一种基于改进Hu不变矩和Zernike矩的图像被动盲检测方法

技术特征：
1.一种基于改进hu不变矩和zernike矩的图像被动盲检测方法，其特征在于，包括以下步骤：步骤1：获取待检测图像，图像大小为m
×
n，若图像为彩色图像，对其进行灰度化；步骤2：对灰度化的图像进行子带编码处理，得到低频近似子带图像；步骤3：图像分块与特征提取；对近似子带图像进行相互重叠的a
×
b大小滑窗分块，对分块后得到的图像子块进行特征提取，提取10个改进的hu不变矩和zernike矩作为特征向量，得到特征矩阵p；所述10个改进的hu不变矩的计算公式为：其中，i1,...,i
12
为12个扩展的hu不变矩，计算公式为：
其中，η
pq
为标准化中心矩，μ
pq
为图像f(x,y)的二维p q阶中心矩；(x
′
,y
′
)表示图像的重心，x
′
＝m
10
/m
00
，y
′
＝m
01
/m
00
；m
pq
为图像f(x,y)的二维p q阶几何矩，步骤4：对提取的特征矩阵p进行字典排序得到矩阵q，计算矩阵q中相邻向量q
i
、q
j
的相关性ρ；若相关性ρ＞θ，则表示两个向量对应的图像区域可能是篡改区域，定位并记录；θ为阈值。2.根据权利要求1所述的一种基于改进hu不变矩和zernike矩的图像被动盲检测方法，其特征在于：步骤3中所述zernike矩是基于经典的离散zernike多项式构造的一组正交矩，它可以无误差地恢复原始图像，zernike矩的正交多项式{v
pq
(x,y)}具体为：v
pq
(x,y)＝v
pq
(ρ,θ)＝r
pq
(ρ)e
jqθ
其中，ρ表示原点到点(x,y)的距离；θ为矢量ρ与x轴逆时针的夹角；p为正整数或零；q为正或负整数，且满足条件p-|q|为偶数，且|q|≤p；r
pq
(ρ)为径向多项式，称为zernike多项式，具体为：由于zernike多项式的正交完备性，可将单位圆内的图像f(x,y)分解为：其中，z
pq
为重复率为q的p阶zernike矩，公式为：其中，x2 y2≤1；当图像旋转角度时，旋转后zernike矩为：其中，p＝0,2,4,...,10。
zernike矩幅度具有旋转不变性，为了使zernike矩具有平移与尺度不变性，需要提前对图像进行归一化，采用标准矩方式来归一化图像，对图像进行重心变换就能达到图像尺度一致性的目的，变换后图像g(x,y)为：图像的zernike矩具有平移、旋转以及尺度不变性。3.根据权利要求1所述的一种基于改进hu不变矩和zernike矩的图像被动盲检测方法，其特征在于：所述步骤2中对灰度化的图像进行子带编码处理，得到图像的近似子带低频成分、垂直细节子带、水平细节子带与对角线细节子带；低频部分占据了图像的主要能量，所以提取低频系数进行图像的特征的提取。4.根据权利要求1所述的一种基于改进hu不变矩和zernike矩的图像被动盲检测方法，其特征在于：所述步骤4中计算矩阵q中相邻向量q
i
、q
j
的相关性ρ的方法具体为：设两n维量x＝(x1,x2,...,x
n
,)
t
,y＝(y1,y2,...,y
n
,)
t
，其相关性ρ(x,y)为：

技术总结
本发明属于数字图像取证技术中被动盲检测技术领域，具体涉及一种基于改进Hu不变矩和Zernike矩的图像被动盲检测方法。本发明以图像子带编码为基础，利用Hu不变矩和Zernike矩的不变量对篡改图像进行检测。对图像做子带编码处理，得到近似子带(LL)图像，对近似子带图像进行Hu不变矩和Zernike矩的特征提取，用来表征图像的信息，最后采用上述特征信息进行图像的相关匹配。本发明从现实生产生活需要出发，针对数字图像取证任务，能够实现图像的旋转、平移等检测，具有更优质的鲁棒性，提高了检测准确率。测准确率。测准确率。


技术研发人员：张杨 沈嘉彬 李宗达 王永凯 孙贝贝 朱正
受保护的技术使用者：哈尔滨工程大学
技术研发日：2022.08.31
技术公布日：2022/12/5