[发明专利]一种细粒度图像拼接区域检测方法

权利要求书

1.一种细粒度图像拼接区域检测方法，其特征在于，具体按照以下步骤实施：

步骤1、对于大小为W×H的图像Im，令Im_R，Im_G，Im_B分别表示R，G，B三个颜色通道；

所述步骤1具体如下：

步骤1.1、CFA插值系数的估计；

所述步骤1.1具体如下：

将图像Im_G分成尺寸为τ×τ的非重叠块，得到个图像块，令第u个图像块Im_Gu为：

其中，W和H分别表示图像Im_G的长和宽，在不同尺寸τ×τ的分割块下，当尺寸为16×16时，拼接区域边缘更清晰，γ的值最大，因此取τ＝16；

为了估计Im_Gu的CFA插值系数，假设所选择的插值邻域大小为(2l+1)×(2l+1)，则建立如下的线性插值模型：

其中，c_Gu，c_Ru和c_Bu分别表示绿色、红色、蓝色通道的CFA插值系数，Im_Gu，Im_Ru和Im_Bu分别表示绿色、红色、蓝色分量；

在图像块Im_Gu中，需插值的像素点的个数为ω＝(τ×τ)/2，并可将(2)式改写为：

其中，表示图像块Im_Gu中，第t个待插值像素点的灰度值，表示图像块Im_Gu中待插值像素点的(2l+1)×(2l+1)邻域内第q个像素点的CFA插值系数，表示图像块Im_Gu中第t个待插值像素点的(2l+1)×(2l+1)邻域内第q个像素点的灰度值，其中，q＝1,2,…,(2l+1)²-1，t＝1,2,…,ω；的定义与类似，的定义与类似，的定义与类似；

为了便于描述，将(3)式表示为：

其中，其余符号类似；

随之采用协方差矩阵估计Im_Gu的插值系数，得到：

假设三个颜色通道相互独立，并令i＝(2l+1)²-1，将(5)式变形为：

最终，图像块Im_Gu中的CFA插值系数估计如下：

步骤1.2、无效块的剔除；

所述步骤1.2具体如下：

将(7)式简写为如下形式：

由(8)式可知，当且仅当矩阵D_Gu为非奇异矩阵时，插值系数C_Gu才有解；为此，可计算D_Gu的行列式|D_Gu|，并定义如下规则：

步骤1.3、重建RGB三通道，

所述步骤1.3具体如下：

令l＝1，利用所有有效图像块插值系数C_Gu的平均值构建矩阵S_G如下：

其中，m为有效图像块的个数，通过矩阵S_G重建绿色通道Im′_G如下：

Im′_G＝Im_G*S_G                             (11)

同理，也可得到重建后的R，B通道为Im′_R，Im′_B；

步骤2、取证特征提取；

所述步骤2具体如下：

步骤2.1、利用拉普拉斯算子Lap对经过所述步骤1重建后的三通道Im′_R、Im′_G、Im′_B、以及原始三通道Im_R、Im_G、Im_B分别进行卷积处理：

其中：

步骤2.2、令

步骤2.3、则Im'＝abs(Im₁-Im₂)为所提取的取证特征；

步骤3、拼接区域检测，

所述步骤3具体如下：

步骤3.1、粗粒度拼接区域检测：

对所述步骤2得到的取证特征Im'进行二值化处理，在此基础上同时进行形态学操作，得到粗粒度拼接区域的检测结果Im_cu：

Im_cu＝imdilate(Im',SE)                (13)

其中，SE为结构元素，imdilate(·)表示形态学操作；

步骤3.2、进一步进行细粒度拼接区域检测；

所述步骤3.2具体如下：

步骤3.2.1、纹理强度特征提取：

将Im_cu分成尺寸为κ×κ的不重叠块，κ＝τ＝16，设为每个粗粒度块，对每个块进行拉普拉斯算子卷积处理：

X′_y＝X_y*Lap                              (14)

在此基础上，计算X′_y的协方差矩阵A_y为：

对协方差矩阵A_y进行奇异值分解，具体如下：

其中，为单位矩阵，T(1)＞T(2)＞…＞T(s)，用奇异值T(1),T(2),…,T(s)之和反映每个粗粒度块的纹理强度特征，并将其定义为：

f_y＝T(1)+T(2)+…+T(s)                (17)

