基于NSCT变换和图像质量评价的拼接图像检测

２０１２年４月　第３０卷第２期　西北工业大学学报　Ｊｏｕｒｎａｌ　ｏｆ　Ｎｏｒｔｈｗｅｓｔｅｒｎ　Ｐｏｌｙｔｅｃｈｎｉｃａｌ　Ｕｎｉｖｅｒｓｉｔｙ　Ａｐｒ．　２０１２　Ｖ０ｌ＿３０　Ｎｏ．２　

基于ＮＳＣＴ变换和图像质量评价的拼接图像检测　

高　芳　，郑江滨　，蔡里宁　

（１．西北工业大学计算机学院，陕西西安７１００７２；２．６１９３８部队，陕西西安７１００７２）　

摘要：基于ＮＳＣＴ的多分辨率、局域化、各向异性、平移不变性等特性，文章提出一种新的拼接图像　检测方法．利用ＮＳＣＴ和图像质量评价提取出多维图像矩特征以捕获原始图像与伪造图像间的差异，　

最后利用ＳＶＭ分类器对图像库进；　ｆＴ训练和测试，得到了较好的试验结果。与同类方法相比文中运用　

了较少的特征向量维数达到了拼接检测目的。　

关键词：ＮＳＣＴ，ＳＶＭ，统计特征量，图像质量评价　

中图分类号：ＴＰ３９１　文献标识码：Ａ　文章编号：１０００－２７５８（２０１２）０２－０２９１－０５　

图像拼接是一种常见的图像篡改手段，当我们　

认真地对一幅图像进行拼接篡改后，很难用肉眼判　

断其真假。由于图像拼接操作会造成图像平滑性、　连续性、光照方向、ＣＦＡ阵列周期性、模板噪声的不　

一致，从而改变了图像像素之间的内在关系，因此常　

见的图像拼接主要有以下几种检测方式：针对在同　

一幅图像中进行复制粘贴操作的检测方法有克隆操　

作检测；针对两幅或多幅图像的拼接篡改可以利用　

图像的光照一致性、相机函数响应和图像特征统计　

等进行检测。　本文针对图像拼接操作进行检测，利用图像统　

计特征和图像质量评价来提取图像的特征向量，其　

中图像统计特征由图像块经过非采样的Ｃｏｎｔｏｕｒ－　

１ｅｔ…变换后的系数矩阵产生，图像质量由块效应的　

程度进行评价，最后利用支持向量机对测试数据进　

行分类，达到了较好效果。　

１图像特征提取　

图像统计特征的选取直接影响到拼接检测的效　

果，在以往的拼接检测中常常使用小波进行图像变　换，但小波变换的支撑基只有水平、垂直和对角方　

向，对曲线的表示能力不强，因此本文选取比小波变　

换更具优势的Ｃｏｎｔｏｕｒｌｅｔ变换来进行图像变换。　Ｃｏｎｔｏｕｒｌｅｔ变换也称塔型方向滤波器组（ＰＤＦＢ，Ｐｙ—　

ｒａｍｉｄａｌ　Ｄｉｒｅｃｔｉｏｎａｌ　Ｆｉｌｔｅｒ　Ｂａｎｋ），它能有效地表示图　

像中的轮廓和纹理。其变换基的支撑区间为“长条　形”，可以利用较少的系数来逼近奇异曲线。由于　

Ｃｏｎｔｏｕｒｌｅｔ变换的最终结果是用类似于线段（ｃｏｎｔｏｕｒ　ｓｅｇｍｅｎｔ）的基结构来逼近图像，所以Ｃｏｎｔｏｕｒｌｅｔ变换　

将图像的各阶高频信息细分为２　个方向（其中ｎ为　非零正整数，体现了Ｃｏｎｔｏｕｒｌｅｔ变换的多方向特　

性）。运用Ｃｏｎｔｏｕｒｌｅｔ变换，可以对图像进行更精细　的分析和处理，从而可以达到更好逼近图像线段的　

处理结果。　由于Ｃｏｎｔｏｕｒｌｅｔ变换变换中存在采样和插值操　

作，所以它不具备平移不变性。ＮＳＣＴ变换（Ｎｏｎｓｕｂ・　

ｓａｍｐｌｅｄ　Ｃｏｎｔｏｕｒｌｅｔ　Ｔｒａｎｓｆｏｒｌｎ，ＮＳＣＴ）　，其基本原理　与Ｃｏｎｔｏｕｒｌｅｔ变换一致，但在ＮＳＣＴ中去除了采样和　

插值操作，使其具备了平移不变性。利用ＮＳＣＴ变　

换不仅可以更加完整地保留图像信息，而且具有更　好的展示方向线段信息的能力。　１．１　基于ＮＳＣＴ变换系数矩阵的特征提取　

１．１．１特征矩　拼接改变了图像的频率特征分布，本文利用　ＮＳＣＴ变化的系数矩阵来表示图像，并对其提取矩　

特征，利用这些矩特征的不同来表示其频率分布的　差异。矩特征可由一维特征函数即将图像经过　

ＮＳＣＴ变换后的系数矩阵的一阶直方图做离散傅里　

收稿日期：２０１１－０５．１２　基金项目：西北工业大学研究生创业种子基金（２Ｏｌ１－２０１２）资助　作者简介：高　芳（１９８７一），女，西北工业大学硕士研究生，主要从事图像处理与信息安全研究。

