專利名稱：基于人類視覺特性壓縮感知的灰度圖像篡改檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其是涉及一種基于人類視覺特性壓縮感知的灰度圖像篡改檢測(cè)方法。
背景技術(shù)：
圖像篡改檢測(cè)是一種數(shù)字化產(chǎn)品的版權(quán)保護(hù)技術(shù)。其核心思想為將一些標(biāo)識(shí)信息(即數(shù)字水印)直接嵌入數(shù)字載體(如多媒體、文檔、軟件等)或者數(shù)字媒體的間接表示 (如修改特定區(qū)域的結(jié)構(gòu))中，且不影響原載體的使用價(jià)值，也不容易被探知和再次修改， 但可以被生產(chǎn)方識(shí)別和辨認(rèn)。通過這些隱藏在載體中的信息，可以達(dá)到確認(rèn)內(nèi)容創(chuàng)建者、購(gòu)買者、傳送隱秘信息或者判斷載體是否被篡改等目的。數(shù)字水印是信息隱藏技術(shù)的一個(gè)重要研究方向，也是實(shí)現(xiàn)版權(quán)保護(hù)的有效辦法。
壓縮感知是一個(gè)新穎的信號(hào)采集與處理的理論，它由稀疏基變換、測(cè)量矩陣及信號(hào)重構(gòu)三部分構(gòu)成。該理論的基礎(chǔ)是如果信號(hào)是可壓縮的或在某個(gè)變換域是稀疏的，那么就可以用一個(gè)與變換基不相關(guān)的觀測(cè)矩陣將變換所得的高維信號(hào)投影到一個(gè)低維空間上， 然后通過求解一個(gè)優(yōu)化問題從這些低維空間的投影中以高概率重構(gòu)出原始信號(hào)。
經(jīng)過文獻(xiàn)檢索發(fā)現(xiàn)，M. Tagliasacchi、G. Valenzise和S. Tubaro等人在論文 “Localization of sparse image tampering via random projections" ( 〈〈S；于隨|幾采樣的離散圖像篡改定位》)(IEEE International Conference on Image Processing, pp. 2092-2095，Oct. 2008) (IEEE圖像處理國(guó)際會(huì)議)中提出了一種圖像篡改檢測(cè)的方法。 其中，發(fā)送端對(duì)原始圖像信息進(jìn)行隨機(jī)投影，將得到的壓縮測(cè)量值再進(jìn)行分布式編碼后作為原始圖像的哈希特征值，之后將該哈希特征值通過安全信道傳送到認(rèn)證系統(tǒng)。認(rèn)證系統(tǒng)在接收到圖像信息后，根據(jù)由安全信道接收到的圖像哈希特征值，判斷該圖像是否被篡改過。若受到篡改攻擊，并且篡改位置在空間域上是稀疏的，則可利用壓縮感知理論中的重構(gòu)方法定位篡改信息。仿真實(shí)驗(yàn)表明，該方法不僅可以減小運(yùn)算和傳輸代價(jià)，還具有較好的篡改檢測(cè)能力。上述圖像篡改檢測(cè)方案的突出特點(diǎn)是采用了壓縮感知理論。由于壓縮感知不需要高頻率地掃描圖片就能記錄并事后恢復(fù)出這幅圖片，因此對(duì)于數(shù)字水印這樣需要對(duì)整幅畫面進(jìn)行掃描和處理的應(yīng)用具有明顯的優(yōu)勢(shì)。
但是，壓縮感知是非自適應(yīng)的處理方法，具體應(yīng)用時(shí)需根據(jù)不同的場(chǎng)景選擇不同的稀疏基、測(cè)量矩陣及重構(gòu)方案，這在很大程度上限制了壓縮感知的應(yīng)用性能；同時(shí)，由于人類視覺感知特性，如何最大限度地將有限的資源利用到人眼感知敏感的區(qū)域，也是提升方案性能的重大途徑。本專利重點(diǎn)在提出一種改進(jìn)的基于壓縮感知的圖像水印方法。
另經(jīng)文獻(xiàn)檢索發(fā)現(xiàn)，如果將人類視覺特性引入壓縮感知中，則可以有效提升圖像的恢復(fù)效果° YingYu, BinWang 等人在論文"Saliency-Based Compressive Sampling for image signals [C]“(《基于感興趣區(qū)域的圖像壓縮感知研究》)(IEEE SIGNAL PROCESSING LETTERS, vol. 17，no. 11，pp. 973-976，Sep. 2010) (IEEE 信號(hào)處理會(huì)刊)中指出人類視覺敏感的顯著區(qū)域可以概括描述成一組統(tǒng)計(jì)信息。該文獻(xiàn)提出的基于感興趣區(qū)域的圖像壓縮感知框架主要包括3部分首先對(duì)圖像進(jìn)行分析并生成一個(gè)感興趣區(qū)域映射表；然后根據(jù)該映射表，將圖片分塊，依次計(jì)算每一塊的壓縮感知測(cè)量參數(shù)，生成測(cè)量矩陣，進(jìn)行壓縮感知采樣；最后使用壓縮感知恢復(fù)算法進(jìn)行圖像重構(gòu)。方案中的感興趣區(qū)域映射表是整個(gè)方法的核心部分，該映射表的好壞決定了能否分配合理的資源給人類視覺的重點(diǎn)部分，因此決定了圖像恢復(fù)效果的優(yōu)劣。
