一種基于頻域波動(dòng)特征的中值濾波檢測(cè)方法
【專利摘要】一種基于頻域波動(dòng)特征的中值濾波檢測(cè)方法：對(duì)獲取到的原圖像進(jìn)行離散傅里葉變換處理，得到原圖像的頻域圖像；將頻域圖像進(jìn)行處理，得到能夠反映原圖像的頻域波動(dòng)特征的描述點(diǎn)，并將處理后得到的圖像劃分為N個(gè)環(huán)形區(qū)域，然后分別統(tǒng)計(jì)每個(gè)環(huán)形區(qū)域的描述點(diǎn)總個(gè)數(shù)，即為構(gòu)建的N維檢測(cè)特征；將提取的N維檢測(cè)特征輸入支持向量機(jī)進(jìn)行訓(xùn)練，得到支持向量機(jī)中值濾波檢測(cè)器，然后通過支持向量機(jī)中值濾波檢測(cè)器檢測(cè)原圖像是否經(jīng)歷了中值濾波。本發(fā)明更加直觀反映經(jīng)過中值濾波處理的圖像和原始圖像的差異，能夠在保持較低特征維度和算法過程簡(jiǎn)單的前提下準(zhǔn)確地檢測(cè)出圖像是否經(jīng)過了中值濾波操作，實(shí)現(xiàn)高的檢測(cè)準(zhǔn)確率，具有魯棒性。
【專利說明】
一種基于頻域波動(dòng)特征的中值濾波檢測(cè)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種中值濾波檢測(cè)方法。特別是涉及一種基于頻域波動(dòng)特征的中值濾 波檢測(cè)方法。
【背景技術(shù)】
[0002] 數(shù)字多媒體信息已成為當(dāng)今媒體信息制作、處理、傳輸、存儲(chǔ)的主流，數(shù)字圖像也 因其便于處理和編輯的特點(diǎn)而被廣泛應(yīng)用于娛樂、司法、商務(wù)、軍事和科學(xué)等各個(gè)領(lǐng)域。隨 著數(shù)碼相機(jī)、手機(jī)和平板電腦等終端的普及，人們可以隨時(shí)隨地獲取各類數(shù)字圖片。然而， 新技術(shù)的出現(xiàn)，在給人們帶來便利的同時(shí)，其負(fù)面效應(yīng)也逐漸顯現(xiàn)。由于數(shù)字信息的易獲取 和易處理性，一些圖像處理技術(shù)被用于惡意篡改、偽造圖像，破壞了原始圖像的真實(shí)性和完 整性，由此引發(fā)的一系列惡性事件也在社會(huì)上引起了很大反響。
[0003] 為了確保數(shù)字信息的真實(shí)性和完整性，數(shù)字圖像被動(dòng)取證技術(shù)應(yīng)運(yùn)而生。有別于 以數(shù)字簽名和數(shù)字水印為代表的主動(dòng)取證技術(shù)，被動(dòng)取證技術(shù)是僅根據(jù)獲取的數(shù)字圖像， 尋找是否存在篡改后可能留下的各種痕跡，從而區(qū)分出自然圖像與被篡改圖像。由于中值 濾波能夠在一定程度上掩蓋篡改操作留下的痕跡，故常被用做篡改后的反取證處理。所以 檢測(cè)圖像是否經(jīng)歷了中值濾波，也能為圖像取證提供新的證據(jù)。
[0004] 現(xiàn)存的中值濾波檢測(cè)算法大都是基于空域特征提出的。Fridrich等人基于圖像一 階差分域的聯(lián)合分布，提出了一種能夠抗JPEG壓縮的686維SPAM特征。然而隨著圖像尺寸變 小，其性能也大大降低。Yuan等人開發(fā)出了一種基于圖像直方圖統(tǒng)計(jì)特性的44維MFF特征， 能夠減小JPEG壓縮和圖像尺寸降低帶來的影響.Kang等人提出中值濾波殘差(MFR)概念，并 通過10階自回歸模型系數(shù)(AR)或者卷積神經(jīng)網(wǎng)絡(luò)(CNNs)構(gòu)建特征進(jìn)行分類。
