù)方案的有益效果是：
[0036] 本發(fā)明利用彩色圖像的特征，與傳統(tǒng)的灰度圖的特征相比具有更強(qiáng)的區(qū)分性。區(qū) 域特征在復(fù)制檢測中即既具有圖像塊的優(yōu)點一一能夠覆蓋更多的圖像區(qū)域，又有圖像特征 的優(yōu)點一一計算速度快。且本發(fā)明采用的基于區(qū)域特征的描述子相比基于點特征的描述子 具有更強(qiáng)的表達(dá)能力和區(qū)分度。在對復(fù)制區(qū)域的定位上，采用了求取仿射矩陣的方法，能夠 在像素級別定位復(fù)制區(qū)域，更加準(zhǔn)確。
【附圖說明】
[0037] 圖1為本發(fā)明方法的流程圖；
[0038] 圖2為本發(fā)明方法的復(fù)制檢測的實驗效果圖。
【具體實施方式】
[0039] 附圖僅用于示例性說明，不能理解為對本專利的限制；
[0040] 為了更好說明本實施例，附圖某些部件會有省略、放大或縮小，并不代表實際產(chǎn)品 的尺寸；
[0041] 對于本領(lǐng)域技術(shù)人員來說，附圖中某些公知結(jié)構(gòu)及其說明可能省略是可W理解 的。
[0042] 下面結(jié)合附圖和實施例對本發(fā)明的技術(shù)方案做進(jìn)一步的說明。
[0043] 實施例1
[0044] 如圖1所示，一種基于MSCR區(qū)域特征的圖像復(fù)制檢測方法，包括W下步驟：
[0045] S1:提取MSCR圖像特征:對彩色圖像中的每個像素點，計算它與周圍像素點之間的 顏色差，色差小于給定闊值加寸，運(yùn)些點被聚為一類。重復(fù)運(yùn)個過程，直到所有的點都完成計 算。每個類中的所有像素點構(gòu)成一個MSCR區(qū)域；
[0046] S2:描述特征區(qū)域:將每個MSCR不規(guī)則區(qū)域采用構(gòu)造放射不變的方法表示成楠圓， 然后將楠圓區(qū)域歸一化為圓形區(qū)域。對每個圓形區(qū)域，計算其Zernike矩，生成一個12維特 征向量，本實施例中如圖2(a)所示，圖中楠圓區(qū)域即是提取出的MSCR區(qū)域；
[0047] S3:匹配特征:對于每個特征區(qū)域，計算其與其它所有特征區(qū)域之間特征向量的歐 式距離。比較運(yùn)些距離中的最小值do與次最小值山之間的比值do/di，如果比值小于0.5，則 認(rèn)為距離為do的兩個特征匹配，本實施例中如圖2(b)所示，所有匹配成功的區(qū)域?qū)τ芍本€ 所連接；
[004引S4:聚類并過濾特征區(qū)域:如果沒有足夠多匹配的特征對(至少5對），則檢測結(jié)束。 否則，對于所有匹配的一對特征，記錄所有特征區(qū)域的中屯、點。對于所有的中屯、點，采用k- means聚類算法，設(shè)定k = 2,將運(yùn)些點聚為兩類。刪除掉無法被聚類的點。如果一類中少于3 個點，則刪除所有點，檢測結(jié)束；
[0049] S5:估計仿射矩陣:任意Ξ個不共線的特征點對，可計算得到一個仿射矩陣Τι。對 于每個矩陣Τι，計算所有特征點對之間的誤差，如果誤差值小于闊值β，則運(yùn)個矩陣Τι獲得一 票。最終得票數(shù)最多的矩陣即為所得仿射矩陣；
[0050] S6:定位復(fù)制區(qū)域:對于原始圖像，使用所得的仿射矩陣進(jìn)行坐標(biāo)變換得到變換后 的圖像。計算原始圖像與變換后的圖像之間對應(yīng)位置的相似度，生成一副表示相似度的圖 像。相似度的值在[0，1]之間，值越大表示相似度越高。如果相似度大于0.5,則認(rèn)為該位置 為復(fù)制區(qū)域。將生成的相似度圖像經(jīng)過簡單的濾波處理，生成最終檢測結(jié)果圖。
[0051] 如圖2(c)所示，該基于MSCR區(qū)域特征的圖像復(fù)制檢測方法的實驗效果。對比實際 的復(fù)制區(qū)域圖2(d)，從圖2(c)中可W明顯地看到非常精確的定位了復(fù)制區(qū)域。該方法利用 圖像MSCR區(qū)域特征，對比傳統(tǒng)的點特征具有覆蓋面大，計算效率快的特點。且在定位方面采 用的仿射變換矩陣方法準(zhǔn)確率高，在實際的檢測過程中可W看出檢測結(jié)果較為理想。
[0052] 相同或相似的標(biāo)號對應(yīng)相同或相似的部件；
[0053] 附圖中描述位置關(guān)系的用于僅用于示例性說明，不能理解為對本專利的限制；
