基于色彩濾鏡陣列的圖像篡改盲檢測研究

王建剛　魏君　紀(jì)東升

（1甘肅廣播電視大學(xué)，甘肅　蘭州　730000）

（2蘭州交通大學(xué)附屬小學(xué)，甘肅　蘭州　730000

基于色彩濾鏡陣列的圖像篡改盲檢測研究

王建剛1魏君2紀(jì)東升1

（1甘肅廣播電視大學(xué)，甘肅蘭州730000）

（2蘭州交通大學(xué)附屬小學(xué)，甘肅蘭州730000

圖像篡改檢測研究中，利用篡改后JPEG圖像量化表不一致的特性，提出一種針對JPEG圖像的篡改盲檢測新方法。通過智能選取若干圖像塊，迭代估計出待測圖像的原始量化表，大致定位出篡改區(qū)域。然后用估計出的原始量化表對篡改區(qū)域再進行一次JPEG壓縮，由壓縮前后圖像像素值的差值最終確定篡改位置。實驗表明，所提方法具有較高的性能。

數(shù)字圖像取證篡改檢測CFA噪聲分析

1　引言

本文主要針對圖像篡改技術(shù)研究，在此我們使用一種寬泛意義上的定義，任何對圖片的后期操作都被視為圖像篡改。在過去的幾年中，許多圖像篡改檢測技術(shù)被提出；這些技術(shù)都針對一些特定類型的圖像篡改做出檢測，例如重新壓縮［1］、克?。?］、拼接、調(diào)整大小等。這些技術(shù)并不一定確定哪些操作被執(zhí)行了，但僅僅當(dāng)整個圖像被處理后才得知，我們稱這些技術(shù)為通用篡改檢測技術(shù)。通過檢測是否存在傳感器噪聲頻譜圖、色差、亮度、色彩濾鏡陣列去馬賽克偽影局部不一致的情況判斷圖像是否被篡改，我們稱這些技術(shù)為局部篡改檢測技術(shù)。

本文中提出色彩濾鏡陣列去馬賽克的篡改檢測技術(shù)，可以用來檢測局部或全局的圖像篡改操作?；驹硎腔谶@樣一個事實，以一種可測量的方法來證明圖像被篡改后改變了CFA去馬賽克偽影。CFA偽影技術(shù)的缺點或CFA檢測技術(shù)的弱點表明存在全局或局部的篡改行為?；谔卣鞯腃FA可以用來檢測局部或全局的圖像篡改，而不需要使用高維分類器。

2　基于CFA特性的描述

2.1特性1：CFA模式個數(shù)估計

第一種方法主要基于源數(shù)碼相機的CFA篡改模式的估計過程，在此，為識別一幅圖像的CFA圖案，該圖像以幾種候選的CFA模式被重新插值，對于每一個候選的模式，計算原始圖像與重新插值圖像間的均方差。對于一個2×2維的CFA，在每一個潛在的候選的CFA模式中有36種不同的過濾器裝置，然而，市場上的數(shù)碼相機一般使用其中一個4種Bayer顏色濾波陣列裝置的36個可能性，因此，計算均方差值僅有4種Bayer模式的作為候選。

為了更好的估計CFA插值［3］的存在，圖像被分割成W× W的子塊，且只有非光滑塊被用于CFA特性計算。進一步講，選擇了去馬賽克算法，且f是雙線性的。然而，采用雙三次插值并未能顯著地改變估計的結(jié)果。

在Bayer過濾器［4］去馬賽克存在的情況下，在CFA圖案估計誤差值應(yīng)該顯著小于其他的。因此，向量的均勻性，可用來作為可能去馬賽克操作的一個指標(biāo)。因此，估計向量均勻性的新度量標(biāo)準(zhǔn)被定義，如公式（2）所示：

為了更為準(zhǔn)確的表示一個給定的圖片，所有非平滑圖像子塊的U（i）值被計算。最終，U向量的中間值被作為最終的CFA跟蹤度量值，其中。CFA值越高，即F1的值越高，則給定的圖像則越有可能被執(zhí)行了CFA去馬賽克插值，且不會顯示出任何顯著地后處理或篡改操作。

2.2特性2：基于噪聲分析的CFA

為了顧及傳感器噪聲，基于小波變換的雙樹去噪算法將被運用到給定圖像的綠色通道中。為從非內(nèi)插像素中分離出內(nèi)插像素，綠色通道過濾器值（Bayer模式過濾器=1，綠色通道=2）將被用于檢測兩個像素群的位置（圖1所示）。使用，內(nèi)插與非內(nèi)插像素集的噪聲殘留值將被放入兩個向量中，以A1和A2表示。最終，傳感器噪聲方法比值，如公式（3）所示：

在此，vax（A）是向量Ai的方差，max（x，y）代表求x與y中較大的那個值。特性2，表示為F2，在內(nèi)插像素與非內(nèi)插像素之間的噪聲方法不同是敏感的。如果他們的方差沒有任何明顯的差異，他們將收斂到一起。否則，度量值取正值。

3　實驗與結(jié)果分析

3.1CFA痕跡檢測：是計算機合成的或真的

為了驗證兩個特性F1和F2在CFA圖像上的檢測性能，針對真實圖像與計算機合成的圖像計算F1和F2的值，結(jié)果特性圖如圖1（a）所示，不論是F1還是F2在區(qū)分計算機合成圖像與真實圖像時都有較高的精度。F1和F2的誤報率分別是0.0026和0.0027.總檢測的準(zhǔn)確率分別是0.9963和0.9959.

