JPEG图像的重采样篡改识别方法、装置及计算机设备
阅读：255发布：2020-05-14
专利汇可以提供JPEG图像的重采样篡改识别方法、装置及计算机设备专利检索，专利查询，专利分析的服务。并且本 申请 涉及JPEG图像的重 采样 篡改识别方法、JPEG图像的重采样篡改识别装置、计算机设备和计算机可读存储介质。所述方法包括：通过将JPEG图像转为灰度图像后，获取JPEG图像的JPEG非纯色 块 ，对JPEG非纯色块进行滤波，以消除JPEG图像中的JPEG量化噪声，得到新的JPEG图像；将新的JPEG图像划分为多个子图，获取每个子图的重采样 频谱 ，并根据重采样频谱计算每个子图的重采样因子估计值；根据每个子图的重采样因子估计值进行重采样因子区间估计，根据估计结果确定JPEG图像是否经过重采样篡改。本方法利用去块效应滤波解决JPEG块效应影响重采样检测的问题，并在估计重采样周期的过程中，通过限定感兴趣区域的范围，有效避免大面积平滑块对估计的干扰，改善了JPEG图像的篡改检测效果。，下面是JPEG图像的重采样篡改识别方法、装置及计算机设备专利的具体信息内容。
1.一种JPEG图像的重采样篡改识别方法，所述方法包括：
获取JPEG图像；
若所述JPEG图像为灰度图像，则获取所述JPEG图像的JPEG纯色块及JPEG非纯色块；
对所述JPEG纯色块进行插值，以改善所述JPEG纯色块；
对所述JPEG非纯色块进行滤波，以消除所述JPEG图像中的JPEG量化噪声；并根据插值后的JPEG纯色块及滤波后的JPEG非纯色块，得到新的JPEG图像；
将所述新的JPEG图像划分为多个子图，获取每个子图的重采样频谱，并根据所述重采样频谱计算每个子图的重采样因子估计值；其中，所述多个子图互相重叠；
根据每个子图的重采样因子估计值进行重采样因子区间估计，根据估计结果确定所述JPEG图像是否经过重采样篡改。
2.根据权利要求1所述的方法，其特征在于，所述获取所述JPEG图像的JPEG纯色块及JPEG非纯色块的步骤，包括：
获取所述JPEG图像的DCT系数矩阵；
筛选所述DCT系数矩阵的DCT纯色块；
获取所述DCT纯色块对应的JPEG纯色块，作为所述JPEG图像的JPEG纯色块；
剔除所述JPEG图像中的JPEG纯色块，得到所述JPEG图像的JPEG非纯色块。
3.根据权利要求2所述的方法，其特征在于，所述筛选所述DCT系数矩阵的DCT纯色块的步骤，包括：
获取所述DCT系数矩阵的每个DCT块的低频部分的非零系数个数；
比对所述非零系数个数与设定阈值；
若所述非零系数个数小于所述设定阈值，则将对应的DCT块确定为DCT纯色块。
4.根据权利要求1所述的方法，其特征在于，所述对所述JPEG非纯色块进行滤波的步骤，包括：
确定所述JPEG非纯色块的JPEG压缩噪声的噪声方差；
根据所述噪声方差，对所述JPEG非纯色块进行边界维纳滤波。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述对所述JPEG纯色块进行插值的步骤，包括：
基于相邻块对所述JPEG纯色块进行双三次插值。
6.根据权利要求1至4任意一项所述的方法，其特征在于，每个子图的宽度均与所述JPEG图像一致，且高度均为设定值；
和/或，所述获取每个子图的重采样频谱，并根据所述重采样频谱计算每个子图的重采样因子估计值的步骤，包括：
获取每个子图的三阶行差分图，计算每个三阶行差分图的列方差序列；
根据所述列方差序列，得到每个子图的傅里叶频谱；
从所述傅里叶频谱中获取每个子图的重采样频谱；
将所述重采样频谱的倒数确定为每个子图的重采样因子估计值。
7.根据权利要求1至4任意一项所述的方法，其特征在于，所述根据每个子图的重采样因子估计值进行重采样因子区间估计，根据估计结果确定所述JPEG图像是否经过重采样篡改的步骤，包括：
对每个子图的重采样因子估计值按多个子区间进行累积并归一化，得到经验分布函数；所述多个子区间通过对预设的重采样因子区间进行划分得到；
根据所述经验分布函数进行最大似然估计，根据估计结果确定所述JPEG图像是否经过重采样篡改。
8.根据权利要求7所述的方法，其特征在于，所述根据所述经验分布函数进行最大似然估计，根据估计结果确定所述JPEG图像是否经过重采样篡改的步骤，包括：
若存在所述经验分布函数的计算结果大于预设的置信度阈值，则确定所述JPEG图像经过重采样篡改，并将所述计算结果对应的子区间作为所述JPEG图像的重采样篡改区间；
若不存在所述经验分布函数的计算结果大于预设的置信度阈值，则确定所述JPEG图像未经过重采样篡改。
9.根据权利要求1至4任意一项所述的方法，其特征在于，所述获取所述JPEG图像的JPEG非纯色块的步骤之前，所述方法还包括：
若所述JPEG图像为彩色图像，则对所述JPEG图像进行色彩通道选择。
10.一种JPEG图像的重采样篡改识别装置，其特征在于，所述装置包括：
图像获取模块，用于获取JPEG图像；
块获取模块，用于若所述JPEG图像为灰度图像，则获取所述JPEG图像的JPEG纯色块及JPEG非纯色块；
插值模块，用于对所述JPEG纯色块进行插值，以改善所述JPEG纯色块；
滤波模块，用于对所述JPEG非纯色块进行滤波，以消除所述JPEG图像中的JPEG量化噪声；并根据插值后的JPEG纯色块及滤波后的JPEG非纯色块，得到新的JPEG图像；
计算模块，用于将所述新的JPEG图像划分为多个子图，获取每个子图的重采样频谱，并根据所述重采样频谱计算每个子图的重采样因子估计值；