[0005] 上述算法均能有效地檢測(cè)中值濾波圖像，但是SPAM特征維數(shù)太大，計(jì)算耗時(shí);MFF 特征雖然維數(shù)較低，但是構(gòu)建特征的統(tǒng)計(jì)過程繁瑣，同樣耗時(shí);通過MFR特征分類所使用的 自回歸模型和卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建過程也較復(fù)雜。因此提出一種簡(jiǎn)潔有效的中值濾波檢測(cè)算 法是非常有必要的。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明所要解決的技術(shù)問題是，提供一種能夠在低JPEG壓縮因子和小尺寸圖像情 況下保持較高檢測(cè)準(zhǔn)確率的基于頻域波動(dòng)特征的中值濾波檢測(cè)方法。
[0007] 本發(fā)明所采用的技術(shù)方案是：一種基于頻域波動(dòng)特征的中值濾波檢測(cè)方法，包括 如下步驟：
[0008] 1)對(duì)獲取到的原圖像進(jìn)行離散傅里葉變換處理，得到原圖像的頻域圖像；
[0009] 2)將頻域圖像進(jìn)行處理，得到能夠反映原圖像的頻域波動(dòng)特征的描述點(diǎn)，并將處 理后得到的圖像劃分為N個(gè)環(huán)形區(qū)域，然后分別統(tǒng)計(jì)每個(gè)環(huán)形區(qū)域的描述點(diǎn)總個(gè)數(shù)，即為構(gòu) 建的N維檢測(cè)特征；
[0010] 3)將提取的N維檢測(cè)特征輸入支持向量機(jī)進(jìn)行訓(xùn)練，得到支持向量機(jī)中值濾波檢 測(cè)器，然后通過支持向量機(jī)中值濾波檢測(cè)器檢測(cè)原圖像是否經(jīng)歷了中值濾波。
[0011]步驟1)所述的處理包括：
[0012]對(duì)經(jīng)離散傅里葉變換后得到的與原圖像同樣尺寸的矩陣中的所有復(fù)數(shù)值z(mì)進(jìn)行取 模處理，得到對(duì)應(yīng)的正實(shí)數(shù)值X，公式如下：
[0014] 其中，z = a+b · i，這里a表示實(shí)部，b表示虛部，i是虛數(shù)單位。
[0015] 步驟2)包括：
[0016] 先將步驟1)經(jīng)離散傅里葉變換得到的正實(shí)數(shù)值進(jìn)行以10為底數(shù)的log變換，得到 對(duì)應(yīng)的1 〇 g尺度下的頻域圖像，并將低頻區(qū)域轉(zhuǎn)換到圖像中心，接下來以1 〇 g尺度下的頻域 圖像的中心區(qū)域像素值的平均值作為當(dāng)前的閾值，將log尺度下的頻域圖像中小于閾值的 像素值置為1，反之置為〇,其中值為1的點(diǎn)即為描述點(diǎn)，然后將log尺度下的頻域圖像以圖像 中心為圓心劃分成不同直徑的同心圓，形成N個(gè)環(huán)形區(qū)域，最后分別統(tǒng)計(jì)每個(gè)環(huán)形區(qū)域的描 述點(diǎn)總個(gè)數(shù)，即為構(gòu)建的N維檢測(cè)特征，具體公式如下：
[0019]其中AAP^示提取到的第η維檢測(cè)特征，表示第η個(gè)環(huán)形區(qū)域中的總數(shù)為心的頻 率點(diǎn)，F(xiàn)(.)是一個(gè)判決函數(shù)，定義如下：
[0021]其中T是一個(gè)基于當(dāng)前輸入尺寸為L(zhǎng)XH的log尺度下的頻域圖像中心尺寸為L(zhǎng)/4X H/4的區(qū)域w中的各個(gè)頻點(diǎn)yi，j平均值的自適應(yīng)閾值，公式如下：
[0023]最后形成總維數(shù)為N的檢測(cè)特征
[0024] AAP=(AAPi,AAP2, . . . ,AAPn)〇
