论文研究-基于三阶统计特征的被动图像拼接检测.pdf

所需积分/C币:16 2019-07-22 21:30:32 1.58MB .PDF
收藏 收藏
举报

针对被动图像拼接检测问题, 提出了一种基于三阶统计特征的检测算法。该算法把图像状态矩阵中三个相邻状态之间的依赖关系建模为条件共生概率矩阵, 然后将其作为识别特征输入到支持向量机SVM进行分类。由于高阶统计特征维数随着统计阶数的增加而呈指数级增加, 为了降低高维特征在分类阶段所引入的高计算复杂度以及避免可能出现的过拟合现象, 引入了主成分分析法PCA对提取的特征进行降维处理。实验结果显示, 条件共生概率矩阵特征在空间域和8×8分块DCT域的检测结果均优于传统的马尔可夫特征和共生矩阵特征; PCA是图像拼接检测的一个有力分析工具, 在大幅度降低特征维数的同时能够保持识别率不降低。
第12期 赵旭东,等:基于三阶统计特征的被动图像拼接检测 4731 量。令A1>A2>…>AD,则可以使得var(v1)>var(v2)>…> ar(Un)。最终PCA操作将原始特征向量矩阵X线性变换到2实验与结果分析 由Cov(x-X)的特征向量构成的线性空间中大,并且Y中特 2.1拼接检测图像库 征包含的信息量(以方差来衡量)随着维数的增加而降低。图 为∫验证算法的有效性,本文分别对哥伦比亚拼接检测灰 2给出了PCA降维后的CCPⅥ特征向量矩阵维数与其对应的 度图像库和彩色拼接检测图像库∞进行检测。 方差之间的关系。 图像库9包含933幅正常图像,912幅拼接图像;该图像 由图2(a)可知,随着特征维数的增加,特征所对应的方差库中所有图像均为128×128像素的BMP图像该库中的图像 快速下降(即维数越高所对应的方差越小);山图2(b)中的方 内容包括自然景观、动物、植物和建筑物。彩色拼接检测图像 差累积曲线( emulative curve)可知,前20维特征占据了%%库包含183幅正常图像,180幅拼接图像;该图像库中所有图 左右的分类信息。因此根据不同的实际问题,选取Y中的前像均为无压的TFF格式,图像大小介于757×568像素 若干维特征就可以取代原始的高维度特征。 1152×768像素;该图像库屮的图像包括室內场景和室外建筑 0.16 0.14 物景观。图3给出了这两个图像库中的一些小例拼接图像,其 0.12 中第一行来自亍为哥伦比亚拼接检测库,第二行来自丁彩色拼 0.1 e80 接检测库。 800分 0.06 0.04 0.02 0oo4 020406080100 020406080100 特征维数 特征维数 图2特征维数与所对应方差之间的关系 1.4支持向量机 本文采用支持向量机(VM)1作为分类器,对提取的特 图3拼接检测图像库 征进行分类。即将图像拼接检测问题建模为一个二类分类问 题(正常图像为一类,拼接图像为另外一类)。SVM是一个广22结果比较和分析 义的线性分类器,它将原始特征通过核函数映射到高维度空 实验过程中使用SVM监督式的分类器分别对两个图像库 间然后在高维空间找到一个最优超平面对两类样本进行划分进行检测。对丁图像库,每次实验随机从图像库中抽取1/2的 (分类)。假设超平面为g(x)=tx+tn,训练特征集为{(x 图像(包含12的正常图像和1/2的拼接图像)作为训练集;然 y1),(x2,y2),… (xN,y、)},x为第i个特征向量,y为其标志根据式(15)计算所提取特征的识别率。彩色拼接检测图像库 (+1为正常图像,-1表小拼接图像)。则SⅤM可以建模为以 中图片个数较少而提取的特征维数相对较高,为了避免分类器 下问题: 出现过拟合现象,将该库中的图像分割为128×128的子图像, minJ(w,05)=2l2+C2S (10)这样共得到822幅正常图像和681嗝带有拼接边缘的图像, 约束条件为 每次实验随机从8222幅正常图像屮抽取681幅图像,将这些 y(x2+"0)≥1-5 图像和全部拼接的图像(也是681幅)组合为一个新的库;接 (1)下来对该新库的实验操作和哥伦比亚拼接检测库的撫作一样 为了排除实验中可能出现的随机性,每次实验重复30次,将 其中:C是一个正常数,0<§≤1。使用拉格朗日乘子法以及 30次实验结果的平均识别率记录下来并给出标准差。为了说 Karush-Kuhn- Tucker条件,可以得到 明本文所提取侍征的有效性,本文引入了一阶马尔可夫特 A,y; xi (12)征9(以下简写为Mar)和灰度共生矩阵特征0(以下简写 其中:N、为支撑向量个数(即SVM分类超平面仅与支撑向曇为(M)这两类常用的拼接检测特征进行比较。表1和2分 有关),为拉格朗日乘子系数。最终得到的5M分类超平别记录了 arkov特征CLCM特征以及本文所提的CPM特 可以表示为 征在两个图像库屮的检测结果。