數字圖像復制粘貼篡改盲取證算法研究與實現

2015-02-23 08:28:49楊江濤馬喜宏

電子器件 2015年4期

楊江濤，馬喜宏*，鄔　琦

(1.中北大學電子測試技術國家重點實驗室，太原030051; 2.中北大學儀器科學與動態測試教育部重點實驗室，太原030051; 3.中北大學計算機與控制工程學院，太原030051)

楊江濤1，2，馬喜宏1，2*，鄔琦3

摘要:針對數字圖像檢測中一類常見的復制－粘貼圖像篡改，提出了一種基于小波變換和奇異值分解的檢測算法。該算法利用小波變換提取圖像的低頻分量，對低頻分量分塊提取奇異值特征，然后將特征矢量進行按行字典排序，并且配合圖像塊的偏移位置信息，進行圖像復制偽造區域的檢測和定位。實驗表明該算法大大減小了特征向量的維數，從而提高了相似塊的匹配檢測效率。為了更方便快捷的檢測圖像是否被惡意篡改，設計了簡單明了的系統檢測界面，只需載入待檢測的圖像并輸入相應的參數就能進行檢測，最后將檢測結果返回給界面，而且系統完成了篡改檢測算法的DSP硬件實現，該算法將有利于推動數字圖像取證技術的理論研究與應用推廣的發展。

關鍵詞:數字圖像;篡改取證;小波變換;奇異值分解; DSP

圖像數據作為信息傳遞的重要載體，被廣泛應用在新聞報道、智能信息收集、犯罪調查、安全監控、醫療和科學研究等領域［1－2］。但隨著成本、高性能、友好操作界面的圖像處理軟件的不斷推出，數字化的圖像信息面臨著極大的安全隱患(即圖像信息易被惡意篡改)，因此數字圖像真實性認證已經成為目前的研究熱點［3－4］。

為了進一步減少運算量，本文從縮小圖像尺寸和降低特征空間維數兩方面考慮，提出了一種基于小波和奇異值分解的圖像復制區域檢測算法。該算法利用小波變換提取的圖像低頻分量作為分析對象，并使用奇異值分解提取小波低頻圖像特征進行降維。實驗表明該算法能夠定位出復制和粘貼的圖像區域，并顯著地減少了運算量，提高了檢測效率。為了更方便快捷的檢測圖像是否被惡意篡改，設計了簡單明了的系統檢測界面，只需載入待檢測的圖像并輸入相應的參數就能進行檢測，最后將檢測結果返回給界面，而且系統完成了篡改檢測算法的DSP［5］硬件實現，該算法將有利于推動數字水印技術的理論研究與應用推廣的發展。

1　數字圖像復制粘貼篡改盲取證算法

1.1一級小波窮舉搜索法

1.1.1算法思想

該算法［6］首先將圖像進行不重疊分塊，把每一個圖像塊當成一個模板，然后對圖像塊進行一級小波變換，將經過一級小波變換的圖像塊遍歷剩余的部分(圖像塊同樣要經過一級小波變換)，看是否存在跟模板完全一樣的圖像塊，若存在，則標記這兩個圖像塊的位置，繼續搜索，直到找到所有的相同塊。

首先將圖像分為ms×ns的不重疊塊B，然后對小塊做DWT，把DWT后圖像小塊當成一個模板，遍歷圖像剩余的部分(圖像塊同樣要經過一級小波變換)，看是否存在跟模板完全一樣的圖像塊，若存在，則標記這兩個圖像塊的位置，繼續搜索，直到找到所有的相同塊。

1.1.2算法步驟

(1)不重疊快的劃分和特征向量的提取

將圖像分為ms×ns的不重疊塊，其中塊大小的選擇要求小于篡改塊。假設圖像大小為mc×nc，重疊塊Bi大小為ms×ns，對于圖像塊的劃分，分塊越大檢測的速度越快，在同一閾域T前提下漏檢的可能性也越大;與之相對應分塊劃分過小，檢測的準確性雖然提高了，但降低了檢測的速度，同時可能會出現大量的虛警現象，所以關于塊的大小的選擇要根據人工懷疑的篡改區域大體估計，并通過反復試驗，適當選擇適當的分塊大小。對每個小塊做Haar離散小波變換(DWT):［Ai，Hi，Vi，Di］= dwt2 (Bi，’harr’)，圖像DWT后所對應的各子頻帶的值為相應的小波系數。低頻逼近子帶表示小波分解在最大尺度、最小分辨率下對原始圖像的最佳逼近，它的統計特征和原圖像相似，含有最重要的信息，所以我們采用低頻子帶Ai作為小塊Bi的特征向量。

