王萍

摘 要：針對(duì)圖像中失焦模糊的存在會(huì)影響人工拼接圖像檢測(cè)效果的問題，論文提出了一種通過去除失焦模糊區(qū)域?qū)θ斯て唇訁^(qū)域進(jìn)行檢測(cè)的理論研究方法。該算法主要通過計(jì)算相關(guān)性和局部標(biāo)準(zhǔn)差來檢測(cè)圖像中的失焦模糊區(qū)域，然后根據(jù)自然圖形邊緣寬度與人工模糊邊緣寬度的特征的差異性，通過計(jì)算圖像邊緣寬度檢測(cè)出圖像中的偽造區(qū)域。實(shí)驗(yàn)結(jié)果顯示，該方法可有效解決局部失焦模糊存在對(duì)圖像檢測(cè)造成影響的問題。

關(guān)鍵詞：失焦模糊；拼接圖像；邊緣寬度

中圖分類號(hào)：TP3-0 文獻(xiàn)標(biāo)識(shí)碼：A

1 引言（Introduction）

圖像的合成操作是數(shù)字圖像偽造方法中最常見的一種，目前，學(xué)術(shù)界逐漸提出了很多關(guān)于圖像纂改的研究方法，如K. Bahrami和A. C. Kot[1，2]根據(jù)拼接圖像與原圖像之間區(qū)域模糊類型的不一致對(duì)圖像進(jìn)行了真?zhèn)螜z測(cè)；Wei L X[3]與Shen X J[4]主要通過對(duì)人工模糊操作的痕跡及特征來鑒別人工模糊區(qū)域的檢測(cè)算法；王俊文等[5]研究的基于非抽樣Contourlet變換的圖像模糊取證方法；潘生軍[6]等提出的基于后驗(yàn)概率的圖像模糊檢測(cè)方法。

李杭與鄭江濱[7]主要根據(jù)人工模糊后的圖像邊緣寬度大于未經(jīng)過任何模糊處理的自然圖像邊緣寬度的特征進(jìn)行的研究，并取得了很好的檢測(cè)結(jié)果。但自然圖像中，局部失焦模糊的存在，會(huì)影響到圖像的最終檢測(cè)效果或造成一定的誤檢。因此，可結(jié)合去除圖像中的局部失焦模糊[8]的方法來解決文獻(xiàn)[7]中的問題。

2 算法分析（Algorithm analysis）

2.1 失焦模糊與人工模糊特征分析

在圖像拍攝過程中，失焦模糊的存在是非常常見的。失焦模糊是由相機(jī)在圖像成像過程中，場(chǎng)景中的局部目標(biāo)和成像傳感器存在相對(duì)運(yùn)動(dòng)或者成像時(shí)部分場(chǎng)景失焦造成圖像的局部模糊。因此，在一張圖像中，往往既有散焦模糊區(qū)域又有正常的圖像區(qū)域。根據(jù)失焦模糊產(chǎn)生原理可知失焦模糊可看作是通過一個(gè)點(diǎn)向勻速漸減的模糊，并沒有明顯的模糊邊界，其模糊過度較為平緩自然。人工模糊是通過人工手動(dòng)的進(jìn)行模糊處理產(chǎn)生的一種人為的模糊效果，模糊處理的邊緣較失焦模糊有較清晰的模糊邊界[4]，如圖1所示。

其中，圖1（a）為人工模糊特征，人工模糊過程中，主要通過設(shè)置模糊半徑來確定模糊的范圍與程度。圖1（b）為失焦模糊特征，是自然圖像本省存在的一種模糊效果。

相機(jī)拍攝的照片主要分為前景與背景兩部分，通過模糊背景圖像的方法來突出前景圖像，所以觀察起來我們會(huì)很明顯的發(fā)現(xiàn)凸顯的前景像素看起來更加清晰，背景的部分則看起來比較模糊，只能看到圖像大概的輪廓。此外，失焦模糊在圖像中是整個(gè)局部區(qū)域中都存在失焦模糊，是呈連通狀的“片狀”區(qū)域，而人工模糊只是圍繞著圖像拼接區(qū)域的邊緣進(jìn)行的，從模糊效果上看，是呈“線條”狀的，如圖2所示。

圖2中的紅色線條的上半部分的A區(qū)域?yàn)槭Ы鼓：齾^(qū)域，可看到該區(qū)域中整體都是較為模糊的，且該區(qū)域是連通的。

2.2 算法流程

圖像中未經(jīng)過任何模糊處理的邊緣寬度一般為3—4個(gè)像素值，而經(jīng)過模糊處理的圖像邊緣寬度往往是大于這個(gè)邊緣寬度的。因此，通過對(duì)失焦模糊，人工拼接區(qū)域的邊緣模糊，以及自然圖像邊緣間的研究，給出圖如下的算法實(shí)現(xiàn)過程：

（1）對(duì)于局部失焦圖像，將整幅圖像的像素可分為兩類：模糊部分R1和清晰部分R2。根據(jù)文獻(xiàn)[8]中提到的方法，計(jì)算局部失焦模糊圖像的頻域相關(guān)性系數(shù)。

（2）計(jì)算的標(biāo)準(zhǔn)差模糊測(cè)度。

（3）通過計(jì)算所得的相關(guān)性系數(shù)與標(biāo)準(zhǔn)差模糊測(cè)度，根據(jù)閾值比較，將符合條件的像素點(diǎn)歸0，輸出圖像。