本專利的重點(diǎn)在于將上述基于感興趣區(qū)域的圖像壓縮感知方案應(yīng)用于灰度圖像篡改檢測(cè)流程中，以進(jìn)一步加強(qiáng)圖像篡改檢測(cè)效果。發(fā)明內(nèi)容
本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種高檢測(cè)率、低傳輸量、快運(yùn)算的基于人類視覺特性壓縮感知的灰度圖像篡改檢測(cè)方法。
本發(fā)明的目的可以通過以下技術(shù)方案來實(shí)現(xiàn)
一種基于人類視覺特性壓縮感知的灰度圖像篡改檢測(cè)方法，其特征在于，包括以下步驟
1)圖像水印生成與傳輸，發(fā)送端在傳輸圖像之前，首先生成該圖像的哈希值，然后通過安全信道傳輸哈希值，通過公開信道傳輸圖像給接收端；
2)接收端圖像檢測(cè)，接收端利用由可信信道接收到的圖像水印，驗(yàn)證由公開信道得到的圖像是否經(jīng)過了篡改；
3)接收端篡改定位，當(dāng)接收端判斷出所接收到的圖像被惡意篡改后，進(jìn)一步利用壓縮感知的正交匹配追蹤(Orthogonal Matching Pursuit, 0MP)重構(gòu)方法，將差值D進(jìn)行恢復(fù)，從而得到篡改位置圖像E。
所述的步驟1)具體如下
11)生成圖像的感興趣區(qū)域映射圖，具體是對(duì)圖像的DCT變換基因子進(jìn)行標(biāo)準(zhǔn)化處理；
對(duì)于給定的一個(gè)灰度圖X ERnxn，其中n = NXN為圖像的總像素，其顯著圖Map由以下過程產(chǎn)生
P = sign (C (X))
F = abs (CT1(P))
Map = G*F2
其中C(X)和Γ1⑵分別表示圖像的二維DCT變換及其逆變換，sign(C(X))是符號(hào)函數(shù)，abMC—HP))是取絕對(duì)值函數(shù)，G是二維高斯低通濾波器，顯著圖Map中的元素記為 Mapi (1 ^ i ^ η)；
12)對(duì)圖像進(jìn)行分塊處理，首先，把圖像分割成互不重疊的尺寸固定為m = BXB的分塊，設(shè)第i個(gè)分塊為Bi,其中，1彡i彡n/m,假設(shè)η可以被m整除，對(duì)每一個(gè)分塊i計(jì)算
j,BlMaPj
13)由ξ i計(jì)算任一分塊BJl彡i彡n/m)在壓縮感知中的測(cè)量次數(shù)Mi為
Mi = 腿-知沙醒-0mJ)7
其中，θ_和θ min分別表示測(cè)量矩陣中元素的最大值和最小值，rnd()是取與輸入變量最接近的整數(shù)；
然后，將所有分塊的測(cè)量值Mi (1 ( i ^ n/m)記錄在測(cè)量次數(shù)向量M中，即M = (M1, M2, ... , Mn7m)；
14)對(duì)圖像進(jìn)行灰度均值，其步驟為
首先，將原圖分成互不重疊的尺寸固定為t = dBXdB的分塊(dB ( B)，假設(shè)m可以被t整除，每一個(gè)分塊Bi(l彡i彡n/m)又被分為m/t個(gè)小塊，記為(Bij(1 ( i ( n/m, 1 彡 j 彡 m/t)；
然后，計(jì)算每一個(gè)分塊dB^l ( i ( n/m, 1 ^ j ( m/t)中所有像素的灰度均值 giJ (1彡i彡n/m, 1彡j彡m/t)，并將該分塊內(nèi)所有像素點(diǎn)的灰度值設(shè)定為該灰度均值；
最后，將分塊BJl ( i ^ n/m)中各子塊(1Β。.(1 ( j ^ m/t)的灰度均值存儲(chǔ)在向 Sgi= (gi,i gi,2 · · · gi,j ··· gi,m/t)中，1 彡 i 彡 n/m ；
15)選取隨機(jī)種子S，對(duì)圖像X進(jìn)行分塊壓縮感知計(jì)算，該分塊壓縮感知計(jì)算是指對(duì)每一子塊Bi (1 ^ i ^ n/m)分別進(jìn)行基于人類視覺特性的壓縮感知計(jì)算；之后，再將各子塊的壓縮感知計(jì)算結(jié)果按其在原圖X中的順序組合在一起，從而得到圖像X的壓縮感知測(cè)量值；