(2)重疊快的劃分和特征向量的提取

將圖像按照單像素位移被劃分為多個重疊塊Ci，圖像塊的大小和重疊塊的大小一樣，同為ms×ns大小。對每個小塊做Haar離散小波變換(DWT):［Ai，Hi，Vi，Di］=dwt2(Ci，’harr’)。

(3)塊匹配檢測

每一個DWT重疊塊和所有DWT非重疊塊做相似性檢測。常用的塊相似性檢測方法有基于直方圖統計的檢測方法，基于像素統計的檢測方法和基于像素統計的檢測方法。本文采用Pearson相關系數檢測方法。

1.2DCT水印算法

1.2.1算法思想

該算法［7］首先將水印圖像置亂，然后將水印嵌入到原始圖像中。檢測時，若提取出的水印和原始水印不一致，則說明圖像被篡改過。

1.2.2算法步驟

(1)水印圖像置亂，本文采用的置亂算法為Arnold變換。

(2)圖像分為8×8大小塊并進行DCT變換，把水印嵌入圖像塊中。

(3)檢測時，提取水印，反置亂得到提取水印，若得到的水印和原始水印相同則圖像未被篡改，否則為篡改圖像［8］。

1.3LSB水印算法

1.3.1算法思想

該算法［9］的主要思想是圖像2×2不重疊分塊，提取圖像分塊的灰度均值并量化為8 bit的精確值，經混沌logistic映射加密和確定嵌入位平面后，嵌入到原始圖像所有像素的2個最低有效位中;在圖像需要認證時，提取圖像中水印信息和重新計算圖像分塊灰度均值，經加密和確定嵌入位平面后生成參考水印，比較提取的水印信息與參考水印，若相同則通過認證，反之判定為篡改。在認證檢測過程中，不需要原始圖像和任何有關水印的附加信息，保證了水印的安全性和保密性，實現對圖像內容完整性認證和篡改的精確定位。

1.3.2算法步驟

(1)原始圖像分2×2不重疊分塊，提取圖像塊的灰度均值并量化為8 bit的精度值。

(2)求分塊高灰度均值二值化。

(3)經混沌logistic映射加密和確定嵌入為平面后，嵌入原始圖像所有像素的2個最低有效位中。

(4)在圖像需要認證時，提取圖像中水印信息和重新計算圖像分塊灰度均值，經加密和確定嵌入位平面后生成參考水印。

(5)比較提取的水印信息與參考水印，若相同則通過認證，反之判定為篡改。定位篡改位置。

1.4基于小波和奇異值分解算法

1.4.1算法思想

本文算法首先對檢測圖像進行小波變換，對小波低頻分量進行固定大小的滑窗操作，對取出的圖像塊進行奇異值分解［10］，然后對圖像奇異值特征矩陣進行按行字典排序。根據相似的圖像塊則奇異值矢量相近，排序后兩個矢量會在排序矩陣中相鄰，遍歷排序后矩陣，并且配合圖像塊的偏移頻率信息，檢測出復制偽造區域。

1.4.2算法步驟

(1)設Imc×nc為待檢測的灰度圖像，其中mc×nc為圖像的大小。

(2)對圖像I進行j級小波變換，變換后的小波低頻圖像為Am×n，其中m=［mc/2j］，n =［nc/2j］，［］為下取整操作。

(3)設定窗口塊w的大小為ms×ns(這里假設設定分塊的大小小于要檢測的復制圖像區域的大小)，對小波低頻圖像進行一次移動一個像素的滑窗操作，則共有Nw=(m－ms+1)×(n－ns+1)個塊。

(4)對每個圖像塊進行奇異值分解，得到降維后的圖像特征描述，特征空間由ms×ns維下降到了r維，其中r=min(ms，ns)。

(5)對得到的Nw×r維的特征矩陣，按行進行字典排序，得到排序后的特征矩陣S。向量si表示S中的一行，i=1，…，Nw，(xi，yi)表示與向量si對應圖像塊的左上角坐標值。

(6)遍歷S，對S中相鄰的兩行向量si，sy，計算它們對應的圖像塊的坐標的偏移矢量(Δx，Δy)。

(7)對滿足Δx＞|ms|orΔy＞|ns|的向量si，sy，統計其偏移頻率C(Δx，Δy)，得到偏移頻率矩陣C(初始化為零):C(Δx，Δy)= C(Δx，Δy)+1

(8)對得到偏移頻率矩陣C進行大于閾域T判斷，判別出圖像中是否存在復制圖像區域。如果存在，進入下一步，如果不存在，則算法結束。

(9)對偏移頻率大于閾值T的那些偏移矢量對應的塊位置進行標識:如果這些具有相同偏移矢量的塊是相鄰的，則組成了復制粘貼的區域;如果標識塊是孤立的，則可能是噪聲。

2　DSP硬件平臺設計

本系統主要由圖像采集和圖像處理兩大部分組成。由CMOS傳感器負責圖像的采集，CPLD進行邏輯控制，SRAM進行數據存儲，DSP進行數據處理，將數據采集和數據處理集成到一個系統中，從而發揮了不同類型可編程芯片的，提高了系統的性能。系統的硬件框圖如圖1所示。