其中:TP( true positive)用来 表示正常的图像判断为正常图像的概率;TN( true negative)用 g(x)=2Ay: X;X+to (13)来表示拼接图像判断为拼接图像的概率;Ace( Accuracy)表示 本文使用高斯核函数作为SVM的映射函数,高斯核K( 最终的认别率,每次实验的标准差(即30次实验的标准差)记 x)定义如下: 录在括号里。表3记录了CCPM特征PCA降维后在哥伦比亚 拼接检测图像库上的检测结果。表4记录了CCPM特征PCA Ki (14) 降维后在彩色拼接检测图像库上的检测结果。结合文献[4 则高维空间的分类超平面表示为 6]的结论和实验结果,实验在亮度邇道(Y通道)提取RCT域 的特征,在色度通道(Cr通道)提取空间域的特征。图4给出 g(x)=∑AyK(X,X)+o 了 Markov特征(98维)、GLCM特征(98维)以及PCA降维后 对于未知特征向量x,若g(x)>0,则将x划分为一类;若的CCPM特征(98维)的ROC( receiver operating characteristics g(X)≤0,则将x划分为另外一类。 曲线 4732· 计算机应用研究 第29卷 表1原始特征在哥伦比亚拼接检测图像库上的检测结果比较 a)根据表1和2,原始的CCPⅥ特征在BDCT域和空间域 BDCT域检测结果 空间域检测结果 特征 的检测性能均优于传统的 Markov和GLCM特征。 1.1%77.4%74.2%75.6%72.7%74 b)根据表3和4,PCA降维方法在大幅度降低特征维度的 GLCM 2.57)(2 (2.09) 同时能够保持识别率不降低。 85.9%86.4%86.1%74.1%76.4%75.6% Markov c)据表3和4,CCPM特征检测性能一开始随着PCA维 1.58)(2.05)(0.86)(2.34)(1.99)(0.92) 数的升高ⅷ提高,然后趋于稳定,这与图2的结论相一致。 86.2%88.5%87.6%78.4%76.1%77.3% CCPM 1.80)(1.69)(0.91)(2.13)(2.33)(1.01) d)根据表3、4以及图4,降维后的CCPM特征仍优于 表2原始特征在彩色图像库上的检测结昊比较 和GLCM特征 BDCT域结果(Y通道) 特征 空间域结果(Cr道道) 0.9 TP 0 GLCM 77.7%85.8%81.7%91.5%88.7%90.I% 2.23)(2.34)(1.38)(1.56)(1.87)(1.05) 06 0.6 Markov 87.3%87.6%87.5%89.5%88.3%88.9% 0.4 0 2%89.5 1.6%93.1% 2 CPM 1.79)(1.35)(0.94)(1.81)(1.65)(1.07) 0.1 表3PCA降维后CCPM特征在哥伦比亚图像库上的检测结果 00.20.40.60.81 00.20.40.60.8 alse positive false positive PCA特征 BDCT域检测结果 空间域检测结果 (a图像库[BDCT (b图像库空间域 维数 0.9 79.7%81.3%80.5%70.2%74.7%72.4% 0 ………m,-+…÷………… (3.03)(2.63)(1.15) 83.7%87.7%85.6%79.2%73.5%76.4% e04… 83.4%86.0%84.7%7.5%73.6%75.6% E0.3… agE 0.3 (1.61)(1.82)(0.93)(2.20)(2.63)(1.20) 0.1 lmmCLCM 86.0%88.4%87.2%79.1%74.6%76.9% 2.34)(1.71)(0 2.51)(2.74)(1.64) 00.20.4060.8 0.20.40.60.8 84.5%88.2%86.3%79.7%74.2%76.9% e图像库1BDCr域 (d)图像库空问域 (2.13)(1.59)(0.87)(2.17)(2.47)(1.18) 图4三种特征在两个图像库上的ROC曲线比较 85.0%89.6%87.8%79.5%73.7%76.7% 1.74)(1.50)(0.83)(2.67)(2.89)(1.20)3结束语 85.9%89.7%87.8%80.8%74.0%77.4% 1.71)(1.98)(0.93)(2.78)(2.08)(1.58) 随着图像处理软件功能的∏益强大与互联內的快速发展 85.3%88.4%86.8%78.9%73.1%76.2% 图像窜改越来越容易,而一幅别有用心的窜改图像往往会荇来 1.60)(1.83)(0.98)(2.41)(2.48)(1.14) 7%79.9%74.4%77.3% 很大的社会负面影响。为了应对这种局面,图像窜改检测技术 226)(1.95)(0.83)(2.16)(2.06)(1.14) 应运而牛,并且在最近几年逐渐成为一个研究热点。本文针对 5%89.1%87.4%80.2%73.0%7.7% 最为常见的一种图像窜改方式—图像拼接,提出了基于一种 (1.55)(1.68)(0.93)(2.09)(2.09)(0.96) 三阶统计特征(即条件联合概率矩阵)的被动图像拼接检测算 表4PCA降维后CCPM特征在彩色图像库上的检测结果 法。