所述的分塊Bi (1彡i彡n/m)的基于人類視覺特性的壓縮感知計(jì)算，其步驟為
首先，對(duì)Bi進(jìn)行小波變換，得到小波域上的稀疏信號(hào)、:
XBi = x^7Bi
其中，Ψ『ΜΨ^Ψ2，...^""}=·^}·為小波變換基；
其次，根據(jù)S生成規(guī)模為MiXm的高斯隨機(jī)測(cè)量矩陣O^i，其中m是分塊Bi的像素?cái)?shù)量，Mi為步驟13)中求出的分塊Bi的測(cè)量數(shù)，所述高斯隨機(jī)矩陣中的元素都是隨機(jī)產(chǎn)生的，且其概率符合高斯分布性質(zhì)；
最后，將稀疏信號(hào)、投影到該測(cè)量矩陣中，得到 的觀測(cè)值Yi,即
Yi = Φ,Χβι =
當(dāng)所有的分塊都進(jìn)行了壓縮感知測(cè)量后，將各子塊的壓縮感知計(jì)算結(jié)果Yi按其在原圖X中的順序組合在一起，就得到了圖像X的壓縮感知測(cè)量Y ；
在上述基于人類視覺特性的壓縮感知計(jì)算過程中，利用圖像在小波變換域內(nèi)非零元素系數(shù)較少、可壓縮的特點(diǎn)，把每個(gè)圖像分塊Bi從原始的m維向量減少為Mi維向量，有效地減少了存儲(chǔ)數(shù)據(jù)量；同時(shí)，不同分塊的測(cè)量次數(shù)禮是利用人類視覺顯著特性來確定的，視覺顯著部分會(huì)賦予較大的測(cè)量次數(shù)，視覺不敏感部分的測(cè)量次數(shù)則較少，這樣能夠合理分配計(jì)算資源，既減少了運(yùn)算代價(jià)，又為圖像篡改檢測(cè)提供了較好的基礎(chǔ)；
16)使用LDPC有損編碼對(duì)圖像X的壓縮感知測(cè)量Y進(jìn)行編碼，得到圖像X的哈希值Hash (X)；其過程具體為，分別對(duì)每一分塊Bi的觀測(cè)值Yi進(jìn)行LDPC有損編碼，得到壓縮碼Si;之后，再將各Si按序連接，得到的符號(hào)串作為圖像X的哈希值Hash(X) = (S1 S2 ... Sn7m), 1 彡 i 彡 n/m ；
17)圖像X的水印生成及可信傳輸，所述圖像X的水印Watermark(X)就是由 Hash(X)、隨機(jī)種子S和測(cè)量次數(shù)向量M組成的三元組，即8
watermark (X) = (Hash (X)，S，Μ)
發(fā)送端在計(jì)算得到Watermark(X)之后，通過其與接收端的可信信道將 watermark(X)傳送給接收端，通過公開信道發(fā)布圖像X。
所述的LDPC有損編碼是根據(jù)有損壓縮的分布式編碼理論對(duì)信號(hào)進(jìn)行壓縮編碼， 具體為，對(duì)于壓縮信號(hào)W= (W1 W2 ... wk)，取其各元素Wi(KiSk)的若干連續(xù)位比特，設(shè)所取比特的起始比特位是P，終止比特位是q，并將中間位比特串按照各元素&(1< 在信號(hào)W中的順序依次連接，得到的新比特串就是信號(hào)W的LDPC編碼。
對(duì)原始圖像的兩次分塊信息B、dB,以及LDPC編碼的起始比特位ρ和終止比特位 q可事先約定或通過可信信道傳送給接收端。
所述的步驟2、接收端圖像檢測(cè)，接收端利用由可信信道接收到的圖像水印，驗(yàn)證由公開信道得到的圖像是否經(jīng)過了篡改具體為
21)采用與發(fā)送端相同的方式對(duì)接收?qǐng)D像X' e Rnxn進(jìn)行灰度均值，其步驟為
首先，將X'分成互不重疊的尺寸固定為m = BXB的分塊Bi'，1彡i彡n/m ；然后再將每個(gè)Bi'分成互不重疊的大小為t = dBXdB的分塊ClBi/，1彡i彡n/m, 1彡j彡m/ t ；
其次，計(jì)算每一個(gè)分塊ClBi/中所有像素的灰度均值，并將該分塊內(nèi)所有像素點(diǎn)的灰度值設(shè)定為該灰度均值；
最后，將分塊Bi中各子塊ClBij的灰度均值存儲(chǔ)在向= (gia' gi,2' . . . gi, j'…gi^/t')中，1 彡 i 彡 n/m，l 彡 j 彡m/t ；
22)采用與發(fā)送端相同的方式對(duì)接收?qǐng)D像V e Rnxn進(jìn)行分塊壓縮感知計(jì)算；
對(duì)于分塊Bi ‘，1彡i彡n/m,首先進(jìn)行小波變換，得到小波域上的稀疏信號(hào) ‘