　西北工业大学学报　第３０卷　

叶变换　（Ｄｉｓｃｒｅｔｅ　Ｆｏｕｒｉｅｒ　Ｔｒａｎｓｆｏｒｍ，ＤＦＴ）获得，特　

征矩可表示为　ｋ／２　ｋ／２　＝∑　Ｉ　ｔ／（Ｘ　）ｌ／∑１日（　）Ｉ　（１）　

式中　为正整数，为特征矩的阶数，Ｈ（　）为在频率　

处的一维特征函数，ｋ为子带数，Ｚ表示矩的阶数。　１．１．２常规矩　拼接的边缘部分常常会由于图像的像素值、对　

比度不同，而有明显的伪造痕迹，所以它们的常规矩　与篡改之前必然会有较大的差异。方差表示信号偏　离均值的程度，当均值为零时能反映信号的能量谱。　

对于高斯分布只需使用均值和方差就可描述分布特　

征。但经过篡改后的图像不一定满足高斯分布，于　是引入偏度和峭来表征其更高阶的信息。偏度表示　概率密度分布相对于平均值不对称的程度。偏度小　

于零称负偏度分布，偏度大于零称正偏度分布。峭　

度是对信号非高斯性的一个度量，具有负峭度的分　布是亚高斯的，具有正峭度的分布是超高斯分布。　

为了表示图像的分布特征，又由于自然图像和经过　拼接后的图像在自然统计特征的分布上会有不同，　

故引入方差、偏度、峭度来对图像进行度量　方差　ｏｒ　＝Ｅ｛　：｝　（２）　

Ｆｊ　３　Ｉ　偏度　ｕ　＝　（３）　：　Ｆ｛　４ｌ　峭度　“　＝　一３　（４）　ｉ　式中　，为第ｉ个图像区域的第　个像素点，Ｅ｛．．｝为　

其均值，ｏｒｉ为区域ｉ的方差。　

１．２块效应图像质量评价　为了使拼接边缘更加自然，篡改者会使用模糊、　

平滑、重压缩等手段，这些操作会引起图像质量下　降，所以本文利用图像质量评价方法来提取图像特　征。图像质量评价法分为有参考和无参考（ＮＲ）的　

图像质量评价方法，ＮＲ　是在没有可以进行参考和　

比对的原始图像的情况下，得出一个与人类视觉系　统的视觉感知相一致的质量分数值的方法。ＮＲ方　

法一般是针对某一种或几种类型的失真，如模糊效　

应、分块效应、噪声效应等来进行度量。由于图像拼　接时往往是将原图像或多幅图像中的一块直接粘贴　

过来，所以图像中很有可能出现块分界，现在的照片　

大多经过ＪＰＥＧ压缩，在压缩率较低时易出现明显　的块效应，于是本文采用块效应的图像质量评价方　法¨　，在图像的水平和垂直方向度量块效应。　图１块效应质量评价图　

垂直的块度量定义为　

Ｍ　＝等｛　（Ｐ【　】一ｐ肘【　】）｝（５）　

水平的块度量定义为　

ＭＢｈ＝等｛塞（ｐ［　］一Ｐ　［　】））（６）　

式中Ｐ［ｆ］是第ｚ段的功率谱。Ｐ　是使用中值滤波得　

到的平滑功率谱，Ⅳ为图像块的大小。测试图像的　块度量公式为　

Ｍ日＝０．５：ｌ：（　Ｂ　＋　ＢＪｌ＝，）　（７）　块效应的图像质量评价方法具有很好的适应　

性，结合了人类视觉系统的特性，比如亮度和纹理掩　盖效应，只需要计算小部分的功率谱。　

１．３　ＳＶＭ分类器　计算出图像的特征向量后可以用支持向量机　

（Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｍａｃｈｉｎｅ）对其进行分类。支持向量　机是Ｖａｐｎｉｋ等于１９９５年首先提出的　Ｊ，在解决小　