为了避免高维度特征对分类器造成的高计算复杂性以及 A特征3DT域检测结果(F) 空间域检測结果((r) 可能出现的过拟合问题,将PCA作为降维方法引入进来。本 74.5%83.5%79.1%76.5%87.4%82.0% 文将图像拼接检测建模为一个二类模式识别问题,采用机器学 2.76) (3.01)(1.33)(2.51)(3.6)(1.49) 习的方法(SⅤM)对正常图像和拼接图像进行二类分类,从而 87.3%89.I 7%90.1% 达到窜改检测的目的。实验结果品示条件联合概率矩阵特征 (2.13)(1.22)(1.27)(3.01)(1.83)( 89.3%89.4%89.4%90.5%92.1%91.3 在空间域和BDCT域检测性能均优于已有的两种常用特征 (1.73) PCA在大大降低特征维数的同时能够几乎不损失分类信息。 89.1%89.7%89.4%90.1%92.8%91.4% 相比于低阶的特征,高阶统计特征能够捕捉到更多的分类信 12.55)(1.55)(1.26)(2.02)(1.29)(0.98) 88.8%89.2%89.0%91.8%92.6%92.2% 息,因此如何能够提取更有效的高阶特征,同时保持较低的计 算复杂度是接下来的工作 86.9%86.4%86.6% 参考文献 2.31)(1.97)(1.38)(1.64)(2.00)(1.17) 8.6%89.0%88.8%90.8%92.8%91.8% L1 REY C, DUGELAY J L. A survey of watermarking algorithms for im (1.62)(1.14)(2.00)(2.01)(0.96 age authentication [J. EURASIP Journal on Applied Signal Pro- 88.5%88.5 88.5%91.2%92.5%91.8% cessing,2002,2002(6):613-621 1.41)(1.57)(1 (1.87)(1.27)(1.11) [2 YEUNG MM. Digital watermarking [J. Communications of the 89.0%89.6%89.3%91.1%93.2%92.1% (1.50)(1.16)(2.02)(1.53) AcM,1998,41(7):30-33. 89.4%89.4%89.4%92.4%93.0%92.7% [3 FRDRICH J. Method for tamper detection in digital images C]/ 95 (1.93)(1.48)(1.03)(1.73)(1.34)(0.88) Proe of Multimedia and Security Workshop at ACM Multimedia. 1999 实验结果显示: 19-23 (下转第4749页 第12期 侯小静,等:基于幂次变换预处理的PCA人脸识别算法 4749 法,而此时幂次变换和低通滤波的PCA方法最高识别率达到 98 0% 3结束语 如图6所示,将基于幂次变换预处理的PCA人脸识别算 本文通过幂次变换作用于图像,在很大程度上克服了光照 法、随机采样和低通滤波的A算法、随机PCA算法进行比等非线性因素对人脸识别鲁棒性的影响,提取到了更有利于人 较(其中传统PCA算汰作对比参照)。每组实验均采用同险辨别的特征,取得了较好的识别效果,通过选择合适的幂次 不重复随机序列选取训练样本和测试样本。从结果看基于变换指数因子使识别的效果达到最佳。实验结果表明,本文算 幂次变换预处理的PCA人脸识别算法的识别率岄显高于其法能够取得优于传统PCA算法的识别性能。 他两种算法,基于幂次变换顶处理的PCA人脸识别算法平均参考文献: 识别率为970%,高于随机采样和低通滤泼的CA算法平[11粪劬,卢力,廖武忠,甚于主成分分析的人脸个差异识别箅法 均识别率95.37‰%、随机采样的PCA算法平均识别率 [J].计算机工程,2012,38(1):146-147 93.02%。可见,基于幂次变換预处理的PCA人脸识别算法[2]刘青山,卢汉清,马颂德,综述人脸识别中的子空间方法[J]自 提高了PCA算法对光照和噪声等非线性因素的鲁棒性。实 动化学报,2003,29(6):%00-911 验表明,通过选择合适的幂次变换指数因子,基于幂次变换[3]TRKM, PENTLAND A. Eigenfaces for recognilion]. Journal of 预处理的CA人脸识别算法平均识别率提高到96.70%。因 Cognitive Neuroscience, 1991, 3(1): 71-86 此,本文提出的基于幂次变换预处理的PCA人脸识别算法有[4]何国辉,甘俊英PCA类内平均脸法在人脸识别中的应用研究 效地提高了人脸识别精度。