[0025] 步驟3)所述的訓(xùn)練和檢測(cè)包括：
[0026] 將獲取到的原圖像分為訓(xùn)練集和測(cè)試集，并提取訓(xùn)練集圖像的AAP檢測(cè)特征，然后 輸入采用C-SVM分類器的支持向量機(jī)，支持向量機(jī)的內(nèi)核為高斯函數(shù)：
[0027] K(xi,yj) = exp(-y | | xi-yj | |2), γ >0
[0028] 然后通過四層交叉驗(yàn)證在參數(shù)網(wǎng)格J)ijeZ}中，搜索得到最優(yōu)參 數(shù)C和γ的值。最后通過訓(xùn)練得到的SVM中值濾波檢測(cè)器來檢測(cè)圖像是否經(jīng)歷了中值濾波。
[0029] 本發(fā)明的一種基于頻域波動(dòng)特征的中值濾波檢測(cè)方法，利用圖像頻域波動(dòng)特征， 更加直觀反映經(jīng)過中值濾波處理的圖像和原始圖像的差異，能夠在保持較低特征維度和算 法過程簡(jiǎn)單的前提下準(zhǔn)確地檢測(cè)出圖像是否經(jīng)過了中值濾波操作，實(shí)現(xiàn)高的檢測(cè)準(zhǔn)確率， 具有魯棒性，并且對(duì)小尺寸圖像和經(jīng)過JPEG處理的圖像仍然保持優(yōu)秀的檢測(cè)準(zhǔn)確率，同時(shí) 當(dāng)待測(cè)圖像尺寸下降時(shí)也能保持良好的檢測(cè)性能。
【附圖說明】
[0030] 圖1是本發(fā)明的基于頻域波動(dòng)特征的中值濾波檢測(cè)方法的整體流程圖；
[0031] 圖2a是本發(fā)明中對(duì)原圖像Lena處理得到的描述點(diǎn)分布圖；
[0032] 圖2b是本發(fā)明中對(duì)原圖像Lena中值濾波后的圖像處理得到的描述點(diǎn)分布圖；
[0033]圖3a是3X3中值濾波后的圖像與原圖像的分類結(jié)果；
[0034]圖3b是3X3中值濾波后的圖像與5X5均值濾波后的圖像的分類結(jié)果；
[0035] 圖3c是3 X 3中值濾波后的圖像與delta值為0.5的5 X 5高斯濾波后的圖像的分類 結(jié)果；
[0036] 圖3d是5X5中值濾波后的圖像與原圖像的分類結(jié)果；
[0037] 圖3e是5X5中值濾波后的圖像與5X5均值濾波后的圖像的分類結(jié)果；
[0038] 圖3f是5 X 5中值濾波后的圖像與delta值為0.5的5 X 5高斯濾波后的圖像的分類 結(jié)果；
[0039]圖3g是3 X 3和5 X 5中值濾波后的混合圖像集與原圖像，5 X 5均值濾波和delta值 為0.5的5 X 5高斯濾波后的混合圖像集的分類結(jié)果。
【具體實(shí)施方式】
[0040] 下面結(jié)合實(shí)施例和附圖對(duì)本發(fā)明的一種基于頻域波動(dòng)特征的中值濾波檢測(cè)方法 做出詳細(xì)說明。
[0041] 本發(fā)明的一種基于頻域波動(dòng)特征的中值濾波檢測(cè)方法，如圖1所示，包括如下步 驟：
[0042] 1)對(duì)獲取到的原圖像進(jìn)行離散傅里葉變換(DFT)處理，得到原圖像的頻域圖像;所 述的處理包括：
[0043]對(duì)經(jīng)離散傅里葉變換后得到的與原圖像同樣尺寸的矩陣中的所有復(fù)數(shù)值z(mì)進(jìn)行取 模處理，得到對(duì)應(yīng)的正實(shí)數(shù)值X，公式如下：
[0045] 其中，z = a+b · i，這里a表示實(shí)部，b表示虛部，i是虛數(shù)單位。
[0046] 2)將頻域圖像進(jìn)行處理，得到能夠反映原圖像的頻域波動(dòng)特征的描述點(diǎn)，并將處 理后得到的圖像劃分為N個(gè)環(huán)形區(qū)域，然后分別統(tǒng)計(jì)每個(gè)環(huán)形區(qū)域的描述點(diǎn)總個(gè)數(shù)，即為構(gòu) 建的N維檢測(cè)特征;具體包括：
