建立本福德定律閾值庫提高半脆弱水印認(rèn)證檢測率的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像認(rèn)證領(lǐng)域，涉及半脆弱水印圖像算法，尤其是一種基于本福德定 律來建立閾值庫，并提高半脆弱水印圖像篡改位置認(rèn)證檢測率的方法。
【背景技術(shù)】
[0002] 數(shù)字水印中的半脆弱水印用于圖像內(nèi)容完整性和真實(shí)性的認(rèn)證，它能把圖像有可 能經(jīng)歷的變化分成兩類：非惡意操作和惡意攻擊（即篡改）。通常來說，非惡意操作主要指 圖像在傳輸與存儲過程中所產(chǎn)生的可以容忍的更改，如少量圖像壓縮、增強(qiáng)、濾波等，此時 水印體現(xiàn)一定的魯棒性。而惡意攻擊則指對圖像內(nèi)容上的更改，如剪切、涂改等，此時水印 具有一定的脆弱性，在惡意攻擊下會隨之改變。因此，通過和原有水印相互比較，我們可以 判定圖像被篡改的位置。
[0003] 申請人在前期工作中發(fā)現(xiàn)，圖像認(rèn)證檢測中的誤檢率和漏檢率是一個進(jìn)退維谷的 關(guān)系，并在一個固定閾值下達(dá)到平衡。如圖4所示，在圖像認(rèn)證檢測中，隨著檢測閾值的增 大，誤檢率隨之升高，相反，漏檢率會隨之降低。通常當(dāng)圖像按某個固定比率壓縮時，如QF = 75,用一個固定的閾值就可以盡可能的降低誤檢率和漏檢率。然而，當(dāng)QF變?yōu)?5,這個固 定閾值就不再適用。因?yàn)樵趫D像傳輸中，其壓縮比是不可預(yù)測的，所以在圖像檢測過程中， 最佳閾值也是不固定的。因此，只要檢測系統(tǒng)預(yù)先檢測出圖像的非惡意操作程度（壓縮、增 強(qiáng)、濾波），并據(jù)此調(diào)節(jié)出最佳檢測閾值，就能最大限度降低誤檢率和漏檢率，達(dá)到最佳檢測 效果。
[0004] 本福德定律指自然數(shù)居首位數(shù)的出現(xiàn)率存在一定規(guī)律，越小的數(shù)字出現(xiàn)率越高（1 出現(xiàn)的概率是31%，2出現(xiàn)的概率是18%，依次類推，9出現(xiàn)的概率只有不到5% )。因?yàn)槠?應(yīng)用的數(shù)據(jù)不能是有規(guī)律排序或經(jīng)過人為修改的，所以可用于檢查各種數(shù)據(jù)的真實(shí)性。
[0005] 在圖像處理方面，申請人通過分析JPEG2000圖像頻率域中DWT系數(shù)，發(fā)現(xiàn) JPEG2000圖像壓縮比率也遵從本福德定律。美國新澤西理工大學(xué)的施云慶教授帶領(lǐng)的團(tuán)隊(duì) Fu等人在研宄中提出廣義的本福德定律，通過分析圖像壓縮后的DCT系數(shù)的首位數(shù)（自然 數(shù)1-9)來估算JPEG壓縮比率。
[0006] 前文提到的半脆弱水印在圖像認(rèn)證中，用固定閾值的檢測存在一定局限性。而利 用本福德定律可以分析圖像經(jīng)受的非惡意操作程度，因此，申請人利用此特點(diǎn)，在半脆弱水 印算法的基礎(chǔ)上，研宄自適應(yīng)閾值調(diào)節(jié)方法，以此提高圖像檢測率。
[0007] 通過檢索，發(fā)現(xiàn)目前大部分水印算法并沒有對檢測的誤檢率和漏檢率及其與非惡 意操作的關(guān)系進(jìn)行詳細(xì)的分析，而且對于圖像經(jīng)受的非惡意操作默認(rèn)為固定值的壓縮，并 沒有指出非惡意操作的不可預(yù)知性以及其對水印所產(chǎn)生的影響，而使用固定檢測閾值對 圖像進(jìn)行認(rèn)證具有一定的局限性。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足之處，提供一種建立本福德定律閾值庫提 高半脆弱水印認(rèn)證檢測率的方法，根據(jù)本方法建立的閾值庫，可以得到圖像檢測的最佳閾 值，進(jìn)而提高了半脆弱水印圖像篡改位置的檢測率，適用于不同程度各種非惡意操作及多 種非惡意操作同時存在的情況。