X^ = WrBi
其中，Ψ『ΜΨ1, 2，...,1^}= ·^}·為小波變換基；
其次，根據(jù)由可信信道接收到的隨機(jī)種子S及映射圖Μ，生成規(guī)模為MiXm的高斯隨機(jī)測(cè)量矩陣Oi ；
最后，將稀疏信號(hào)氣’投影到該測(cè)量矩陣中，得到 ’的觀測(cè)值Yi'，即
Yi'= OiXe' = Φ X Bi'
當(dāng)所有的分塊都進(jìn)行了壓縮感知測(cè)量后，將各子塊的壓縮感知計(jì)算結(jié)果Yi'按其在原圖X'中的順序組合在一起，就得到了圖像X'的壓縮感知測(cè)量Y' = (Y/ Y2'...Yn/m 、‘
23)對(duì)接收到的圖像哈希值Hash (X) = (S1 S2…Sn/m)，1彡i彡n/m進(jìn)行LDPC 分布式解碼得到Y(jié)" = (Y1" Y2" ... Yn7ffl")，即，根據(jù)LDPC編碼時(shí)的起始比特位P和終止比特位qJfSi作為Yi"中各元素的第ρ至第q位的比特值；Yi"中的其余各位由Yi'的對(duì)應(yīng)各位依次填補(bǔ)；
24)圖像篡改檢測(cè)，計(jì)算Y"與 '的差值
D = Y" -Y'
若D = 0，則說明接收端接收的圖像與發(fā)送端所發(fā)送的圖像一致，沒有被篡改過； 若D興0，則表示圖像被篡改過，進(jìn)行進(jìn)一步篡改定位，以指出在圖像的哪些位置進(jìn)行了篡改。
所述的步驟幻接收端篡改定位具體為
31)初始變量設(shè)定
a)設(shè)置最大迭代次數(shù)Iter及可以接受的誤差閾值e ；
b)初始化增量矩陣Aug_t為零矩陣，矩陣Aug_t的規(guī)模與步驟24)中計(jì)算得到的差值矩陣D相同；
c)設(shè)置殘差值error初值為誤差閾值e ；設(shè)置迭代次數(shù)time = 0 ；
d)設(shè)置臨時(shí)變量product為與D具有相同大小的矩陣；
32)將矩陣product清零，置為零矩陣；time = time+1 ；
33)重新計(jì)算procuct矩陣
product1 = abs (D'gerror)
其中product1表示product矩陣的第i列，Di為D的第i列，abs是絕對(duì)值函數(shù)； 即計(jì)算差值矩陣D的各列向量與殘差值error的內(nèi)積，將其作為product矩陣對(duì)應(yīng)列的列向量；
34)確定product各矩陣元素的最大值val及其所在的列pos
35)擴(kuò)充增量矩陣Aug_t，將product,列作為最后一列加在原Aug_t矩陣中，得到本輪擴(kuò)充后的 Aug_t 矩陣，即[Aug_t，product503] — Aug_t ；
36)將差值矩陣D的第pos列置零；
37)計(jì)算恢復(fù)矩陣Aug_y
Aug_y = (Aug_t ‘ X Aug_t) X Aug_t ‘ X e
其中，Aug_t ‘表示增量矩陣Aug_t的轉(zhuǎn)置矩陣；(Mat) 1表示矩陣Mat的逆矩陣；
38)將Aug_t中的各矩陣元素逐行連接得到行向量L. Aug_t,同樣將Aug_y中的各矩陣元素逐行連接得到行向量L. Aug_y，然后計(jì)算本輪迭代的殘差值error
error = e-L. Aug_t X L. Aug_y ‘
其中，L. Aug_y'表示由行向量L. Aug_y轉(zhuǎn)置得到的列向量；
39)判斷error < e是否滿足，若滿足，則轉(zhuǎn)至步驟310)；
否則，首先判斷是否time = Iter，是則轉(zhuǎn)至步驟310)，否則返回步驟32)繼續(xù)迭代計(jì)算；
310)算法結(jié)束，得到的恢復(fù)矩陣Aug_y即為由D恢復(fù)出的篡改定位圖E。
與現(xiàn)有技術(shù)相比，本發(fā)明除了在信息傳輸量上大大減小外，由于選擇了恢復(fù)速度較快的壓縮感知恢復(fù)方法，并且融合了人類視覺認(rèn)知特點(diǎn)，其性能也得以保證；由于壓縮感知本身的可靠性，整套基于視覺認(rèn)知壓縮感知的圖像篡改檢測(cè)的檢測(cè)率也得以保障。


圖1為實(shí)施例所使用的Bird原圖2為實(shí)施例所使用的經(jīng)過篡改的Bird示意圖3為實(shí)施例所得到的篡改位置的定位圖4為實(shí)施普通壓縮感知得到的篡改位置的定位圖。
具體實(shí)施方式
下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說明。