[0047] 先將步驟1)經(jīng)離散傅里葉變換得到的正實(shí)數(shù)值進(jìn)行以10為底數(shù)的log變換，得到 對(duì)應(yīng)的1 〇 g尺度下的頻域圖像，并將低頻區(qū)域轉(zhuǎn)換到圖像中心，接下來以1 〇 g尺度下的頻域 圖像的中心區(qū)域像素值的平均值作為當(dāng)前的閾值，將log尺度下的頻域圖像中小于閾值的 像素值置為1，反之置為〇,其中值為1的點(diǎn)即為描述點(diǎn)，如圖2a、圖2b所示，然后將log尺度下 的頻域圖像以圖像中心為圓心劃分成不同直徑的同心圓，形成N個(gè)環(huán)形區(qū)域，最后分別統(tǒng)計(jì) 每個(gè)環(huán)形區(qū)域的描述點(diǎn)總個(gè)數(shù)，即為構(gòu)建的N維檢測(cè)特征，并且可以根據(jù)需要調(diào)整N的大小， 具體公式如下：
[0050]其中AAP^示提取到的第η維檢測(cè)特征，，1表示第η個(gè)環(huán)形區(qū)域中的總數(shù)為心的頻 率點(diǎn)，F(xiàn)(.)是一個(gè)判決函數(shù)，定義如下：
[0052]其中T是一個(gè)基于當(dāng)前輸入尺寸為L(zhǎng)XH的log尺度下的頻域圖像中心尺寸為L(zhǎng)/4X H/4的區(qū)域w中的各個(gè)頻點(diǎn)yi, j平均值的自適應(yīng)閾值，公式如下：
[0054]最后形成總維數(shù)為N的檢測(cè)特征
[0055] AAP=(AAPi,AAP2, . . . ,AAPn)〇
[0056] 3)將提取的N維檢測(cè)特征輸入支持向量機(jī)進(jìn)行訓(xùn)練，得到支持向量機(jī)中值濾波檢 測(cè)器，然后通過支持向量機(jī)中值濾波檢測(cè)器檢測(cè)原圖像是否經(jīng)歷了中值濾波;具體訓(xùn)練，檢 測(cè)和實(shí)驗(yàn)過程包括：
[0057] 將獲取到的原圖像分為訓(xùn)練集和測(cè)試集，并提取訓(xùn)練集圖像的AAP檢測(cè)特征，然后 輸入采用C-SVM分類器的支持向量機(jī)，支持向量機(jī)的內(nèi)核為高斯函數(shù)：
[0058] K(xi,yj) = exp(-y | | Xi-yj | |2), γ >0
[0059] 然后通過四層交叉驗(yàn)證在參數(shù)網(wǎng)格(C，y 中，搜索得到最優(yōu)參 數(shù)C和γ的值。最后提取測(cè)試集圖像的AAP檢測(cè)特征，輸入到訓(xùn)練好的支持向量機(jī)中值濾波 檢測(cè)器中，完成分類識(shí)別。
[0060] 分類性能通過R0C曲線及其線下面積(AUC)來衡量，并且引入最小平均誤差Pe的概
這里的pFP和pFN分別表示虛警概率和漏檢概率。
[0061 ] 實(shí)驗(yàn)過程：
[0062]為了節(jié)省存儲(chǔ)空間，提高傳輸效率，當(dāng)下很多圖像在篡改過后經(jīng)常以JPEG格式保 存，這也就要求中值濾波檢測(cè)方法能夠?qū)PEG后壓縮保持魯棒性。本組實(shí)驗(yàn)將本發(fā)明方法 性能與兩種現(xiàn)有技術(shù)方法MFF以及SPAM(T = 3)進(jìn)行對(duì)比，本實(shí)驗(yàn)中的檢測(cè)特征維度N取默認(rèn) 值20。
[0063]實(shí)驗(yàn)以對(duì)從UCID圖像數(shù)據(jù)庫(kù)獲取到的原圖像處理為例：