（4）對(duì)圖像根據(jù)文獻(xiàn)[7]中的方法計(jì)算圖像邊緣像素寬度，若邊緣寬度滿足像素值，像素歸零，若不滿足，像素的值設(shè)為255。

2.3 定位圖像的拼接區(qū)域

論及圖像是否模糊或清晰時(shí)，主要是對(duì)像素及其領(lǐng)域內(nèi)的像素而言的。而圖像模糊測(cè)度的計(jì)算主要是為了找出圖像中的失焦模糊區(qū)域，即圖像中的R1區(qū)域，以像素為圓心，以R為半徑的區(qū)域內(nèi)，如果模糊點(diǎn)的個(gè)數(shù)滿足公式（1），則為0；否則保持原值。

其中，為區(qū)域內(nèi)的總像素?cái)?shù)，閾值，只有當(dāng)領(lǐng)域中的模糊點(diǎn)個(gè)數(shù)大于一定的比例時(shí)，像素才會(huì)被認(rèn)為是失焦模糊點(diǎn)，如公式（2）所示。

其中，為去除失焦模糊后的輸出圖像，也可以將不符合失焦模糊的像素點(diǎn)設(shè)置為255，如圖4所示。

圖4中，左側(cè)的第一張圖為存在失焦模糊的原始圖像，圖4中右側(cè)的圖像為通過公式（3）去除圖像中失焦模糊區(qū)域后的圖像部分。

當(dāng)圖像中的像素點(diǎn)公式（3）時(shí)，

其中，為圖像邊緣像素寬度值，，且為整數(shù)。根據(jù)公式（2）與公式（3），可有效的檢測(cè)出圖像中的偽造區(qū)域。

3 實(shí)驗(yàn)論證（Experimental demonstration）

本文對(duì)上述中提出的拼接圖像檢測(cè)方法進(jìn)行了驗(yàn)證，在實(shí)驗(yàn)過程中，拼接圖像主要處理軟件為Adobe Photoshop CS5。算法編譯環(huán)境為Matlab7.0，實(shí)驗(yàn)測(cè)試圖如圖5所示。

圖5中左側(cè)的第一張圖為存在失焦模糊的原始圖像，右側(cè)的圖像為拼接合成圖像，通過上述算法，對(duì)該拼接圖像進(jìn)行檢測(cè)，可得到如圖6所示的結(jié)果。

圖6中右上角為圖像的人工拼接區(qū)域，且坐下方較為清晰的的圖像并未被誤檢出來。

實(shí)驗(yàn)結(jié)果顯示，論文中的提到算法可有效的解決因局部失焦模糊存在對(duì)拼接圖像的檢測(cè)結(jié)果造成一定影響的問題。

4 結(jié)論（Conclusion）

本文分析了局部失焦模糊圖像中，拼接圖像中人工模糊特征與失焦模糊特征，以及自然圖像邊緣特征間的區(qū)別，通過相關(guān)性系數(shù)和局部標(biāo)準(zhǔn)差的計(jì)算可有效的找出圖像中的失焦模糊區(qū)域，并加以去除。同時(shí)，由于通常情況下，圖像中的人工模糊邊緣寬度大于自然圖像邊緣寬度的特征，通過計(jì)算圖像邊緣寬度的值，可有效的去除圖像中的自然圖像區(qū)域，保留人工模糊處理區(qū)域，即圖像中的拼接偽造區(qū)域。根據(jù)上述的理論分析，可有效的證明該算法在理論上的可行性。

參考文獻(xiàn)（References）

[1] K.Bahrami and A.C.Kot.Image tampering detection by exposing blur type inconsistency.in Proc.IEEE ICASSP，May 2014：2654-2658.

[2] K.Bahrami and A.C.Kot.Image Splicing Localization Based on Blur Type Inconsistency[C].IEEE International Symposium on Circuits and Systems，2015：999-1009.

[3] Wei L X，Zhu J J，Yang X Y.An Image Forensics Algorithm for Blur Detection Based on Properties of Sharp Edge Points[J].Advanced Materials Research，2011，341-342；743-747.

[4] Shen X J，et al.A blur Image Blind Identify Algorithm Based on the Edge Feature[C].Third International Conference on Multimedia Information NETWORKING and Security.IEEE Computer Society，2011：309-313.

[5] 王俊文，劉光杰，戴躍偉.基手非抽樣Contourlet變換的圖像模糊取證[J].計(jì)算機(jī)研究與發(fā)展，2009，46（9）：1549-1555.

[6] 潘生軍，楊本娟，劉本永.基于后驗(yàn)概率的圖像模糊檢測(cè)方法[J].計(jì)算機(jī)工程與應(yīng)用，2012，48（32）：181-186.

[7] 李杭，鄭江濱.一種人工模糊的偽造圖像盲檢測(cè)方法[J].西北工業(yè)大學(xué)學(xué)報(bào)，2012，30（4）：612-616.

[8] 咸兆勇，甘金明，玉振明.一種基于相關(guān)性和局部標(biāo)準(zhǔn)差的圖像失焦模糊區(qū)域檢測(cè)方法[J].計(jì)算機(jī)應(yīng)用與軟件，2014（9）：

198-200.

作者簡(jiǎn)介：

王 萍（1988-），女，碩士，研究生.研究領(lǐng)域：數(shù)字圖像處理.