估计模块，用于根据每个子图的重采样因子估计值进行重采样因子区间估计，根据估计结果确定所述JPEG图像是否经过重采样篡改。
11.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述方法的步骤。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
JPEG图像的重采样篡改识别方法、装置及计算机设备
技术领域
[0001] 本申请涉及图像检测技术领域，特别是涉及一种JPEG图像的重采样篡改识别方法、JPEG图像的重采样篡改识别装置、计算机设备和计算机可读存储介质。
背景技术
[0002] 数字图像，是由模拟图像数字化得到的、以像素为基本元素的、可以用数字计算机或数字电路存储和处理的图像；近年来，数字图像成为了人们日常生活中最常用的一种信息媒介。随着Photoshop（PS）等图像编辑软件的普及，图像篡改变得十分容易。虽然互联网上广泛传播的被篡改图片大多用于娱乐，影响较小，但在司法、医学、新闻业和出版业等专业领域，图像的真实性和完整性需要得到绝对的保证；故而，用于识别图像来源、确认图像完整性和真实性、预测图像篡改历史的数字图像被动取证技术应运而生。相比图像主动取证技术，图像被动取证技术可以对任意数码成像设备获取的图像进行检测，而无需在待检测图像被篡改前预先嵌入额外信息（水印），因此应用范围更为广泛。其中，重采样取证技术是一种常用的数字图像被动取证技术，其目的是判断给定图像是否经过重采样操作。
[0003] 目前，重采样检测方法大多通过差分滤波操作去除图像低频成分，然后计算图像的二维傅里叶频谱或者差分图像的方差序列的一维傅里叶频谱，并从频谱中识别周期信号作为重采样检测的依据。然而该方法通常只针对无损图片格式，且没有考虑除重采样操作外其他篡改操作的影响。
[0004] JPEG格式是互联网上最常见的图片格式，一般图像编辑软件在篡改后默认输出JPEG格式。JPEG作为一种有损压缩格式，其离散余弦变换（Discrete Cosine Transform，DCT）的过程同样会引入周期性的噪声，故而该噪声也可被重采样检测方法进行误识别；因此，根据现有的重采样取证方法无法区分JPEG量化噪声和重采样信号，导致针对JPEG图像进行取证和篡改检测的效果不佳。发明内容
[0005] 基于此，有必要针对上述技术问题，提供JPEG图像的重采样篡改识别方法、JPEG图像的重采样篡改识别装置、计算机设备和计算机可读存储介质。
[0006] 一方面，本发明实施例提供一种JPEG图像的重采样篡改识别方法，所述方法包括：获取JPEG图像；
若所述JPEG图像为灰度图像，则获取所述JPEG图像的JPEG非纯色块；
对所述JPEG非纯色块进行滤波，以消除所述JPEG图像中的JPEG量化噪声，得到新的JPEG图像；
将所述新的JPEG图像划分为多个子图，获取每个子图的重采样频谱，并根据所述重采样频谱计算每个子图的重采样因子估计值；
根据每个子图的重采样因子估计值进行重采样因子区间估计，根据估计结果确定所述JPEG图像是否经过重采样篡改。
若所述JPEG图像为灰度图像，则获取所述JPEG图像的JPEG非纯色块；
对所述JPEG非纯色块进行滤波，以消除所述JPEG图像中的JPEG量化噪声，得到新的JPEG图像；
将所述新的JPEG图像划分为多个子图，获取每个子图的重采样频谱，并根据所述重采样频谱计算每个子图的重采样因子估计值；
根据每个子图的重采样因子估计值进行重采样因子区间估计，根据估计结果确定所述JPEG图像是否经过重采样篡改。
[0007] 在其中一个实施例中，所述获取所述JPEG图像的JPEG非纯色块的步骤，包括：获取所述JPEG图像的DCT系数矩阵；
筛选所述DCT系数矩阵的DCT纯色块；
获取所述DCT纯色块对应的JPEG纯色块；
剔除所述JPEG图像中的JPEG纯色块，得到JPEG非纯色块。
筛选所述DCT系数矩阵的DCT纯色块；
获取所述DCT纯色块对应的JPEG纯色块；
剔除所述JPEG图像中的JPEG纯色块，得到JPEG非纯色块。
[0008] 在其中一个实施例中，所述筛选所述DCT系数矩阵的DCT纯色块的步骤，包括：获取所述DCT系数矩阵的每个DCT块的低频部分的非零系数个数；
比对所述非零系数个数与设定阈值；
若所述非零系数个数小于所述设定阈值，则将对应的DCT块确定为DCT纯色块。
比对所述非零系数个数与设定阈值；
若所述非零系数个数小于所述设定阈值，则将对应的DCT块确定为DCT纯色块。
[0009] 在其中一个实施例中，所述对所述JPEG非纯色块进行滤波的步骤，包括：确定所述JPEG非纯色块的JPEG压缩噪声的噪声方差；
根据所述噪声方差，对所述JPEG非纯色块进行边界维纳滤波。
根据所述噪声方差，对所述JPEG非纯色块进行边界维纳滤波。
[0010] 在其中一个实施例中，确定新的JPEG图像的步骤之前，所述方法还包括：对所述JPEG纯色块进行插值，以改善所述JPEG纯色块。
[0011] 在其中一个实施例中，所述对所述JPEG纯色块进行插值的步骤，包括：基于相邻块对所述JPEG纯色块进行双三次插值。
[0012] 在其中一个实施例中，所述多个子图互相重叠；每个子图的宽度均与所述JPEG图像一致，且高度均为设定值；和/或，所述获取每个子图的重采样频谱，并根据所述重采样频谱计算每个子图的重采样因子估计值的步骤，包括：
获取每个子图的三阶行差分图，计算每个三阶行差分图的列方差序列；
根据所述列方差序列，得到每个子图的傅里叶频谱；
从所述傅里叶频谱中获取每个子图的重采样频谱；
