《DWT在数字图像Copy-Move篡改检测中的应用研究.doc》由会员分享,可在线阅读,更多相关《DWT在数字图像Copy-Move篡改检测中的应用研究.doc(6页珍藏版)》请在三一文库上搜索。
1、DWT在数字图像Copy-Move篡改检测中的应用研究0 引言 Copy-Move篡改是一种图像的局部篡改技术,它把图像中的某一区域进行复制,粘贴到同一图像的不相交区域上,并进行一定的后处理操作,以达到去除或增加图像中某一重要特征的目的。对图像内容的修改,都是针对图像中某个连通的区域,对离篡改块较远的区域进行复制粘贴,可能还伴随有几何相似变换等操作,从而使得这样得到的图像会更难被人察觉。由于其篡改的区域往往是人们视觉感兴趣部分,是图像信息的主体,是人们对新闻的认可、案件的取证的根据,如果图像中重要的信息被篡改后,伪造的图片带来虚假的信息和证据,混淆了人们对事实的认识。更严重的是,一些恶意篡改者
2、为了达到自己的目的而制造带有轰动效应的政治新闻图片,欺骗公众,影响司法公证和社会安定。因此,对Copy-Move篡改操作的取证技术研究是非常重要的。图像的Copy-Move篡改检测问题可以描述为:给定一幅图像,其中可能包含位置和数量未知的Copy-Move篡改区域,通过一定的算法来识别并定位其中的篡改区域。由于图像在Copy-Move篡改以后往往还需要后续的处理,例如噪声污染、模糊虑波、有损压缩等,这也使得实现对Copy-Move的篡改检测更加困难,并且计算量可观,因此找到一种可以减小篡改检测计算量的有效方法是现在的研究热点。本文分析了离散小波变换(DWT)在Copy-Move篡改检测算法中如
3、何实现图像降维,从而在保证检测效率的前提下大大减少了运算量。 1 Copy-Move篡改检测研究现状 Fridrich等1人研究了图像的Copy-Move篡改检测问题,首次提出了通过对图像块的DCT 量化系数进行字典排序的算法来检测图像复制伪造区域。该算法把对图像像素的点操作转化为块操作,减少了检测算法运算量。Popescu等2采用量化后的像素值的PCA变换系数。采用PCA 变换减少块特征向量的维数,即将小块的特征向量的PCA变换系数作为新的特征向量进行字典排序,从而减少运算。吴琼等3则从缩小图像尺寸和降低特征空间维数两个方面考虑,进一步减少了运算量,提出了基于离散小波变换和奇异值分解的图像复
4、制区域检测方法,该算法利用小波变换提取的图像低频分量作为分析对象,并使用奇异值分解提取小波低频图像特征进行降维,这种特征描述形式对羽化或边缘模糊等处理具有鲁棒性。康晓兵和魏生民4提出了一种新的针对第二类图像Copy-Move篡改的检测模式,利用傅里叶-梅林变换提取图像块的几何不变量特征,采用余弦相关系数进行相似性匹配,该方法通过预先利用GPAC方法分割出图像中的可疑对象或人物区域,再对这些可疑区域进行相应得篡改检测,从而也有效的减少了计算量提高了运算效率。 目前国内外学者针对复制粘贴操作提出的检测取证方法有基于传感器噪声、穷举搜索法、自相关算法、精确匹配、基于DCT变换、基于主成分分析、基于主
5、转移向量和基于传感器噪声等检测算法。然而,由于复制的区域来自同一幅图像,图像的噪声成分等统计特性和图像来源特性一致,所以采用统计特征和图像来源特性的改变进行检测可靠性不高。对同幅图像复制粘贴篡改操作取证的主要依据是检测图像中存在两个完全相同或者相似的区域。因此,基于块的篡改检测方法中必然有客观的计算量,本文主要针对DWT在减少运算量的的应用方面进行了分析。 2 DWT在Copy-Move篡改检测中的应用 图像Copy-Move篡改检测算法主要分为基于像素的检测方法和基于块的检测方法,虽然后者与前者相比较而言,计算效率更高,但总的来说这两种算法的计算量都是可观的。一个好的算法不仅需要能够准确的实
