[发明专利]基于量化差分共生矩阵的小尺寸图像平滑滤波检测算法

说明书

本发明提供一种基于量化差分共生矩阵的平滑滤波检测特征提取方法、小尺寸图像平滑滤波检测算法以及图像拼接区域定位方法。该特征提取方法包括：针对待特征提取图像I_n，计算得到其差分图像对每个差分图像进行量化，得到量化后的差分图像对每个差分图像和每个量化后的差分图像中的差分值进行截断处理；针对截断处理后的每个图像和每个图像分别计算对应的共生矩阵，并分别记作差分共生矩阵和量化差分共生矩阵；对水平/垂直方向和对角线方向的差分共生矩阵分别进行平均处理，得到两个共生矩阵M_h/v和M_d；对水平/垂直方向和对角线方向的量化差分共生矩阵分别进行平均处理，得到两个共生矩阵M′_h/v和M′_d；将四个共生矩阵M_h/v、M′_h/v、M_d、M′_d组合为特征W作为图像I_n的检测特征。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于量化差分共生矩阵的小尺寸图像平滑滤波检测算法。

背景技术

数字图像处理技术的快速发展，使得图像编辑、篡改甚至伪造变得极其容易，一些原有用于修饰数字图像的处理手段却被伪造者用于篡改图像。因此，对数字图像的处理历史进行识别尤为必要。图像处理历史主要包括平滑、锐化、对比度增强、JPEG压缩等，其中平滑作为数字图像处理的常见技术，被广泛用于图像去噪、模糊和美化，但也经常被图像伪造者用来遮盖篡改图像后留下的痕迹，因此检测图像是否经历过平滑滤波处理是鉴别图像原始性和完整性的有力佐证。

目前各种平滑滤波检测的研究中，针对中值滤波检测的成果较为丰富。早期有文献根据中值滤波特有的“Streaking”特性提出了基于一阶差分直方图的中值滤波检测方法，该方法不具备对JPEG压缩的鲁棒性，作者借鉴了隐写分析中的SPAM特征(文1：“PEVNYT,BAS P,FRIDRICH J.Steganalysis by Subtractive Pixel Adjacency Matrix[J].IEEETransactions on Information Forensics and Security,2010,5(2):215-224”)，该特征将一阶差分建模为n阶的马尔科夫链，并将其转移为概率矩阵作为特征向量，在JPEG图像中检测中值滤波效果良好。文2(YUAN H.Blind Forensics of Median Filtering inDigital Images[J].IEEE Transactions on Information Forensics and Security,2011,6(4):1335-1345)分析了中值滤波对灰度值统计特征的影响，提出了MFF特征对中值滤波进行检测，该特征对其他图像操作也具有检测效果。针对其他的平滑滤波的识别近年来也受到关注，文3(LI M,WANG C,PENG A,et al.A Blind Forensics Algorithm forDigital Image Smoothing Filtering[J].Semiconductor Optoelectronics,2017,38(3):430-434)将高频残差作为特征提取域，基于二值局部模式(LBP)和自回归模型提取特征,可识别出均值滤波、高斯滤波和中值滤波。文4(DING F,SHI Y,ZHU G,et al.Smoothingidentification for digital image forensics[J].Multimedia Tools andApplications,2019,78(7):8225–8245)运用边缘区域的梯度直方图构建特征对平滑图像实施检测，能够区分出多种平滑滤波。

目前的平滑滤波检测方法大多是在具有一定尺寸的图像上进行的，当图像尺寸过小，特别是尺寸≤64×64时，由于统计量大幅减少，检测效果会急剧下降。虽已有一些在小尺寸图像上对中值滤波进行检测的成果，但是在小尺寸图像上针对其他的平滑滤波的识别还有待研究。

发明内容