将所述重采样频谱的倒数确定为每个子图的重采样因子估计值。
获取每个子图的三阶行差分图，计算每个三阶行差分图的列方差序列；
根据所述列方差序列，得到每个子图的傅里叶频谱；
从所述傅里叶频谱中获取每个子图的重采样频谱；
将所述重采样频谱的倒数确定为每个子图的重采样因子估计值。
[0013] 在其中一个实施例中，所述根据每个子图的重采样因子估计值进行重采样因子区间估计，根据估计结果确定所述JPEG图像是否经过重采样篡改的步骤，包括：对每个子图的重采样因子估计值按多个子区间进行累积并归一化，得到经验分布函数；所述多个子区间通过对预设的重采样因子区间进行划分得到；
根据所述经验分布函数进行最大似然估计，根据估计结果确定所述JPEG图像是否经过重采样篡改。
根据所述经验分布函数进行最大似然估计，根据估计结果确定所述JPEG图像是否经过重采样篡改。
[0014] 在其中一个实施例中，所述根据所述经验分布函数进行最大似然估计，根据估计结果确定所述JPEG图像是否经过重采样篡改的步骤，包括：若存在所述经验分布函数的计算结果大于预设的置信度阈值，则确定所述JPEG图像经过重采样篡改，并将所述计算结果对应的子区间作为所述JPEG图像的重采样篡改区间；
若不存在所述经验分布函数的计算结果大于预设的置信度阈值，则确定所述JPEG图像未经过重采样篡改。
若不存在所述经验分布函数的计算结果大于预设的置信度阈值，则确定所述JPEG图像未经过重采样篡改。
[0015] 在其中一个实施例中，所述获取所述JPEG图像的JPEG非纯色块的步骤之前，所述方法还包括：若所述JPEG图像为彩色图像，则对所述JPEG图像进行色彩通道选择。另一方面，本发明实施例提供一种JPEG图像的重采样篡改识别装置，所述装置包括：
图像获取模块，用于获取JPEG图像；
块获取模块，用于若所述JPEG图像为灰度图像，则获取所述JPEG图像的JPEG非纯色块；
滤波模块，用于对所述JPEG非纯色块进行滤波，以消除所述JPEG图像中的JPEG量化噪声，得到新的JPEG图像；
计算模块，用于将所述新的JPEG图像划分为多个子图，获取每个子图的重采样频谱，并根据所述重采样频谱计算每个子图的重采样因子估计值；
估计模块，用于根据每个子图的重采样因子估计值进行重采样因子区间估计，根据估计结果确定所述JPEG图像是否经过重采样篡改
再一方面，本发明实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现一种JPEG图像的重采样篡改识别方法的步骤。
图像获取模块，用于获取JPEG图像；
块获取模块，用于若所述JPEG图像为灰度图像，则获取所述JPEG图像的JPEG非纯色块；
滤波模块，用于对所述JPEG非纯色块进行滤波，以消除所述JPEG图像中的JPEG量化噪声，得到新的JPEG图像；
计算模块，用于将所述新的JPEG图像划分为多个子图，获取每个子图的重采样频谱，并根据所述重采样频谱计算每个子图的重采样因子估计值；
估计模块，用于根据每个子图的重采样因子估计值进行重采样因子区间估计，根据估计结果确定所述JPEG图像是否经过重采样篡改
再一方面，本发明实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现一种JPEG图像的重采样篡改识别方法的步骤。
[0016] 再一方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现一种JPEG图像的重采样篡改识别方法的步骤。
[0017] 上述技术方案中的一个技术方案具有如下优点或有益效果：通过将JPEG图像转为灰度图像后，并获取JPEG图像的JPEG非纯色块，对JPEG非纯色块进行滤波，以消除JPEG图像中的JPEG量化噪声，首次提出了利用去块效应滤波解决JPEG块效应影响重采样检测的问题；同时，通过将得到的新的JPEG图像划分为多个子图，并根据获取的重采样频谱计算每个子图的重采样因子估计值；最终根据每个子图的重采样因子估计值进行重采样因子区间估计，确定JPEG图像是否经过重采样篡改，即在估计重采样周期的过程中，通过限定感兴趣区域的范围，有效避免大面积平滑块对估计的干扰，改善了JPEG图像的篡改检测效果，JPEG图像的重采样篡改识别结果的精度和准确度高。附图说明
[0018] 图1为一个实施例中JPEG图像的重采样篡改识别方法的示意性流程图；图2为另一个实施例中JPEG图像的重采样篡改识别方法的示意性流程图；
图3为一个实施例中JPEG图像的重采样篡改识别装置的示意性结构图；
图4为另一个实施例中JPEG图像的重采样篡改识别装置的示意性结构图；
图5为一个实施例中计算机设备的内部结构图。
图3为一个实施例中JPEG图像的重采样篡改识别装置的示意性结构图；
图4为另一个实施例中JPEG图像的重采样篡改识别装置的示意性结构图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
[0019] 为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0020] 在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0021] 在一个实施例中，如图1所示，提供了一种JPEG图像的重采样篡改识别方法，包括以下步骤：S202，获取JPEG图像。
