一种基于改进Hu不变矩和Zernike矩的图像被动盲检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115439736A(43)申请公布日2022.12.06(21)申请号202211056696.0(22)申请日2022.08.31(71)申请人哈尔滨工程大学地址150001黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室(72)发明人张杨沈嘉彬李宗达王永凯孙贝贝朱正(51)Int.Cl.G06V20/00(2022.01)G06V10/42(2022.01)权利要求书3页说明书7页附图1页(54)发明名称一种基于改进Hu不变矩和Zernike矩的图像被动盲检测方法(57)摘要本发明属于数字图像取证技术中被动盲检测技术领域，具体涉及一种基于改进Hu不变矩和Zernike矩的图像被动盲检测方法。本发明以图像子带编码为基础，利用Hu不变矩和Zernike矩的不变量对篡改图像进行检测。对图像做子带编码处理，得到近似子带(LL)图像，对近似子带图像进行Hu不变矩和Zernike矩的特征提取，用来表征图像的信息，最后采用上述特征信息进行图像的相关匹配。本发明从现实生产生活需要出发，针对数字图像取证任务，能够实现图像的旋转、平移等检测，具有更优质的鲁棒性，提高了检测准确率。CN115439736ACN115439736A权利要求书1/3页1.一种基于改进Hu不变矩和Zernike矩的图像被动盲检测方法，其特征在于，包括以下步骤：步骤1：获取待检测图像，图像大小为M×N，若图像为彩色图像，对其进行灰度化；步骤2：对灰度化的图像进行子带编码处理，得到低频近似子带图像；步骤3：图像分块与特征提取；对近似子带图像进行相互重叠的a×b大小滑窗分块，对分块后得到的图像子块进行特征提取，提取10个改进的Hu不变矩和Zernike矩作为特征向量，得到特征矩阵P；所述10个改进的Hu不变矩的计算公式为：其中，I1,...,I12为12个扩展的Hu不变矩，计算公式为：2CN115439736A权利要求书2/3页其中，ηpq为标准化中心矩，μpq为图像f(x,y)的二维p+q阶中心矩；(x′,y′)表示图像的重心，x′＝m10/m00，y′＝m01/m00；mpq为图像f(x,y)的二维p+q阶几何矩，步骤4：对提取的特征矩阵P进行字典排序得到矩阵Q，计算矩阵Q中相邻向量Qi、Qj的相关性ρ；若相关性ρ＞θ，则表示两个向量对应的图像区域可能是篡改区域，定位并记录；θ为阈值。2.根据权利要求1所述的一种基于改进Hu不变矩和Zernike矩的图像被动盲检测方法，其特征在于：步骤3中所述Zernike矩是基于经典的离散Zernike多项式构造的一组正交矩，它可以无误差地恢复原始图像，Zernike矩的正交多项式{Vpq(x,y)}具体为：jqθVpq(x,y)＝Vpq(ρ,θ)＝Rpq(ρ)e其中，ρ表示原点到点(x,y)的距离；θ为矢量ρ与x轴逆时针的夹角；p为正整数或零；q为正或负整数，且满足条件p‑|q|为偶数，且|q|≤p；Rpq(ρ)为径向多项式，称为Zernike多项式，具体为：由于Zernike多项式的正交完备性，可将单位圆内的图像f(x,y)分解为：其中，Zpq为重复率为q的p阶Zernike矩，公式为：其中，x2+y2≤1；当图像旋转角度时，旋转后Zernike矩为：其中，p＝0,2,4,...,10。3CN115439736A权利要求书3/3页Zernike矩幅度具有旋转不变性，为了使Zernike矩具有平移与尺度不变性，需要提前对图像进行归一化，采用标准矩方式来归一化图像，对图像进行重心变换就能达到图像尺度一致性的目的，变换后图像g(x,y)为：图像的Zernike矩具有平移、旋转以及尺度不变性。3.根据权利要求1所述的一种基于改进Hu不变矩和Zernike矩的图像被动盲检测方法，其特征在于：所述步骤2中对灰度化的图像进行子带编码处理，得到图像的近似子带低频成分、垂直细节子带、水平细节子带与对角线细节子带；低频部分占据了图像的主要能量，所以提取低频系数进行图像的特征的提取。4.根据权利要求1所述的一种基于改进Hu不变矩和Zernike矩的图像被动盲检测方法，其特征在于：所述步骤4中计算矩阵Q中相邻向量Qi、Qj的相关性ρ的方法具体为：TT设两n维量X＝(x1,x2,...,xn,),Y＝(y1,y2,...,yn,)，其相关性ρ(X,Y)为：4CN115439736A说明书1/7页一种基于改进Hu不变矩和Zernike矩的图像被动盲检测方法技术领域[0001]本发明属于数字图像取证技术中被动盲检测技术领域，具体涉及一种基于改进Hu不变矩和Zernike矩的图像被动盲检测方法。背景技术[0002]信息产业快速的的更新迭代，各式各样的应用软件如雨后春笋般应运