圖1　針對真實圖片與計算機合成圖片集的篡改檢測

3.2篡改檢測

所提特性方法已經(jīng)在多種圖像處理技術(shù)上進行了研究，如模糊、圖像縮放（向上或向下調(diào)整）、JPEG類型圖像再壓縮及旋轉(zhuǎn)等；實驗采用了用10個不同照相機照出的1000張真實的圖片。然后對對1000張真實的圖片采用5種不同的圖像篡改操作（5×5模糊、10％的縮小、10％的擴大、JPEG圖片Q50的再壓縮、1度的旋轉(zhuǎn)），那么6000張被篡改的圖片產(chǎn)生了，最終計算1000張真實圖像與6000張被篡改照片的特征。計算出的CFA特性如圖1（b）所示，采用線性閾值法計算不同篡改操作所對應(yīng)的TP和FP值。當(dāng)檢測CFA痕跡時仍輸出了較高的值，與此同時，F(xiàn)2收斂于一個小角度旋轉(zhuǎn)。

3.3局部篡改檢測

局部圖像篡改通常是在被篡改的圖像區(qū)域扭曲圖像特征，因此，可以預(yù)計的是被篡改的圖像區(qū)域與圖像的其他區(qū)域相比應(yīng)該有不同的CFA去馬賽克值。為了度量這個特征，篡改兩個不同相機（Sony DSC 90 and Canon Powershot A80）所拍攝出的照片，原始圖片與被篡改的圖像如圖4所示，在此，我們給出兩種不同局部篡改檢測的方法，第一個方法是基于綠色通道中CFA圖案估計，第二種方法基于在內(nèi)插像素與非內(nèi)插像素中的噪聲功率分析。

圖2　用F2特性進行篡改檢測

為了驗證第一個檢測方法，給定圖片的綠色通道被劃分成W×W的子塊，且每個子塊都用兩種不同的綠色Bayer圖形（如圖1所示）重新插入。在兩種不同圖形中估計誤差的均方差，然后進行相互比較，CFA模式殘剩的最小均方差將被假設(shè)為原始相機的最初CFA模式。CFA模式中的不一致現(xiàn)象被認為是在對應(yīng)圖像子塊中很可能被篡改的證據(jù)，在被篡改圖像中檢測CFA不一致現(xiàn)象結(jié)果如圖2所示。

第二種方法是基于在2.2小節(jié)中介紹的特性2，為了驗證這個方法，被篡改的圖片如圖2（a）所示，其中d被分為W×W 的W/2步幅子塊（W=96）。之后，對于任一圖像子塊，F(xiàn)2特征計算如2.2小節(jié)中所示，最終，計算的F2特征值被應(yīng)用到線性閾值上。低于閾值的區(qū)域則被假定可能是被篡改的區(qū)域。被計算的CFA特征圖譜（1/F2）及檢測到的被篡改區(qū)域。

4　結(jié)束語

在本文中，基于篡改檢測的2種不同的特性方法被介紹，所提出的方法不需要任何復(fù)雜的機器學(xué)習(xí)算法來做出決定，相反，憑借經(jīng)驗確定線性閾值方法來判斷給定的圖片是否被篡改。所提方法的有效性已在成千上萬張圖片上測試，實驗結(jié)果證明所提方法已成功運用在圖像篡改檢測問題上且錯誤率較低。

［1］Ye S，Sun Q，Chang E C.Detecting digital image forgeries by measuring inconsistencies of blocking artifact［C］//Multimedia and Expo，2010 IEEE International Conference on.IEEE，2010：12-15.

Research on Image Tamper Detection Techniques Based on CFA Demosaicing

WANG Jian-gang1WEI Jun2JI Dong-sheng1
（1 Gansu radio and television university，Lanzhou GanSu 730000 China）
（2 Lanzhou jiaotong university affiliated elementary school，Lanzhou GanSu 730000 China）

In the research of image tamper detection，the new method of tamper blind detection for JPEG images is proposed，which is inconsistent with the quantization table of the tampered JPEG images.Through the intelligent selection of a number of image blocks，the original quantization table of the image to be measured is estimated iteratively，and the tampered region is roughly located.Then，one JPEG compression is made for the tampered region with the evaluated original quantization table，and the tampered region is finally determined by the difference between compressed and uncompressed image pixel values.Experiments show that the proposed method is of high performance.

digital image forensics；tamper detection；CFA；noise analysis

TP391.6

A

1008-1739（2015）11-58-3

定稿日期：2015-05-12