武 健,张大兴,刘志发
(杭州电子科技大学 计算机学院,浙江 杭州 310018)
基于WLD特征的图像复制粘贴篡改检测算法
武 健,张大兴,刘志发
(杭州电子科技大学 计算机学院,浙江 杭州 310018)
针对图像检测中一类常见的复制一粘贴篡改问题,提出一种基于WLD特征的图像复制粘贴篡改检测与定位的算法。算法先将待检测图像按照滑动窗口的方式划分为若干个相互重叠的图像子块,然后分别提取各个子块的WLD矢量特征,再对特征进行矩阵变换和字典排序,通过计算相似度,得出篡改检测及定位的结果。实验结果表明,该算法能够有效检测和定位出一处和多处区域复制-粘贴篡改。
WLD特征;复制粘贴篡改;篡改检测
复制粘贴篡改技术是一种常用的图像篡改手段[1]。该技术通过复制图像局部背景区域或重要前景对象,粘贴在同一幅图像另一不相交的区域[2]。骆伟祺[3]等提出一种鲁棒的检测方法,其中利用了“主转移向量”方法去除错误的相似块并得到篡改的区域;魏为民[4]等提出一种基于小波分解的自相关检测方法;文献[5]通过使用奇异值分解法对图像块进行降维简化了模糊匹配的计算复杂度,而文献[6]基于提升小波变换算法,进一步降低运算量,同时提高了匹配的成功率;文献[7] 主要是使用相位相关法计算出篡改区域的位移,进一步匹配出篡改区域,该算法将篡改区域精确到一个像素;文献[8]虽然能有效抵抗篡改区域旋转、缩放等几何操作,但无法准确界定出具体的篡改区。
综述所述,当前篡改检测算法能够有效地解决一些问题,但面对实际需求仍然存在不足:针对光滑区域,基于特征点的算法因为提取不到足够的特征信息而经常出现漏检现象,限制了算法的实际应用。本文提出一种基于WLD特征的图像复制粘贴篡改检测与定位算法。实验结果表明,本算法能有效检测和定位光滑区域的一处和多处区域复制-粘贴篡改。
基于“韦伯定律”这个心理学原理,Chen等[9]提出了韦伯局部特征描述子(WLD)。韦伯定律指出,人之所以能够感触到某一事物不仅仅因为此事物的变化的程度,还包括该事物的 原始强度大小[10]
(1)
式(1)表示当I一定时随着ΔI的增加,k值也会随之增加,只有k值达到一定强度,感知系统才可以感受到这一变化。一个形象的比喻,在一个安静的阅览室里,甚至可以听见翻阅纸张的声音;相对在一个热闹的音乐会现场,人们相互交流则需要大声耳语。
基于此原理,综合尺度不变SIFT特征点[11]和LBP特征[12]的优秀性能,WLD特征包含两个分量:差分激励ξ和方向角θ。差分激励ξ表示当前像素与周围像素的差异性,是局部区域变化分量。方向角θ表示当前像素的周围四个像素在水平和竖直方向上的一个梯度关系,刻画当前像素的方向特性。二维WLD特征是在一维特征的基础上进行一定的量化、统计得到的。其计算过程如下:一维WLD特征的两个分量差分激励ξ和方向角θ的计算过程实为待测图像与模板的卷积过程。图1给出了WLD卷积模板,图1 (a)与图1 (b)为差分激励的卷积模板,图1 (c)和图1 (d)是方向角的卷积模板。
图1 WLD卷积模板
对于差分激励,待测图像分别与模板f00和f01进行卷积运算,然后将两个卷积结果相除,最终的运算结果用反正切函数 表示,具体描述如式(2)所示。卷积运算实为点乘求和运算,观察模板f00与f01的系数,容易理解运算结果的意义是计算当前像素与周围像素的差异性。同样,待测图像与模板f10和f11进行卷积运算,然后根据式(3)的描述做除法运算,结果也用反正切函数表示,于是可以得到某一像素的方向角。不难理解,卷积模板f10和f11的系数设置就是为了凸显出当前像素在水平方向和竖直方向上与周围像素的梯度关系
(2)
(3)
2.1 算法流程
为适应复制-粘贴篡改新的应用需求,首先对现有区域复制篡改模型进行补充说明,然后提出一种满足新需求的篡改检测算法,并且根据流程依次介绍特征提取和特征匹配两个核心模块[13]。
2.2 补充说明
图像内容的篡改通常都是针对图像中某个连通区域,为了篡改的逼真,该连通区域与复制区域在空间上要保持一定的位移,这样更难察觉[14]。为适应新的应用需求,对此模型进行补充说明:(1)被复制的区域是一个单连通区域(无洞区域);(2)可以有多处复制粘贴,被复制的区域也可以粘贴若干次;(3)复制区域与粘贴区域在空间域上要有一定的位移,且二者无交集;(4)被复制的区域>0.85%的图像大小。
图2 算法流程图
2.3 特征提取
(1)图像子块划分。图像分块有重叠划分和非重叠划分两种方式,为了不丢失篡改图像中任何纹理特征,本章算法采用重叠划分的方案。用一个大小为b×b的滑动窗口,从图像的左上角到右下角按照先列后行的顺序每次滑动一个像素进行扫描。假如篡改图像尺寸为M×N,则共分为(M-b+1)×(N-b+1)个图像子块;
(2)图像子块WLD矢量特征提取。本文介绍了一维WLD特征的计算过程,分析方向角分量的计算原理,可以得知伽马校正操作对于方向角的计算影响较小。考虑到特征向量的维度较高势必会造成算法时间复杂度较大,在此单一采用WLD方向角分量表征子块的纹理特征。图3和图4分别描述了原始图像以及在其灰度图下提取的WLD方向角分量。
图3 原图
图4 灰度图WLD方向角分量