样本、非线性及高维模式识别中表现出许多特有的　

优势，并能够推广应用到函数拟合等其它机器学习　问题中。ＳＶＭ分为线性分类器和非线性分类器，本　

文采用非线性分类器。ＳＶＭ通过非线性变换将低　维特征空间转换到高维核空间，在高维核空间中构　造线性分类函数来实现原空间的非线性分类。ＳＶＭ　

核函数有多种形式，本文所选用的核函数为　

ｋ（　，Ｙ）＝ｅｘｐ（一　ｌＩ　—Ｙ　ｌＪ　）　（８）　

２图像特征提取框架　

由于误差图像能减少图像纹理多样性所带来的　

影响，且能明显的增强图像拼接带来的赝象，本文在　

图像检测时不直接对原图像进行操作，而是对其二　维预测误差矩阵进行特征提取。二维预测误差矩阵　

的形成过程如下：

　第２期　高芳等：基于ＮＳＣＴ变换和图像质量评价的拼接图像检测　・２９５・　

４　结　论　

如今，篡改技术飞速发展，对数字取证技术的要　求越来越高。在实际运用中最好能编写出简单快速　

的图像真伪识别算法，使人们能很快判断图像的真　

参考文献　假，从而大大提升网络中图像的可信度。本文利用　较优的图像分解方法Ｃｏｎｔｏｕｒｌｅｔ变换来提取图像特　

征，结合图像质量评价结果对拼接图像进行检测，大　

大降低了特征维数和计算时间复杂度，对平滑．平　滑、纹理一纹理，平滑一纹理图像的进行了检测，取得　

了较好的实验结果。　

［１］Ｍｉｎｈ　Ｎ　Ｄｏ，Ｍａｒｔｉｎ　Ｖｅｔｔｅｒｌｉ．Ｔｈｅ　Ｃｏｎｔｏｕｒｌｅｔ　Ｔｒａｎｓｆｏｒｍ：Ａｎ　Ｅｆｆｉｃｉｅｎｔ　Ｄｉｒｅｃｔｉｏｎａｌ　Ｍｕｈｉｒｅｓｏｌｕｔｉｏｎ　Ｉｍａｇｅ　Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ．ＩＥＥＥ　Ｔｒａｎｓ　ｏｎ　Ｉｍａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ，２００５，１４：２０９１－２１０６　Ｚｈｏｕ　Ｊｉａｎｐｉｎｇ，Ａｒｔｈｕｒ　Ｌ　Ｃｕｎｈａ，Ｍｉｎｈ　Ｎ　Ｄｏ．Ｎｏｎｓａｍｐｌｅｄ　Ｃｏｎｔｏｕｒ］ｅｔ　Ｔｒａｎｓｆｏｒｍ：Ｃｏｎｓｔｒａｃｔｉｏｎ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎ　ｉｎ　Ｅｎｈａｎｃｅｍｅｎｔ．　Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｅｌｅｃｔｒｉｃａｌ　ａｎｄ　Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｉｌｌｉｎｏｉｓ　ａｔ　Ｕｒｂａｎａ—Ｃｈａｍｐａｉｇｎ，２００５　Ｈｏｕ　Ｗａｎｇ，Ｈａｍｉｄ　Ｒ　Ｓｈｅｉｋｈ，Ａｌａｎ　Ｃ　Ｂｏｖｉｋ．