当然,本文提出的人脸识别方法 [J].计算机应用研究,2006,23(3):l65-16 所能达到的最高识别率仍与选取的人脸数据库有关,但相对[5焦斌亮,陈爽基于PCA算法的人脸识别[J.计算机工程与应 于同一个数据库,本文提出的方法比单纯的PCA算法在识别 用,2011,47(18):201-203. 率方亩有了显者提高。 [6]贾莹,段玉波.基于主分量特征与犯立分量特征的人脸识别[J 佳木斯大学学报;自然科学版,2010,28(2):180-182. 95 [7]赵庆苓。主成分分析在人脸识别研究中的应用[J].黃州大学学 报:自然科学版,2010,27(5):67-71 0 0.9 0 [8』杨绍华,林盘,潘晨.利用小波变换提高基于KPCA方法的人险识 0.75 0.85 一礼于幂火变换预处的PCA算法 别性能「J1.山东大学学报:理学版,2007,42(9}:95-100. 0.7 随机采样和低通滤波的PCA算浓 滤附PCA置法 振于题机样的PCA算法 C-于随机采样的PCA算法 传统A算牺 传统FCA算法 [9]冈萨雷斯。数字图馋处理[M].2版.北京:电子工业出版社 2101826344250 26101418 特征向量个数 2003 随机统计实验次数 图5取特征空间中特征向量个数k图630组不同随机序列采样下10]仔树成,周激流,何坤,等光照鲁棒的人脸识别[J.激光杂志 的范围为[1,50]时四科算法识别率对比的四种算法识别率对比结果 2009,30(5);35-37. (上接第4732页) consistencies in lighting[ C]//Proc of the 7th Workshop on Multime [4 SUTTHIWAN P, SHI Y Q. ZHAO Hong, et al. Markovian rake trans dia and Security. New York: ACM, 2005: 1-10 form for digital image tampering detection[C ]//Lecture Notes in [13 JOHNSON M K, FARID H. Exposing digital forgeries through specular Compuler Science, vol 6730. Berlin: Springel-Verlay, 2011: 1-17 highlights on the eye LC//Proc of the 9th International Workshop on [5 ZHAO Xu-dong, Li jian-hua, LI sheng-hong, et al. Detecting digital im- Information Hiding. Berlin: Springer- Verla, 2007: 311-325 ge splicing in chroma spaces[ C]//Proc of the 9th International Work- [14 JOHNSON M K, FARID H. Exposing digital forgeries in complex shop on Digital Watermarking. Berlin: Springer-Verlay 2011: 12 lighting environments J. IEEE Trans on Information Forensics [6 WANG Wei, DONG Jing, TAN Tieniu. Effective image splicing de and Security,20072(3):450-461 lection based on image chroma[C]//Prme of IEF. F International Corl-[ 15 HSU Y F, CHANG S F. Detecting i ference on Image Processing [S 1.]: IEEE, 2009: 1257-1260 ariants and camera characteristics consisteney[ c// Proc of Interna [71 SUTTHIWAN P, SHI Yun-qing, DONG Jing, ct al. New develop tional Conference on Multimedia and Expo. Toronto: IEEE, 2006: ments in color image tampering detection[ C]//Proc of IEEE Interna 549-552 Symposium on Circuits and Systems. L S. 1.]: IEEE, 2010 16 GOU