基于Robert边缘检测算子的图像盲取证技术

成人高等教育毕业论文（设计）题目：基于Robert边缘检测算子的图像盲取证技术完成人：专业：计算机科学与技术年级层次：2012级专升本指导教师：完成时间：河北科技师范学院继续教育学院制基于Robert边缘检测算子的图像盲取证技术河北科技师范学院计算机科学与技术专业2012级摘要:当今社会中，随着计算机及多媒体技术的快速发展和日趋完善,社会已经进入了以数字图像为中心的数字文化时代,然而由于Pohtoshop、ACDSee等专业数字图像处理软件的广泛使用,对数字图像的篡改也变的越来越容易。频频出现由于数字图像篡改而引发的新闻事件、法律案件，不管是有意的还是无意的篡改，都或多或少地给社会和人们的日常生活带来诸多不便，甚至产生严重的后果，这就需要我们研究出一种有效的图像取证技术来检测数字图像的真实性。本文主要研究最常见的图像篡改方法，即复制--粘贴篡改方法。通过数字图像自身的属性，利用Robert边缘检测算子与阈值分割技术的结合的方法，采用VC++6.0编程实现，来对图像的真实性进行有效的检测。关键词：盲取证，边缘检测，Robert算子，阈值分割1绪论伴随着计算机技术以及多媒体技术的快速发展，数字图像的篡改现象也变得十分普遍，被篡改的数字图像如果被恶意使用和传播，那将会对社会的政治、经济、文化的发展以及社会的和谐稳定产生负面的影响，因此，当前社会迫切需要数字图像的取证技术对各类被质疑的图像和照片的真实性进行有效的检测。1.1研究的背景及意义在过去，人们使用胶卷来实现对照片的篡改，但篡改过程比较繁琐而且还需要专业的技能和一些附加条件如暗室、特殊的开发人员，相纸等。如今，由于多功能的数码相机以及功能强大的数字图像处理软件的大量涌现，使得数字图像的篡改变得简单而且频繁。2008年，伊朗革命卫队网站对伊朗发射导弹的照片进行了拼接修改。从下面的照片[图1.1]中可以看出右图中被标记出的那两枚导弹激起的灰尘形状是一样，所以，该照片给当时的伊朗带来了许多质疑声，有关人员对该图进行了检查，后来证实该图被处理过。2010年，在埃及，《金字塔报》上曾刊登了一期中东领导人和谈时几个领导人走红地毯的图像（图[1.2]右为刊登图，及篡改图，图[1.2]左为原图)，从原图中可以看到美国总统奥巴马位置略微靠前，而在篡改图中，埃及总统穆巴拉克位置由原图最右边的位置移至篡改图的最前方，让人们误以为埃及才是和谈的主导力量。图1.1伊朗导弹齐射图片，左图为原图，右图为篡改图，照片显示，左图中第四颗导弹还处在发射位置，右图中则显示为升空状态。图1.2埃及报纸修改中东和谈领导人图片，将穆巴拉克变成“领头人”左图为原图，右图为篡改图篡改图像不仅仅只有以上几个例子，仅通过上面这几个篡改和伪造图像的例子，我们就可以发现，如果篡改不能被有效的检测出来，势必会对国家乃至世界的政治、经济、军事以及外交的正常秩序造成严重的后果，因此，对图像真实性的鉴别在社会的诸多领域里都引起了人们的极大关注。现如今，我们迫切的需要研究出一种新的技术来解决这个问题。因此，数字图像盲取证技术应运而生，可以帮助人们处理一些这方面的问题。数字图像盲取证的理论以及技术的研究引起了人们的重视，它可以帮助人们解决一些与图像相关的法律纠纷、政治问题等。但是就目前来看，这方面的研究在国内外还处于探索的阶段，具有很好的发展前景。1.2数字图像的取证技术数字图像的取证技术是指对数字图像进行分析、鉴别和认证，判断其是否经过人为的伪造、篡改和隐密，目前，数字图像取证技术主要包括两大类，即主动取证技术和被动取证技术（也称为盲取证技术），它们都可以实现对数字图像的真实性和完整性的鉴别，但其检测原理和方法是有区别的，各自的适用范围也不同。1.2.1数字图像的主动取证技术数字图像的主动取证技术是指在数字图像成像的时候添加数字水印或数字签名等附加信息，在取证过程中对嵌入附加信息进行完整性验证，来判断图像是否被篡改，这种技术主要包括以鲁棒数字水印为代表的防伪技术，以脆弱数字水印为代表的防篡改技术，以及以数字签名、数字指纹为代表的认证技术。但是，图像主动取证技术在现实生活中还是不太理想，主要包括以下几点：（1）图像嵌入的附加信息要求具有不轻易被破坏的能力;（2）嵌入数字水印、数字签名以及数字指纹等附加信息会影响图像的质量;（3）附加信息需要三方的配合，才可以确保它是有用信息;（4）就目前而言，数码相机市场上大多数的数码相机都不支持在成像时嵌入数字水印、数字签名等附加信息，只有极少数的高端数码相机才支持，而且算法体系也不统一，所以实用性不高。