首先提取图像子块的WLD方向角分量θ,在此基础上再对方向角分量进行量化运算,量化因子为T。最后计算图像子块所有像素在各个量化角度上的出现频数,将T个量化角度上的方向角频数作为该图像子块的唯一矢量特征d。将图像所有分块的特征矢量d构成特征矩阵D。式(4)与式(5)用数学语言分别描述了矢量特征d和特征矩阵D
d={ti|i=1,2,…,T}
(4)
D={di|i=1,2,…,N}
(5)
2.4 特征匹配
(1)利用字典排序减小搜索空间。对得到的矢量特征矩阵D进行字典排序,排序使得相似图像子块的矢量特征在空间上处于相邻位置,大幅减小了搜索空间,排序后的特征矩阵用SD表示。用k-d树搜索算法,在矩阵SD中查找与某一图像子块SD(i,*)相似的图像子块,在两子块各自方向角之和相减小于某一阈值N的范围内搜索即可,如此便可以提高算法的检测速度;
(2)用欧氏距离模拟图像子块的相似性。为了能够检测出一处复制多处粘贴的篡改情形,采用欧氏距离来模拟图像子块的相似程度。通过多组实验测试,给出一个参考阈值EH,若两子块的欧氏距离小于参考阈值EH,认为二者是相似的图像子块,反之认为二者内容不同;
(3)计算匹配块的偏移矢量及其发生频率。若检测到子块SD(i,*)与SD(j,*)是相似图像子块,(Xi,Yi)与(Xj,Yj)分别表示两子块的空间坐标位置,进一步计算它们之间的偏移矢量V(Vx,Vy),偏移矢量的计算过程如式(6)所示。根据区域复制篡改模型的定义得知,篡改区域通常是较大的连通区域,因此计算每个偏移矢量的频率值便可以发现可能的复制、粘贴区域,偏移矢量频率的计算原理如式(7)所示
V(Vx,Vy)=(Xi-Xj,Yi-Yj)
(6)
C(Vx,Vy)=C(Vx,Vy)+1
(7)
(4)用主转移向量思想定位篡改区域。完成上述几个计算步骤后可以得到偏移矢量的频率矩阵,若其中某一偏移矢量Vi的频率C(Vi)大于设定阈值CH,则认为偏移矢量对应的那些子块就是图像中的复制区域和粘贴区域[15]。基于这个思想可以消除图像中孤立的匹配块,提高算法的定位精度。因为计算过程中其他因素的影响,最终标识出来的复制区域和粘贴区域可能存在错误的匹配块以及非连通区域。利用数学形态学方法中的膨胀操作可以消除“洞”的部分,然后通过腐蚀操作来弱化前者带来的影响。
下图是对图3的检测结果,图5是初始匹配后,有不少孤立的误匹配块,图6是用主转移向量原理消除孤立匹配块的结果,图7是膨胀处理结果,图8是腐蚀处理结果。
图5 初匹配
图6 消除误匹配
图7 膨胀
图8 腐蚀
为验证算法的效果,选择该领域内常用的2张图片进行测试,如图9所示。图像分块参数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减的阈值取为15,子块相似判定阈值EH=3,偏移矢量频率阈值CH=64。
图9 测试结果
针对基于特征点的被动取证算法在光滑区域篡改检测能力不足的问题,提出了一种新的内容认证算法。首先介绍了图像的WLD特征,然后给出了复制粘贴篡改检测及定位算法流程,最后进行了实验结果的分析。本算法对于模糊程度较高、包含平滑区域的复制粘贴的篡改检测及定位能够取得较好的结果。
[1] 陈威兵,杨高波,陈日超,等.数字视频真实性和来源的被动取证[J].通信学报,2011(6):177-183.
[2] 单薇.基于复制粘贴的数字图像篡改检测研究[D].苏州:苏州大学,2014.
[3] 骆伟祺,黄继武,邱国平.鲁棒的区域复制图像篡改检测技术[J].计算机学报,2007,30(11):1998-2006.
[4] 魏为民,唐振军.利用JPEG 块效应不一致性的合成图像盲检测[J].中国图象图形学报,2009,14(11):2387-2390.
[5] 康丽.数字图像内容人为篡改检测[D]. 重庆:西南大学,2011.
[6] 柴新新,邱晓晖.基于提升小波变换的图像篡改检测算法[J].计算机技术与发展,2016(4):17-20.
[7] 张静,冯占磊,苏育挺.基于像素匹配的图像“复制-粘贴”篡改检测算法[J].天津大学学报,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, Pietikäinen M,Mäenpää 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] 郑伟,张大兴,景阳帅.一种基于VVLD特征的盲检测数字水印算法[J].电子科技,2016,29(7):15-18.
[14] 赵俊红.数字图像被动取证技术综述[J].计算机工程与设计,2011,32(8):2756-2759.
[15] 韩栖林.基于图像复制——粘贴篡改操作的数字图像被动盲取证研究[D].北京:北京邮电大学,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
张大兴(1971-),男,博士,副教授。研究方向:多媒体信息安全。武健(1989-),男,硕士研究生。研究方向为多媒体信息安全。
10.16180/j.cnki.issn1007-7820.2017.07.013
TP391.41
A
1007-7820(2017)07-047-04