[0009] 本發(fā)明解決技術(shù)問題所采用的技術(shù)方案是：
[0010] 一種建立本福德定律閾值庫提高半脆弱水印認(rèn)證檢測率的方法，通過對測試圖像 進(jìn)行與水印嵌入時一致的頻率域變換得到其相應(yīng)的系數(shù)，然后分析這些系數(shù)并在閾值庫里 搜索匹配，進(jìn)而得到最適合此圖像檢測的閾值對圖像進(jìn)行檢測。
[0011] 而且，具體步驟如下：
[0012] ⑴獲取圖像系數(shù)：通過對測試圖像進(jìn)行與水印嵌入時一致的頻率域變換得到其相 應(yīng)的系數(shù)；
[0013] ⑵分析：按系數(shù)首位出現(xiàn)率的規(guī)律生成曲線圖；
[0014] ⑶匹配：利用誤差平方和SSE將步驟⑵生成的曲線圖與閾值庫中由變量組生成的 曲線圖組進(jìn)行對照，當(dāng)誤差平方和為最小值時，判定二者匹配；
[0015] ⑷根據(jù)匹配的變量組找到閾值庫中相對應(yīng)的最佳閾值；
[0016] (5)利用所得最佳閾值對圖像進(jìn)行檢測。
[0017] 而且，所述閾值庫其建立方法為：
[0018] ⑴建立圖像庫：選取英國諾丁漢特倫特大學(xué)提供的圖像庫中1338張無壓縮、分辨 率為512X384的灰度圖像，以及圖像處理研宄中常用的30張?jiān)囼?yàn)用圖像；
[0019] ⑵嵌入水印：選取50~100個具有代表性的半脆弱水印算法，在所選每一圖像上 均分別嵌入該50~100個半脆弱水印算法；
[0020] ⑶非惡意處理：首先通過實(shí)驗(yàn)對非惡意操作及其程度進(jìn)行認(rèn)定，然后利用一種非 惡意操作或多種非惡意操作結(jié)合，并采用不同操作程度對每一圖像分別進(jìn)行處理；
[0021] ⑷頻率域轉(zhuǎn)換：采用與步驟⑵水印嵌入時相同的頻率域?qū)?jīng)非惡意處理的圖像進(jìn) 行頻率域變換，獲取其頻率域系數(shù)；
[0022] (5)判定：檢查所獲取的頻率域系數(shù)首位出現(xiàn)率的規(guī)律是否符合本福德定律；
[0023] (6)分析：對符合本福德定律的系數(shù)進(jìn)行分析，通過曲線曲面擬合方法中的移動最 小二乘MLS法得出這些系數(shù)在廣義本福德定律中的變量組，找到不同程度非惡意操作與此 變量組的對應(yīng)關(guān)系，同時通過實(shí)驗(yàn)得出不同程度非惡意操作下使誤檢率與漏檢率相對較 低的最佳檢測閾值組；
[0024] (7)分類、對應(yīng)：利用機(jī)器學(xué)習(xí)中的常用快速分類算法SVM，對前面得出的變量組與 閾值組進(jìn)行分類，然后依據(jù)不同程度非惡意操作，將變量組與最佳檢測閾值組相對應(yīng)，建立 檢測閾值庫。
[0025] 本發(fā)明的優(yōu)點(diǎn)和積極效果是：
[0026] 1、本發(fā)明基于本福德定律計算半脆弱水印圖像的最佳檢測閾值，最終目的是提高 半脆弱水印圖像篡改位置的檢測率，與其它圖像認(rèn)證方法不同，其在檢測時考慮到圖像遭 受非惡意操作的不定性，利用本福德定律分析并預(yù)測圖像經(jīng)受的非惡意操作對半脆弱水印 所產(chǎn)生的影響，通過閾值庫得到最佳檢測閾值，從而提高圖像認(rèn)證的準(zhǔn)確性。
[0027] 2、本發(fā)明閾值庫的閾值取樣范圍廣泛、全面，考慮到半脆弱水印算法中的非惡意 操作并不僅限于圖像壓縮，所以本發(fā)明在閾值庫建立時模擬不同程度的多種非惡意操作及 多種非惡意操作組合的情況，對各個情形均進(jìn)行認(rèn)定與分類，找到檢測閾值的規(guī)律，進(jìn)而實(shí) 現(xiàn)其自適應(yīng)。
[0028] 3、本發(fā)明選取至少50~100個具有代表性的半脆弱水印算法，構(gòu)建出基于多種頻 率域半脆弱水印算法的圖像檢測閾值庫，在不改變現(xiàn)