1.2.2数字图像的被动取证技术与数字图像主动取证技术相比，数字图像的盲取证技术渐渐显现出它的优势，这里之所以称之为"盲"，指的是不依赖于任何数字水印、数字签名等附加信息，只需要取证图像的参与即可完成对数字图像真实性和完整性的认证，数字图像盲取证技术直接根据待取证图像本身，即实现对图像的真伪以及来源的鉴别，无需对数字图像进行任何预处理，它相对于数字图像的主动取证技术来说，具有实用性更高，应用价值更强的特点。1.3数字图像边缘检测概述1.3.1数字图像的格式分类数字图像的格式主要包括：BMP格式、JPEG格式、GIF格式、PSD格式、PNG格式等。现如今，数字图像的类别主要有两种形式，即以点阵形式描述图像的位图和以数学方法描述图像的一种由几何元素组成的描绘类、矢量类以及面向对象的格式[]。下面我们主要介绍一下两种具有代表性图像格式：BMP格式和JPEG格式。“BMP格式是一种与硬件设备无关的位图格式，未经过压缩，使用非常广范，典型的BMP图像文件由三部分组成：位图文件头数据结构，位图信息数据结构，以及定义颜色等信息。JPEG格式也是应用最广泛的图像格式之一，它采用一种特殊的有损压缩算法，将不易被人眼察觉的图像颜色删除，从而达到较大的压缩比，一般可达到2:1甚至是40:1，因为JPEG格式的文件尺寸较小下载速度快，所以是互联网上使用最广泛的图像格式。”[]由于在Windows环境中运行的图形图像软件都支持BMP图像格式，以及精确地突显边缘，因此，本文研究的图像格式采用未经压缩的位图格式——BMP格式。1.3.2边缘检测技术边缘是图像的最基本的特征，它说得是图像中周围的像素灰度有阶跃性变化或山顶状变化的那些像素的集合，它具有幅度和方向两个基本特征，平行于边缘走向，像素灰度变化比较平缓；垂直于边缘走向，像素灰度变化剧烈。图像边缘对于图像的识别以及计算机分析等都有很大的用处，本质上来说图像的边缘是对图像局部特性不连续性如纹理结构的突变、灰度的突变、颜色的突变等的反映，由于标志着一个区域的终结，另一个区域的开始，因此它可以用来分割图像。图像噪声是指图像中各种妨碍人们对图像信息接收的那些因素。所有基于边界分割的图像分析方法的都要用到边缘检测技术。该技术首先要对图像某一小块区域特性的间断性进行检测，接着再将它们重新连接成边界，把不同的区域区分开来。此时，那些边缘被检测出来的图像，要进一步地进行形状的分析和特征的提取。为了比较确切地提取边缘，研究者们已经研究出很多边缘检测算子以及一些改进的算子[]。但各个算子都有自己的优缺点和适用的领域。本文着重对Robert边缘检测算子进行理论分析以及结果验证。但是，边缘检测算子检测出的边缘并不一定是准确的。1.3.3边缘检测的分类概述通常用一阶或两阶导数来检测边缘，如下图所示。不同的是一阶导数认为最大值对应边缘位置，而二阶导数则用零点对应边缘的位置。（1.3）图像灰度变化（1.4）一阶导数（1.5）二阶导数传统的边缘检测算子有基于一阶导数Robert算子、Prewitt算子、Sobel算子等，基于二阶导数的Laplacian（拉普拉斯）算子、LOG（高斯拉普拉斯）算子等。每种算子都有各自的特点，下面仅简单介绍前三种算子的特点。Robert算子可以比较准确地对定位图像边缘，它检测水平和垂直边缘的效果要比斜向边缘的效果好一些，但是该算子对噪声比较敏感，常用来处理那些边缘明显且噪声较少的图像分割。它是一种利用局部差分算子寻找边缘的算子。Prewitt算子可以有效地消除一些噪声，消除噪声的原理是计算像素的平均灰度值，但是这就相当于对图像进行了低通滤波，因此Prewitt算子相对于Robert算子对边缘的定位略微显得要差些。Sobel算子和Prewitt算子原理差不多，但是在Sobel算子中，距离不同的像素具有不同的权值，换句话说就是邻域的像素对当前像素会产生不同的影响，所以，对算子的结果也会产生不同的影响，距离远的产生的影响会比较小。2基于Robert算子的边缘检测的实现2.1Robert算子简介边缘检测的实质是：采用某种算子在图像中提取出目标区域与背景间的交界线，将边缘定义为图像灰度发生急剧性变化的那些区域边界。