基于首数字定律的图像高斯模糊篡改检测方法

摘要

本发明涉及一种基于首数字定律的图像高斯模糊篡改检测方法，包括以下步骤：取一定数量的自然图像作为训练样本，分别提取各自然图像的RGB三个颜色通道的梯度以及DCT域AC系数的MSD的首数字定律特征；对各自然图像进行高斯模糊操作，得到高斯模糊图像，然后分别提取各高斯模糊图像的RGB三个颜色通道的梯度以及DCT域AC系数的MSD的首数字定律特征；把各自然图像、高斯模糊图像的梯度以及DCT域AC系数的MSD的首数字定律特征放入SVM分类器中训练，得到训练好的SVM分类器；用训练好的SVM分类器对待测图像进行检测，判断待测图像是否经过模糊篡改。该方法增强了图像高斯模糊篡改检测的普适性，提高了检测效率。

主权项

一种基于首数字定律的图像高斯模糊篡改检测方法，其特征在于，包括以下步骤：步骤(1)取一定数量的自然图像作为训练样本，分别提取各自然图像的RGB三个颜色通道的梯度的首位有效数字的首数字定律特征；步骤(2)对各自然图像的RGB三个颜色通道分别进行8×8的不重复块离散余弦变换，得到8×8分块离散余弦变换系数矩阵，随后提取离散余弦变换域交流分量的首位有效数字的首数字定律特征；步骤(3)对各自然图像进行高斯模糊操作，得到高斯模糊图像，然后分别提取各高斯模糊图像的RGB三个颜色通道的梯度的首位有效数字的首数字定律特征以及离散余弦变换域交流分量的首位有效数字的首数字定律特征；步骤(4)把得到的各自然图像、高斯模糊图像的RGB三个颜色通道的梯度的首位有效数字的首数字定律特征以及离散余弦变换域交流分量的首位有效数字的首数字定律特征放入SVM分类器中进行训练，得到训练好的SVM分类器；步骤(5)用训练好的SVM分类器对待测图像进行检测，判断待测图像是否经过模糊篡改；在步骤(2)中，所述离散余弦变换为二维离散余弦变换，二维离散余弦变换F(u,v)用公式(1)表示如下：$F\left(u,v\right)=\underset{n_1=0}{\overset{N_1-1}{\Sigma }}\underset{n_2=0}{\overset{N_2-1}{\Sigma }}f(n_1+1,n_2+1)cos\left[\frac{\pi }{N_1}(n_1+\frac{1}{2})u\right]cos\left[\frac{\pi }{N_2}(n_2+\frac{1}{2})v\right]---\left(1\right)$式中f(.)表示图像像素，n₁、n₂分别表示图像的行、列序数，N₁、N₂分别表示行、列序数的最大值，u、v分别表示傅里叶级数的横、纵坐标；离散余弦变换域交流分量的首位有效数字的首数字定律特征提取方法如下：首先，对图像的每一个颜色通道，计算8×8离散余弦变换分块；然后由公式(2)计算每一个离散余弦变换分块的所有交流分量x的首位有效数字d：最后由公式(3)计算出图像的首数字定律特征：$p\left(d\right)=\frac{C_d}{\underset{i=1}{\overset{9}{\Sigma }}{C}_i}---\left(3\right)$式中p(d)表示概率，d＝1,2,…,9，C_d表示首位有效数字d的个数；在步骤(3)中，二维函数f(x,y)的梯度用公式(4)表示如下：$\Delta f=mag\left(\Delta f\right)={[G_x^2+G_y^2]}^{\frac{1}{2}}={\left[{\left(\frac{\partial f}{\partial x}\right)}^2+{\left(\frac{\partial f}{\partial y}\right)}^2\right]}^{\frac{1}{2}}---\left(4\right)$式中f(.)表示图像像素，Δf表示图像的梯度域，G_x和G_y分别表示Δf在水平域和竖直域的分向量；然后按如下方法提取梯度的首位有效数字的首数字定律特征：首先，计算出图像的每一个颜色通道的梯度，然后计算每一个梯度的首位有效数字d，d＝1,2,…,9，最后统计所有梯度的首位有效数字d的概率分布，即首数字定律特征。