武 健，張大興，劉志發(fā)

(杭州電子科技大學(xué) 計(jì)算機(jī)學(xué)院，浙江 杭州 310018)

?

基于WLD特征的圖像復(fù)制粘貼篡改檢測算法

武 健，張大興，劉志發(fā)

(杭州電子科技大學(xué) 計(jì)算機(jī)學(xué)院，浙江 杭州 310018)

針對(duì)圖像檢測中一類常見的復(fù)制一粘貼篡改問題，提出一種基于WLD特征的圖像復(fù)制粘貼篡改檢測與定位的算法。算法先將待檢測圖像按照滑動(dòng)窗口的方式劃分為若干個(gè)相互重疊的圖像子塊，然后分別提取各個(gè)子塊的WLD矢量特征，再對(duì)特征進(jìn)行矩陣變換和字典排序，通過計(jì)算相似度，得出篡改檢測及定位的結(jié)果。實(shí)驗(yàn)結(jié)果表明，該算法能夠有效檢測和定位出一處和多處區(qū)域復(fù)制-粘貼篡改。

WLD特征;復(fù)制粘貼篡改;篡改檢測

復(fù)制粘貼篡改技術(shù)是一種常用的圖像篡改手段[1]。該技術(shù)通過復(fù)制圖像局部背景區(qū)域或重要前景對(duì)象，粘貼在同一幅圖像另一不相交的區(qū)域[2]。駱偉祺[3]等提出一種魯棒的檢測方法，其中利用了“主轉(zhuǎn)移向量”方法去除錯(cuò)誤的相似塊并得到篡改的區(qū)域；魏為民[4]等提出一種基于小波分解的自相關(guān)檢測方法；文獻(xiàn)[5]通過使用奇異值分解法對(duì)圖像塊進(jìn)行降維簡化了模糊匹配的計(jì)算復(fù)雜度，而文獻(xiàn)[6]基于提升小波變換算法，進(jìn)一步降低運(yùn)算量，同時(shí)提高了匹配的成功率；文獻(xiàn)[7] 主要是使用相位相關(guān)法計(jì)算出篡改區(qū)域的位移，進(jìn)一步匹配出篡改區(qū)域，該算法將篡改區(qū)域精確到一個(gè)像素；文獻(xiàn)[8]雖然能有效抵抗篡改區(qū)域旋轉(zhuǎn)、縮放等幾何操作，但無法準(zhǔn)確界定出具體的篡改區(qū)。

綜述所述，當(dāng)前篡改檢測算法能夠有效地解決一些問題，但面對(duì)實(shí)際需求仍然存在不足：針對(duì)光滑區(qū)域，基于特征點(diǎn)的算法因?yàn)樘崛〔坏阶銐虻奶卣餍畔⒍?jīng)常出現(xiàn)漏檢現(xiàn)象，限制了算法的實(shí)際應(yīng)用。本文提出一種基于WLD特征的圖像復(fù)制粘貼篡改檢測與定位算法。實(shí)驗(yàn)結(jié)果表明，本算法能有效檢測和定位光滑區(qū)域的一處和多處區(qū)域復(fù)制-粘貼篡改。

1 圖像WLD特征

基于“韋伯定律”這個(gè)心理學(xué)原理，Chen等[9]提出了韋伯局部特征描述子(WLD)。韋伯定律指出，人之所以能夠感觸到某一事物不僅僅因?yàn)榇耸挛锏淖兓某潭龋€包括該事物的 原始強(qiáng)度大小[10]

(1)

式(1)表示當(dāng)I一定時(shí)隨著ΔI的增加，k值也會(huì)隨之增加，只有k值達(dá)到一定強(qiáng)度，感知系統(tǒng)才可以感受到這一變化。一個(gè)形象的比喻，在一個(gè)安靜的閱覽室里，甚至可以聽見翻閱紙張的聲音；相對(duì)在一個(gè)熱鬧的音樂會(huì)現(xiàn)場，人們相互交流則需要大聲耳語。