边缘检测图像灰度分布的梯度决定了图像灰度的变化程度。梯度对应的是一阶导数的信息，梯度算子是一阶导数算子。梯度算子效果最好时出现在图像的噪声和模糊处理程度较小，边缘的灰度值相差较大的情况下。对一个连续的图像，可以用矢量表示像素点处的梯度表示为：...............................................(2.1)其中和分别来表示沿着方向和方向的梯度。就目前来看，基于微分的边缘检测算子应用比较多，梯度算子就是其中的一种重要的检测算法，而Robert算子是梯度算子的一种，而许多结果也显示，用Robert梯度检测边缘比较好。因此，本论文主要研究Robert算子，来实现合成图像的盲取证。图像边缘梯度值以及梯度方向的计算公式如（2.2）式和（2.3）式所示：....................（2.2）（n=1，2，...）..............（2.3）（n=1，2，...）其中为图像灰度分布函数，为图像边缘的梯度值，为梯度的方向，梯度方向是图像灰度值变化变化最快的方向。Robert算子采用的是对角方向相邻的两个像素的差值，故也称为四点差分法，它是一种通过局部差分的方法来定位边缘的算子，首先通过计算对角线方向相邻两个像素的差值来近似代表梯度幅值，然后再选取合适的阈值来提取边缘。将（2.2）式改写为：....................（2.4）和...........................（2.5）其中表示点处像素的灰度值，则（2.4）式是Robert边缘检测算子的差分形式，（2.5）式是其一阶偏导（微分）的形式，事实上，现在计算机处理的图像大部分是数字图像，在数字图像领域中，根据实际的情况判断应该使用差分还是微分。上述算子对应两个模板，如（2.6）式所示。在实际应用当中，图像中的每个像素点利用这两个模板进行卷积运算。.............................................（2.6）2.2阈值分割阈值也就是临界值，在数字图像处理中阈值就是基于图片亮度的一个黑白分界值，本文默认值为127。亮度低于127的区域会变黑，高于127的区域会变白。阈值分割是为了突显图像目标区域的方法。图像通过Robert边缘检测算子处理后会以特定的灰度值呈现出来，然后使用阈值分割将目标区域与背景分离。阈值分割可以通过以下两步实现：（1）由用户选择一个阈值T，本文阈值初始默认值设为127；（2）将阈值和每一个像素的灰度值相比较，小于此阈值的设为0，那些像素点就会变为为黑色，大于此阈值的设为255，那些像素点就会变为白色。图像的阈值变换函数表达式为：......................................（2.7）其中，T为用户选择的阈值。阈值分割的方法按照对图像上每个像素所使用的阈值相同与否，有局部与全局之分，如果所有阈值都一样，则为全局阈值方法，否则，就是局部阈值方法[]。全局阈值：，其中；P是整幅图像局部阈值：，其中；Q是(x,y)的邻近区域全局阈值分割法是一种比较简单易操作的图像分割方法。在选用阈值时，据不同的目标，对图像分割往往存在一个最佳的阈值。最佳全局阈值确定的常用方法一般有以下面几种：（1）实验法。实验法是指在事先知道知道图像的某些属性的情况下，对阈值进行确定的方法，只需要多次试验不同的阈值。（2）直方图法。如果图像中目标区域和背景的灰度值都是均匀分布的话，那么这幅图像的直方图中就会有两个最大值，如果出现此现象，并且两个最大值的距离也不是太远的话，那么我们就可以选择两个最大值之间的最小值作为阈值。当最大值不仅仅只限于两个时，多阈值就会出现。多个域值的出现带来了新的问题——如何利用这些阈值进行图像分割。通常我们会在这些阈值中选择一个最佳阈值，来对图像进行有效的分割。（3）最小误差方法。该方法的前提条件是背景与目标区域的灰度分布都要成正态分布的形式。然后根据概率的大小确定最佳阈值。（4）迭代阈值选择法。以迭代的方法产生阈值，可以通过程序实现自动计算比较合适的阈值。其过程可分为以下几步：（1）首先要确定图像分割的初始阈值T，本文的初始阈值T为127，一般初始阈值可设为图像的灰度值的平均数；（2）通过初始，把图像按平均灰度值分为两组和；（3）计算这两组平均灰度值和；（4）重新选择，新的定义为：；（5）循环操作（2）至（4），直到和成为一个常量时就得到了最佳阈值。