[发明专利]基于反卷积的篡改图像盲检测方法

权利要求书

1.一种基于反卷积的篡改图像盲检测方法，其特征在于首先人为的对图像中篡改区域进行估计，利用未篡改区域部分数据估计未篡改区域的降晰函数，然后利用估计的降晰函数对待检测图像进行维纳滤波，滤波图像中的模糊或周围有明显振铃效应的部分被认为是篡改区域；具体的操作步骤如下：

1)人为的辨别图像存在的可疑区域，即篡改区域y_doctored，一般篡改区域是为掩盖原始图像的部分数据，而达到篡改某种事实的目的，故篡改区域一般具有完整的内容特性，相应余下区域为未篡改区域y_original；

2)根据第一步得到的未篡改区域y_original大小，确定待提取子图像阶数为p、q，要求且待提取子图像个数为K个，N、M为未篡改区域降晰函数的阶数；3)在未篡改区域y_original提取规则子图像(1≤i≤K1，1≤j≤K₂)，要求规则子图像依次相邻，排列成K₁行K₂列的方格，且K＝K₁×K₂；

4)将K个规则子图像数据相加求均，构造新的未篡改区域数据且y~original(k,l)=Σi=1K1Σj=1K2yoriginal(i,j)(k,l),]]>构造新数据和h_original近似满足循环卷积关系，即y~original=IDFT(Xoriginal(ω)Horiginal(ω)),]]>其中ω为频域表示，X_original(ω)为未篡改区域的原始未降晰数据，H_original(ω)为未篡改区域降晰函数频域变换，IDFT(·)为逆傅立叶变换操作；

5)利用第4步中数据采用交替迭代盲反卷积技术估计未篡改区域的降晰函数

6)利用第5步中估计的未篡改区域的降晰函数对整幅图像做维纳滤波其中，σ为噪信比，可根据信噪比大小预设成固定值，为估计的为篡改区域降晰函数的傅立叶变换，为其共轭，Y(ω)为整幅待检测图像；

7)对第6步中维纳滤波结果逆傅立叶变换，得到维纳滤波空间域图像数据若发现第1步中人为确定的可疑区域存在模糊或者边界存在振铃效应，则此区域为篡改区域，否则，篡改的可能性不大；

8)若未发现篡改区域，可再次确定其它可疑区域，继续第1至第7步过程，进行篡改检测。

2.根据权利要求1所述的基于反卷积的篡改图像盲检测方法，其特征在于所述第5)步骤中的利用未篡改区域数据交替迭代估计的降晰函数步骤如下：

1)初时参数设置：设置参数代价函数中加权因子λ、γ，要求大致满足γλ=Σi,jp,qx^original(i,j)·max(x^original(i,j));]]>c=00.2500.25-10.2500.250,]]>d=10.50.50]]>为高通算子；w1=11+μLoc_var(y~original),]]>其中为各像素点周围5×5邻域的局部方差，而μ=1000maxi,j(Loc_var(y~original));]]>w₂初值设为全1，初始值设为x^original0(n)=y~original(n),]]>初始值为随机取值，同时补零扩展到大小，其中n为二维坐标(i，j)。

2)固定迭代更新

①将h^original(n),]]>x^original(n)]]>代入下式

J1(n)=∂J∂x^original=h^original(n)⊗x^original(n)⊗h^original(-n)]]>

-y~original(n)⊗h^original(-n)+λ·w1(n)·[c(n)⊗x^original(n)⊗c(-n)]]]>

获得u(n)＝-J₁(n)；

②求解α=||J1||2||h^original⊗u||2+λ||c⊗u||w12,]]>式中为卷积算子；

③更新x^original=x^original+α·u;]]>

④赋值J₁′＝J₁，将步骤③中更新代所列入J₁(n)的求解式，更新J₁，求解

β=||J1||2||J1′||2;]]>

⑤更新u(n)＝-J₁(n)+β·u(n)；

⑥回到步骤②步，继续上述过程，循环10次；

更新结束对施加约束0≤x^original(n)≤255,]]>即小于零值将其置零，大于255置为255。

3)固定迭代更新

①将h^original(n),]]>x^original(n)]]>代入式

J2(n)=∂J∂h^original=h^original(n)⊗x^original(n)⊗x^original(-n)]]>

-y~original(n)⊗x^original(-n)+λ·w2(n)·[d(n)⊗h^original(n)⊗d(-n)]]]>

获得v(n)＝-J₂(n)；

②求解α′=||J2||2||x^original⊗v||2+γ||d⊗v||w22;]]>

③更新h^original=h^original+α′·v;]]>

④赋值J₂′＝J₂，将步骤③中更新代入所列J₂(n)的求解式，更新J₂，求解

β′=||J2||2||J2′||2;]]>

⑤更新v(n)＝-J₂(n)+β′·v(n)；

⑥回到步骤②步，继续上述过程，循环10次；

更新结束对施加约束0≤h^original(n)≤1,]]>即小于零值将其置零，同时进行归一化；更新w2=11+ηLoc_var(h~original),]]>其中为各像素点周围3×3邻域的局部方差，而η=1000maxi,j(Loc_var(h~original));]]>

4)回到步骤2)步，循环30次结束。