[发明专利]数字图像拼接篡改盲检测方法

摘要

本发明公开了数字图像拼接篡改盲检测方法，利用LMD和CCDCT方法分别对图像特征提取，LMD将原始信号分解为若干PF分量之和，PF分量由包络信号和纯调频信号相乘而得，包络信号表示PF分量的瞬时幅值，瞬时频率可由纯调频信号求得。因此所有PF分量的瞬时幅值和瞬时频率构成原始信号的完备时‑频分布，在这基础上进行特征提取能够在一定程度上反应拼接操作造成的影响。由于拼接操作会影响图像的平滑、一致、连续、规则等特性，从而改变像素间的内在联系，利用CCDCT方法得到一系列二维数组，这些数组能够反应以上性质的变化，因此用CCDCT方法提取特征，能够有效地检测拼接图像；将以上两种方法提取的特征作为混合特征结合Adaboost分类器鉴别图像的真实性，取得较好的效果。

主权项

1.数字图像拼接篡改盲检测方法，其特征在于，包括如下步骤：步骤1，获取数字图像的训练样本图像和检测样本图像，对所有样本图像做横向蛇形扫描和纵向蛇形扫描，将所有样本图像由二维图像转化为一维信号；步骤2，利用局部均值分解方法对经过横向蛇形扫描后得到的一维信号进行分解，得到若干个PF分量，取前4个PF分量的瞬时幅值和瞬时频率，分别计算瞬时幅值和瞬时频率各自对应的均值、方差、偏度和峰度；对经过纵向蛇形扫描后得到的一维信号进行上述相同的处理，共得到64维特征值；步骤3，对所有样本图像进行离散余弦变换得到二维数组，用一维离散Haar小波对二维数组进行一级小波分解，得到小波分量；将所有样本图像作为0级小波分量，再由所有小波分量得到直方图特征方程，进而求解直方图质心，得到5维特征值；步骤4，计算步骤3得到的二维数组的预测误差二维矩阵，对预测误差二维矩阵进行与步骤3相同的处理，得到5维特征值；所述计算步骤3得到的二维数组的预测误差二维矩阵的具体方法为：计算二维数组的预测二维矩阵，二维数组与预测二维矩阵的差即为预测误差二维矩阵；其中，预测二维矩阵中各像素的值由卷积公式得到，卷积过程中，当当前像素位于二维数组的第一行、第一列、最后一行或最后一列时，对二维数组进行扩展，在二维数组的第一行上面增加一行、第一列前面增加一列、最后一行下面增加一行、最后一列后面增加一列，且增加的行和列的像素值均为0；所述卷积公式为：其中，N_x,y表示预测二维矩阵中像素(x,y)的值，w₀,w₁,w₂,w₃,w₄,w₅,w₆,w₇,w₈均表示权重，O_x‑1,y‑1,O_x,y‑1,O_x+1,y‑1,O_x‑1,y,O_x,y,O_x+1,y,O_x‑1,y+1,O_x,y+1,O_x+1,y+1分别对应表示二维数组中像素(x‑1,y‑1),(x,y‑1),(x+1,y‑1),(x‑1,y),(x,y),(x+1,y),(x‑1,y+1),(x,y+1),(x+1,y+1)的值；步骤5，将所有样本图像分别做2*2、4*4、8*8三次分块，并对每次分块后的图像进行步骤3与步骤4相同的处理，得到30维特征值；步骤6，将步骤2‑步骤5得到的特征值串联后，做归一化处理，利用Adaboost算法对训练样本图像归一化处理后的特征值进行训练，得到Adaboost分类器，将检测样本图像归一化处理后的特征值输入Adaboost分类器进行检测分类。