本文采用的是全局阈值分割法中的迭代阈值选择。2.3算法实现2.3.1BMP文件头BMP位图文件由bitmapfileheader、bitmapinfoheader、rgbquad、位图像素数据这四部分组成，其结构组成可以表示为：表2.1BMP位图文件头结构含有BMP文件类型、文件大小和位图起始位置等信息。位图信息头数据用于说明位图的尺寸等信息。颜色表是用来表示图像颜色的，通常由若干个项组成，其中的任意项都是一个定义一种颜色的RGBQUAD类型的结构。像素数据存储了图像中的每一像素的灰度值，按从左到右，从上到下的顺序扫描位图图像的行与行。位图的每一像

素值所占的字节数：当时，8个像素占1个字节；当时，2个像素占1个字节；当时，1个像素占1个字节；当时，1个像素占3个字节。2.3.2CDib类库的建立大多数图像处理都是基于DIB来进行讨论的，而VC++6.0的MFC中没有处理DIB位图的专门的类，所以需要定义一个处理DIB位图的专用类CDib类，在其中封装必要而有效地DIB数据成员和处理函数，该类具有的功能如下：UINTGetWidth();//返回位图的宽度UINTGetHeight();//返回位图的高度char*GetFileName();//返回位图文件名DWORDGetSize();//返回位图文件大小BYTE*GetData();//返回数据区首地址RGBQUAD*GetRGB();//返回颜色表首地址BITMAPINFO*GetInfo();//返回信息结构首地址UINTGetNumberOfColors();//返回位图的颜色数目BOOLSaveFile(constchar*pszFilename);//存储位图文件voidLoadFile(CStringm_fileName);//返回BMP位图文件名CDib类应具有以下功能目标：DIB文件的读写操作；提供位图width、height、颜色数目等位图相关信息；提供有关位图占据内存空间的信息。2.3.3具体实现步骤（1）获取原图数据区指针；（2）申请同原图大小一样的一个缓冲区，再将原图复制到缓冲区中去；（3）利用Robert边缘检测算子的模板参数，再调用相应算法对缓冲区进行卷积计算；（4）将计算结果复制到原图，产生结果图1，输出显示；（5）在结果图1中的轮廓区域内，进行尺寸标准化方差分析，产生合理的域值T；（6）调用阈值分割函数——迭代自动阈值选择（采用平均值），当灰度值小于域值T时，判定为目标区域，标识目标区域，产生结果图像2；（7）结合原图和图像2的目标区域产生结果图像3；（8）输出显示图像3，即为实验结果。2.3.4程序实现（1）在灰度图像中，算子具体程序实现的部分语句①for(j=0;j<height-1;j++)②for(i=0;i<wide-1;i++){③pixel[0]=p_data[j*wide+i];④pixel[1]=p_data[j*wide+i+1];⑤pixel[2]=p_data[(j+1)*wide+i];⑥pixel[3]=p_data[(j+1)*wide+i+1];⑦temp[j*wide+i]=(int)sqrt((pixel[0]-pixel[3])*(pixel[0]-pixel[3])+(pixel[1]-pixel[2])*(pixel[1]-pixel[2]));⑧}其中语句③④⑤⑥的作用是在灰度图像中生成Robert算子；语句⑦的作用是处理灰度图像的当前像素的灰度值。（2）在24位彩色图像中，Robert算子具体程序实现的部分语句①for(j=0;j<height-1;j++)②for(i=0;i<DibWidth-3;i++){③pixel[0]=p_data[j*DibWidth+i];④pixel[1]=p_data[j*DibWidth+i+3];⑤pixel[2]=p_data[(j+1)*DibWidth+i];⑥pixel[3]=p_data[(j+1)*DibWidth+i+3];⑦p_temp[j*DibWidth+i]=2*(int)sqrt((pixel[0]-pixel[3])*(pixel[0]-pixel[3])+(pixel[1]-pixel[2])*(pixel[1]-pixel[2]));⑧}其中语句③④⑤⑥的作用是在24位彩色图像中生成Robert算子；语句⑦的作用是处理24位彩色图像的当前像素的灰度值。