[发明专利]图像篡改检测方法、电子设备、存储介质

权利要求书

1.一种图像篡改检测方法，其特征在于，包括：

从待测图像中提取特征点及特征向量，获得特征向量集合；

对特征向量集合中的特征点进行匹配，获得匹配点对集合；

使用层次聚类算法对所述匹配点对集合中的匹配点进行凝聚层次聚类，获得聚类树状图；

利用不同聚类个数分裂聚类树状图，得到不同类簇；

利用肘部法则确定最优聚类个数，并获得最优类簇集合；

依次从所述最优类簇集合中选取两个类簇，对该两个类簇执行如下步骤，直至所述最优类簇集合中的类簇皆处理完成；

判断该两个类簇之间的匹配点对的数量是否大于预设阈值；

若是，则从该两个类簇中选取所述预设阈值数量的匹配点对；

根据所述预设阈值数量的匹配点对计算仿射变换矩阵；

利用所述仿射变换矩阵补充搜寻匹配点对；

根据所搜寻的匹配点对形成的图块确定所述待测图像对应该两个类簇的复制粘贴区域。

2.如权利要求1所述的图像篡改检测方法，其特征在于，所述从待测图像中提取特征点及特征向量，获得特征向量集合的步骤包括：

判断所述待测图像的尺寸是否大于预设尺寸；

若是，则将尺度不变特征转换算法的特征点提取的对比度阈值设置为第一对比度阈值；

若否，则将尺度不变特征转换算法的特征点提取的对比度阈值设置为第二对比度阈值，所述第二对比度阈值小于所述第一对比度阈值；

按已设置的对比度阈值，采用尺度不变特征转换算法从待测图像中提取特征点及特征向量，获得特征向量集合。

3.如权利要求1所述的图像篡改检测方法，其特征在于，所述对特征向量集合中的特征点进行匹配，获得匹配点对集合的步骤包括：

归一化所述特征向量集合的特征向量；

计算每一特征向量与所述特征向量集合中其余特征向量之间的欧氏距离；

将所计算的欧式距离从小至大进行排序；

依据所计算的欧式距离的排序顺序，依次选取相邻的两个欧式距离，

计算该相邻的两个欧式距离之间的比值；

判断所计算的比值是否小于预设比值阈值；

若是，则将该特征向量的特征点，与该相邻的两个欧式距离中前一欧式距离对应的特征向量的特征点作为一对匹配点；

若否，则停止欧式距离的选取。

4.如权利要求1所述的图像篡改检测方法，其特征在于，所述对特征向量集合中的特征点进行匹配，获得匹配点对集合的步骤还包括：

从所述匹配点对集合中删除像素距离小于预设像素距离阈值的匹配点对。

5.如权利要求1所述的图像篡改检测方法，其特征在于，利用肘部法则确定最优聚类个数，并获得最优类簇集合的步骤包括：

按聚类个数自小至大，分别计算各聚类个数的代价值C_k，根据所计算的代价值C_k的转折点，确定最优聚类个数；

其中，各聚类个数的代价值C_k根据如下公式计算：

其中，k为聚类个数，n_r是类簇r中点的数目，D_r是类簇r中所有点的距离和。

6.如权利要求1所述的图像篡改检测方法，其特征在于，所述根据所述预设阈值数量的匹配点对计算仿射变换矩阵包括：

根据所述预设阈值数量的匹配点对计算单应矩阵；

利用RANSAC算法确定最优单应矩阵，所述最优单应矩阵拟合该两个类簇之间最多的匹配点对，根据最优单应矩阵拟合的该两个类簇之间的匹配点对作为最优内点；

利用最小二乘法拟合所述最优内点，获得仿射变换矩阵。