您好、欢迎来到现金彩票网!
当前位置:手机棋牌游戏平台 > 伪造检测 >

基于犇牺犜和形态学滤波的图像伪造检测方法-计算机测量与控制PDF

发布时间:2019-07-31 04:30 来源:未知 编辑:admin

  1.本站不保证该用户上传的文档完整性,不预览、不比对内容而直接下载产生的反悔问题本站不予受理。

  计算机测量与控制 () .2018.268 设计与应用 犆狅犿 狌狋犲狉犕犲犪狊狌狉犲犿犲狀狋牔 犆狅狀狋狉狅犾 狆 ·247·  文章编号: ( ) : / / 中图分类号: 文献标识码: 1671 4598201808 0247 05 DOI10.16526 .cnki.11-4762t.2018.08.055 TP391 A j p 基于犇犠犜和形态学滤波的图像伪造检测方法 如先姑力 ·阿布都热西提,亚森 ·艾则孜 (新疆警察学院 信息安全工程系,乌鲁木齐 830013) 摘要:针对图像中复制 移动和拼接形式的图像伪造检测,提出一种基于离散小波变换 ( )和形态学滤波的图像伪造 - DWT 检测方法;首先,将图像转换为灰度图,通过应用 获得 、 和 子带;然后,通过阈值判断来获得伪造图像区域 DWT LH HL HH 的边缘,并通过形态学滤波来连接边缘使其清晰化;最后,提取伪造区域的SIFT特征,并通过相似性检测来寻找图像中与伪造 区域相似的区域,以此来确定伪造类型;实验结果表明,该方法能够准确检测出伪造区域和伪造类型。 关键词:图像伪造检测;离散小波变换;形态学滤波;尺度不变特征变换 犐犿犪犲犉狅狉犲狉犇犲狋犲犮狋犻狅狀犅犪狊犲犱狅狀犇犠犜犪狀犱犕狅狉犺狅犾狅犻犮犪犾犉犻犾狋犲狉犻狀 犵 犵 狔 狆 犵 犵 · , Ruxianuli AbudurexitiYasenAizezi g ( , , , ) DeartmentofInformationSecuritEnineerin Xinian PoliceCollee Urum i 830013 China p y g g j g g q : , 犃犫狊狋狉犪犮狋Fortheissuesthattheimaeforer detectionintheformofco -moveandslicin animaeforer detection g g y py p g g g y ( ) , methodbasedondiscretewavelettransform DWT andmorholoicalfilterin is roosed.Firstl theimaeisconvertedto p g g p p y g , , , rascaleandtheLH HL andHHsubbandsareobtainedb a lin aDWT.Then theedeoftheforerimaeareaisobtained g y y ppy g g g y g , , b thethresholdudmentandtheedesaresharenedthrouhmorholoicalfilterin.Finall theSIFTfeatureoftheforedre y j g g p g p g g y g ionisextractedandthesimilarreionintheimaeissearchedthrouhthesimilaritdetection.Exerimentalresultsshowthatthis g g g g y p methodcanaccurateldetectforer reionsandforer t es. y g y g g yyp : ; ; ; 犓犲狑狅狉犱狊 imaeforerdetection discretewavelettransform morholoicalfilterin scaleinvariantfeaturetransform 狔 g g y p g g ( )组件,然后计算 矩以产生 上重叠块的特 0 引言 LL Zernike LL 征向量,并根据这些向量找到复制区域。