（3）程序中计算下一个迭代阀值的程序实现部分①for(i=0;i<T1+1;i++){②Temp0+=tongji[i]*i;③Temp1+=tongji[i];④}⑤for(i=T1+1;i<256;i++){⑥Temp2+=tongji[i]*i;⑦Temp3+=tongji[i];⑧}（4）迭代阈值分割函数实现像素点灰度转换部分程序①for(j=0;j<height;j++){②for(i=0;i<wide;i+=3){③unsignedchartemp=*((unsignedchar*)p_data+wide*j+i);④ if(temp<T1+150)⑤temp=0;⑥ else⑦ temp=255;⑧ *((unsignedchar*)p_data+wide*j+i)=temp; *((unsignedchar*)p_data+wide*j+i+1)=temp; *((unsignedchar*)p_data+wide*j+i+2)=temp;⑨}⑩} 以上语句的功能是实现对各像素的灰度转换，语句④if(temp<T1+150)是用来判断像素灰度值是否超出了T1+150，其中T1=128，150是配准值，可以任意选取；语句⑧的功能是回写处理完的像素。2.4程序处理结果分析（1）当灰度值temp<T1时，即当配准值为0时，原图像的边缘与篡改部分的边缘基本上分辨不开来。图2.1要鉴定的目标图a 图2.2要鉴定的目标图b图2.3用Robert算子处理后的图a 图2.4用Robert算子处理后的图b图2.5阈值分割后的图a 图2.6阈值分割后的图b（2）当灰度值temp<T1+50时，即配准值为50时，较于原图像的边缘，目标区域的边缘在突显。图2.7（3）当像素值temp<T1+80时，即配准值为80时，从右图中可以看到原图像边缘已经与篡改部分的边缘区分开来。而左图效果相对右图来说，还是不太理想。图2.8（4）当像素值temp<T1+100时，右图效果依然很明显，但左图还有原图像的部分边缘。图2.9（5）当像素值temp<T1+120时，两个对比图的边缘都有弱化的趋势，左图还有原图的一小部分边缘。图2.10（6）当像素值temp<T1+150时，此时可以看到，原图像边缘与篡改部分的边缘已经完全区分开来，但是篡改区域的边缘相对上面的图像来说，都有些弱化。图2.11（7）当像素值temp<T1+200时，已经不再显示任何部分的边缘。图2.12通过修改配准值，可以得到在不同配准值下的处理效果。本文选取了七组数值，即0、50、80、100、120、150、200。当选定某一配准值后，阈值分割函数就会自动地计算迭代阈值，对图像背景与目标区域的边缘进行分割。通过结果图的分析对比可以得出：每个篡改图像的最佳配准值不一定相同。从以上几个对比图中可以得出图a和图b的最佳配准值分别为150和80。因此，要想准确定位一个图像目标区域的边缘，还需要找出针对于该图像的一个最佳配准值，即要多次修改配准值以找出最佳的配准值。2.5本章小结一般的复制-粘贴篡改方法都要用到模糊处理，以使得图像的轮廓看起来比较自然，但是这就给图像篡改检测增加了一定的难度，所以要使用边缘检测算子来锁定目标区域，然后通过的不同的阈值选择，来对图像进行分割，保留目标区域的边缘，从而达到实验的目的。3总结3.1论文小结本文研究的复制-粘贴篡改图像，在实际的操作中，往往还要进行一定程度的模糊处理，使篡改部分的边界不被人眼发现。模糊之后的图像，篡改区域难以识别，所以本文采用边缘检测算子来锁定目标区域，使之突显出来，并与图像分割技术——阈值分割相结合，来提取出被篡改的区域。其中，阈值的选择是关键。在经过边缘检测处理得到的图像中，被篡改的区域一般是属于高亮区域，亮度高于其他部分，尤其是边界部分，但是由于灰度级的范围是0-255，所以合理的阈值选择很重要。为了得到一个合理的阈值，本文采用迭代方法自动选择阈值。迭代的算法部分采用是平均求值法。但是这种方法偶尔也会出现一些差错，比如高亮区域过多，而导致目标区域被掩盖，所以在此基础上阈值还要再加一个配准值，即在平均阈值之后再加配准值。