论文部分内容阅读
图像作为一个常见且方便的信息载体,在现代信息社会中扮演着越来越重要的角色。图像充斥在生活的各个方面,大到司法、媒体,小到个人娱乐、社交,同时各种图像编辑工具(如“PS”、“美图秀秀”等软件)的也蓬勃发展。图像篡改越来越方便给图像篡改鉴别任务带来了很大的阻力,因此如何有效的鉴别篡改图像是一个巨大的挑战。本文致力于研究图像篡改鉴别领域的一个重要的分支,即拼接图像的鉴别。拼接鉴别的一个主要的方法是提取图像的纹理统计特征,从而有效地捕捉篡改过程遗留的痕迹。LPQ作为一个较好的纹理特征可以实现一个有希望的性能,但仅单纯利用LPQ特征的准确率并不能让人非常满意。因此有研究学者提出LGPQ特征并应用在图像鉴别领域,该特征通过引进Gabor变换能捕捉多尺度多方向的LPQ特征,性能优于LPQ特征。但是经分析研究,我们发现LGPQ特征存在一些缺陷,因此我们提出了两个基于LGPQ改进的纹理特征提,并提出基于这两个特征的拼接图像盲鉴别算法,分别是LGPQ-Dispersion特征和Global-LGPQ特征。下面针对这两个特征分别从提出动机(即为什么提出)、可以解决哪些LGPQ特征的固有缺陷(即所提特征的贡献)、以及特征的有效性分析(即所提特征为什么有效)三方面阐述:1)LGPQ-Dispersion特征(以下统称为LGPQ-D特征)。考虑到在篡改边缘的真实区域一侧的像素点(以下统称为关键像素点)在不同窗口尺度大小下所扮演的角色不同(也就是关键像素点在小尺度窗口下存在于真实区域,但在大尺度窗口下存在于拼接区域)。由于原始的LGPQ特征的计算过程是固定窗口大小的,也就是计算一个像素点的LGPQ特征值的时候对像素的角色设定只有一种可能,不能反映关键像素点的多角色性这一特性。基于上述原始LGPQ特征不能体现像素点的多角色性的缺陷,我们提出LGPQ-D特征。LGPQ-D特征提出的初衷是通过突出关键像素点来区分真实图像和拼接图像。原理是利用标准差能反映一个数据集的离散程度,将标准差(Standard Deviation)和LGPQ特征有效地结合可以捕获一个像素点在不同窗口尺度大小下LGPQ特征值的离散程度,规定这一离散程度为像素点的LGPQ-D特征值。通过分析发现,像素点的这一离散程度和该像素点可能扮演多角色性的可能程度呈正比,实验证明也如果一个像素点的这一离散程度较大(也就是该像素点的LGPQ-D特征值较大),那么该像素点是关键像素点的可能性就越大。2)Global-LGPQ特征。由于原始LGPQ特征作为局部纹理特征可以很好地提取图像的局部纹理特征,但却不能反映图像的像素点之间的全局性关系。因此我们提出Global-LGPQ特征,顾名思义,该Global-LGPQ特征可以完美地解决原始LGPQ特征无法反映图像的像素点之间的全局性关系的缺陷。不同于现存的特征,一方面,Global-LGPQ特征可以反映图像中像素点和局部邻域像素点之间的关系,称为块内关系(即inter-block correlation),此关系体现了该特征的局部性,另一方面Global-LGPQ特征可以反映图像中像素点和其他非邻域像素点之间的关系,称为块间关系(即intra-block correlation),此关系体现了该特征的全局性。基于上述两个纹理特征提出两个拼接图像盲鉴别模型,粗粒度地将上述模型统一划分为四个阶段:1)图像预处理阶段;2)特征提取阶段;3)特征降维阶段;4)分类器的训练与测试阶段。提出的两个模型除了特征提取阶段有所不同之外,其他三个阶段的方法都基本一致,简单概述为:在图像预处理阶段,首先将RGB图像转化为YCbCr图像,并将Gabor变换应用在Cr通道的图像得到多尺度、多方向的Gabor图像,然后提取上述Gabor图像的纹理特征后利用非负矩阵分解方法降维,并将降维后的特征向量作为输入给支持向量机。