其中，f_y表示第y个粗粒度块的纹理强度特征；

步骤3.2.2、区分可疑拼接块：

用大津法对纹理强度数据集进行分类，如果图像块被分为两个集合Ψ₁和Ψ₂，定义：

其中，number(Ψ₁)，number(Ψ₂)分别表示集合Ψ₁和Ψ₂中元素的数目，R_Splicing，R_Orginal分别表示拼接区域和原始区域；

步骤3.2.3、去除误检块：

为了去除误检测，定义：若一个图像块的四邻域全为可疑拼接块，则定义该块为可疑拼接块，若一个图像块的四邻域全为原始块，则定义该块为原始块，即对于一个图像块Y_α,β，

步骤3.2.4、合并可疑拼接区域：

首先，利用图像块的邻域标记方法，逐行扫描所有粗粒度块，寻找式(19)中检测结果的可疑拼接连通区域，直至将所有可疑拼接图像块标记完，假设共有δ个标签，即就有δ个可疑拼接连通区域，可将其记为：Γ＝{Γ₁,Γ₂,…,Γ_δ}；

然后，计算任意两个连通区域Γ_v、Γ_u中，像素点Q_vχ和Q_uξ的之间的欧式距离Di_vχ,uξ：

其中，(XX_vχ,YY_vχ)表示连通区域Γ_v中，第χ个像素点Q_vχ的位置坐标；(XX_uξ,YY_uξ)表示连通区域Γ_u中，第ξ个像素点Q_uξ的位置坐标；

最后，定义如下规则对可疑拼接区域进行合并：

其中，th为合并阈值，将哥伦比亚数据库中的图像作为测试图像，设置一系列的合并参数th₀∈{20,40,60,…,200}，令拼接像素为阳性样本，原始像素为阴性样本，并计算在不同参数下的假阴性率(FNR)和假阳性率(FPR)，由于当th₀＝100时，FNR和FPR的值均比较合理，因此th＝100，将可疑拼接区域合并的结果记为Im_he；

步骤3.2.5、精确定位：

对Im_he进行孔洞填充：

Im_tian＝imfill(Im_he,'holes')            (22)

其中，imfill(·)表示孔洞填充函数；

在此基础上，使用步骤3.2.4中的图像区域标记方法标记Im_tian，假设共有θ个连通区域，并将其记为P₁,P₂,…,P_θ；定义P＝argmaxArea(P₁,P₂,…,P_θ)为拼接区域，其中，Area(·)表示计算连通区域面积的函数，并将最终的细粒度拼接区域定位结果记为Im_zui；

所述步骤3.2.4利用图像块的邻域标记方法，逐行扫描所有粗粒度块，寻找式(19)中检测结果的可疑拼接连通区域，具体步骤如下：

令深色表示要标记的可疑拼接图像块，从第一行开始逐行扫描每一行的每个可疑拼接图像块，第一行有两个区域，其位置分别记为[2,6]和[9]，分别给它们标记区域标签为1,2；接着扫描第二行，也有两个区域，所包含的可疑拼接图像块的位置分别为：[5]，[9]，但它们分别与上一行的两个区域邻接，所以沿用上一行的区域标签，即1和2；第三行有两个区域[5,9]和[13,14]，因为[5,9]与上一行的两个区域都有邻接，所以把之前的两个区域合并为一个区域，标记为两者中最小的标签号，即1；[13,14]为新产生的独立区域，所以赋予新的标号2，对每一行进行上述过程；

步骤3.3、采用超像素分割算法平滑细粒度定位结果边缘；

所述步骤3.3具体如下：

步骤3.3.1、找到细粒度定位结果Im_zui中，包含可疑拼接区域的最小矩形边界；

步骤3.3.2、将最小矩形区域映射到测试图像中，并对测试图像中的最小矩形区域进行超像素分割；

步骤3.3.3、将步骤3.3.2得到的超像素分割结果映射到Im_zui的小矩形区域中，并将此超像素块集合记为：E＝{E₁,E₂,…,E_z}，其中，z为超像素块的个数；

步骤3.3.4、计算超像素块E_n(n＝1,2,…,z)中，可疑拼接像素个数占总像素个数比重ε_n：

步骤3.3.5由于在连通区域合并时，会产生大量的误检，因此，定义如下规则：

即得到最终的图像拼接区域检测结果。