[发明专利]基于局部二维特征的拼接图像检测方法及系统

说明书

技术领域

本发明涉及的是一种图像处理及信息安全技术领域的方法及系统，具体是一种用于对不具有先验知识的拼接图像的基于局部二维特征的拼接图像检测方法及系统。

背景技术

当今社会数字图像技术已经非常普及，使用的门槛也日趋降低。很多功能强大的数字图像处理软件也被大众所接触，未经过专业培训的普通人也能够制作出肉眼无法直接辨别的伪造图像。伪造图像出现于论坛、微博等热点帖子中时，能够给政府、企业或者个人造成极大的负面影响，因此对于采用计算机技术来检测伪造图片成为了当前信息内容安全领域的研究热点。

通常来讲，目前主流的伪造图片检测技术分为两个大类：主动方式和被动方式。主动方式主要是在生成图片的过程中嵌入数字签名或者数字水印等，通过对这些标记的检测来保证图片不被篡改。被动方式则主要利用图片本身的统计特性，而不依赖于事先植入的可识别标记。主动方式植入的数字签名和数字水印等标记对于图片本身有一定的破坏性，在某些情况下不宜使用。相反被动方式的适应性要更强，因此成为了当前的主要研究方向。

图像的拼接是伪造图像的最基本的步骤。完整的图像篡改流程通常包括了拼接、缩放、旋转和后续处理，对于拼接操作的检测是绝大多数防伪鉴定方法的基础。

经典的图像拼接检测方法有Ng等提出的双谱特征检测方法，见Ng TT,Chang SF.，A dataset of authentic and spliced image blocks（真实和拼接图像块的数据集），（ADVENT Technical Report,#203-2004-3,Columbia University.）该文献同时提供了一个通用的拼接图片检测数据集，用以比较各种算法的优劣，被广泛引用。Ng等在该数据集上取得了72%的检测准确率。Fu等人采用小波变换域的特征函数的希尔伯特-黄变换和矩特征来进行检测，取得了80.15%的检测准确率。

和上述统计方法不同的是，Johnson等人利用拼接图像不同拼接区域光照特征的不一致性进行检测，见Johnson MK,Farid H.Exposing digital forgeries by detecting inconsistencies in lighting(基于光照不一致性检测的数字伪造辨识).（In Proceedings of ACM Multimedia and Security Workshop,New York,USA,2005;1–9.）采用基于统计特征的检测方法因为具有成熟的方法框架，包括特征选择、特征提取和分类学习等步骤，从而成为常用的检测方法。但是现有的基于统计特征的检测方法检测准确度还有待提高，同时还有大量的统计特征并未被用于该问题的检测。

经过对现有技术的检索发现，中国专利文献号CN102855496A，公开日2013-01-02，公开了一种遮挡人脸认证方法及系统，该技术包括：S1、采集人脸视频图像；S2、对所采集的人脸视频图像进行预处理；S3、对遮挡人脸进行检测计算，根据视频序列的运动信息，利用三帧差法对人脸图像的位置进行估计，然后通过Adaboost算法进行进一步人脸位置的确认；S4、对遮挡人脸进行识别计算，将人脸样本分为若干分块，采用结合监督1-NN近邻法的SVM二分算法对人脸分块进行遮挡判别，若分块被遮挡，则直接舍弃，若分块未被遮挡，则提取相应的LBP纹理特征向量进行加权识别，然后用基于正交投影方法的分类器用来减少特征匹配次数。该技术将图像机械地分成6块区域，虽然能够用来解决人脸和脸部重要器官位置相对固定的问题，但是对于图像没有任何先验知识的被动图像伪造鉴定的问题却无法解决。

发明内容

本发明针对现有技术存在的上述不足，提出一种基于局部二维特征的拼接图像检测方法及系统，能够兼顾检测精度和检测复杂度。

所述的局部二维特征是指一种针对拼接检测定制的本地二元模式(Local Binary Pattern,LBP)特征，LBP特征最早是Ojala等人提出的，见Ojala T,Pietikainen M,Maenpaa T.Multiresolution gray-scale and rotation invariant texture classification with local binary patterns.（采用本地二元模式的多分辨率的灰度和旋转不变纹理分类）（IEEE Transactions on Pattern Analysis and Machine Intelligence2002;24(7):971–987.）