[发明专利]一种基于统计模型的图像重拍检测方法

说明书

本发明公开了一种基于统计模型的图像重拍检测方法，包括：利用灰度共生矩阵的数字特征、Tamura特征、LBP特征和小波系数统计量构造取证特征；利用经提取的图像的取证特征建立统计模型；将得到的模型输入到LibSVM分类器，进行图像重拍摄检测，得出结果，实验结果表明所本发明的方法不仅具有较高的检测精确度，而且对于常规的图像处理操作具有鲁棒性。

技术领域

本发明属于图像重拍摄检测技术领域，涉及一种基于统计模型的图像重拍检测方法。

背景技术

近年来，随着互联网和数字技术的不断发展，社交网站、微博、微信、QQ等社交工具成为生活必备品之后，数字图像作为信息载体以前所未有的速度被应用。但是随着图像编辑软件以及各种数字处理技术的发展，图像内容很容易被篡改、伪造、拷贝、翻拍、非法使用，使得图像内容的可信度大大降低。近年来一些图像篡改伪造事件的发生，在许多方面造成了不良影响。

图像重拍摄(翻拍)是指对已有的图像通过重新拍摄进行二次或多次成像，以生成虚拟的或伪造的场景。例如，图1为陕西猎人周正龙拍摄的“华南虎”照片，实际上是用华南虎图画放在真实场景中重新拍摄获得的，见图3。图像重拍摄不仅破坏了图像的原始性，而且是一种典型的反取证手段，能够使篡改伪造的图像躲避取证技术的检测。对数字图像重拍摄检测技术的研究，能够保证图像的原始性，挫败反取证技术对取证算法的干扰，对维护法律公正、新闻诚信、科学诚信等具有重要的意义。

图像重拍摄(翻拍)主要分为四大类：1.对包含有图片的真实场景的拍摄，即真实场景照片中包含有重拍摄的部分区域，如图2中周正龙拍摄的“华南虎”；2.对于打印纸张的图像重拍摄；3.对于液晶显示屏幕的重拍摄；4.对于视频的重拍摄，典型的检测方法有：基于真实场景中数码图像的图像重拍摄检测、基于打印纸张的图像重拍摄检测、基于LCD屏幕的图像重拍摄检测以及基于视频的重拍摄检测，现有的检测方式精确度低，鲁棒性小，不能满足现阶段的检测需求。

发明内容

本发明的目的是提供一种基于统计模型的图像重拍检测方法，提供了一种不仅具有较高的检测精确度，而且对于常规的图像处理操作具有鲁棒性的检测方法。

本发明所采用的技术方案是，本发明的一种基于统计模型的图像重拍检测方法，具体包括如下步骤：

步骤1，利用灰度共生矩阵的数字特征、Tamura特征、LBP特征和小波系数统计量构造图像的取证特征；

步骤2，利用经步骤1提取的图像的取证特征建立统计模型；

步骤3，将经步骤2建立的统计模型输入到LibSVM分类器，进行图像重拍摄检测，得出结果。

本发明的特点还在于：

其中所述步骤1中利用LBP特征构造取证特征包括提取图像的LBP特征以及H、S、V通道的LBP特征：对于图像I，令表示半径为1的8像素点59-D LBP特征，令H(·)，S(·)和V(·)分别表示HSV图像空间的H、S、V通道，和分别表示H、S和V通道的59-D LBP特征，即

令则T₁表示总的LBP特征集合；

其中所述步骤1中利用Tamura特征包括：计算图像粗糙度，首先，计算图像中大小为2^k×2^k活动窗口内像素灰度值的平均值，即

其中，g(i，j)为点(i，j)的像素灰度值，k＝0，1，…，5；

其次，分别计算每一个像素在水平和垂直方向上不相重叠的窗口之间的平均强度差：