Ｎｏ－Ｒｅｆｅｒｅｎｃｅ　Ｐｅｒｃｅｐｔｕａｌ　Ｑｕａｌｉｔｙ　Ａｓｓｅｓｓｍｅｎｔ　ｏｆ　ＪＰＥＧ　Ｃｏｍｐｒｅｓｓｅｄ　Ｉｍａｇｅｓ．Ｔｈｅ　Ｕ．　ｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｘａｓ　ａｔ　Ａｕｓｔｉｎ，ＵＳＡ，２００２　Ｗａｎｇ　Ｚ，Ｂｏｖｉｋ　Ａ　Ｃ，Ｅｖａｎｓ　Ｂ　Ｌ．Ｂｌｉｎｄ　Ｍｅａｓｕｒｅｍｅｎｔ　ｏｆ　Ｂｌｏｃｋｉｎｇ　Ａｒｔｉｆａｃｔｓ　ｉｎ　Ｉｍａｇｅｓ．ＩＥＥＥ　Ｔｒａｎｓ　ｏｎ　Ｉｍａｇｅ　Ｐｒｏｃｅｓｉｎｇ，２０００，　３：９８１－９８４　［５］Ｓｕｙｋｅｎｓ　Ｊ　Ａ　Ｋ，Ｖａｎｄｅｗａｌｌｅ　Ｊ．Ｌｅａｓｔ　Ｓｑｕａｒｅｓ　Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｍａｃｈｉｎｅ　Ｃｌａｓｓｉｆｉｅｒｓ．Ｎｅｕｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｌｅｔｔｅｒｓ，１９９９，２９３－３００　［６］Ｎｇ　Ｔｉａｎｔｓｏｎｇ，Ｃｈａｎｇ　Ｓｈｉｈｆｕ．Ａ　Ｄａｔａ　Ｓｅｔ　ｏｆ　Ａｕｔｈｅｎｔｉｃ　ａｎｄ　Ｓｐｌｉｃｅｄ　Ｉｍａｇｅ　Ｂｌｏｃｋｓ．Ｅｌｅｃｔｒｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｄｅｐａｒｔｍｅｎｔ　Ｃｏｌｕｍｂｉａ　Ｕｎｉｖｅｒｓｉｔｙ，Ｎｅｗ　Ｙｏｒｋ，２００４　

Ａｎ　Ｅｆｆｅｃｔｉｖｅ　Ｍｅｔｈｏｄ　ｆｏｒ　Ｂｌｉｎｄ　Ｄｅｔｅｃｔｉｏｎ　ｏｆ　Ｉｍａｇｅ　

Ｓｐｌｉｃｉｎｇ　ｗｉｔｈ　Ｎｏｎｓｕｂｓａｍｐｌｅｄ　Ｃｏｎｔｏｕｒｌｅｔ　

Ｔｒａｎｓｆｏｒｍ　ａｎｄ　Ｉｍａｇｅ　Ｑｕａｌｉｔｙ　Ｅｖａｌｕａｔｉｏｎ　

Ｇａｏ　Ｆａｎｇ　，Ｚｈｅｎｇ　

，１．Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ，　＼２．６１９３８　Ｔｒｏｏｐｓ，Ｘｉ　ａｎ　７１００７２．Ｃｈｉｎａ　Ｊｉａｎｇｂｉｎ　，Ｃａｉ　Ｌｉｎｉｎｇ　

耐ｅｍ　ｅｒｓ“ｙ＇Ⅺ　７　７２　１　

Ａｂｓｔｒａｃｔ：Ｎｏｎｓｕｂｓａｍｐｌｅｄ　ｃｏｎｔｏｕｒｌｅｔ　ｔｒａｎｓｆｏｒｍ（ＮＳＣＴ）ｈａｓ　ｍｕｌｔｉ—ｒｅｓｏｌｕｔｉｏｎ，ｌｏｃａｔｉｏｎ，ａｎｉｓｏｔｒｏｐｙ，ｔｒａｎｓｌａｔｉｏｎ　ｉｎ．