[发明专利]一种基于离散小波变换的图像篡改检测以及篡改定位方法

权利要求书

1.一种基于离散小波变换的图像篡改检测以及篡改定位方法，其特征在于，包括以下步骤：

图片发送方：

步骤1、特征提取

步骤1.1、对大小为N×N的原始图像I₀分块，得到的图像块定义为B_oi，i＝0，K，(N²/P²)-1，每个图像块的大小为P×P，令P＝8，B_oi(x，y)定义为图像块B_oi中像素点(x，y)的灰度值，其中，0≤x，y≤P-1；

步骤1.2、对于矩阵B_oi进行3级db2小波变换，W_iLL表示图像块B_oi的3级低频子带系数，

WiLL=a11a12a13a21a22a23a31a32a33;]]>

图像块B_oi的特征向量V_oi为：

Voi=xi1xi4xi7xi2xi5xi8xi3xi6xi9=a112a122a132a212a222a232a312a322a332,i=0,K,(N2/P2)-1;]]>

得到，图像I₀的特征向量V_o为：

Vo=(Vo0,Vo1,Vo2,...,Vo(N2/P2-1));]]>

步骤2、KL变换

步骤2.1、KL变换的预处理

首先，将V_oi按照列优先的方法重组为1×9的行向量，得到：

(x_i1，x_i2，...，x_i9)，

令m_ij＝x_ij，其中，i＝1，2，...，N²/64，j＝1，2，...，9，得到V_o重组后的矩阵M_o：

Mo=m11m12Lm19m21m22Lm29Mm(N2/64)1m(N2/64)2Lm(N2/64)9,]]>

在矩阵M_o中的每一行的最后两列添加每个图像块的行位置序号和列位置序号，得到矩阵A_o：

Ao=m11m12Lm19R1C1m21m22Lm29R2C2Mm(N2/64)1m(N2/64)2Lm(N2/64)9RN/8CN/8,]]>

对矩阵M_o进行标准化处理，从而得到标准化矩阵N_o：

No=n11n12...n19n21n22...n29............n(N2/64)1n(N2/64)2...n(N2/64)9;]]>

步骤2.2、对矩阵N_o进行KL变换，得到特征向量，由计算得到的特征向量构成的矩阵∏_o，作为原始图像的中间签名：

Πo=λo11λo12...λo19λo21λo22...λo29............λo91λo92...λo99,]]>

其中，λ_oij∈[-1，1]，1≤i，j≤9；

步骤3、量化压缩

步骤3.1、对特征向量矩阵∏_o的每一个元素λ_oij，λ_oij∈[-1，1]，按照下列公式进行量化：

λ_oqij∈[0，255]，1≤i，j≤9

得到：Πoq=λoq11λoq12...λoq19λoq21λoq22...λoq29............λoq91λoq92...λoq99;]]>

步骤3.2、对∏_oq进行Huffman编码，生成原始图像签名H_o；将原始图像签名H_o和Huffman树HT_o发送给图像图片接收方；

图片接收方：

接收到的待检测图像记为I_t、原始图像签名H_o和Huffman树HT_o，

篡改检测步骤如下：

步骤4、按照步骤1至步骤3的方法，生成待检测图像I_t的中间签名∏_t：

Πt=λt11λt12...λt19λt21λt22...λt29............λt91λt92...λt99]]>

其中，λ_tij∈[-1，1]，1≤i，j≤9；

步骤5、根据接收到的原始图像签名H_o和Huffman树HT_o，恢复原始图像的中间签名

对H_o用Huffman树解码，得到∏_oq，再按照下列反量化公式对其中的每一个元素λ_oqij进行反量化得到中间签名：

λoij=λoqij127-1,]]>其中1≤i，j≤9，

即得

Πo=λo11λo12...λo19λo21λo22...λo29............λo91λo92...λo99;]]>

步骤6、篡改检测

步骤6.1、定义∏_t与∏_o之间的相似度测量距离：

D=Σi=19Σj=19|λtij-λoij|9×9;]]>

步骤6.2、根据阈值T来判断是否D≥T，若是，则图像已经被篡改攻击；若否，则图像未被篡改；

步骤7、篡改定位

步骤7.1、计算出待检测图像I_t和原始图像I₀的KL得分矩阵：

Ω_t＝N_t∏_t，

Ω_o＝N_t∏_o；

步骤7.2、计算差值矩阵Ω：

Ω＝Ω_t±Ω_o；

步骤7.3：计算差值矩阵Ω的Hotelling T2-统计量W，W为N²/64的向量，其中W向量中最大元素所在的图像块便为被篡改的图像块，以实现篡改定位。