基于此原理，綜合尺度不變SIFT特征點(diǎn)[11]和LBP特征[12]的優(yōu)秀性能，WLD特征包含兩個(gè)分量：差分激勵(lì)ξ和方向角θ。差分激勵(lì)ξ表示當(dāng)前像素與周圍像素的差異性，是局部區(qū)域變化分量。方向角θ表示當(dāng)前像素的周圍四個(gè)像素在水平和豎直方向上的一個(gè)梯度關(guān)系，刻畫當(dāng)前像素的方向特性。二維WLD特征是在一維特征的基礎(chǔ)上進(jìn)行一定的量化、統(tǒng)計(jì)得到的。其計(jì)算過程如下：一維WLD特征的兩個(gè)分量差分激勵(lì)ξ和方向角θ的計(jì)算過程實(shí)為待測圖像與模板的卷積過程。圖1給出了WLD卷積模板，圖1 (a)與圖1 (b)為差分激勵(lì)的卷積模板，圖1 (c)和圖1 (d)是方向角的卷積模板。

圖1 WLD卷積模板

對(duì)于差分激勵(lì)，待測圖像分別與模板f00和f01進(jìn)行卷積運(yùn)算，然后將兩個(gè)卷積結(jié)果相除，最終的運(yùn)算結(jié)果用反正切函數(shù) 表示，具體描述如式(2)所示。卷積運(yùn)算實(shí)為點(diǎn)乘求和運(yùn)算，觀察模板f00與f01的系數(shù)，容易理解運(yùn)算結(jié)果的意義是計(jì)算當(dāng)前像素與周圍像素的差異性。同樣，待測圖像與模板f10和f11進(jìn)行卷積運(yùn)算，然后根據(jù)式(3)的描述做除法運(yùn)算，結(jié)果也用反正切函數(shù)表示,于是可以得到某一像素的方向角。不難理解,卷積模板f10和f11的系數(shù)設(shè)置就是為了凸顯出當(dāng)前像素在水平方向和豎直方向上與周圍像素的梯度關(guān)系

(2)

(3)

2 復(fù)制粘貼篡改檢測算法

2.1 算法流程

為適應(yīng)復(fù)制-粘貼篡改新的應(yīng)用需求，首先對(duì)現(xiàn)有區(qū)域復(fù)制篡改模型進(jìn)行補(bǔ)充說明，然后提出一種滿足新需求的篡改檢測算法，并且根據(jù)流程依次介紹特征提取和特征匹配兩個(gè)核心模塊[13]。

2.2 補(bǔ)充說明

圖像內(nèi)容的篡改通常都是針對(duì)圖像中某個(gè)連通區(qū)域，為了篡改的逼真，該連通區(qū)域與復(fù)制區(qū)域在空間上要保持一定的位移，這樣更難察覺[14]。為適應(yīng)新的應(yīng)用需求，對(duì)此模型進(jìn)行補(bǔ)充說明：(1)被復(fù)制的區(qū)域是一個(gè)單連通區(qū)域(無洞區(qū)域)；(2)可以有多處復(fù)制粘貼，被復(fù)制的區(qū)域也可以粘貼若干次；(3)復(fù)制區(qū)域與粘貼區(qū)域在空間域上要有一定的位移，且二者無交集；(4)被復(fù)制的區(qū)域>0.85%的圖像大小。

圖2 算法流程圖

2.3 特征提取

(1)圖像子塊劃分。圖像分塊有重疊劃分和非重疊劃分兩種方式，為了不丟失篡改圖像中任何紋理特征，本章算法采用重疊劃分的方案。用一個(gè)大小為b×b的滑動(dòng)窗口，從圖像的左上角到右下角按照先列后行的順序每次滑動(dòng)一個(gè)像素進(jìn)行掃描。假如篡改圖像尺寸為M×N，則共分為(M-b+1)×(N-b+1)個(gè)圖像子塊；

(2)圖像子塊WLD矢量特征提取。本文介紹了一維WLD特征的計(jì)算過程，分析方向角分量的計(jì)算原理，可以得知伽馬校正操作對(duì)于方向角的計(jì)算影響較小?？紤]到特征向量的維度較高勢必會(huì)造成算法時(shí)間復(fù)雜度較大，在此單一采用WLD方向角分量表征子塊的紋理特征。圖3和圖4分別描述了原始圖像以及在其灰度圖下提取的WLD方向角分量。

