数字图像人工模糊痕迹的检测方法

数码
科技传播
2018年12月18日 04:31

数字像人工模糊痕迹的检测方法-...37客机(资料片)-吉尔吉斯斯坦客机坠毁70人遇难 机上有1名中国...

左菊仙 邓坚

摘 要 随着Photoshop等图像处理工具的日益盛行,人们可以较容易对图像的内容进行修改伪造,已达到篡改图像原本信息的目的。修改伪造数字图像的案件已屡见不鲜,对图像进行真实性鉴别有着非常重要的意义。为了使人们察觉不到修改的痕迹,伪造者在修改图像的过程中会使用到多种篡改的操作方法,例如放大缩小、压缩、模糊,裁剪等。本文主要研究伪造操作中的模糊操作。对模糊操作的原理以及现有的检测方法进行研究探讨,提出一种简单有效的模糊痕迹检测方法,为鉴别图像的伪造痕迹提供有力的凭据。

关键词 图像伪造;模糊痕迹;数字图像

中图分类号 TP3 文獻标识码 A 文章编号 1674-6708(2018)215-0104-02

对图像的真实性进行鉴别的方法可以分为两种,一种是图像主动认证方法,该方法需要事先在数字图像中嵌入数字水印或签名,通过对水印或签名进行鉴别进行认证。但是,此方法不足以解决现实中案件图像无水印的问题。另一种方法是图像被动认证方法,该方法主要针对没有嵌入数字水印或签名的图像,由于原图像没有先验知识作为参考,主要是通过对图像伪造操作痕迹进行检测判断对其进行真伪的检验,也称为盲被动图像检测,图像被动认证成为图像证据学领域新的研究方向。伪造者在修改图像的过程中会使用到多种篡改的操作方法,例如放大缩小、压缩、模糊、裁剪等,其中模糊操作是修改图像过程中经常使用到的一种操作,对模糊操作的原理以及检测方法进行研究探讨具有一定的研究意义。

1 模糊操作的原理

伪造者在修改图像的过程中为了使伪造图像不留下篡改痕迹,通常会使用到放大缩小、压缩、模糊、裁剪等多种篡改操作手段,为使篡改的图像区域融合于原图像,通常会对修改的图像区域进行模糊,以达到隐藏伪造痕迹的目的。模糊是人们伪造修改图像过程中经常使用到的一种操作。

图像中的像素每一个都有自己的像素值,这些像素值决定了图像最终的显示。通过对图像中的像素值进行平均处理,让这些像素值越来越来接近,来达到一种无法辨识出这些像素点的差别,从来产生模糊的效果。即图像模糊的基本原理是对通过对图像的几个邻近像素值进行它们的灰度平均值计算。其中采用不同算法的滤波器模糊的方法也不同,得到的模糊效果也不同。例如图像处理软件Photoshop就提供了多种的模糊方法供用户选择使用。

在图像修改操作中经常使用到的是高斯模糊,高斯模糊是美国Adobe图像软件公司开发的一个图像处理软件Adobe Photoshop(系列)中的一个滤镜。高斯模糊的原理是根据高斯曲线调节像素色值,即高斯模糊能够把某一点周围的像素色值按高斯曲线统计起来,采用数学上加权平均的计算方法得到这条曲线的色值。

2 检测方法概述

目前已存在多种检测模糊操作痕迹的检测方法,例如归一化DCT系数方法、基于异常色调率的方法、基于二次模糊相关性的模糊检测方法等。

2.1 基于异常色调率的检测方法

以RGB彩色图像为例,照相机在形成彩色图像的过程中滤色阵列插值作用会使图像的色彩通道(R通道、G通道、B通道)在局部空间内分别建立一定的联系,产生局部的相关性,而修改图像时使用到的模糊操作会分别对R分量,G分量以及B分量进行非线性修改,会破坏上述所描述的这种相关性,该方法主要就是以这个特征作为检测模糊操作的依据。因此,利用这一特点作为模糊痕迹检测的依据。利用该方法可以检测修改图像操作中的模糊操作痕迹,但该方法中使用有两个经验阈值,因此对检测多种图像方面存在一定的局限,通用性能不强;且该方法的效率不高,同时压缩操作会对该方法的检测准确性造成干扰。

2.2 基于二次模糊的检测方法

基于二次模糊的检测方法主要依据是模糊区域如果被再次模糊,则第二次模糊区域与第一次模糊区域对应位置的相关性应该大于第一次模糊区域和非模糊区域的相关性。检测的具体算法如下所述。