實(shí)施例
本實(shí)例采用的是大小為512X512的Bird灰度圖片，記為X e Rnxn，其中N = 512。
第一步，生成圖像的感興趣區(qū)域映射圖。具體是對(duì)圖像的DCT變換基因子進(jìn)行標(biāo)準(zhǔn)化處理，以進(jìn)一步突出圖像的顯著區(qū)域。
首先，P = sign(C(X))由以下三個(gè)步驟獲得顯著圖Map。
F = abs(CT1(P))
Map = G* F2^la2+b2
其中CO和CT1O分別表示圖像的二維DCT變換及其逆變換，SignO是符號(hào)函數(shù)，abs()是取絕對(duì)值函數(shù)，G是二維高斯低通濾波器。顯著圖Map中的元素記為 Mapi (1 < i < η)。
然后，我們把圖像分割成沒有重疊的固定尺寸2 X 2的分塊，用Bi記作第i塊分塊， 其中，0 < i < 65536。那么我們可以對(duì)每一個(gè)分塊進(jìn)行如下處理
其中，m= 4，0 彡 j < 65536。
注意，由于感興趣映射圖在第一步的卷積過程中已經(jīng)被標(biāo)準(zhǔn)化了，因此所有像素的亮度值均在0至255的范圍內(nèi)，即滿足，0 ( ξ i < 255。
之后，計(jì)算每一個(gè)分塊i的測(cè)量值Mi
Mi =rnd(0max -Jjx^ax -U)
其中，0 < i < 65536，θ _和θ min分別表示所能接受的隨機(jī)測(cè)量矩陣測(cè)量值的最大值和最小值，在此實(shí)例中分別為100和80。函數(shù)rnd是取輸入變量的最接近的整數(shù)。
最后，將所有分塊的測(cè)量值Mi (1 ( i ( 65536)記錄在測(cè)量次數(shù)向量M中，即M = (M1, M2, ... , M65536)。
第二步，對(duì)圖像進(jìn)行灰度均值。
首先，將原圖分成互不重疊的尺寸固定為ClBij的分塊，本實(shí)例中為2X2的分塊。
然后，計(jì)算每一個(gè)分塊ClBij中所有像素的灰度均值gij(l ( i ( 65536，j = 1)，并將該分塊內(nèi)所有像素點(diǎn)的灰度值設(shè)定為該灰度均值。
最后，將第一步中得到的分塊Bi(l彡i彡65536)中各子塊dB^l彡i彡65536， j = 1)的灰度均值存儲(chǔ)在向量& = (gia gij2 . . . gi.j . . . gijm/t)中，1彡i彡65536。在本實(shí)施例中，由于分塊Bi與ClBij大小相同，因此向量&只含有一個(gè)元素，即& = (gia)。
第三步，選取隨機(jī)種子S，用于生成隨機(jī)高斯矩陣的種子。對(duì)圖像X進(jìn)行分塊壓縮感知計(jì)算。本專利中，稀疏基采用小波變換基，測(cè)量矩陣為高斯隨機(jī)測(cè)量矩陣。
對(duì)分塊^ i ^ 65536)的基于人類視覺特性的壓縮感知計(jì)算，其步驟為
首先，對(duì)&進(jìn)行小波變換，得到小波域上的稀疏信號(hào)
χΒι =ΨΓ5,
其中，={Ψ1,Ψ2,...,Ψ'"} = {外}_ 為小波變換基
其次，根據(jù)S生成規(guī)模為MiXm的高斯隨機(jī)測(cè)量矩陣Mi是在中求出的分塊Bi 的測(cè)量數(shù)。高斯隨機(jī)矩陣中的元素都是隨機(jī)產(chǎn)生的，且其概率符合高斯分布性質(zhì)。
最后，將稀疏信號(hào) 投影到該測(cè)量矩陣中，得到 的觀測(cè)值Yi,即
Yi= Φ^ =Φ,ΨΓ5,
當(dāng)所有的分塊都進(jìn)行了壓縮感知測(cè)量后，將各子塊的壓縮感知計(jì)算結(jié)果Yi按其在原圖X中的順序組合在一起，就得到了圖像X的壓縮感知測(cè)量Y。
第四步，使用LDPC有損編碼對(duì)圖像X的壓縮感知測(cè)量Y進(jìn)行編碼，得到圖像X的哈希值Hash (X)。
具體過程為，分別對(duì)每一分塊Bi的觀測(cè)值Yi進(jìn)行LDPC有損編碼，即對(duì)于壓縮信號(hào) W= (W1 W2 ... wk)，取其各元素Wi(KiSk)的中間第8位至第18位比特，并將中間位比特串按照各元素Wi(l ^ i ^k)在信號(hào)W中的順序依次連接，得到的新的比特串就是信號(hào)W的LDPC編碼。
對(duì)Yi進(jìn)行LDPC有損編碼后得到壓縮碼Si ；之后，再將各Si按序連接，得到的符號(hào)串作為圖像X的哈希值Hash(X) = (S1 S2 . . . Sn7m)，1彡i彡n/m。