[0022] 其中，JPEG图像可以理解为具有JPEG格式的图像，具体可以是用户使用电子设备(具有拍照功能)进行拍照，获取得到的图像，也可以是保存在电子设备、存储设备或网络上的照片，具体不作限定。
[0023] 需要说明的是，此处的JPEG图像指的是需要进行篡改识别的图像，既可以是包含多张照片的一个照片集，也可以是单张照片。JPEG图像的大小、场景要素等均不作具体限定；其包含的场景要素可为至少一个，例如风景、海滩、蓝天、绿草、雪景、夜景、黑暗、背光、日出/日落、烟火、聚光灯、室内、远距、微距、文本文档、人像、婴儿、猫、狗、美食等。当然，以上并不是穷举，还包含很多其他类别的场景要素。
[0024] S204，若JPEG图像为灰度图像，则获取JPEG图像的JPEG非纯色块。
[0025] 本步骤目的在于获取JPEG图像的灰度图像，即当JPEG图像为灰度图像时，可直接获取其JPEG非纯色块，当JPEG图像不为灰度图像时，则需要将其转化为灰度图像后，再获取灰度图像的JPEG非纯色块。
[0026] 该步骤中，获取JPEG图像的JPEG非纯色块，指的是对JPEG图像进行分块处理，并获取不是JPEG纯色块的JPEG待处理的块，其中JPEG纯色块也可称为平滑块。一般，JPEG图像中的块包括平滑块、纹理块以及边缘块，获取JPEG图像的JPEG非纯色块，即可理解为获取JPEG图像中的非平滑块，进一步为纹理块、边缘块等。
[0027] S206，对JPEG非纯色块进行滤波，以消除JPEG图像中的JPEG量化噪声，得到新的JPEG图像。
[0028] 本步骤中，通过对JPEG非纯色块进行滤波，可达到消除JPEG图像中的JPEG量化噪声的目的，从而利用去块效应滤波解决JPEG块效应影响重采样检测的问题。
[0029] 其中，消除JPEG量化噪声时，可对JPEG非纯色块进行边界维纳滤波操作，当然也可选用其它滤波形式；另外，具体的滤波操作过程可根据实际情况进行设定，此处不设限。
[0030] S208，将新的JPEG图像划分为多个子图，获取每个子图的重采样频谱，并根据重采样频谱计算每个子图的重采样因子估计值。
[0031] 此处的子图，又称为感兴趣子图，该步骤通过限定感兴趣区域的范围，可有效避免大面积平滑块对估计的干扰。
[0032] 其中，子图具体的划分方式可为多种，例如在一个具体的实施例中，上述多个子图可互相重叠；且每个子图的宽度均与JPEG图像一致，高度均为设定值。该划分方法便于对每个子图进行重采样因子估计值的计算。
[0033] S210，根据每个子图的重采样因子估计值进行重采样因子区间估计，根据估计结果确定JPEG图像是否经过重采样篡改。
[0034] 通过该步骤，最终可根据估计结果确定出JPEG图像是否经过重采样篡改，以及若JPEG图像经过重采样篡改，可获取具体篡改的位置和区间分布，以提高JPEG图像重采样篡改检测结果的全面性和精确度。
[0035] 本发明上述实施例中，执行主体可为图像篡改识别设备或装置，具体可为数字信号处理器、各类终端（手机、平板电脑、台式电脑、笔记本电脑、可穿戴设备等）、服务器、客户端或云智能终端等，当然也可根据实际情况进行选择和变更。
[0036] 上述实施例的JPEG图像的重采样篡改识别方法中，通过将JPEG图像转为灰度图像后，并获取JPEG图像的JPEG非纯色块，对JPEG非纯色块进行滤波，以消除JPEG图像中的JPEG量化噪声，首次提出了利用去块效应滤波解决JPEG块效应影响重采样检测的问题；同时，通过将得到的新的JPEG图像划分为多个子图，并根据获取的重采样频谱计算每个子图的重采样因子估计值；最终根据每个子图的重采样因子估计值进行重采样因子区间估计，确定JPEG图像是否经过重采样篡改，即在估计重采样周期的过程中，通过限定感兴趣区域的范围，有效避免大面积平滑块对估计的干扰，改善了JPEG图像的篡改检测效果，JPEG图像的重采样篡改识别结果的精度和准确度高。
[0037] 在一些实施例中，步骤S204具体可以包括：获取JPEG图像的DCT系数矩阵；筛选DCT系数矩阵的DCT纯色块；获取DCT纯色块对应的JPEG纯色块；剔除JPEG图像中的JPEG纯色块，得到JPEG非纯色块。
[0038] 其中，DCT指的是离散余弦变换(DCT for Discrete Cosine Transform)，是与傅里叶变换相关的一种变换；具体地，通过JPEG图像的灰度图像矩阵即可得到对应的DCT系数矩阵。
[0039] 筛选DCT系数矩阵的DCT纯色块，可通过判断DCT系数矩阵中低频部分的非零系数个数与设定阈值之间是否满足预设的关系，若满足，则确定其为DCT纯色块。其中，设定阈值可为经验数据，其大小也可通过对大量的实验数据进行筛选和整合得到。
[0040] 获取到DCT纯色块后，可将其进行标记，通过标记的DCT纯色块，获取对应的JPEG纯色块，并剔除JPEG图像中的JPEG纯色块，得到JPEG非纯色块；具体标记形式可根据实际情况进行选用，此处不作限定。
[0041] 一个具体的实施方式为，上述的筛选DCT系数矩阵的DCT纯色块的步骤，包括：获取DCT系数矩阵的每个DCT块的低频部分的非零系数个数；比对非零系数个数与设定阈值；若非零系数个数小于设定阈值，则将对应的DCT块确定为DCT纯色块。
[0042] 在一些实施例中，步骤S206具体可以包括：确定JPEG非纯色块的JPEG压缩噪声的噪声方差；根据噪声方差，对JPEG非纯色块进行边界维纳滤波。
[0043] 其中，JPEG压缩噪声在非纯色块上被认为是平稳的高斯噪声，其噪声方差可根据经验公式和DCT量化表进行计算。