步骤一:设待检测图像y(i,j)的大小为M×N,对图像y进行再一次的模糊操作,得到图像g(i,j)。

步骤二:对y(i,j)和g(i,j)分别进行大小为k×k的子块划分,得到yK(i,j)和gK(i,j)。

步骤五:通过数据分析设置一个阈值t,把相关系数大于t的这些图像块标记出来,并认为是模糊区域。

实验证明该方法具有一定的检测效果,但如果图像被压缩操作(例如JPEG压缩)后,其检测效果会受到一定的影响;该方法需要逐点分块计算,算法的计算复杂度比较高并且时间消耗较大。

3 提出的检测方法

提出了一种简单并且有效的模糊检测方法。主要利用模糊函数对待测图像进行一次模糊处理,然后计算原待测图像和模糊后的图像的像素差值,通过统计像素差值的分布来进行模糊痕迹的检测,并依据像素差值定位出模糊篡改区域。

3.1 检测步骤

步骤一,先对待检测的图像进行模糊计算得到一幅模糊图像。

步骤二,再将步骤一中计算得到模糊图像与待测图像按对应像素位置进行像素值相减运算,得到一副相减后的图像,然后对其取其绝对值得到一副差值图像。

步骤三,最后对差值图像进行统计,像素较小且集中的区域认定为是被模糊修改过的区域。

对待测图像进行模糊计算的模糊函数设置为3×3模板,标准方差为1的高斯模糊函数。

像素较小且集中是指:在一幅差值图像中统计其像素值,得到像素值的分布,从像素值分布情况可以视觉观察到其值较小且集中区域,针对不同图像可能其值不一样。

3.2 检测方法性能分析

当一幅图像被JPEG压缩后,该检测方法的检测能力会不会受到影响,为说明问题,我们以一幅局部模糊图像为检测对象,然后选取质量因子100至60之间对其分别进行不同程度的压缩,选取其中经理不同程度的8幅压缩图像,用所提出的检测方法对该8幅图像进行模糊检测,由实验结果对比可以看出随着压缩因子减小,即随着压缩程度增大,检测精确度会逐渐变差,但仍然能够将模糊痕迹区域检测区分出来,即该方法对JPEG压缩具有一定的抵抗能力。

下面分析比较该方法的计算复杂度和计算效率,为了说明问题,我们分别选取7种不同大小的图像块进行检测试验,首先运用本文提出的方法进行检测计算,然后使用基于二次模糊相关性的模糊检测方法进行计算,比较两种算法的计算时间。由数据显示可以看出本文所提方法的计算时间消耗较少,这是由于基于二次模糊相关性的模糊检测算法是逐点分块依次计算相关系数,而本文方法是像素点对点一次运算,所以大大提高了算法的运算速度,而且当图像块逐渐增大时,计算效率提高的优势会更加明显。

4 结论

文章研究分析了模糊操作的基本原理和现有模糊操作的检测方法。然后提出了一种简单并且有效的模糊检测方法。主要利用模糊函数对待测图像进行一次模糊处理,然后计算原待测图像和模糊后的图像的像素差值,通过统计像素差值的分布来进行模糊痕迹的检测,并依据像素差值定位出模糊篡改区域。该方法这样对篡改图像中模糊操作的检测就不需要先验信息,即能实现对不同模糊方式下模糊操作痕迹的盲检测;同时受JPEG压缩的影响相对较小,具有较好的鲁棒性;计算复杂度也较低,运行消耗时间少,并且对较小区域的模糊痕迹也能较好检测与定位。

参考文献

[1]左菊仙,邓坚.基于重采样痕迹的图像伪造检测[J].计算机应用与软件,2016,33(10):328-333.

[2]周治平,胡成燕.基于色彩一致性的图像模糊篡改检测[J].计算机工程,2016(1):237-242.

[3]黄维,黄添强.基于块效应网格偏移的重获取JPEG图像篡改检测[J].网络与信息安全学报,2017(12):24-30.

[4]叶鹏钊,冯华君.基于块效应抑制的压缩降质模糊图像盲复原[J].浙江大学学报(工学版),2018(2):406-412.

家电之家©部分网站内容来自网络,如有侵权请联系我们,立即删除!
图像 文章 像素
你该读读这些:一周精选导览
更多内容...

TOP

More