趙 杰 吳曉云 王 博 畢秀麗 梁東云

（1.商洛學(xué)院電子信息與電氣工程學(xué)院 商洛 726000）（2.重慶郵電大學(xué)計(jì)算智能重點(diǎn)實(shí)驗(yàn)室 重慶 400065）

1 引言

互聯(lián)網(wǎng)和信息技術(shù)的快速發(fā)展使得圖像、音頻、視頻的數(shù)字內(nèi)容安全性、真實(shí)性等問(wèn)題成為社會(huì)的熱點(diǎn)。數(shù)字水印作為數(shù)字內(nèi)容認(rèn)證的重要手段已經(jīng)成為研究的熱點(diǎn)。但水印技術(shù)仍具有很大局限性［1］。近年來(lái)，圖像被動(dòng)取證技術(shù)得到人們的重視。數(shù)字圖像篡改方式很多，有區(qū)域復(fù)制粘貼、重采樣、雙重壓縮等，人們也提出了相應(yīng)的算法［2～5］。Copy-Move 是最常見(jiàn)的一種篡改操作。Jessica Fridrich 等提出基于量化DCT 系數(shù)匹配檢測(cè)的辦法，而文獻(xiàn)［6］提出了改進(jìn)算法，通過(guò)截?cái)嗖僮魃山档途S數(shù)的圖像塊特征，該方法可以抵抗JPEG 壓縮和模糊攻擊。文獻(xiàn)［7］提出對(duì)圖像中每個(gè)圓形塊進(jìn)行對(duì)數(shù)極坐標(biāo)變換，然后對(duì)變換結(jié)果再做傅里葉變換來(lái)提取特征，該方法雖然對(duì)旋轉(zhuǎn)和縮放攻擊具有魯棒性，但是不能抵抗常見(jiàn)的后處理操作。文獻(xiàn)［8］運(yùn)用灰度歸一化和不變矩陣提取各個(gè)對(duì)象的盲取證特征。文獻(xiàn)［9］提出一種采用尺度不變特征變化（SIFT）的方法，當(dāng)復(fù)制區(qū)域經(jīng)過(guò)旋轉(zhuǎn)和尺度縮放，這種方法仍能成功檢測(cè)出篡改區(qū)域，然而，其缺陷在于其僅利用匹配的特征點(diǎn)對(duì)篡改區(qū)域進(jìn)行標(biāo)記，特征向量較長(zhǎng)。有學(xué)者提出采用kernel PCA（KPCA）算法提取分塊特征，得到的基于KPCA 的特征對(duì)于加噪和JPEG 壓縮具有較好的魯棒性［10］。此外，還有利用奇異值分解的方法等［11～12］。

本文提出一種利用圖像塊局部特征的Copy-Move 篡改檢測(cè)方法，首先提取圖像塊的分塊特征，然后進(jìn)行特征向量排序，并進(jìn)行相似匹配，得到初步標(biāo)記結(jié)果，然后使用形態(tài)學(xué)運(yùn)算濾除誤孤立的誤匹配塊，從而得到最終檢測(cè)結(jié)果。

2 本文算法

主要檢測(cè)步驟如下:

1）如果輸入圖像為彩色圖像，則首先將其轉(zhuǎn)換為灰度圖像。

其中，RI、GI、BI分別代表輸入圖像I的三個(gè)顏色分量，YI為亮度信息。

2）假設(shè)輸入圖像大小為M×N ，將灰度圖像分割為互相重疊的小塊，分塊大小為B×B，則共有(M-B+1)×(N-B+1)個(gè)分塊。

3）計(jì)算每個(gè)分塊的算術(shù)均值，記為BAij。對(duì)分塊內(nèi)部再分為若干n×n 子塊（n ＜B/3），計(jì)算每個(gè)子塊的均值。分塊的均值BAij及其內(nèi)部子塊的一系列均值組成該分塊的特征向量。特征向量長(zhǎng)度為L(zhǎng)=1+(B/n)×(B/n)。

