一種基于mscr區(qū)域特征的圖像復(fù)制檢測(cè)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(cè)方法。首先對(duì)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(jì)算每個(gè)圓形特征區(qū)域的Zernike矩，作為該區(qū)域的特征向量。然后計(jì)算這些特征向量的歐式距離，找出候選的特征向量匹配對(duì)，及對(duì)應(yīng)的特征區(qū)域?qū)?。通過這些特征區(qū)域?qū)υ趫D像當(dāng)中的位置關(guān)系，估計(jì)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(cè)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(cè)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(cè)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(shí)性和圖像的來源變得 無法確定。而在許多場(chǎng)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(shí)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(cè)是數(shù)字圖像取證領(lǐng)域中的一個(gè)重要分支，它主要是為了檢測(cè)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(huì)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(gè)好的復(fù)制檢測(cè)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(cè)技術(shù)通常分為兩種:基于圖像塊和基于圖像特征?；趫D像塊的方法由 于計(jì)算時(shí)間過長(zhǎng)，適應(yīng)性不高等缺點(diǎn)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(cè)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(cè)方法，能夠有效對(duì)圖像篡改中 區(qū)域復(fù)制行為進(jìn)行檢測(cè)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(cè)方法，包括W下步驟：
[000引S1:提取MSCR圖像特征:對(duì)彩色圖像中的每個(gè)像素點(diǎn)，計(jì)算它與周圍像素點(diǎn)之間的 顏色差，色差小于給定闊值加寸，運(yùn)些點(diǎn)被聚為一類。重復(fù)運(yùn)個(gè)過程，直到所有的點(diǎn)都完成計(jì) 算。每個(gè)類中的所有像素點(diǎn)構(gòu)成一個(gè)MSCR區(qū)域；
[0009] S2:描述特征區(qū)域:將每個(gè)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(duì)每個(gè)圓形區(qū)域，計(jì)算其Zernike矩，生成一個(gè)12維特 征向量；
[0010] S3:匹配特征:對(duì)于每個(gè)特征區(qū)域，計(jì)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(gè)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(duì)，則檢測(cè)結(jié)束。否則，對(duì)于 所有匹配的一對(duì)特征，記錄所有特征區(qū)域的中屯、點(diǎn)。對(duì)于所有的中屯、點(diǎn)，采用k-means聚類 算法，設(shè)定k = 2,將運(yùn)些點(diǎn)聚為兩類。刪除掉無法被聚類的點(diǎn)。如果一類中少于3個(gè)點(diǎn)，則刪 除所有點(diǎn)，檢測(cè)結(jié)束；
[0012] S5:估計(jì)仿射矩陣:任意Ξ個(gè)不共線的特征點(diǎn)對(duì)，可計(jì)算得到一個(gè)仿射矩陣Τι。對(duì) 于每個(gè)矩陣Τι，計(jì)算所有特征點(diǎn)對(duì)之間的誤差，如果誤差值小于闊值β，則運(yùn)個(gè)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(duì)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(jì)算原始圖像與變換后的圖像之間對(duì)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(jiǎn)單的濾波處理，生成最終檢測(cè)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(cè)。此特征直接從彩色圖 像中提取，實(shí)際應(yīng)用中待檢測(cè)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(diǎn)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(jì)算特征區(qū)域的ZernAe矩的過程如下：
[0016] 對(duì)于每個(gè)圓形的特征區(qū)域，其ZernAe矩可用如下公式計(jì)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(jí)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(gè)特征區(qū)域可計(jì)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(gè)仿射矩陣可W表示為一個(gè)3X3的矩陣
[0026]
州
[0027] 公式(4)中a~f都為待定系數(shù)。
[0028] 對(duì)于Ξ個(gè)不共線的點(diǎn)對(duì)，可通過下式計(jì)算出一個(gè)仿射矩陣
[0029]
巧）
[0030] 其中P。與Pd為一對(duì)點(diǎn)。
[0031 ]進(jìn)一步地，所述步驟S6中計(jì)算相似度的過程如下：
[0032]對(duì)與原始圖像中每個(gè)像素點(diǎn)，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(duì)應(yīng)位置的5X5區(qū)域的像素值，生成一對(duì)25維的向量，計(jì) 算運(yùn)對(duì)向量的相關(guān)系數(shù)，通過相關(guān)系數(shù)值來表示運(yùn)個(gè)5X5區(qū)域的相似度。遍歷原始圖像和 變換圖像所有對(duì)應(yīng)位置的5X5區(qū)域，即可得到所有點(diǎn)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(cè)中即既具有圖像塊的優(yōu)點(diǎn)一一能夠覆蓋更多的圖像區(qū)域，又有圖像特征 的優(yōu)點(diǎn)一一計(jì)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(diǎn)特征的描述子 具有更強(qiáng)的表達(dá)能力和區(qū)分度。在對(duì)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(jí)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(cè)的實(shí)驗(yàn)效果圖。
【具體實(shí)施方式】
[0039] 附圖僅用于示例性說明，不能理解為對(duì)本專利的限制；
[0040] 為了更好說明本實(shí)施例，附圖某些部件會(huì)有省略、放大或縮小，并不代表實(shí)際產(chǎn)品 的尺寸；
[0041] 對(duì)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(shí)施例對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的說明。