圖1　系統硬件設計框圖

系統圖像數據的采集、處理過程如下:首先，由DSP啟動對圖像數據的采樣，通過擴展的I/O口，發送控制信號到CPLD;控制信號主要由開始采集、采集完成等幾個狀態組成。CPLD一旦接收到開始采集信號，就立刻向CMOS傳感器發送采集控制信號。為了實現SRAM中數據地址的同步，將CMOS傳感器輸出的數字信號送往CPLD進行緩沖，然后送到SRAM中供DSP讀取。DSP通過查詢和中斷方式，監控CPLD發出的中斷信號，一旦接收到CPLD發出的采集完成中斷信號，DSP在通知CPLD停止采集的同時，延時一段時間后從SRAM讀取數據，然后在內部進行數據處理，將處理結果通過顯示器件顯示或者根據用戶的要求，將放在存儲器中的結果通過McBSP、USB接口送往PC機。

2.1圖像數據格式轉換

為了彌補CCS環境圖像顯示能力的不足，系統對圖像進行的性能評估工作主要在MATLAB平臺下完成。DSP平臺主要用來實時采集圖像并提取水印信息，圖像在CCS與MATLAB之間通過.dat圖像數據文件進行傳輸。

MATLAB程序可以直接讀取圖像文件，圖像數據經過處理后，通過格式轉換程序，將圖像數據封裝成CCS可識別的.dat數據文件。CCS可以通過File－＞Data－＞Load很方便地將文件中的數據導入到DSP的存儲空間，利用DSP對圖像數據進行快速處理。然后通過File－＞Data－＞Save將存儲空間中的圖像數據導出至.dat數據文件，在MATLAB中通過格式轉換程序將文件中的圖像數據轉換成MATLAB可識別的unit8格式圖像數據，進而對圖像進行顯示輸出和質量評估。

2.2視頻驅動程序設計

TI公司為C64X系列DSP提供了一種類/微型驅動模型，同時為開發DSP的外設驅動程序提供了驅動程序開發包DDK，而且提供專門針對視頻設備的FVID模型。FVID模型將微型驅動也分為兩層結構:上層為通用視頻端口層;下層為編解碼芯片微驅動層，它們通過外部設備控制接口EDC實現對外圍編解碼芯片的操作。

系統在DSPBIOS的用戶驅動配置中添加了3個自定義視頻輸入輸出設備驅動，并在其屬性中添加GIO的驅動實例。在任務管理中添加任務，并綁定函數作為視頻驅動的處理程序。主程序中視頻驅動處理任務函數的處理過程可描述為:在初始化部分建立視頻采集和顯示設備的實例句柄，利用FVID相關函數打開并初始化設備以取得句柄，同時分別申請一個輸入和輸出緩沖區。進入任務循環后，通過DMA操作將輸入緩沖區中的數據讀出來，對其進行處理，并將數據送輸出緩沖區進行顯示，然后向視頻口驅動程序切換輸入和輸出緩沖區完成更新。操作完成后釋放句柄，關閉驅動設備。

2.3無線串口通信程序設計

系統串口模塊采用TL16C752B通用異步收發器進行設計。對TL16C752B訪問之前需要配置一些控制寄存器對其進行初始化。主程序中首先定義串口結構體和串口句柄，使用初始化函數打開一個串口通道，并返回該通道句柄，此后便可利用此句柄進行數據的接收和發送。數據收發可以通過直接讀寫模塊寄存器完成，也可以利用McBSP模塊的CSL函數來實現。

為了解決DSP硬件與上位機進行串口通信受限于串口線長度的問題。系統使用2塊DRF1605H模塊，實現計算機與DSP開發板之間的無線串口通信。DRF1605H模塊是利用TI的CC2530F256設計的，它運行ZigBee2007協議。系統配置上位機ZigBee模塊作為主節點，DSP硬件ZigBee模塊作為從節點，為它們配置相同的無線頻率及網絡ID，從而組成一個ZigBee網絡。節點上電后即可自動組網，主節點自動給從節點分配網絡地址，采用數據透明傳輸模式，主節點從計算機串口接收到的數據會自動發送給從節點，從節點由DSP串口接收到的數據會自動發送給主節點，主從節點之間的通信就像用一條串口線直接相連一樣方便。

3　仿真實驗與結果分析

3.1系統測試實驗

(1)測試一級小波窮舉搜索法如圖2所示。

用例描述:在基于一級小波窮舉搜索法界面，輸入正確參數;

前置條件:進入一級小波窮舉搜索法界面;