最終，將watermark(X) = (Hash (X), S，Μ)作為水印通過可信信道傳輸?shù)秸J(rèn)證系統(tǒng)。
另外，對(duì)原始圖像的兩次分塊信息B = 2、dB = 2，以及LDPC編碼的起始比特位8 和終止比特位18已經(jīng)事先約定，通過可信信道傳送給接收端。
第五步，接收端采用與發(fā)送端相同的方式對(duì)接收?qǐng)D像X' e Rnxn進(jìn)行灰度均值。本例使用圖2經(jīng)過篡改的Bird示意圖模擬圖片受到攻擊。
首先，將X'分成互不重疊的尺寸固定為m= 2X2的分塊Bi' (1彡i彡65536)； 然后再將每個(gè)Bi'分成互不重疊的大小為t = 2X2的分塊ClBij' (l^i^ 65536, j = 1)。
其次，同發(fā)送端的方式計(jì)算每一個(gè)分塊ClBi/中所有像素的灰度均值，并將該分塊內(nèi)所有像素點(diǎn)的灰度值設(shè)定為該灰度均值。
最后，將分塊Bi (1 ( i ( 65536)中各子塊(^」(1 ( i ( 65536，j = 1)的灰度均值存儲(chǔ)在向量= (gia')中，1彡i彡65536。
第六步，對(duì)接收到的圖像哈希值Hash(X) = (S1 S2 ... Sn7m)，1彡i彡65536進(jìn)行 LDPC分布式解碼得到Y(jié)" = (Y1" V ... Yn/m “)，即，根據(jù)LDPC編碼時(shí)的起始比特位8 和終止比特位ISJfSi作為Yi"中的第8至第18位的比特值；Yi"中的其余各位由Yi'的對(duì)應(yīng)各位依次填補(bǔ)。
第七步，圖像篡改檢測(cè)。計(jì)算Y"與Y'的差值
D = Y" -Y'
若D = 0(這里表示零矩陣)，則說明接收端接收的圖像與發(fā)送端之前所發(fā)送的圖像一致，沒有被篡改過；若D興0，則表示圖像被篡改過，需要進(jìn)一步進(jìn)行篡改定位，以指出圖像的哪些位置被篡改過。在本次實(shí)例中，D非零，則表示圖像被篡改，需要進(jìn)一步使用篡改定位來檢驗(yàn)圖像被惡意修改的部分。
所述的接收端篡改定位，是指當(dāng)接收端判斷出所接收到的圖像被惡意篡改后，進(jìn)一步利用壓縮感知的正交匹配追蹤(Orthogonal Matching Pursuit, 0MP)信號(hào)重構(gòu)方法，將差值D進(jìn)行恢復(fù)，從而得到篡改位置圖像E。具體步驟如下
31)初始變量設(shè)定
a)設(shè)置最大迭代次數(shù)Iter = 128及可以接受的誤差閾值e = 9 ；
b)初始化增量矩陣Aug_t為零矩陣，矩陣Aug_t的規(guī)模與24)中計(jì)算得到的差值矩陣D相同；
c)設(shè)置殘差值error初值為誤差閾值e ；設(shè)置迭代次數(shù)time = 0 ；
d)設(shè)置臨時(shí)變量product為與D具有相同大小的矩陣；
32)將矩陣product清零，置為零矩陣；time = time+1 ；
33)重新計(jì)算 procuct 矩陣 product1 = abs (DWror)
其中product1表示product矩陣的第i列，Di為D的第i列，abs是絕對(duì)值函數(shù)；
即計(jì)算差值矩陣D的各列向量與殘差值error的內(nèi)積，將其作為product矩陣對(duì)應(yīng)列的列向量。
34)確定product各矩陣元素的最大值val及其所在的列數(shù)pos。
35)擴(kuò)充增量矩陣Aug_t，將product,列作為最后一列加在原Aug_t矩陣中，得到本輪擴(kuò)充后的 Aug_t 矩陣，即[Aug_t，product503] — Aug_t ；
36)將差值矩陣D的第pos列置零；
37)計(jì)算恢復(fù)矩陣Aug_y
Aug_y = (Aug_t ‘ X Aug_t) X Aug_t ‘ X e
其中，Aug_t ‘表示增量矩陣Aug_t的轉(zhuǎn)置矩陣；(Mat) 1表示矩陣Mat的逆矩陣。
38)將Aug_t中的各矩陣元素逐行連接得到行向量L. Aug_t,同樣將Aug_y中的各矩陣元素逐行連接得到行向量L. Aug_y，然后計(jì)算本輪迭代的殘差值error
error = e_L. Aug_t X L. Aug_y ‘
其中，L.Aug_y'表示由行向量L. Aug_y轉(zhuǎn)置得到的列向量。