Hong-mei, SWAMINATHAN A, WU Min. Noise fealures for im- 304-3067 age tampering delect ion and steganalysis [C]// Proe of IEEF.Inlern [8 CHEN Wen, SHI Y Q, SU Wei. Image splicing detection using 2-d tional Conferenee on Image Processing. Texas: IEEE, 2007: 97-100 phase congruency and statistical moments of characteristic function 17 POPESCU A C, FARID H. Exposing digital forgeries in color filter [C]//Proc of the Society of Photo-Optical Instrumentation Engineers array interpolated images 1]. IEEE Trans on Signal Processing San Jose: SPIF, 2007: 6505OR 2005,53(10):3948-3959 [9 SHI Y Q, CHEN Chun-hua, CHEN Wen. A natural image model ap- [18 VAPNIK V N. Statistical learning theory[ M.[S. 1.]: Wiley, 1998 proach to splicing detecting [C]//Proc of the 9th Workshop on Multi-[19 COLUMBIA DVMM R L. Columbia image splicing deteetion evalua New York. ACM.2007.51-62 tiondatasetDb/oL].http://www.ee.columbiacdu/in/dvmm/ [10 FARID IL, LYU S. Iligher-order wavelet statistics and their applica- downloads/ AuthSplicedDataset/Authspliced DataSet htr tion to digital forensics [C]//Proc of IEEE Workshop on Statistieal A- [20] COLUMBIA DVMM R L. Columbia uncompressed image splicing de nalysis in Computer Vision. Wisconsin: IEEE, 2003 94-101 lectionevaluationdatasetDb/oL.http://www.ee.columbia [11 NG T 'T, CHANG S F, sun Qi-bin. Blind detection of photomontage In/dvm/ downloads/authsplcuncmp/ using higher order statistics [C]// Proc of IEEE International Sympo- [21] FAWCETT T. ROC graphs: notes and practical considerations for re sium on Cireuits andI Systems. Vancouver: IFFE, 2004: 688-691 searchers [J/OL.. hIlp: //home. come asl. nel/-lorn fawe 12]JOHNSON M K, FARID H. Exposing digital forgeries by detecting in- html/ papers/ROC1O1 pdf

...展开详情
试读 5P 论文研究-基于三阶统计特征的被动图像拼接检测.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    抢沙发
    一个资源只可评论一次,评论内容不能少于5个字
    img
    • 至尊王者

      成功上传501个资源即可获取

    关注 私信 TA的资源

    上传资源赚积分,得勋章
    最新推荐
    论文研究-基于三阶统计特征的被动图像拼接检测.pdf 16积分/C币 立即下载
    1/5
    论文研究-基于三阶统计特征的被动图像拼接检测.pdf第1页
    论文研究-基于三阶统计特征的被动图像拼接检测.pdf第2页

    试读已结束,剩余3页未读...

    16积分/C币 立即下载 >