4）每個(gè)圖像塊的特征向量組成(M-B+1)(N-B+1)×L 的特征矩陣，然后對(duì)特征矩陣進(jìn)行字典排序。

5）計(jì)算排序后特征矩陣中相鄰兩行的相似度，如果相似度大于閾值Tc，則計(jì)算這兩行的位移矢量。假設(shè)兩行代表的圖像塊左上角坐標(biāo)為(i1,j1)和(i2,j2)，則位移矢量為

對(duì)排序后的特征矩陣按行進(jìn)行遍歷，當(dāng)相鄰兩行代表的圖像塊左上角像素點(diǎn)間距離D 大于距離閾值Td時(shí)，計(jì)算相應(yīng)的位移矢量，并對(duì)相同的位移矢量進(jìn)行計(jì)數(shù)。像素點(diǎn)間距離可用歐式距計(jì)算，即

6）特征矩陣遍歷完成之后，會(huì)得到若干位移矢量，每種位移矢量有若干計(jì)數(shù)值。由于區(qū)域復(fù)制后有可能會(huì)進(jìn)行旋轉(zhuǎn)操作，因此，統(tǒng)計(jì)近似的位移矢量的計(jì)數(shù)值之和C，如果C大于閾值Tf，則將滿足條件的對(duì)應(yīng)圖像塊進(jìn)行標(biāo)記。

7）對(duì)初步標(biāo)記的結(jié)果進(jìn)行形態(tài)學(xué)運(yùn)算的后處理，消除小的孤立的錯(cuò)誤匹配塊，得到最終標(biāo)記結(jié)果。

整體流程如圖1所示。

圖1 基本流程圖

3 仿真測(cè)試

實(shí)驗(yàn)仿真通過(guò)Matlab R2014 完成，首先進(jìn)行基本Copy-Move篡改測(cè)試，復(fù)制原圖中小鳥及其邊一定區(qū)域，粘貼至其他區(qū)域，形成Copy-Move篡改，然后對(duì)篡改圖像進(jìn)行檢測(cè)，測(cè)試結(jié)果如圖2所示。

圖2 基本Copy-Move篡改檢測(cè)結(jié)果

對(duì)篡改后圖像分別進(jìn)行加噪濾波、模糊、亮度調(diào)整、對(duì)比度調(diào)整、JPEG 壓縮、復(fù)制區(qū)域小幅度旋轉(zhuǎn)/縮放等篡改，然后進(jìn)行檢測(cè)，結(jié)果分別如圖3～圖9所示。

圖3 Copy-Move+圖像加噪濾波篡改檢測(cè)結(jié)果

圖4 Copy-Move+圖像模糊篡改檢測(cè)結(jié)果

圖5 Copy-Move+圖像亮度調(diào)整篡改檢測(cè)結(jié)果

圖6 Copy-Move+圖像對(duì)比度調(diào)整篡改檢測(cè)結(jié)果

圖7 Copy-Move+圖像JPEG壓縮篡改檢測(cè)結(jié)果

圖8 Copy-Move+區(qū)域旋轉(zhuǎn)檢測(cè)結(jié)果

圖9 Copy-Move+區(qū)域縮放檢測(cè)結(jié)果

對(duì)篡改圖像的綜合處理操作進(jìn)行測(cè)試，結(jié)果如表1所示。

表1 綜合篡改檢測(cè)結(jié)果

4 結(jié)語(yǔ)

本文利用圖像的區(qū)域統(tǒng)計(jì)特征對(duì)Copy-Move篡改進(jìn)行檢測(cè)，采用分塊的方式進(jìn)行匹配，雖然重疊分塊較多，但每塊的特征矢量構(gòu)建簡(jiǎn)單，運(yùn)算復(fù)雜度并不高。實(shí)驗(yàn)結(jié)果表明該方法對(duì)綜合了旋轉(zhuǎn)等幾何變化、加噪、濾波等多種潤(rùn)飾對(duì)的Copy-Move篡改有一定效果，可以標(biāo)記出篡改區(qū)域，但對(duì)較大程度的幾何變換修飾效果不理想，出現(xiàn)較多誤匹配塊，這也是后期需要進(jìn)一步研究的方向。