基于人脸色温的拼接图像篡改检测.docx

基于人脸色温的拼接图像篡改检测
摘要：
拼接图像篡改是现代数字图像处理中常见的一种图像篡改方式。传统的拼接图像篡改检测方法通常基于图像缝合线、边缘信息等图像特征分析，难以应对多种篡改技术的变化。本文提出了一种基于人脸色温的拼接图像篡改检测方法。该方法通过对于拼接图像中人脸部分进行色温分析，利用最大似然方法建立拼接图像与前后景色温分别的模型，通过构建多阈值二值化算法，实现对于拼接图像中人脸部分目标像素的提取，从而进一步实现对于拼接痕迹的检测。实验结果表明，该方法在不同场景下具有较好的检测性能，可以有效地检测和鉴别拼接图像篡改。
关键词：拼接图像篡改检测；人脸色温；最大似然方法；多阈值二值化算法
1.引言
数字图像处理技术的快速发展促使图像篡改技术的逐步成熟。其中，拼接图像篡改是常见的一种图像篡改方式，其以两张或多张图像的拼接为基础，通过图像缝合的方式达到篡改的目的。拼接图像篡改技术的处理复杂度、篡改效果及产生的痕迹等问题，增加了图像篡改检测的难度。目前，基于视觉的检测、基于特征的检测和基于关系的检测是主流的拼接图像篡改检测方法。其中，基于视觉的检测主要是通过纹理、边缘等视觉特征分析，其检测精度较低，很容易被篡改者规避篡改鉴定；基于特征的检测则基于图像特征进行分析，其优点是具有较高的准确性，但对于篡改者的技术造诣有较高的要求；而基于关系的检测则是根据物理或者数学关系进行检测，虽然具有较高的鲁棒性，但检测的范围比较狭窄。
针对上述问题，本文提出了一种基于人脸色温的拼接图像篡改检测方法。该方法主要利用分析前景、背景颜色以及人脸的色温关系，进而建立拼接图像与前后景色温关系的模型，通过构建多阈值二值化算法，从而实现对于拼接图像中人脸部分目标像素的提取，最终达到拼接痕迹检测的目的。
2.方法概述
2.1人脸色温模型建立
在拼接图像中，人脸通常是最活跃、最重要的部分，也是检测的重点之一。因此，要对于人脸区域进行复杂信息的提取，从而使得检测算法更为准确地鉴别拼接图像中的篡改痕迹。
本文提出了一种基于色温关系的拼接图像篡改检测方法。利用图像中前景、背景色彩等颜色信息以及人脸色温特征，建立相应的色温模型。具体而言，本文通过对于前景与背景图像颜色的建模，求得两者色温的分布概率，然后根据人脸区域所包含的颜色信息，可求得人脸部分的色温分布概率。求得色温分布概率后，采用最大似然方法，结合人脸区域的颜色分布概率，建立色温模型，具体来讲，为了建立以人脸区域色温为基础的模型，可以分成以下几步：
(1)对于前景、背景色温进行统计分析。先得到前景与背景的色温信息分布函数，方便后续分析
(2)通过人脸区域的颜色分布概率，求得人脸部分的色温分布概率。
(3)利用最大似然方法，基于人脸区域的颜色分布概率，结合前景与背景的色温分布，建立拼接图像与前后景色温分别的模型。最终得到的模型可以用于后续的拼接图像篡改检测。
2.2多阈值二值化算法提取目标像素
由于图像篡改痕迹往往涉及到对于原始图像与篡改图像的融合，不同的区域可能具有不同的色彩，且色彩分布具有一定的特殊性。因此，为了更好的鉴别拼接痕迹，特别是人脸区域的拼接痕迹，本文提出了一种多阈值二值化算法，实现对于拼接图像中人脸部分目标像素的提取。本算法的核心思想是利用阈值上升的方式，从最低阈值开始计算，逐渐提高阈值，对于阈值内色彩值相同的像素同时上色，进而提取出目标像素。
具体而言，我们依据之前建立的色温模型，将图像区域划分为人脸区域和其他区域。首先对非人脸部分图像进行多阈值二值化计算，将图像中目标部分提取出来，随后，再将人脸区域与目标像素进行比较，最终确定是否存在拼接图像的痕迹。
3.实验结果与分析
本文选择了PASCALVOC2007数据集进行实验。首先，我们将本算法与传统的色彩直方图方法、SURF特征以及其它方法进行对比实验。结果表明，本算法对于不同的图像条件（如室内、室外）均具有较好的鲁棒性，在准确率和召回率方面都有很好的表现。
随后，我们从人脸区域与非人脸区域的角度进行了对比。实验表明，在人脸区域的检测中，本算法的表现优于其它方法；而在非人脸区域的检测中，本算法与传统方法表现相当。
最后，我们对于本算法在图像样本角度进行了验证，实验结果表明，本算法在图像篡改检测方面表现优异，具有较广阔的应用前景。
4.结论
本文基于人脸色温关系的拼接图像篡改检测方法，通过建立了拼接图像与前后景色温分别的模型，并通过多阈值二值化算法实现对于目标像素的提取，可以有效地检测和鉴别拼接图像篡改。实验结果表明，该方法在不同场景下具有较好的检测性能，可作为一种较为准确、高效的关于拼接图像篡改检测的实用方法。