[0054] 顯然，本發(fā)明的上述實施例僅僅是為清楚地說明本發(fā)明所作的舉例，而并非是對 本發(fā)明的實施方式的限定。對于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可 W做出其它不同形式的變化或變動。運(yùn)里無需也無法對所有的實施方式予W窮舉。凡在本 發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明權(quán)利要求 的保護(hù)范圍之內(nèi)。
【主權(quán)項】
1. 一種基于MSCR圖像區(qū)域特征的區(qū)域復(fù)制檢測方法，其特征在于，包括以下步驟： S1:提取MSCR圖像特征:對彩色圖像中的每個像素點，計算它與周圍像素點之間的顏色 差，色差小于給定閾值d時，這些點被聚為一類;重復(fù)這個過程，直到所有的點都完成計算； 每個類中的所有像素點構(gòu)成一個MSCR區(qū)域； S2:描述特征區(qū)域:將每個MSCR不規(guī)則區(qū)域采用構(gòu)造放射不變的方法表示成橢圓，然后 將橢圓區(qū)域歸一化為圓形區(qū)域;對每個圓形區(qū)域，計算其Zernike矩，生成一個12維特征向 量； S3:匹配特征:對于每個特征區(qū)域，計算其與其它所有特征區(qū)域之間特征向量的歐式距 離；比較這些距離中的最小值do與次最小值di之間的比值do/di，如果比值小于0.5，則認(rèn)為 距離為do的兩個特征匹配； S4:聚類并過濾特征區(qū)域:如果沒有達(dá)到設(shè)定的匹配的特征對，則檢測結(jié)束;否則，對于 所有匹配的特征，記錄所有特征區(qū)域的中心點;對于所有的中心點，采用k-means聚類算法， 設(shè)定k = 2,將這些點聚為兩類;刪除掉無法被聚類的點；如果一類中少于3個點，則刪除所有 點，檢測結(jié)束； S5:估計仿射矩陣:任意三個不共線的特征點對，可計算得到一個仿射矩陣;對于每個 矩陣h，計算所有特征點對之間的誤差，如果誤差值小于閾值β，則這個矩陣獲得一票;最 終得票數(shù)最多的矩陣即為所得仿射矩陣； S6:定位復(fù)制區(qū)域:對于原始圖像，使用所得的仿射矩陣進(jìn)行坐標(biāo)變換得到變換后的圖 像;計算原始圖像與變換后的圖像之間對應(yīng)位置的相似度，生成一副表示相似度的圖像;相 似度的值在[〇，1 ]之間，值越大表示相似度越高;如果相似度大于〇. 5，則認(rèn)為該位置為復(fù)制 區(qū)域;將生成的相似度圖像經(jīng)過簡單的濾波處理，生成最終檢測結(jié)果圖。2. 根據(jù)權(quán)利要求1所述的基于MSCR區(qū)域特征的圖像復(fù)制檢測方法，其特征在于，所述步 驟S2中計算特征區(qū)域的Zern i ke矩的過程如下： 對于每個圓形的特征區(qū)域，其Zern i ke矩可用如下公式計算公式（1)Ι(Ρ，Θ)為圓形的特征區(qū)域的極坐標(biāo)表示，p和Θ分別表示坐標(biāo)的級半徑和角度， j為復(fù)數(shù)單位。公式(3)中s為求和變量。 公式（1)、（2)、（3)中，η為Zernike矩的階數(shù)，系數(shù)m是滿足(n-|m|)/2為非負(fù)整數(shù)的任意 整數(shù)。令公式（1)、（2)、（3)中n = 5,則每個特征區(qū)域可計算出的Zernike矩為12維的特征向 量。3. 根據(jù)權(quán)利要求1所述的基于MSCR區(qū)域特征的圖像復(fù)制檢測方法，其特征在于，所述步 驟S5中得到仿射矩陣T的過程如下： 一個仿射矩陣表示為一個3 X 3的矩陣：公式(4)中a~f都為待定系數(shù)。 對于三個不共線的點對，可通過下式計算出一個仿射矩陣：其中P。與Pd為一對已知點的坐標(biāo)。4.根據(jù)權(quán)利要求1所述的基于MSCR區(qū)域特征的圖像復(fù)制檢測方法，其特征在于，所述步 驟S6中計算相似度的過程如下： 對與原始圖像中每個像素點，使用公式(6)進(jìn)行坐標(biāo)變換，生成一副變換后的圖像;式 中T為之前所得的仿射矩陣，（X。，y。，1)為原始坐標(biāo)，（xd，yd，1)為變換后的坐標(biāo)； (x〇,y〇,l)T=(xd,yd,l) (6) 取原始圖像和變換圖像對應(yīng)位置的5X5區(qū)域的像素值，生成一對25維的向量，計算這 對向量的相關(guān)系數(shù)，通過相關(guān)系數(shù)值來表示這個5X5區(qū)域的相似度;遍歷原始圖像和變換 圖像所有對應(yīng)位置的5 X 5區(qū)域，即可得到所有點的相似度。
【文檔編號】G06T7/40GK105825504SQ201610142022
【公開日】2016年8月3日
【申請日】2016年3月11日
【發(fā)明人】盧偉, 楊帆
【申請人】中山大學(xué)