文献 []使用 7 随着数字技术的发展,出现了很多对数字图像进行处 将图像分解成 个子带,对从 子带划分出的每个 DWT 4 LL 理的软件,以此可以形成各种类型的伪造图像。图像伪造 小重叠块使用尺度不变特征变换 ( )来提取特征向量。 SIFT 检测在取证等领域具有重要意义。由于数字图像中功能强 对于拼接的检测,其比复制 移动的检测复杂。许多 - [] 1 大的软件工具,通过肉眼很难确定图像是否为原始图像 。 [] 拼接检测方法的关键思想是寻找与图像特征不一致的区域。 2 其中,复制 移动和拼接是两种常见的图像伪造手段 。 - 重采样的区域,双重压缩的区域,以及具有模糊差异或锐 复制 移动是通过剪切图像中的一个区域并将其粘贴到其 - 度差异的区域都可以被认为是拼接的痕迹。例如,文献 他位置,而剪切是通过剪切其他图像区域并将其粘贴到该 []表明图像中 压缩的差异可能由拼接引起,其基于 8 JPEG 图像。基于这种分类,在复制 移动图像中搜索具有相似 - 块的离散余弦变换 ( )变换来检测 块的移 8×8 DCT DCT 特征的区域,或者在拼接图像中搜索完全不同特征的区域 位。文献 []表明照明不一致性和固有重采样性质也是检 9 [] 3 是伪造检测的基本原理 。 测拼接的参数,其在提取对比度和平均灰度值特征之前, 对于复制 移动类图像伪造的检测,基本都是以搜索 - 将图像块转换成 HSV颜色空间。 相似区域为主要手段,而特征不一致性的情况被认为是拼 然而,大部分现有方法都是单独检测复制 移动或拼 - [] 4 接图像 。文献 []利用离散小波变换 ( )和离散余 5 DWT 接的问题,只有很少的文献能够同时对同一图像中的复制 弦变换 ( )来变换图像,然后提取特征,并基于特征 DCT 移动和拼接问题进行检测。例如,文献 [ ]提出了一 - 10 比较来确认复制区域。文献 []提出了一种基于二进小波 6 种结合 DCT和加速稳健特征 (SURF)的综合技术,以检 变换 ( )和 矩的新方法来进行复制 移动图 UDWT Zernike - 测复制-移动或拼接图像的伪造。这意味着被检测的图像 像的伪造检测。其首先采用 UDWT方法来获得图像低频 是可选的,而不需事先将其分类为复制 移动或拼接。文 - 献 [ ]提出了一种二进小波变换和 矩的检测方 11 Zernike 收稿日期: ; 修回日期: 。 2017 08 28 2017 09 26 法,通过 矩来表示块区域的特征。文献 [ ]使用 基金项目:国家自然科学基金资助项 目(61762086);新疆警察 Zernike 12 学院校级科研基金科技应用创新一般项目( )。 多分辨率韦伯局部描述符 ( )来检测图像中的复制 2017JYYYCXYB13 WLD - 作者简介:如先姑力 ·阿布都热西提(1976 ),女,新疆喀什人, 移动和拼接,其首先将 RGB图像转换为 YCbCr色彩图像, 硕士,副教授,主要从事信息安全、自然语言处理等方向的研究。 使得 WLD可以从比亮度更不敏感的色度分量中提取特征。 通讯作者:亚森 ·艾则孜(1975),男,新疆库车人,硕士,教授, 本文开发了一种检测算法,可以对多个复制 移动和 - 主要从事数字取证、自然语言处理等方向的研究。 拼接形式的图像伪造进行检测。通过应用一级 DWT获得 ·248· 计算机测量与控制 第 卷 26  、 和 子带,通过阈值判断来获得伪造图像区域 LH HL HH 边缘,通过形态学滤波来连接边缘使其清晰化,以此实现 伪造行为的检测。为了确定伪造类型,提取伪造区域的尺 度不变特征变换 ( )特征,并通过相似性检测来确定。 SIFT 实验结果表明,本文方法能够准确检测出伪造区域和伪造 类型。 1 提出的伪造检测方法 11 提出方法的基本框架 本文提出了一种在没有任何原始图像先验信息情况下, 不仅可以对伪造进行检测,同时能够给出伪造类型。伪造 类型包括单独的复制 移动、拼接或同时有复制 移动和 - - 拼接。另外,该方法可以检测图像中的多个伪造区域。 提出方法分为两个部分: )边缘检测和伪造确认; ) 1 2 相似区域检测来确定伪造类型。