[发明专利]基于人类视觉特性压缩感知的灰度图像篡改检测方法

权利要求书

1.一种基于人类视觉特性压缩感知的灰度图像篡改检测方法，其特征在于，包括以下步骤：

1)图像水印生成与传输，发送端在传输图像之前，首先利用基于人类视觉特性的压缩感知的稀疏基变换与测量矩阵生成该图像的哈希值，然后通过安全信道传输哈希值，通过公开信道传输图像给接收端；

2)接收端图像检测，接收端利用由可信信道接收到的图像水印，验证由公开信道得到的图像是否经过了篡改；

3)接收端篡改定位，当接收端判断出所接收到的图像被恶意篡改后，进一步利用压缩感知的正交匹配追踪重构方法，将差值D进行恢复，从而得到篡改位置图像E。

2.根据权利要求1所述的一种基于人类视觉特性压缩感知的灰度图像篡改检测方法，其特征在于，所述的步骤1)具体如下：

11)生成图像的感兴趣区域映射图，具体是对图像的DCT变换基因子进行标准化处理；

对于给定的一个灰度图X∈R^N×N，其中n＝N×N为图像的总像素，其显著图Map由以下过程产生：

P＝sign(C(X))

F＝abs(C^-1(P))

Map＝G*F²

其中C(X)和C^-1(P)分别表示图像的二维DCT变换及其逆变换，sign(C(X))是符号函数，abs(C^-1(P))是取绝对值函数，G是二维高斯低通滤波器，显著图Map中的元素记为Map_i(1≤i≤n)；

12)对图像进行分块处理，首先，把图像分割成互不重叠的尺寸固定为m＝B×B的分块，设第i个分块为B_i，其中，1≤i≤n/m，假设n可以被m整除，对每一个分块i计算：

ξi=1mΣj∈BiMapj]]>

13)由ξ_i计算任一分块B_i(1≤i≤n/m)在压缩感知中的测量次数M_i为：

Mi=rnd(θmax-ξi255×(θmax-θmin))]]>

其中，θ_max和θ_min分别表示测量矩阵中元素的最大值和最小值，rnd()是取与输入变量最接近的整数；

然后，将所有分块的测量值M_i(1≤i≤n/m)记录在测量次数向量M中，即M＝(M₁，M₂，...，M_n/m)；

14)对图像进行灰度均值，其步骤为：

首先，将原图分成互不重叠的尺寸固定为t＝dB×dB的分块(dB≤B)，假设m可以被t整除，每一个分块B_i(1≤i≤n/m)又被分为m/t个小块，记为dB_ij(1≤i≤n/m，1≤j≤m/t)；

然后，计算每一个分块dB_ij(1≤i≤n/m，1≤j≤m/t)中所有像素的灰度均值g_ij(1≤i≤n/m，1≤j≤m/t)，并将该分块内所有像素点的灰度值设定为该灰度均值；

最后，将分块B_i(1≤i≤n/m)中各子块dB_ij(1≤j≤m/t)的灰度均值存储在向量g_i＝(g_i，1 g_i，2 ... g_i，j ... g_i，m/t)中，1≤i≤n/m；

15)选取随机种子S，对图像X进行分块压缩感知计算，该分块压缩感知计算是指对每一子块B_i(1≤i≤n/m)分别进行基于人类视觉特性的压缩感知计算；之后，再将各子块的压缩感知计算结果按其在原图X中的顺序组合在一起，从而得到图像X的压缩感知测量值；

所述的分块B_i(1≤i≤n/m)的基于人类视觉特性的压缩感知计算，其步骤为：

首先，对B_i进行小波变换，得到小波域上的稀疏信号

xBi=ΨTBi]]>

其中，为小波变换基；

其次，根据S生成规模为M_i×m的高斯随机测量矩阵Φ_i，其中m是分块B_i的像素数量，M_i为步骤13)中求出的分块B_i的测量数，所述高斯随机矩阵中的元素都是随机产生的，且其概率符合高斯分布性质；

最后，将稀疏信号投影到该测量矩阵中，得到的观测值Y_i，即：

Yi=ΦixBi=ΦiΨTBi]]>

当所有的分块都进行了压缩感知测量后，将各子块的压缩感知计算结果Y_i按其在原图X中的顺序组合在一起，就得到了图像X的压缩感知测量Y；

16)使用LDPC有损编码对图像X的压缩感知测量Y进行编码，得到图像X的哈希值Hash(X)；其过程具体为，分别对每一分块B_i的观测值Y_i进行LDPC有损编码，得到压缩码S_i；之后，再将各S_i按序连接，得到的符号串作为图像X的哈希值Hash(X)＝(S₁ S₂ ... S_n/m)，1≤i≤n/m；

17)图像X的水印生成及可信传输，所述图像X的水印watermark(X)就是由Hash(X)、随机种子S和测量次数向量M组成的三元组，即

watermark(X)＝(Hash(X)，S，M)

发送端在计算得到watermark(X)之后，通过其与接收端的可信信道将watermark(X)传送给接收端，通过公开信道发布图像X。