[0044] 维纳（N Wiener）滤波是一种线性图像复原方法，本申请通过采用该边界维纳滤波方法，可准确地区别JPEG量化噪声和重采样信号，使得重采样识别过程具有较好的鲁棒性。
[0045] 如图2所示，在一些实施例中，上述的重采样篡改识别过程中，在确定新的JPEG图像之前，该JPEG图像的重采样篡改识别方法还包括：S212，对JPEG纯色块进行插值，以改善JPEG纯色块和JPEG图像；通过对JPEG纯色块进行插值，可使得JPEG图像更加平滑易处理。
[0046] 由于检测出JPEG压缩造成的量化误差具有很强的非线性效应，图像的不同纹理区域具有不同的统计特征，因此，通过DCT系数稀疏度进行区分和分别的处理，具有较强的针对性和篡改检测效果。
[0047] 其中，作为一种可选的实施方式，步骤S212具体可以包括：基于相邻块对JPEG纯色块进行双三次插值；该插值方法可有效改善JPEG纯色块，便于对JPEG图像中的平滑块进行重采样篡改识别。
[0048] 在一些实施例中，步骤S208具体可以包括：获取每个子图的三阶行差分图，计算每个三阶行差分图的列方差序列；根据列方差序列，得到每个子图的傅里叶频谱；从傅里叶频谱中获取每个子图的重采样频谱；将重采样频谱的倒数确定为每个子图的重采样因子估计值。
[0049] 在一些实施例中，步骤S210具体可以包括：对每个子图的重采样因子估计值按多个子区间进行累积并归一化，得到经验分布函数；多个子区间通过对预设的重采样因子区间进行划分得到；根据经验分布函数进行最大似然估计，根据估计结果确定JPEG图像是否经过重采样篡改。
[0050] 在一些实施例中，上述的根据经验分布函数进行最大似然估计，根据估计结果确定JPEG图像是否经过重采样篡改的步骤，具体可以包括：若存在经验分布函数的计算结果大于预设的置信度阈值，则确定JPEG图像经过重采样篡改，并将计算结果对应的子区间作为JPEG图像的重采样篡改区间；若不存在经验分布函数的计算结果大于预设的置信度阈值，则确定JPEG图像未经过重采样篡改。
[0051] 在一些实施例中，上述S204中的获取JPEG图像的JPEG非纯色块的步骤之前，该JPEG图像的重采样篡改识别方法还包括：若JPEG图像为彩色图像，则对JPEG图像进行色彩通道选择，其中，色彩通道可选为G通道。
[0052] 请继续参阅图2，下文通过一具体的实施例对本申请提出的一种基于去块效应滤波的JPEG图像重采样因子估计方法进行阐释。
[0053] 其中，该JPEG图像的重采样篡改识别方法，具体可包括以下步骤：S1，对待测的JPEG图像进行色彩通道选择。如果待测图像是灰度图像，则直接执行S2；
如果待测图像是彩色图像，则先选择G通道再执行S2；
S2，对纯色块进行插值改进。对S1得到的灰度图的DCT系数矩阵，逐个8*8块筛选纯色块，并利用相邻块对纯色块进行插值改进。其中，改进纯色块的操作具体包括：
S21，选择纯色块：若S1所得的灰度图像矩阵表示为 ，则将其对应的块DCT
系数矩阵表示为 ；其中，第n个DCT块为大小为8*8的矩阵 。若该矩
阵中低频部分 的非零系数个数小于设定阈值T，则块
被标记为纯色块。具体地，设定阈值T可选为4。
如果待测图像是彩色图像，则先选择G通道再执行S2；
S2，对纯色块进行插值改进。对S1得到的灰度图的DCT系数矩阵，逐个8*8块筛选纯色块，并利用相邻块对纯色块进行插值改进。其中，改进纯色块的操作具体包括：
S21，选择纯色块：若S1所得的灰度图像矩阵表示为 ，则将其对应的块DCT
系数矩阵表示为 ；其中，第n个DCT块为大小为8*8的矩阵 。若该矩
阵中低频部分 的非零系数个数小于设定阈值T，则块
被标记为纯色块。具体地，设定阈值T可选为4。
[0054] S22，插值改进纯色块：针对S21中所标记的纯色块，利用相邻块进行插值改进，插值过程在灰度矩阵 上进行，插值方法可选为双三次插值。应当指出的是，此处插值窗口的大小是一般情况下的8倍，即对像素点 插值的所选用的点为、 、 、 。对于
图像边界的点邻域大小不足的情况，可选用对称延拓的方法增加插值点。
图像边界的点邻域大小不足的情况，可选用对称延拓的方法增加插值点。
[0055] S3，边界滤波。对于S2步骤中没有被标记的非纯色块，选择其边界像素进行逐点维纳滤波，其中噪声功率谱由JPEG量化表计算得到。块边界滤波具体包括：S31，计算噪声方差：需要说明的是，JPEG压缩噪声在非纯色块上被认为是平稳高斯噪声，其噪声方差可按经验公式计算为：
其中， 是噪声的方差， 是DCT量化表 的分量，该信息可直接记录在文件头
中。
其中， 是噪声的方差， 是DCT量化表 的分量，该信息可直接记录在文件头
中。
[0056] S32，边界维纳滤波：对于S21中未被标记的块 ，选择其对应的灰度块的边界像素 、 、 和 进行
逐点维纳滤波：
其中 是去噪后的像素点， 由S31计算得到，而 和 是像素点
的窗口大小为 的局部均值和方差：
可选地，m和n均为1，即使用3*3的窗口进行边界维纳滤波。
逐点维纳滤波：
其中 是去噪后的像素点， 由S31计算得到，而 和 是像素点
的窗口大小为 的局部均值和方差：
可选地，m和n均为1，即使用3*3的窗口进行边界维纳滤波。
[0057] S4，划分子图并计算频谱。将S3得到的图片，划分为多个重叠的方形子图，对每个子图计算方差信号的功率谱，并从功率谱中选择最大峰的频率，计算得到重采样因子的估计。其中，划分感兴趣子图并计算重采样因子估计的过程，具体可包括：S41，划分感兴趣子图：将经过S2和S3去块效应滤波后得到的大小为 的灰度