輸入:要檢測的圖像，圖像塊長為10，寬為15，閾值為0.95;

測試結果:正確顯示執行結果。

(2)測試DCT水印算法如圖3所示。

用例描述:在嵌入DCT水印算法界面，載入正確圖像并點擊嵌入水印按鈕;

前置條件:進入嵌入DCT水印算法界面;

輸入:要嵌入水印的圖像和水印圖像;

測試結果:正確顯示執行結果。

圖2　一級小波窮舉搜索法測試圖

圖3　DCT水印法測試圖

(3)測試LSB水印算法如圖4所示。

用例描述:在LSB水印算法界面，載入圖像并點擊嵌入水印按鈕;

前置條件:進入LSB水印算法界面;

輸入:要檢測的圖像;

測試結果:正確顯示執行結果。

(4)測試基于小波和奇異值分解算法如圖5所示。

用例描述:在基于小波和奇異值分解算法界面，輸入參數正確;

前置條件:進入基于小波和奇異值分解算法界面;

輸入:要檢測的圖像，小波級數為3，閥值為100;

測試結果:正確顯示執行結果。

圖4　LSB水印法測試圖

圖5　基于小波和奇異值分解算法測試圖

3.2測試結果分析

基于以上算法，系統在MATLAB平臺下，對彩色圖像嵌入水印后，對含水印圖像進行各種攻擊處理后提取水印，對提取結果進行理論分析對比。同時利用DSP系統采集經打印機輸出的含水印圖像，在DSP平臺下進行水印提取，然后將圖像數據傳輸給MATLAB程序，在MATLAB平臺上對圖像進行質量評估，以驗證本水印算法有效抵抗打印掃描過程中各種圖像攻擊處理的魯棒性。

本文提出的算法是基于小波和奇異值分解的圖像復制區域檢測算法，而所有的基于圖像塊匹配的算法時間消耗都比較高，該算法利用小波變換提取的圖像低頻分量作為分析對象，并使用奇異值分解提取小波低頻圖像特征進行降維。通過表1可以比較得出，在相同實驗條件下，本文算法的圖像塊的特征維數為6，而窮舉搜索法、DCT水印算法和LSB水印算法中的圖像特征維數分別是無、64維和32維。因此，本文提出的算法減少了提取的特征維數和運算量，大大降低了算法的復雜度。

表1　本文算法與其他算法的比較結果

4　結論

圖像部分區域復制－粘貼篡改是常見的篡改方式，在日常生活新聞媒體醫學法律等方面都有應用。本文提出了一種基于小波和奇異值分解的圖像復制區域檢測算法，該算法利用小波變換提取的圖像低頻分量作為分析對象，并使用奇異值分解提取小波低頻圖像特征進行降維。實驗表明該算法能夠定位出復制和粘貼的圖像區域，并顯著地減少了運算量，提高了檢測效率。為了更方便快捷的檢測圖像是否被惡意篡改，設計了簡單明了的系統檢測界面，只需載入待檢測的圖像并輸入相應的參數就能進行檢測，最后將檢測結果返回給界面。本系統將圖像篡改檢測算法在DSP平臺上進行實現，促進了圖像數字圖像取證技術理論與實際應用的有效結合。系統進一步完善后如能實現產品應用推廣，將有力推動數字圖像取證技術產品化的發展。

參考文獻:

［1］李亞標，王寶光，李溫溫.基于小波變換的圖像紋理特征提取方法及其應用［J］.傳感技術學報，2009，22(9):1308－1311.

［2］歐紅玉，陳曦，宋燕輝，等.基于LBP的圖像復制篡改檢測［J］.計算機應用與軟件，2013，30(9):170－172.

［3］葉鴻敏，沈永增，張敏捷.基于二代小波提升算法的快速圖像邊緣檢測［J］.計算機測量與控制，2007，15(7):866－869.

［4］崔宇寅.數字圖像盲取證技術研究及其應用［D］.上海:華東理工大學，2014.

［5］李志勇，張鵬.基于DSP的偏振圖像快速融合研究［J］.電子器件，2010，33(4):498－501.

［6］龔薇，斯科，葉秀清，等.一種強魯棒性的實時圖像增強算法［J］.傳感技術學報，2007，20(9):2024－2028.

［7］林克正，李紹華，李東勤.基于DWT和DCT的自適應水印算法［J］.微計算機信息，2007，23(6):284－286.

［8］古麗江·庫爾班.基于DCT編碼圖像分割算法研究［J］.電子器件，2014，37(1):168－170.

［9］何冰.基于LSB的抗旋轉攻擊魯棒性數字水印算法［J］.系統仿真技術，2010，6(4):304－307.

［10］蔣華，張敏.基于提升小波和奇異值分解的灰度水印算法［J］.計算機應用研究，2009，26(8):3028－3030.