基于小波变换和主成分分析的图像区域篡改检测方法

摘要

本发明公开了一种基于小波变换和主成分分析的图像区域篡改检测方法，该方法的步骤主要包括将原始图像进行重叠分块，然后对得到的各图像子块进行小波变换，并将得到的各低频成分通过主成分分析方法提取各子块的特征，降低了各子块矩阵维数，从而得到待测图像的特征向量矩阵，然后对其进行字典排序缩小了图像子块匹配所需搜索的空间范围，最后利用定义的判别阈值实现对篡改区域的准确定位。本发明方法提高了篡改图像检测算法的运算效率，提高了鲁棒性，更加灵活实用。

主权项

1.一种基于小波变换和主成分分析的图像区域篡改检测方法，其特征在于，该方法按以下步骤实施，步骤a、判断待检测图像是否为灰度图，若不是，将其转换为灰度图；步骤b、设待检测的灰度图像大小为M×N，将该灰度图像按行从左到右，从上到下的顺序划分为只有一行或一列不相同的、大小为m×n的重叠子块，并用各重叠子块左上角坐标（x，y）来表示该重叠子块在待测图像中的空间位置，共得到(M-m+1)×(N-n+1)个重叠子块；步骤c、将步骤b分块得到的共(M-m+1)×(N-n+1)个、大小为m×n的各重叠子块进行一次Haar小波变换，得到其低频分量LL₁，其大小变为m/2×n/2；步骤d、对步骤c得到的各重叠子块的低频分量LL₁进行PCA变换，变换过程中的累积贡献率取为99%，提取各重叠子块的特征向量v_i，其中i＝1,2,…,(M-m+1)×(N-n+1)，并转换为行特征向量矩阵，即每一行表示一个子块的特征；步骤e、对步骤d得到的特征向量矩阵按行进行字典排序，并记录各特征向量所代表的图像子块在原待测图像中的空间位置；步骤f、对步骤e排序后的各特征向量进行相似度匹配，即将特征向量v_i与其相邻2l范围内的所有特征向量v_j，其中j∈[i-l,i+l]，i≠j，进行Pearson相关系数计算，搜寻v_j，使得v_j满足：其中，R(v_i,v_j)为特征向量v_i和v_j的Pearson相关系数；R_th为相关性阈值， 用来衡量提取的特征向量之间的相似性；Δ_th为位移阈值，选取位移阈值l为搜寻的范围；(x_i,y_i)为v_i的空间坐标；(x_j,y_j)为v_j的空间坐标，v_j若满足（2），则将其标记为0，即为待测图像的篡改区域；否则，则标记为1，即为待测图像的正常区域。