图 划分为互相重叠的子图 ，每个子图均具有和原图一样的宽度 和
固定大小的高度 ：
则一共有 个子图。此处 可为128。
图 划分为互相重叠的子图 ，每个子图均具有和原图一样的宽度 和
固定大小的高度 ：
则一共有 个子图。此处 可为128。
[0058] S42，对每个子图计算三阶行差分图 ：三阶行差分采用卷积计算：其中 可选为最简洁的三阶差分算子。当然，用户也可以将其替换为其他三阶差分算子，或者不同阶数的差分算子，或者其他任意种类的高通滤波器，此处不作具体限定。
[0060] S44，重采样因子估计：对每个子图的列方差序列 计算离散傅里叶变换序列，并作为傅里叶频谱。若从频谱的后半部分选取最高峰的位置作为重采样频谱 ，则该子图的重采样因子估计值 为：S5，统计S4中得到的所有估计在各个区间出现的频次，并以最大似然估计作为最终的重采样因子区间估计。选取重采样因子最大似然估计的过程，具体可以包括：
S51，区间划分：将重采样因子区间 划分为长度为 的互不重叠的
个区间： 。可选地， 为0.05，此时共有互不重
叠的20个区间。
S51，区间划分：将重采样因子区间 划分为长度为 的互不重叠的
个区间： 。可选地， 为0.05，此时共有互不重
叠的20个区间。
[0061] S52，因子统计：将S44所得的 个重采样因子估计值 按 进行累积统计并归一化，得到经验分布 ：
其中 是事件的示性函数。
其中 是事件的示性函数。
[0062] S53，最大似然估计：根据用户选择的置信度水平 ，选择 大于 对应的 作为最终的区间估计。
[0063] 如果不存在此区间，则认为待测图像未经过重采样操作。
[0064] 如果不存在单个这样的区间，但是两个相邻区间的概率和大于 ，则最终区间估计为 ，输出结果。
[0065] 经实验验证，本申请提出的JPEG图像的重采样篡改识别方法不仅优于现有的重采样检测方法，且对JPEG压缩强度的鲁棒性也优于已有方法；另外，本方法对重采样因子的大小也有较好鲁棒性，从而保证了JPEG图像的重采样篡改识别结果的高准确度。
[0066] 应该理解的是，对于前述的各方法实施例，虽然流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，方法实施例的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0067] 基于与上述实施例中的JPEG图像的重采样篡改识别方法相同的思想，本文还提供一种JPEG图像的重采样篡改识别装置。
[0068] 在一个实施例中，如图3所示，提供了一种JPEG图像的重采样篡改识别装置，包括：图像获取模块401、块获取模块402、滤波模块403、计算模块404和估计模块405，其中：
图像获取模块401，用于获取JPEG图像；
块获取模块402，用于若JPEG图像为灰度图像，则获取JPEG图像的JPEG非纯色块；
滤波模块403，用于对JPEG非纯色块进行滤波，以消除JPEG图像中的JPEG量化噪声，得到新的JPEG图像；
计算模块404，用于将新的JPEG图像划分为多个子图，获取每个子图的重采样频谱，并根据重采样频谱计算每个子图的重采样因子估计值；
估计模块405，用于根据每个子图的重采样因子估计值进行重采样因子区间估计，根据估计结果确定JPEG图像是否经过重采样篡改。
图像获取模块401，用于获取JPEG图像；
块获取模块402，用于若JPEG图像为灰度图像，则获取JPEG图像的JPEG非纯色块；
滤波模块403，用于对JPEG非纯色块进行滤波，以消除JPEG图像中的JPEG量化噪声，得到新的JPEG图像；
计算模块404，用于将新的JPEG图像划分为多个子图，获取每个子图的重采样频谱，并根据重采样频谱计算每个子图的重采样因子估计值；
估计模块405，用于根据每个子图的重采样因子估计值进行重采样因子区间估计，根据估计结果确定JPEG图像是否经过重采样篡改。
[0069] 在一些实施例中，块获取模块402，具体用于：获取JPEG图像的DCT系数矩阵；筛选DCT系数矩阵的DCT纯色块；获取DCT纯色块对应的JPEG纯色块；剔除JPEG图像中的JPEG纯色块，得到JPEG非纯色块。
[0070] 在一些实施例中，块获取模块402，具体还用于：获取DCT系数矩阵的每个DCT块的低频部分的非零系数个数；比对非零系数个数与设定阈值；若非零系数个数小于设定阈值，则将对应的DCT块确定为DCT纯色块。
[0071] 在一些实施例中，滤波模块403，具体用于：确定JPEG非纯色块的JPEG压缩噪声的噪声方差；根据噪声方差，对JPEG非纯色块进行边界维纳滤波。
[0072] 在一些实施例中，如图4所示，JPEG图像的重采样篡改识别装置还包括：插值模块406，用于对JPEG纯色块进行插值，以改善JPEG纯色块。
[0073] 在一些实施例中，插值模块406，具体用于：基于相邻块对JPEG纯色块进行双三次插值。
[0074] 在一些实施例中，多个子图互相重叠；每个子图的宽度均与JPEG图像一致，且高度均为设定值；在一些实施例中，计算模块404，具体用于：获取每个子图的三阶行差分图，计算每个三阶行差分图的列方差序列；根据列方差序列，得到每个子图的傅里叶频谱；从傅里叶频谱中获取每个子图的重采样频谱；将重采样频谱的倒数确定为每个子图的重采样因子估计值。
[0075] 在一些实施例中，估计模块405，具体用于：对每个子图的重采样因子估计值按多个子区间进行累积并归一化，得到经验分布函数；多个子区间通过对预设的重采样因子区间进行划分得到；根据经验分布函数进行最大似然估计，根据估计结果确定JPEG图像是否经过重采样篡改。