39)判斷error < e是否滿足，若滿足，則轉(zhuǎn)至310)；
否則，首先判斷是否time = Iter，是則轉(zhuǎn)至310)，否則返回32)繼續(xù)迭代計(jì)算。
310)算法結(jié)束，得到的恢復(fù)矩陣Aug_y即為由D恢復(fù)出的篡改定位圖E。
最終，實(shí)例定位出的效果如圖3所示。而文獻(xiàn)“Localization of sparse image tampering via random projections”采用普通壓縮感知方法得到的篡改檢測(cè)效果如圖4 所示?？梢钥闯?，采用本專利技術(shù)得到的圖像恢復(fù)效果要好于傳統(tǒng)壓縮感知技術(shù)的處理結(jié)果，這主要是由于本技術(shù)在視覺顯著部分賦予了較多的測(cè)量次數(shù)，而視覺不敏感部分的測(cè)量次數(shù)則較少，這樣能夠合理分配計(jì)算資源，既減少了運(yùn)算代價(jià)，又為圖像篡改檢測(cè)提供了較好的基礎(chǔ)。
權(quán)利要求
1.一種基于人類視覺特性壓縮感知的灰度圖像篡改檢測(cè)方法，其特征在于，包括以下步驟1)圖像水印生成與傳輸，發(fā)送端在傳輸圖像之前，首先利用基于人類視覺特性的壓縮感知的稀疏基變換與測(cè)量矩陣生成該圖像的哈希值，然后通過安全信道傳輸哈希值，通過公開信道傳輸圖像給接收端；2)接收端圖像檢測(cè)，接收端利用由可信信道接收到的圖像水印，驗(yàn)證由公開信道得到的圖像是否經(jīng)過了篡改；3)接收端篡改定位，當(dāng)接收端判斷出所接收到的圖像被惡意篡改后，進(jìn)一步利用壓縮感知的正交匹配追蹤重構(gòu)方法，將差值D進(jìn)行恢復(fù)，從而得到篡改位置圖像E。
2.根據(jù)權(quán)利要求1所述的一種基于人類視覺特性壓縮感知的灰度圖像篡改檢測(cè)方法， 其特征在于，所述的步驟1)具體如下11)生成圖像的感興趣區(qū)域映射圖，具體是對(duì)圖像的DCT變換基因子進(jìn)行標(biāo)準(zhǔn)化處理;對(duì)于給定的一個(gè)灰度圖X e Rnxn，其中n = NXN為圖像的總像素，其顯著圖Map由以下過程產(chǎn)生P = sign (C (X))F = abs (CT1(P))Map = G*F2其中C(X)和C—1⑵分別表示圖像的二維DCT變換及其逆變換，sign(C(X))是符號(hào)函數(shù)，abs^1 (P))是取絕對(duì)值函數(shù)，G是二維高斯低通濾波器，顯著圖Map中的元素記為 Mapi (1 ^ i ^ η)；12)對(duì)圖像進(jìn)行分塊處理，首先，把圖像分割成互不重疊的尺寸固定為m= BXB的分塊，設(shè)第i個(gè)分塊為Bi,其中，1彡i彡n/m,假設(shè)η可以被m整除，對(duì)每一個(gè)分塊i計(jì)算
3.根據(jù)權(quán)利要求2所述的一種基于人類視覺特性壓縮感知的灰度圖像篡改檢測(cè)方法，其特征在于，所述的LDPC有損編碼是根據(jù)有損壓縮的分布式編碼理論對(duì)信號(hào)進(jìn)行壓縮編碼，具體為，對(duì)于壓縮信號(hào)W= (Wl W2 ... wk)，取其各元素Wi(KiSk)的若干連續(xù)位比特，設(shè)所取比特的起始比特位是P，終止比特位是q，并將中間位比特串按照各元素 Wi(l彡i彡k)在信號(hào)W中的順序依次連接，得到的新比特串就是信號(hào)W的LDPC編碼。
4.根據(jù)權(quán)利要求2所述的一種基于人類視覺特性壓縮感知的灰度圖像篡改檢測(cè)方法， 其特征在于，對(duì)原始圖像的兩次分塊信息B、dB，以及LDPC編碼的起始比特位ρ和終止比特位q可事先約定或通過可信信道傳送給接收端。