圖3 原圖

圖4 灰度圖WLD方向角分量

首先提取圖像子塊的WLD方向角分量θ，在此基礎(chǔ)上再對(duì)方向角分量進(jìn)行量化運(yùn)算，量化因子為T。最后計(jì)算圖像子塊所有像素在各個(gè)量化角度上的出現(xiàn)頻數(shù)，將T個(gè)量化角度上的方向角頻數(shù)作為該圖像子塊的唯一矢量特征d。將圖像所有分塊的特征矢量d構(gòu)成特征矩陣D。式(4)與式(5)用數(shù)學(xué)語言分別描述了矢量特征d和特征矩陣D

d={ti|i=1,2,…,T}

(4)

D={di|i=1,2,…,N}

(5)

2.4 特征匹配

(1)利用字典排序減小搜索空間。對(duì)得到的矢量特征矩陣D進(jìn)行字典排序，排序使得相似圖像子塊的矢量特征在空間上處于相鄰位置，大幅減小了搜索空間，排序后的特征矩陣用SD表示。用k-d樹搜索算法，在矩陣SD中查找與某一圖像子塊SD(i,*)相似的圖像子塊，在兩子塊各自方向角之和相減小于某一閾值N的范圍內(nèi)搜索即可，如此便可以提高算法的檢測速度；

(2)用歐氏距離模擬圖像子塊的相似性。為了能夠檢測出一處復(fù)制多處粘貼的篡改情形，采用歐氏距離來模擬圖像子塊的相似程度。通過多組實(shí)驗(yàn)測試，給出一個(gè)參考閾值EH，若兩子塊的歐氏距離小于參考閾值EH，認(rèn)為二者是相似的圖像子塊，反之認(rèn)為二者內(nèi)容不同；

(3)計(jì)算匹配塊的偏移矢量及其發(fā)生頻率。若檢測到子塊SD(i,*)與SD(j,*)是相似圖像子塊，(Xi,Yi)與(Xj,Yj)分別表示兩子塊的空間坐標(biāo)位置，進(jìn)一步計(jì)算它們之間的偏移矢量V(Vx,Vy)，偏移矢量的計(jì)算過程如式(6)所示。根據(jù)區(qū)域復(fù)制篡改模型的定義得知，篡改區(qū)域通常是較大的連通區(qū)域，因此計(jì)算每個(gè)偏移矢量的頻率值便可以發(fā)現(xiàn)可能的復(fù)制、粘貼區(qū)域，偏移矢量頻率的計(jì)算原理如式(7)所示

V(Vx,Vy)=(Xi-Xj,Yi-Yj)

(6)

C(Vx,Vy)=C(Vx,Vy)+1

(7)

(4)用主轉(zhuǎn)移向量思想定位篡改區(qū)域。完成上述幾個(gè)計(jì)算步驟后可以得到偏移矢量的頻率矩陣，若其中某一偏移矢量Vi的頻率C(Vi)大于設(shè)定閾值CH，則認(rèn)為偏移矢量對(duì)應(yīng)的那些子塊就是圖像中的復(fù)制區(qū)域和粘貼區(qū)域[15]?；谶@個(gè)思想可以消除圖像中孤立的匹配塊，提高算法的定位精度。因?yàn)橛?jì)算過程中其他因素的影響，最終標(biāo)識(shí)出來的復(fù)制區(qū)域和粘貼區(qū)域可能存在錯(cuò)誤的匹配塊以及非連通區(qū)域。利用數(shù)學(xué)形態(tài)學(xué)方法中的膨脹操作可以消除“洞”的部分，然后通過腐蝕操作來弱化前者帶來的影響。

下圖是對(duì)圖3的檢測結(jié)果，圖5是初始匹配后，有不少孤立的誤匹配塊，圖6是用主轉(zhuǎn)移向量原理消除孤立匹配塊的結(jié)果，圖7是膨脹處理結(jié)果，圖8是腐蝕處理結(jié)果。

圖5 初匹配

圖6 消除誤匹配

圖7 膨脹

圖8 腐蝕

3 實(shí)驗(yàn)結(jié)果和分析

為驗(yàn)證算法的效果，選擇該領(lǐng)域內(nèi)常用的2張圖片進(jìn)行測試，如圖9所示。圖像分塊參數(shù)b=16，WLD特征方向角分量θ的量化因子T=8。字典排序之后方向角之和相減的閾值取為15，子塊相似判定閾值EH=3，偏移矢量頻率閾值CH=64。