[0064] (1)對(duì)來自UCID圖像數(shù)據(jù)庫(kù)的每張?jiān)瓐D像中心尺寸為64X64區(qū)域中的像素裁剪形 成測(cè)試數(shù)據(jù)庫(kù)B?1。
[0065] (2)對(duì)測(cè)試數(shù)據(jù)庫(kù)B?1分別實(shí)施5 X 5均值濾波，3 X 3和5 X 5的中值濾波和delta值 為0.5的5 X 5高斯低通濾波操作，依次得到數(shù)據(jù)集ΒΑνΕ 和BeAU;
[0066] (3)來自于B1?1，BAVE，BMF3，B MF5和BGAU這五個(gè)數(shù)據(jù)集的圖像經(jīng)過DFT處理得到對(duì)應(yīng)的 頻域圖像；
[0067] 其中正例數(shù)據(jù)集為BMF3和BMF5，負(fù)例數(shù)據(jù)集為BQRI，B av4PBgau，即
[0068] 正例：{BMF3，BMF5}
[0069] 負(fù)例：{B0RI，BAVE，BGAU};
[0070] (4)將上述處理得到的結(jié)果作為后續(xù)的輸入，形成六個(gè)不同的訓(xùn)練測(cè)試對(duì)，分別是 BMF3vsB〇RI，BMF3vsBA VE，BMF3vsBGAU，BMF 5vsB〇RI，BMF5vsB機(jī)和BMF 5vsBGAU ;
[0071] 每一個(gè)訓(xùn)練測(cè)試對(duì)都由正例集合中的一個(gè)數(shù)據(jù)集和負(fù)例集合中的一個(gè)數(shù)據(jù)集組 成，其中訓(xùn)練數(shù)據(jù)占50%，測(cè)試數(shù)據(jù)則為剩余的50%，并且訓(xùn)練集和測(cè)試集都含有隨機(jī)數(shù)量 的正例和負(fù)例。
[0072]除此之外，再?gòu)臄?shù)據(jù)集BMF3和BMF5中各隨機(jī)抽取總數(shù)量的50%作為新的數(shù)據(jù)集B mf， 從數(shù)據(jù)集，LbAv^PB?中各隨機(jī)抽取三分之一作為新的數(shù)據(jù)集Bnmf，由此產(chǎn)生一個(gè)新的訓(xùn) 練測(cè)試對(duì)B MFvsBNMF，于是形成了七個(gè)訓(xùn)練測(cè)試對(duì)。每個(gè)訓(xùn)練測(cè)試對(duì)在進(jìn)行分類識(shí)別之前都會(huì) 進(jìn)行質(zhì)量因子(QF)為70的JPEG壓縮操作。實(shí)驗(yàn)結(jié)果如圖3a至圖3g所示，根據(jù)R0C曲線及其線 下面積可以看出，本發(fā)明方法在各種測(cè)試對(duì)情況下幾乎全部?jī)?yōu)于其他兩種現(xiàn)有技術(shù)方法。 并且本發(fā)明方法的最小平均誤差P e也低于其他兩種現(xiàn)有技術(shù)方法。這驗(yàn)證了本發(fā)明方法的 抗JPEG壓縮性能優(yōu)秀。
[0073]以上所述，僅為本發(fā)明的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此，任何 熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明設(shè)計(jì)的技術(shù)范圍內(nèi)，可以做出很多變形或替換，這些 都應(yīng)該涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于頻域波動(dòng)特征的中值濾波檢測(cè)方法，其特征在于，包括如下步驟： 1) 對(duì)獲取到的原圖像進(jìn)行離散傅里葉變換處理，得到原圖像的頻域圖像； 2) 將頻域圖像進(jìn)行處理，得到能夠反映原圖像的頻域波動(dòng)特征的描述點(diǎn)，并將處理后 得到的圖像劃分為N個(gè)環(huán)形區(qū)域，然后分別統(tǒng)計(jì)每個(gè)環(huán)形區(qū)域的描述點(diǎn)總個(gè)數(shù)，即為構(gòu)建的 N維檢測(cè)特征； 3) 將提取的N維檢測(cè)特征輸入支持向量機(jī)進(jìn)行訓(xùn)練，得到支持向量機(jī)中值濾波檢測(cè)器， 然后通過支持向量機(jī)中值濾波檢測(cè)器檢測(cè)原圖像是否經(jīng)歷了中值濾波。