[0076] 在一些实施例中，估计模块405，具体还用于：若存在经验分布函数的计算结果大于预设的置信度阈值，则确定JPEG图像经过重采样篡改，并将计算结果对应的子区间作为JPEG图像的重采样篡改区间；若不存在经验分布函数的计算结果大于预设的置信度阈值，则确定JPEG图像未经过重采样篡改。
[0077] 在一些实施例中，块获取模块402，具体还用于：若JPEG图像为彩色图像，则对JPEG图像进行色彩通道选择后，执行获取JPEG图像的JPEG非纯色块的步骤。
[0078] 关于JPEG图像的重采样篡改识别装置的具体限定可以参见上文中对于JPEG图像的重采样篡改识别方法的限定，在此不再赘述。上述JPEG图像的重采样篡改识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0079] 此外，上述示例的JPEG图像的重采样篡改识别装置的实施方式中，各程序模块的逻辑划分仅是举例说明，实际应用中可以根据需要，例如出于相应硬件的配置要求或者软件的实现的便利考虑，将上述功能分配由不同的程序模块完成，即将JPEG图像的重采样篡改识别装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分功能。
[0080] 在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器设备或图像处理设备等，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储JPEG图像的重采样篡改识别数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种JPEG图像的重采样篡改识别方法。
[0081] 本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0082] 在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取JPEG图像；若JPEG图像为灰度图像，则获取JPEG图像的JPEG非纯色块；对JPEG非纯色块进行滤波，以消除JPEG图像中的JPEG量化噪声，得到新的JPEG图像；将新的JPEG图像划分为多个子图，获取每个子图的重采样频谱，并根据重采样频谱计算每个子图的重采样因子估计值；根据每个子图的重采样因子估计值进行重采样因子区间估计，根据估计结果确定JPEG图像是否经过重采样篡改。
[0083] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取JPEG图像的DCT系数矩阵；筛选DCT系数矩阵的DCT纯色块；获取DCT纯色块对应的JPEG纯色块；剔除JPEG图像中的JPEG纯色块，得到JPEG非纯色块。
[0084] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取DCT系数矩阵的每个DCT块的低频部分的非零系数个数；比对非零系数个数与设定阈值；若非零系数个数小于设定阈值，则将对应的DCT块确定为DCT纯色块。
[0085] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：确定JPEG非纯色块的JPEG压缩噪声的噪声方差；根据噪声方差，对JPEG非纯色块进行边界维纳滤波。
[0086] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：对JPEG纯色块进行插值，以改善JPEG纯色块。
[0087] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于相邻块对JPEG纯色块进行双三次插值。
[0088] 在一个实施例中，多个子图互相重叠；每个子图的宽度均与JPEG图像一致，且高度均为设定值；在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取每个子图的三阶行差分图，计算每个三阶行差分图的列方差序列；根据列方差序列，得到每个子图的傅里叶频谱；从傅里叶频谱中获取每个子图的重采样频谱；将重采样频谱的倒数确定为每个子图的重采样因子估计值。
[0089] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：对每个子图的重采样因子估计值按多个子区间进行累积并归一化，得到经验分布函数；多个子区间通过对预设的重采样因子区间进行划分得到；根据经验分布函数进行最大似然估计，根据估计结果确定JPEG图像是否经过重采样篡改。
[0090] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：若存在经验分布函数的计算结果大于预设的置信度阈值，则确定JPEG图像经过重采样篡改，并将计算结果对应的子区间作为JPEG图像的重采样篡改区间；若不存在经验分布函数的计算结果大于预设的置信度阈值，则确定JPEG图像未经过重采样篡改。
[0091] 在一个实施例中，处理器执行计算机程序时还实现以下步骤：若JPEG图像为彩色图像，则对JPEG图像进行色彩通道选择。