圖9 測試結(jié)果

4 結(jié)束語

針對(duì)基于特征點(diǎn)的被動(dòng)取證算法在光滑區(qū)域篡改檢測能力不足的問題，提出了一種新的內(nèi)容認(rèn)證算法。首先介紹了圖像的WLD特征，然后給出了復(fù)制粘貼篡改檢測及定位算法流程，最后進(jìn)行了實(shí)驗(yàn)結(jié)果的分析。本算法對(duì)于模糊程度較高、包含平滑區(qū)域的復(fù)制粘貼的篡改檢測及定位能夠取得較好的結(jié)果。

[1] 陳威兵,楊高波,陳日超,等.數(shù)字視頻真實(shí)性和來源的被動(dòng)取證[J].通信學(xué)報(bào),2011(6):177-183.

[2] 單薇.基于復(fù)制粘貼的數(shù)字圖像篡改檢測研究[D].蘇州:蘇州大學(xué),2014.

[3] 駱偉祺,黃繼武,邱國平.魯棒的區(qū)域復(fù)制圖像篡改檢測技術(shù)[J].計(jì)算機(jī)學(xué)報(bào),2007,30(11):1998-2006.

[4] 魏為民,唐振軍.利用JPEG 塊效應(yīng)不一致性的合成圖像盲檢測[J].中國圖象圖形學(xué)報(bào),2009,14(11):2387-2390.

[5] 康麗.數(shù)字圖像內(nèi)容人為篡改檢測[D]. 重慶:西南大學(xué),2011.

[6] 柴新新,邱曉暉.基于提升小波變換的圖像篡改檢測算法[J].計(jì)算機(jī)技術(shù)與發(fā)展,2016(4):17-20.

[7] 張靜,馮占磊,蘇育挺.基于像素匹配的圖像“復(fù)制-粘貼”篡改檢測算法[J].天津大學(xué)學(xué)報(bào),2009 (8):713-720.

[8] Huang H,Guo W,Zhang Y.Detection of copy-move forgery in digital images using SIFT algorithm[C].Beijing: Pacific-Asia Workshop on Computational Intelligence and Industrial Application 2008,PACIIA’08,IEEE,2008.

[9] Chen J,Shan S,He C,et al.WLD: a robust local image descriptor[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2010,32(9):1705-1720.

[10] Angelica R,Israel S,Juvenal R,et al. Morphological contrast index based on the weber’s law[J].International Journal of Imaging Systems and Technology,2012,22(2): 137-151.

[11] Lowe D.Distinctive image features from scale invariant key points[J].Journal of International Computer Vision,2004,60(2):91-110.

[12] Ojala T, Pietik?inen M,M?enp?? T.Multiresolution gray-scale and rotation invariant texture classification with local binary patterns[J]. IEEE Transactions on Pattern Anal Machine Intellengence,2002(24):597-602.

[13] 鄭偉,張大興,景陽帥.一種基于VVLD特征的盲檢測數(shù)字水印算法[J].電子科技,2016,29(7):15-18.

[14] 趙俊紅.數(shù)字圖像被動(dòng)取證技術(shù)綜述[J].計(jì)算機(jī)工程與設(shè)計(jì),2011,32(8):2756-2759.

[15] 韓棲林.基于圖像復(fù)制——粘貼篡改操作的數(shù)字圖像被動(dòng)盲取證研究[D].北京:北京郵電大學(xué),2015.

An Image Copy and Paste Feature Tamper Detection Algorithm Based on WLD Features

WU Jian，ZHANG Daxing，LIU Zhifa

(School of Computer Science, Hangzhou Dianzi University, Hangzhou 310018, China)

We propose an algorithm for image copy and paste tampering detection and localization based on WLD feature for image detection in a class of common copy paste and tampering. The image to be detected is divided in the manner of the sliding window into several overlapping sub-block images for extracting the WLD vector characteristics of each sub-block, to which the features matrix transformation and dictionary sorting are applied. The tamper detection and localization results are obtained by calculating the similarity. Experimental results show that the algorithm can effectively detect and locate an area and multiple copy and paste tampering.

WLD features; copy paste tampering; tamper detection

2016- 09- 06

張大興(1971-)，男，博士，副教授。研究方向：多媒體信息安全。武健(1989-)，男，碩士研究生。研究方向?yàn)槎嗝襟w信息安全。

10.16180/j.cnki.issn1007-7820.2017.07.013

TP391.41

A

1007-7820(2017)07-047-04