2. 根據(jù)權(quán)利要求1所述的一種基于頻域波動(dòng)特征的中值濾波檢測(cè)方法，其特征在于，步 驟1)所述的處理包括： 對(duì)經(jīng)離散傅里葉變換后得到的與原圖像同樣尺寸的矩陣中的所有復(fù)數(shù)值z(mì)進(jìn)行取模處 理，得到對(duì)應(yīng)的正實(shí)數(shù)值X，公式如下：其中，z = a+b · i，這里a表示實(shí)部，b表示虛部，i是虛數(shù)單位。3. 根據(jù)權(quán)利要求1所述的一種基于頻域波動(dòng)特征的中值濾波檢測(cè)方法，其特征在于，步 驟2)包括： 先將步驟1)經(jīng)離散傅里葉變換得到的正實(shí)數(shù)值進(jìn)行以10為底數(shù)的log變換，得到對(duì)應(yīng) 的log尺度下的頻域圖像，并將低頻區(qū)域轉(zhuǎn)換到圖像中心，接下來以log尺度下的頻域圖像 的中心區(qū)域像素值的平均值作為當(dāng)前的閾值，將log尺度下的頻域圖像中小于閾值的像素 值置為1，反之置為〇,其中值為1的點(diǎn)即為描述點(diǎn)，然后將log尺度下的頻域圖像以圖像中心 為圓心劃分成不同直徑的同心圓，形成N個(gè)環(huán)形區(qū)域，最后分別統(tǒng)計(jì)每個(gè)環(huán)形區(qū)域的描述點(diǎn) 總個(gè)數(shù)，即為構(gòu)建的N維檢測(cè)特征，具體公式如下：其中六4?"表示提取到的第η維檢測(cè)特征，#表示第η個(gè)環(huán)形區(qū)域中的總數(shù)為心的頻率點(diǎn)， F(.)是一個(gè)判決函數(shù)，定義如τ其中T是一個(gè)基于當(dāng)前輸入尺寸為L(zhǎng)X Η的log尺度下的頻域圖像中心尺寸為L(zhǎng)/4XH/4 的區(qū)域w中的各個(gè)頻點(diǎn)yi, j平均值的自適應(yīng)閾值，公式如下：最后形成總維數(shù)為N的檢測(cè)特征 ΑΑΡ= (ΑΑΡι, AAP2,. . . , ΑΑΡη) 〇4. 根據(jù)權(quán)利要求1所述的一種基于頻域波動(dòng)特征的中值濾波檢測(cè)方法，其特征在于，步 驟3)所述的訓(xùn)練和檢測(cè)包括： 將獲取到的原圖像分為訓(xùn)練集和測(cè)試集，并提取訓(xùn)練集圖像的AAP檢測(cè)特征，然后輸入 采用C-SVM分類器的支持向量機(jī)，支持向量機(jī)的內(nèi)核為高斯函數(shù)： K(xi,yj) = exp(-y | |xi-yj| |2), γ>0 然后通過四層交叉驗(yàn)證在參數(shù)網(wǎng)格(C，γ ) e {(2^24 I i，jez}中，搜索得到最優(yōu)參數(shù)C 和γ的值。最后通過訓(xùn)練得到的SVM中值濾波檢測(cè)器來檢測(cè)圖像是否經(jīng)歷了中值濾波。
【文檔編號(hào)】G06K9/62GK105868778SQ201610181273
【公開日】2016年8月17日
【申請(qǐng)日】2016年3月28日
【發(fā)明人】劉安安, 趙正宇, 蘇育挺
【申請(qǐng)人】天津大學(xué)