其中,基于一级 的 DWT 3 个子带 , 和 ,通过高清晰边缘对可疑区域进行 LH HL HH 定位来检测伪造。通过搜索类与可疑区域相似的区域来确 定图像伪造的类型。两部分的流程分别如图 和图 所示。 1 2 图 基于相似性检测的伪造类型确定流程图 2 12 边缘检测和伪造确认 1.2.1 基于DWT的图像多尺度表示 DWT是对选定的图像进行多分辨率分解,将图像在不 同方向和频带上分解为不同的子图。通过一级小波分解后, 图 边缘检测和伪造确认的流程图 1 图像变为逼近子图 ( )、水平方向子图 ( )、垂直方向 LL HL 子图 ( )和对角方向子图 ( ),如图 所示。其中, LH HH 3 在图 所示的第一阶段中,在应用一级 分解之 1 DWT 为低频分量,继承了图像的大部分能量;其他 个子图 LL 3 前,首先使用犐 0.299犚 0.587犌 0.114犅将彩色图像转 = + + 为高频细节分量,所包含的图像能量较少,主要用来表示 换成灰度图像。由于边缘由高频表示,所以考虑 个子带 3 图像的边缘信息。在进行下一级分解时, 将以相同的方 LL , 和 来检测边缘。实际上,真实图像中有许多 LH HL HH 式再次分解为更小的 个子图。 4 边缘,因此需要对粘贴引起的边缘进行采集。为每个图像 的纹理和布局进行阈值设置,范围从最大清晰度的 50% ~80%。 图3 DWT分解子图 在所有 个高频子带中通过阈值进行锐化和滤波之后, 3 对于二维图像 (, ),二维 将产生一个可分 通过形态学滤波操作来连接边缘间隙。为了检测粘贴部分, 犳狓 狔 DWT 离的尺度函数 (, )和 个可分离的方向敏感小波 通过设置 子带中的低频部分为零来忽略他们。因此,对 φ狓 狔 3 LL 犎 犞 犇 (, ), (, ), (, ),分别对应于沿水平 这 个子带进行逆离散小波变换 ( )后,只显示包含 ψ 狓 狔 ψ 狓 狔 ψ 狓 狔 4 IDWT 边缘,垂直边缘和对角线的变化。表达式如下: 边缘的图像。如果存在粘贴图像的边缘,即可以确认伪造 (, ) ()() () 狓 狔 = 狓 狔 1 行为。否则,图像是原始的。 φ φ φ 犎 (, ) ()() () 狓 狔 = 狓 狔 2 ψ ψ φ 图 所示的伪造类型确定过程中,对于每个伪造部分, 2 犞(, ) ()() () 狓 狔 = 狓 狔 3 ψ φ ψ 通过特征相似性检测来确认复制 移动或拼接操作。应用 - 犇(, ) ()() () 狓 狔 = 狓 狔 4 ψ ψ ψ 斑点检测来定义伪造区域的大小 犿 狀。通过将测试的 × 式中, (), ()是一维的尺度函数。 (), ()是一 φ狓 φ狔 ψ狓 ψ狔 犕 犖 图像分割为多个重叠的犿 狀块。使用 SIFT特征提   维的小波函数。 取技术创建 ( )( )个特征向量,并搜索具 犕 犿 1 犖 狀 1 - + - + 在 DWT中,尺度函数用于创建一系列图像的近似值。 有相似特征的区域。可存在如下几种伪造类型: )复制 1 - 尺度和变换的基本功能定义如下: 移动,如果图像中至少有一个其他区域有类似特征; )拼 犼/2 犼 犼 2 (, ) ( , ) () 狓 2 2狓 犿 2 犿 5 , , 犼 犿 狀 狔 = - 狔- φ φ 接,如果图像中没有类似的区域; )复制 移动和拼接, 犻 犼/2 犼 犼 3 - (, ) ( , ) () 狓 2 2狓 犿 2 犿 6 , , 犼 犿 狀 狔 = - 狔- ψ ψ 如果存在至少两个伪造区域,且复制 移动为类型 ,拼接 犼-1 - 1 对于所有的 , , , , ,…, 。 犽 犣 犿 狀 0 1 2 2 = = 犼 ∈ 为类型 。 , , 表示方向小波。然后,通过定义近似系数 2 { } 犻 犎 犞 犇 = 第 期 如先姑力 ·阿布都热西提,等:基于 和形态学滤波的图像伪造检测方法 · · 8 DWT 249  和方向系数来完成尺寸为 的图像 (, )的离散小 用 特征点检测算子提取可疑块区域图像的特征。 MxN 犳狓 狔 SIFT 波变换。 首先,需要找出在不同方向观察物体时都不会受影响 犕 1 犖 1 的位置和尺度。