利用梯度局部熵检测数字图像内容可信度的方法

摘要

本发明公开了一种利用梯度局部熵检测数字图像内容可信度的方法，对RGB彩色图像的三个通道分别使用边缘检测算子进行卷积得到颜色向量(R，G，B)的导数，对图像中每一像素点(x，y)分别计算g_xx，g_yy，g_xy，对图像中每一像素点分别计算梯度方向角θ和梯度幅值F_θ，将梯度幅值图像F_θ作为边缘图像，定义局部信息熵，并对梯度图像求取局部信息熵，将局部熵图像和梯度图像结合起来定位羽化痕迹，对图像可信度进行评价。本发明克服了以前算法检测结果较为武断的不足，具有较大的实用性。

主权项

1、利用梯度局部熵检测数字图像内容可信度的方法，其特征在于包括下述步骤：第一步，利用向量梯度来求取彩色图像的梯度幅值图像，具体过程如下：a.将图像中每个像素点的值除以255，使像素值的取值范围转化到区间[0，1]内；b.对RGB彩色图像的三个通道分别使用边缘检测算子进行卷积，得到颜色向量(R，G，B)的导数$\frac{\partial R}{\partial x},\frac{\partial R}{\partial y},\frac{\partial G}{\partial x},\frac{\partial G}{\partial y},\frac{\partial B}{\partial x},\frac{\partial B}{\partial y};$c.对图像中每一像素点(x，y)分别计算$g_{\mathrm{xx}}={\left|\frac{\partial R}{\partial x}\right|}^2+{\left|\frac{\partial G}{\partial x}\right|}^2+{\left|\frac{\partial B}{\partial x}\right|}^2,$$g_{\mathrm{yy}}={\left|\frac{\partial R}{\partial y}\right|}^2+{\left|\frac{\partial G}{\partial y}\right|}^2+{\left|\frac{\partial B}{\partial y}\right|}^2,$$g_{\mathrm{xy}}=\frac{\partial R}{\partial x}\frac{\partial R}{\partial y}+\frac{\partial G}{\partial x}\frac{\partial G}{\partial y}+\frac{\partial B}{\partial x}\frac{\partial B}{\partial y};$d.对图像中每一像素点(x，y)分别计算梯度方向角$\theta (x,y)=\frac{1}{2}\arctan \left[\frac{{2g}_{\mathrm{xy}}}{g_{\mathrm{xx}}-g_{\mathrm{yy}}}\right]$和梯度幅值$F_{\theta }(x,y)=\sqrt{1/2[(g_{\mathrm{xx}}+g_{\mathrm{yy}})+(g_{\mathrm{xx}}-g_{\mathrm{yy}})\cos 2\theta +2g_{\mathrm{xy}}\sin 2\theta ]},$将梯度幅值图像F_θ作为边缘图像；e.将边缘图像中各像素值乘以255并取整，得到取值范围为[0，255]区间的灰度图像；第二步，定义局部信息熵，并对梯度图像求取局部信息熵，步骤如下：a.对梯度图像中的像素(x，y)，以(x，y)为中心，定义大小为m×n的区域$\psi =\left\{(x_1,y_1)\right|x-\frac{m-1}{2}\le x_1\le x+\frac{m-1}{2},y-\frac{n-1}{2}\le y_1\le y+\frac{n-1}{2}\},3\le m,n\le 7;$b.利用公式$H\left(\psi \right)=-\underset{j=0}{\overset{L-1}{\Sigma }}{p}_j\log p_j$和$p_j=\frac{n_j}{M\times N}$对区域ψ求取局部信息熵，作为像素点(x，y)的输出；其中，p_j表示灰度值j在区域ψ中出现的概率，n_j为区域ψ中具有灰度值j的像素总数，L表示该图像中所有灰度级的个数，H(ψ)表示区域ψ的局部信息熵；c.遍历梯度图像中每个像素点，执行步骤a和b，得到局部熵图像；第三步，将局部熵图像和梯度图像结合起来定位羽化痕迹，对图像可信度进行评价，具体步骤如下：设图像中(x，y)处的像素点为q，对应的梯度图像中灰度值为G_q，对应的局部熵图像中的灰度值为E_q，如下选择阈值T₁，T₂，ε，标记q为可疑点或伪造点，其中M×N为图像大小，$T_1=\frac{1}{M\times N}\Sigma G_q$$T_2=\frac{1}{M\times N}\Sigma E_q$$ϵ=\frac{T_2}{\alpha },(3\le \alpha \le 7)$遍历图像中每一像素，找出所有的可疑点和伪造点，记录可疑点个数为num₁，伪造点个数为num₂，则图像的可信度$\mathrm{credibility}=1-\frac{{\mathrm{num}}_2}{{\mathrm{num}}_1};$对图像中所有的伪造点和非伪造点赋予不同灰度值，得到一幅二值图像，利用形态学运算对伪造点进行处理，如果最终可以得到一个封闭或者连通区域，则认为该区域为伪造区域。