本文对七组配准值的效果进行了比较，得出配准值在80--150之间选取时效果比较好，但是针对不同的图像，本文不能确定一个适合所有图像的最佳配准值，只能在多次试验的情况下确定该图像的最佳配准值。3.2对未来的展望通过本文的简单介绍，可以使了解到盲取证的另一种思路，有助于图像处理以及盲取证技术的研究。但是，本文在某些方面仍然存在很大的局限性，有很多地方需要不断完善，本文的很多的知识点都是粗略的介绍，有些并没有深入的探讨研究。另外，由于图像的千差万别，并不能保证所有复制-粘贴篡改图像的篡改区域都能准确识别出来，因此，该程序有待进一步的改进和完善，也希望有更多的人能在以后的学习中继续探索和研究基于边缘检测算子的图像盲取证技术，最终能够得出一个比较成熟的方法来鉴定图像的真实性和完整性。参考文献[1]ZhongweiHe，WeiLu，WeiSun，JiwuHuang.DigitalimagesplicingdetectionbasedonMarkovfeaturesinDCTandDWTdomain.PatternRecognition45(2012)p.4292-4299.[2]S.DeviMahalakshmi，K.Vijayalakshmi，S.Priyadharsini.Digitalimageforgerydetectionandestimationbyexploringbasicimagemanipulations.DigitalInvestigation8(2012)p.215-225.[3]GuangjieLiua，JunwenWang，ShiguoLianc，ueweiDai.MathematicalandComputerModelling.MathematicalandComputerModellingX(XXXX)p.XXX-XXX.[4]夏德深，傅德胜.现代图像处理技术与应用[M].南京:东南大学出版社，1997:p.68-83[5]M.Chen，J.Fridrich，J.Lukas，M.Goljan，ImagingsensornoiseasdigitalX-rayforrevealingforgeries，in:ProceedingofInternationalWorkshoponInformationHiding，in:LNCS，vol.4567，2008，p.342–358.[6]A.-C.Popescu，H.Farid，Exposingdigitalforgeriesincolorfilterarrayinterpolatedimages，SignalProcessing:ImageCommunication53(2005)3948–3959.[7]J.Wang，H.-B.Zhang，Exposingdigitalforgeriesbydetectingtracesofimagesplicing，in:ProceedingofInternationalConferenceonSignalProcessing，2006，p.16–20.[8]Z.-H.Qu，G.-P.Qiu，J.-W.Huang，Detectdigitalimagesplicingwithvisualcues，in:ProceedingsofInternationalWorkshoponInformationHiding，2009，p.247–261.[9]D.-Y.Hsiao，S.-C.Pei，Detectingdigitaltamperingbyblurestimation，in:ProceedingoftheFirstInternationalWorkshoponSystematicApproachestoDigitalForensicEngineering，2005，p.264–267.[10]L.-N.Zhou，D.-M.Wang，Y.-B.Guo，J.-F.Zhang，Blurdetectionofdigitalforgeryusingmathematicalmorphology，in:ProceedingofKESAMSTA，2007，p.990–998.[11]Y.Sutcu，B.Coskun，H.T.Sencar，N.Memon，Tamperdetectionbasedonregular