通过一个连续尺度函数来寻找稳定的特征 1 - - ( , , ) (, ) (, ) 犠 犿 狀 狓 狓 , , 犼 = 犳 狔 狔 0 犼 犿 狀 φ 狓 0 0 φ0 = 狔= ∑ ∑ 点,即将一个尺度可变的高斯函数与二维图像 (, )进 槡犕犖 犐狓 狔 [ ] 13 () 行卷积,表达式 如下: 7 犕 1 犖 1 (, , ) (, , ) (, ) ( ) 犻 1 - - 犻 犔狓 狔 σ =犌 狓 狔 σ 犐狓 狔 11 ( , , ) (, ) (, ) 犠 犿 狀 狓 狓 , , 犼 = 犳 狔 狔 0 犼 犿 狀 ψ 狓 0 0 ψ0 = 狔= ∑ ∑ 式中, , 表示空间坐标, 为高斯标准差,用来表示尺度 槡犕犖 狓 狔 σ () 大小, (, , )为高斯函数: 8 犌 狓 狔 σ 式中, 为任意尺度, ( , , )为尺度 处图像 1 2 2 2 犼 犠 犼 犿 狀 犼 (( /) ( /))/ 0 0 0 狓 犿 2 狀2 2 - - + - σ φ (, , ) 狔 ( ) 犌 狓 狔 σ = 2犲 12 犻 2 (, )的近似系数, ( , , )为用于在尺度 πσ 犳狓 狔 犠 犼 犿 狀 犼 ψ 0 为了寻找 (, , )尺度空间的极大值点和极小值 犼 中增添水平、垂直和对角细节的系数。 犔狓 狔 σ ≥ 0 应用 DWT后,图像被分解成近似水平,垂直和对角线 点,将每一个采样点与同尺度的相邻点进行比较,将极值 [] 8 部分。即图像 (, , )将会被分解为 (, , 点对应的采样点作为特征点 。 犠 1 犿 狀 犠 0 犿 φ φ 犎 犞 犇 然后,依据极值点邻域像素的梯度方向分布特性,给 )、 (, , )、 (, , )和 (, , )。对 狀 犠 0 犿 狀 犠 0 犿 狀 犠 0 犿 狀 ψ ψ ψ 二维图像的一级 分解过程如图 所示。 每个极值点分配一个方向。每个取样点的梯度模值和方向 DWT 4 的表达式如下: (, ) 犿 狓 狔 = 2 (( , ) ( , )) ((, ) (, )) 犔狓 1 犔狓 1 犔狓 1 犔狓 1 槡 + 狔 - - 狔 + 狔+ - 狔- ( ) 13 ((,狔 ) (,狔 )) 犔狓 1 犔狓 1 + - - (, ) -1 θ狓 狔 =tan ( ) (( , ) ( , )) 犔狓 1 犔狓 1 + 狔 - - 狔 ( ) 14 为了正确感知在尺度空间中检测稳定关键点的位置, 借助于高斯函数微分中的尺度空间峰值 (, , ),两个 犇 狓 狔 σ 图 对二维图像的一级 分解 4 DWT 邻近尺度中的不相似性通过稳定性 来表示。在任何情况 犽 下,都需要对尺度空间特征描述进行计算,因此 可以通 犇 1.2.2 边缘检测 过简单的图像相减来计算,表示如下: 边缘的清晰度可以作为复制粘贴区域的痕迹。因此, (, , ) ( (, , ) (, , )) (, ) 犇 狓 犌 狓 犽 犌 狓 犐狓 边缘检测是搜索可疑区域的第一步,对有高清晰度边缘的 狔 σ = 狔 σ - 狔 σ  狔 = (, , ) (, , ) ( ) 犔狓 犽 犔狓 15 可疑区域进行采集,然后进行检测伪造。本文将拉普拉斯 狔 σ - 狔 σ 1.3.2 基于特征矩阵的相似块检测 算子应用于 的 , 和 个子带,通过每个子 DWT LH HL HH3 带与一个 3×3拉普拉斯核之间的卷积来选择用于进一步处 相似区域块检测是通过计算各块区域的特征向量之间 的相似性,其中相似性以欧式距离来度量。设定 和 表 犛 犛 理步骤的边缘部分。 犻 犼 示两个 特征向量,每个特征向量包含 个特征,那么 1.2.3 基于形态学操作连接边缘间隙 SIFT 犔 [ ] 14 一般来说,在粘贴的位置,会通过一些软件工具或 两者的相似性计算如下 : Photoshop使边界变平滑,因此并不是所有的边缘在 LH, 犔 2 (, )

http://lsm-systems.com/weizaojiance/339.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有