6、现目的,同时应该要考虑该算法的计算量问题。目前,由于小波分解在空频域都能提供良好的局部信息以及小波分解后的图像的分辨率大大减小,从而相应地降低运算的复杂度,只需要 O(N)时间,而不是快速傅里叶变换的O(NlgN),N代表数据大小。是一种优良的降维方法,特别适合于图像信号这一类非平稳信号的处理,它已成为一种图像处理的重要手段,在篡改检测的多种算法中都用到了。 2.1 离散小波变换(DWT) 小波变换是一种信号的时间频率分析方法,具有多分辨率分析的特点,并且时域、频域均具有表征信号局部特征的能力。由于小波变换对信号的低频长时特性和高频短时特性同时得到处理,所以可适用于非平稳图像信号的处理。 任意
7、函数f(x)的离散小波变换(Discrete Wavelet Transform, DWT)可表示为如下表达式: (x)为小波函数(又叫基本小波或母小波),(x)是(x)复共轭。离散小波变换可以通过滤波器来实现,表示为低通滤波器和高通滤波器组成的分解树。通过这两个滤波器就可以得到图像的为近似信息和细节信息。对图像进行不同尺度上的分解:一层分解得到结果为近似分量、水平细节分量、垂直细节分量和对角细节分量,对近似分量继续进行分解,得到二层分解,依次类推,就得到多分辨分解。二层分解过程如图1所示: 2.2 基于DWT的图像降维分析 使用小波分解的基本思想就是利用它的各级分解对图像进行降维缩小图像的尺
8、寸,例如:一幅大小为512 512的图像经过四级小波分解后,它的四级低频分量部分的大小就为32 32。图像经过小波多分辨率分解之后,所得到的低频部分仍然保持原图像的概貌和空间特性。经过DWT变换,低频图像尺寸就减少到近似原始图像的1/4 j,其中j为小波分解的级数。实验证明对于512512大小的图像,当j4的时候,检测效果将降低,所以选择合适的j值也非常关键。 基于块匹配的Copy-Move检测算法,设待检测图像是大小为 MN的彩色图像,首先对图像进行预处理,通过DWT分解后得到小波低频分量作为图像的近似分量得到大小为mn的图像(m=M/2 j, n=N/2 j),然后对图像从左至右从上至下以
9、一个像素为移动距离进行滑窗分块操作,将图像划分成(m-a+1)(n-b+1)个大小为ab的图像块,然后再提取每一个图像块的特征向量组成表征图像的特征矩阵,接下来对该矩阵按行字典排序使得复制篡改区域成为相邻行,最后采用相似块检测算法确定篡改区域,这样可以很大程度的减少检测的运算量。 DCT 量化系数和PCA 特征向量的算法,由于变换后能量主要集中在前面的几个大系数上,因此通过忽略一些小的变换系数值,来达到减小数据量的目的。但是他们的算法中都是直接对原始图像分块,然后进行降维特征提取,而一次移动一个像素的滑窗操作使得图像块的数目非常大,尤其是图像较大时。而首先对图像进行DWT分解后,图像维数将大大降低,从而很好的起到了减少运算量的作用。 3 结束语 Copy-Move篡改利用了同一幅图像中有着相似的颜色、纹理、噪声等特性,使得篡改后的图像在视觉上很难被发觉,而且能十分简单地实现篡改,所以也增加了实现篡改检测的难度,增加了检测的计算量,所以继续研究出计算量小而检测效率高的算法是我们努力的目标。但较其它篡改方法而言,该方法的图像特征较为明显,以后还可针对篡改区域接近或小于图像0.85的图像和篡改区域经过旋转的图像进一步研究。
链接地址:https://www.31doc.com/p-1579108.html