[0092] 在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取JPEG图像；若JPEG图像为灰度图像，则获取JPEG图像的JPEG非纯色块；对JPEG非纯色块进行滤波，以消除JPEG图像中的JPEG量化噪声，得到新的JPEG图像；将新的JPEG图像划分为多个子图，获取每个子图的重采样频谱，并根据重采样频谱计算每个子图的重采样因子估计值；根据每个子图的重采样因子估计值进行重采样因子区间估计，根据估计结果确定JPEG图像是否经过重采样篡改。
[0093] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取JPEG图像的DCT系数矩阵；筛选DCT系数矩阵的DCT纯色块；获取DCT纯色块对应的JPEG纯色块；剔除JPEG图像中的JPEG纯色块，得到JPEG非纯色块。
[0094] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取DCT系数矩阵的每个DCT块的低频部分的非零系数个数；比对非零系数个数与设定阈值；若非零系数个数小于设定阈值，则将对应的DCT块确定为DCT纯色块。
[0095] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：确定JPEG非纯色块的JPEG压缩噪声的噪声方差；根据噪声方差，对JPEG非纯色块进行边界维纳滤波。
[0096] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对JPEG纯色块进行插值，以改善JPEG纯色块。
[0097] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于相邻块对JPEG纯色块进行双三次插值。
[0098] 在一个实施例中，多个子图互相重叠；每个子图的宽度均与JPEG图像一致，且高度均为设定值；在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取每个子图的三阶行差分图，计算每个三阶行差分图的列方差序列；根据列方差序列，得到每个子图的傅里叶频谱；从傅里叶频谱中获取每个子图的重采样频谱；将重采样频谱的倒数确定为每个子图的重采样因子估计值。
[0099] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对每个子图的重采样因子估计值按多个子区间进行累积并归一化，得到经验分布函数；多个子区间通过对预设的重采样因子区间进行划分得到；根据经验分布函数进行最大似然估计，根据估计结果确定JPEG图像是否经过重采样篡改。
[0100] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若存在经验分布函数的计算结果大于预设的置信度阈值，则确定JPEG图像经过重采样篡改，并将计算结果对应的子区间作为JPEG图像的重采样篡改区间；若不存在经验分布函数的计算结果大于预设的置信度阈值，则确定JPEG图像未经过重采样篡改。
[0101] 在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若JPEG图像为彩色图像，则对JPEG图像进行色彩通道选择。
[0102] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
[0103] 以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0104] 在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
[0105] 本文实施例的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或（模块）单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0106] 在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0107] 在本文中提及的“第一\第二”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换，以使这里描述的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种运动矢量确定、边界强度确定方法和设备 | 2020-05-08 | 1023 |
| 块效应检测方法、块噪声滤除方法及装置 | 2020-05-16 | 871 |
| 虚拟试验光电信号大气传输效应主动计算服务方法及系统 | 2020-05-14 | 521 |
| 扩展参考像素样值集的图像编码或解码方法 | 2020-05-15 | 329 |
| 一种基于信息熵的视频自适应采样率设定方法 | 2020-05-15 | 727 |
| 指纹验证方法 | 2020-05-11 | 958 |
| 一种图像预测方法及装置 | 2020-05-13 | 527 |
| 在块预测技术中使用的预处理预测滤波的方法和装置 | 2020-05-16 | 436 |
| 一种基于能量和纹理分析的无参考图像客观质量评价方法 | 2020-05-16 | 805 |
| 一种面向压缩人脸图像的自适应去块效应方法 | 2020-05-12 | 150 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