买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安理工大学

摘要：本发明公开了一种基于轻量级感知Hash的细粒度图像篡改定位方法，利用图像位平面的灰度均值作为全局特征；利用图像四个顶点的位置坐标作为布局特征；利用图像超像素的颜色特征作为局部特征；级联这三种特征并对其加密和编码生成最终的图像Hash。在篡改检测与篡改定位过程中，根据图像的布局特征判断几何攻击并进行几何校正；利用全局特征进行篡改检测；利用局部特征进行篡改定位。本发明避免了实验获取或手动设置带来的主观性和片面性。此外，本发明的方法具有较强的鲁棒性和较高的敏感性，甚至当图像同时遭受几种不同类型的攻击时，该方法仍然有效，并且具有较高的检测精度，同时，能够较好的权衡鲁棒性和敏感性。

主权项：1.一种基于轻量级感知Hash的细粒度图像篡改定位方法，其特征在于，具体按照以下步骤实施：步骤1、生成图像Hash；所述步骤1具体按照以下步骤实施：步骤1.1、图像预处理：对于一幅大小为W×Z的图像I，利用公式1对其进行双线性插值，将I转换为M×M图像IM，M＝512， 其中，IMw+x,z+y为目标像素，w＝1,2,...,W，z＝1,2,...,Z，x,y∈[0,1，为了减少噪声的影响，利用公式2对IM进行高斯低通滤波操作，并将结果记为I1： 其中，fi,j表示卷积掩码第i行第j列中的元素，定义如下： 其中，σ是标准差；步骤1.2、特征提取和描述：包括全局特征提取、布局特征提取和局部颜色特征提取；所述步骤1.2具体按照以下步骤实施：1.2.1、全局特征提取：首先利用式4将彩色图像I1转换为灰度图像IG：IG＝0.299R+0.587G+0.114B4然后利用式5将IG分解为8个位平面： 其中，表示第λ个位平面，表示位平面中w,z处的灰度值，λ＝1,2,...,8，p,q＝256,最后通过式6计算每个位平面的灰度均值： 则图像的全局特征可以定义为： 步骤1.2.2、布局特征提取：对于图像I1，4个顶点表示为：P＝{Po1ao1,bo1,Po2ao2,bo2,Po3ao3,bo3,Po4ao4,bo4}点Pon的坐标aon,bon分别表示左上、左下、右下和右上的位置，n＝1,2,3,4；并将图像的布局特征定义为式8：Fo1＝ao1,bo1,ao2,bo2,ao3,bo3,ao4,bo48步骤1.2.3、局部颜色特征提取：利用式9将图像I1从RGB颜色空间转化为YCbCr颜色空间，并将其记为IY： 其中，R、G和B分别为像素的红、绿和蓝色分量；Y表示亮度，Cb和Cr分别表示蓝色和红色的色差；对于图像IY，利用种子点数为T的超像素分割算法将其分割成N个不重叠的超像素，对于每个超像素Si，i＝1,2,,N，计算其中心坐标sai,sbi，然后计算它的最大内接矩形，将其记为Ki，并使用内接矩形区域代替其所在的超像素，局部颜色特征的提取步骤如下：对于每个矩形块Ki，利用CLD算法提取其CLD特征，并将CLD特征记为VYi,VCbi和VCri，定义VYi,VCbi和VCri的前6个系数为块Ki的颜色特征，记为di＝vyi,vcbi,vcri，i＝1,2,...,N；至此，对于每个超像素Si，定义其局部颜色特征ci为Si的中心坐标和对应矩形块的颜色特征di：ci＝sxi,syi,di,因此，对于图像I1，它的局部颜色特征定义为： 步骤1.3、图像Hash生成；所述步骤1.3具体按照以下步骤实施：步骤1.3.1、图像中间Hash生成：中间哈希应该包含超像素分割的初始种子T的数量，将T定义为Fo3：Fo3＝{T}12转换为二进制形式，并表示为F0,F1,F2和F3，则图像I1的中间Hash可以定义为式13：Ho＝F0||F1||F2||F313综上所述，全局特征F0的维数为8；布局特征点共有4个，每个点的坐标维数为2，因此布局特征F1的维数为4×2＝8；另外，由于每个超像素块的特征向量为5维，而整幅图像又被划分为N个超像素，所以颜色特征H2的维数为5N，因此，中间Ho的长度L为：L＝LengthHo＝5N+17×8bit14步骤1.3.2密钥的生成与加密：利用32bitRSA算法生成加密密钥，设t为发送方和接收方共享的密钥，中间HashHo的长度设为L，则长度为L的伪随机序列可以由下列公式产生：rl＝lexptmodL+115rl是第l个密钥,l＝1,2,...,L；则密钥序列为：C＝r1,r2,…,rL16将密钥C也转换为二进制形式，记为Cb，使用密钥Cb对中间HashHo进行加密，得到H′o，如下式所示： 其中，表示异或运算；最后，使用游程长度编码RLE对H′o压缩，得到最终的图像HashH；步骤2、测试图像的几何校正；步骤3、图像的篡改检测与篡改定位；所述步骤3具体按照以下步骤实施：步骤3.1、测试图像的篡改检测算法：从Ho中提取原始图像Iori的全局特征Fo0，从Ht得到测试图像Itam的全局特征Ft0，利用公式22计算Fo0和Ft0之间的欧氏距离D，并将D与两个阈值τ1和τ2相比较来判断测试图像的性质： 若D＜τ1，则认为测试图像Itam与原始图像Iori相似；若D＞τ2，则认为测试图像Itam与原始图像Iori不同；若τ1≤D≤τ2，则认为测试图像Itam为原始图像Iori的篡改图像；其中，τ1和τ2为阈值估计算法得到的阈值；步骤3.2、基于超像素分割分割的图像块匹配算法：由Ho得到原始图像Iori的局部颜色特征Fo2，由Ht得到测试图像Itam的局部颜色特征Ft2，将Fo2与Ft2进行比较，利用式23计算Itam中第j个超像素块的中心坐标a′j,b′j与Iori中每个超像素块Sii＝1,2,…,N中心坐标ai,bi的欧氏距离sji，i＝1,2,…,N， 其中，j＝1,2,...,N′；令sj＝{sj1,sj2,…,sjN}，并由式24得到sj的最小距离：sjx＝min{sj1,sj2,…,sjN}24从上式中，找到对应最小距离sjt的块Sx，则认为测试图像中的超像素块S′j与原始图像Iori的第x个超像素块Sx是对应块，将匹配块表示为Wjx＝S′j,Sx；对测试图像Itam中的每个超像素做相同的操作，即可找到测试图像Itam与原始图像Iori之间的所有匹配块，记为Qji＝{S′j,Si}，其中，步骤3.3、篡改区域定位算法：对步骤3.2中得到的每对匹配块Qji＝{Sj′,Si}，分别从Ho和Ht中提取它们的局部颜色特征Fo2i和Ft2j：对每对匹配块，利用式25计算其CLD特征之间的欧氏距离： 其中，doi是原始图像Iori中第i个分割块的颜色特征，dtj是测试图像Itam中第j个分割块的颜色特征；若则测试图像Itam的第j块是经过篡改的，合并所有篡改的超像素块，即得到篡改区域的定位结果，τ3是通过最大熵参数估计法得出的自适应阈值。

全文数据：

权利要求：

百度查询： 西安理工大学 一种基于轻量级感知Hash的细粒度图像篡改定位方法