[0043] 實(shí)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(cè)方法，包括W下步驟：
[0045] S1:提取MSCR圖像特征:對(duì)彩色圖像中的每個(gè)像素點(diǎn)，計(jì)算它與周圍像素點(diǎn)之間的 顏色差，色差小于給定闊值加寸，運(yùn)些點(diǎn)被聚為一類。重復(fù)運(yùn)個(gè)過程，直到所有的點(diǎn)都完成計(jì) 算。每個(gè)類中的所有像素點(diǎn)構(gòu)成一個(gè)MSCR區(qū)域；
[0046] S2:描述特征區(qū)域:將每個(gè)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(duì)每個(gè)圓形區(qū)域，計(jì)算其Zernike矩，生成一個(gè)12維特 征向量，本實(shí)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(duì)于每個(gè)特征區(qū)域，計(jì)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(gè)特征匹配，本實(shí)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(duì)(至少5對(duì)），則檢測(cè)結(jié)束。 否則，對(duì)于所有匹配的一對(duì)特征，記錄所有特征區(qū)域的中屯、點(diǎn)。對(duì)于所有的中屯、點(diǎn)，采用k- means聚類算法，設(shè)定k = 2,將運(yùn)些點(diǎn)聚為兩類。刪除掉無法被聚類的點(diǎn)。如果一類中少于3 個(gè)點(diǎn)，則刪除所有點(diǎn)，檢測(cè)結(jié)束；
[0049] S5:估計(jì)仿射矩陣:任意Ξ個(gè)不共線的特征點(diǎn)對(duì)，可計(jì)算得到一個(gè)仿射矩陣Τι。對(duì) 于每個(gè)矩陣Τι，計(jì)算所有特征點(diǎn)對(duì)之間的誤差，如果誤差值小于闊值β，則運(yùn)個(gè)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(duì)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(jì)算原始圖像與變換后的圖像之間對(duì)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(jiǎn)單的濾波處理，生成最終檢測(cè)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(cè)方法的實(shí)驗(yàn)效果。對(duì)比實(shí)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(duì)比傳統(tǒng)的點(diǎn)特征具有覆蓋面大，計(jì)算效率快的特點(diǎn)。且在定位方面采 用的仿射變換矩陣方法準(zhǔn)確率高，在實(shí)際的檢測(cè)過程中可W看出檢測(cè)結(jié)果較為理想。
[0052] 相同或相似的標(biāo)號(hào)對(duì)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(duì)本專利的限制；
[0054] 顯然，本發(fā)明的上述實(shí)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(duì) 本發(fā)明的實(shí)施方式的限定。對(duì)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(dòng)。運(yùn)里無需也無法對(duì)所有的實(shí)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(xiàng)】
1. 一種基于MSCR圖像區(qū)域特征的區(qū)域復(fù)制檢測(cè)方法，其特征在于，包括以下步驟： S1:提取MSCR圖像特征:對(duì)彩色圖像中的每個(gè)像素點(diǎn)，計(jì)算它與周圍像素點(diǎn)之間的顏色 差，色差小于給定閾值d時(shí)，這些點(diǎn)被聚為一類;重復(fù)這個(gè)過程，直到所有的點(diǎn)都完成計(jì)算； 每個(gè)類中的所有像素點(diǎn)構(gòu)成一個(gè)MSCR區(qū)域； S2:描述特征區(qū)域:將每個(gè)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(duì)每個(gè)圓形區(qū)域，計(jì)算其Zernike矩，生成一個(gè)12維特征向 量； S3:匹配特征:對(duì)于每個(gè)特征區(qū)域，計(jì)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(gè)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(duì)，則檢測(cè)結(jié)束;否則，對(duì)于 所有匹配的特征，記錄所有特征區(qū)域的中心點(diǎn);對(duì)于所有的中心點(diǎn)，采用k-means聚類算法， 設(shè)定k = 2,將這些點(diǎn)聚為兩類;刪除掉無法被聚類的點(diǎn)；如果一類中少于3個(gè)點(diǎn)，則刪除所有 點(diǎn)，檢測(cè)結(jié)束； S5:估計(jì)仿射矩陣:任意三個(gè)不共線的特征點(diǎn)對(duì)，可計(jì)算得到一個(gè)仿射矩陣;對(duì)于每個(gè) 矩陣h，計(jì)算所有特征點(diǎn)對(duì)之間的誤差，如果誤差值小于閾值β，則這個(gè)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(duì)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(jì)算原始圖像與變換后的圖像之間對(duì)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(jiǎn)單的濾波處理，生成最終檢測(cè)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(cè)方法，其特征在于，所述步 驟S2中計(jì)算特征區(qū)域的Zern i ke矩的過程如下： 對(duì)于每個(gè)圓形的特征區(qū)域，其Zern i ke矩可用如下公式計(jì)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(jí)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(gè)特征區(qū)域可計(jì)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(cè)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(gè)仿射矩陣表示為一個(gè)3 X 3的矩陣：公式(4)中a~f都為待定系數(shù)。 對(duì)于三個(gè)不共線的點(diǎn)對(duì)，可通過下式計(jì)算出一個(gè)仿射矩陣：其中P。與Pd為一對(duì)已知點(diǎn)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(cè)方法，其特征在于，所述步 驟S6中計(jì)算相似度的過程如下： 對(duì)與原始圖像中每個(gè)像素點(diǎn)，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(duì)應(yīng)位置的5X5區(qū)域的像素值，生成一對(duì)25維的向量，計(jì)算這 對(duì)向量的相關(guān)系數(shù)，通過相關(guān)系數(shù)值來表示這個(gè)5X5區(qū)域的相似度;遍歷原始圖像和變換 圖像所有對(duì)應(yīng)位置的5 X 5區(qū)域，即可得到所有點(diǎn)的相似度。
【文檔編號(hào)】G06T7/40GK105825504SQ201610142022
【公開日】2016年8月3日
【申請(qǐng)日】2016年3月11日
【發(fā)明人】盧偉, 楊帆
【申請(qǐng)人】中山大學(xué)