5.根據(jù)權(quán)利要求4所述的一種基于人類視覺特性壓縮感知的灰度圖像篡改檢測(cè)方法， 其特征在于，所述的步驟幻接收端圖像檢測(cè)，接收端利用由可信信道接收到的圖像水印， 驗(yàn)證由公開信道得到的圖像是否經(jīng)過了篡改；具體為21)采用與發(fā)送端相同的方式對(duì)接收?qǐng)D像X' e Rnxn進(jìn)行灰度均值，其步驟為首先，將X'分成互不重疊的尺寸固定為m = BXB的分塊Bi'，1彡i彡n/m;然后再將每個(gè)Bi'分成互不重疊的大小為t = dBXdB的分塊ClBi/，1彡i彡n/m, 1 ^ j ^ m/t ；塊ClBi/中所有像素的灰度均值&/，并將該分塊內(nèi)所有像素點(diǎn)的灰度值設(shè)定為該灰度均值；最后，將分塊Bi中各子塊ClBij的灰度均值存儲(chǔ)在向= (gi,/ gi,2‘ ... ,/ ... gwt')中，1 彡 i 彡 n/m，l 彡 j ^ m/t ；22)采用與發(fā)送端相同的方式對(duì)接收?qǐng)D像X'e Rnxn進(jìn)行分塊壓縮感知計(jì)算； 對(duì)于分塊Bi'，1彡i彡n/m，首先進(jìn)行小波變換，得到小波域上的稀疏信號(hào)χΒ;=x^t Bi其中，+ 伐^^^，…，？”二他丨刪為小波變換基；其次，根據(jù)由可信信道接收到的隨機(jī)種子S及映射圖M，生成規(guī)模為MiXm的高斯隨機(jī)測(cè)量矩陣Oi ；最后，將稀疏信號(hào)、’投影到該測(cè)量矩陣中，得到 ’的觀測(cè)值Yi'，即 ΚΚΦ,Ψ、’當(dāng)所有的分塊都進(jìn)行了壓縮感知測(cè)量后，將各子塊的壓縮感知計(jì)算結(jié)果Yi'按其在原圖X'中的順序組合在一起，就得到了圖像X'的壓縮感知測(cè)量Y' = (Y/ Y2' ... Yn/ ‘).m / ，23)對(duì)接收到的圖像哈希值Hash(X) = (S1 S2 . . . Sn7m)，1彡i彡n/m進(jìn)行LDPC分布式解碼得到Y(jié)" = (Y1" Y2" ... Yn7ffl")，即，根據(jù)LDPC編碼時(shí)的起始比特位ρ和終止比特位qJfSi作為Yi"中各元素的第ρ至第q位的比特值；Yi"中的其余各位由Yi'的對(duì)應(yīng)各位依次填補(bǔ)；24)圖像篡改檢測(cè)，計(jì)算Y"與Y'的差值 D = Y" -Y'若D = 0，則說明接收端接收的圖像與發(fā)送端所發(fā)送的圖像一致，沒有被篡改過；若 D Φ 0，則表示圖像被篡改過，進(jìn)行進(jìn)一步篡改定位，以指出在圖像的哪些位置進(jìn)行了篡改。 6.根據(jù)權(quán)利要求5所述的一種基于人類視覺特性壓縮感知的灰度圖像篡改檢測(cè)方法， 其特征在于，所述的步驟幻接收端篡改定位具體為31)初始變量設(shè)定a)設(shè)置最大迭代次數(shù)Iter及可以接受的誤差閾值e；b)初始化增量矩陣零矩陣，矩陣Aug_t的規(guī)模與步驟24)中計(jì)算得到的差值矩陣D相同；c)設(shè)置殘差值error初值為誤差閾值e；設(shè)置迭代次數(shù)time = O ；d)設(shè)置臨時(shí)變量product為與D具有相同大小的矩陣；32)將矩陣product清零，置為零矩陣；time= time+1 ；33)重新計(jì)算procuct矩陣 product1 = abs(D1 gerror)其中product1表示product矩陣的第i列，Di為D的第i列，abs是絕對(duì)值函數(shù)；即計(jì)算差值矩陣D的各列向量與殘差值error的內(nèi)積，將其作為product矩陣對(duì)應(yīng)列的列向量；34)確定product各矩陣元素的最大值val及其所在的列pos；35)擴(kuò)充增量矩陣Aug_t，將product,列作為最后一列加在原Aug_t矩陣中，得到本
全文摘要
本發(fā)明涉及一種基于人類視覺特性壓縮感知的灰度圖像篡改檢測(cè)方法，包括以下步驟1)圖像水印生成與傳輸，發(fā)送端在傳輸圖像之前，首先利用基于人類視覺特性壓縮感知的稀疏基變換與測(cè)量矩陣生成該圖像的哈希值，然后通過安全信道傳輸哈希值，通過公開信道傳輸圖像給接收端；2)接收端圖像檢測(cè)，接收端利用由可信信道接收到的圖像水印，驗(yàn)證由公開信道得到的圖像是否經(jīng)過了篡改；3)接收端篡改定位，當(dāng)接收端判斷出所接收到的圖像被惡意篡改后，進(jìn)一步利用壓縮感知的正交匹配追蹤重構(gòu)方法，將差值D進(jìn)行恢復(fù)，從而得到篡改位置圖像E。與現(xiàn)有技術(shù)相比，本發(fā)明具有高檢測(cè)率、低傳輸量、快運(yùn)算等優(yōu)點(diǎn)。
文檔編號(hào)G06T1/00GK102509257SQ20111037697
公開日2012年6月20日 申請(qǐng)日期2011年11月23日 優(yōu)先權(quán)日2011年11月23日
發(fā)明者丁霄云, 張愛新, 李建華, 李生紅 申請(qǐng)人:上海交通大學(xué)