融合幀內(nèi)與幀間技術(shù)的數(shù)字視頻篡改檢測(cè)方法

董春麗,胡賢芬

(1. 中國(guó)民用航空飛行學(xué)院,四川 廣漢 618307;2.西南科技大學(xué)理學(xué)院,四川 綿陽(yáng) 621010;)

1 引言

在信息大爆炸時(shí)代,信息傳播速度非常快,數(shù)字視頻作為信息的載體之一,占據(jù)著互聯(lián)網(wǎng)總體流量的85%[1]。現(xiàn)實(shí)生活中,伴隨著視頻剪輯軟件的不斷更新,視頻剪輯成為一項(xiàng)很簡(jiǎn)單的工作,甚至有些不法分子對(duì)視頻進(jìn)行惡意篡改,使篡改后的視頻很難通過(guò)肉眼分辨出來(lái),因此如何高效準(zhǔn)確的對(duì)篡改后的視頻進(jìn)行分辨已成為亟待解決的問(wèn)題之一[2]。

視頻篡改主要分為時(shí)域和空域兩類(lèi)篡改。時(shí)域上的篡改主要是對(duì)視頻整幀進(jìn)行刪除或添加等操作;空域上的篡改主要是對(duì)幀圖像上的目標(biāo)進(jìn)行刪除或添加操作。根據(jù)數(shù)字視頻篡改的類(lèi)型,需要采用不同的檢測(cè)方法[3-5]。由于視頻篡改檢測(cè)已成為研究的熱門(mén),吸引了不少研究人員,因此一直有新的方法被提出來(lái)。文獻(xiàn)[6]通過(guò)時(shí)域TCS-LBP算子反映同一空間中當(dāng)前視頻幀與前后若干視頻幀的像素位置關(guān)系,并計(jì)算出當(dāng)前圖像的TCS-LBP特征值,利用特征圖像對(duì)視頻的每一幀都進(jìn)行檢測(cè),判斷該幀是否是復(fù)制幀,并定位出視頻篡改的邊界,實(shí)驗(yàn)結(jié)果表明,該方法對(duì)視頻篡改的檢測(cè)性能良好。文獻(xiàn)[7]為了提高視頻匹配的準(zhǔn)確率,在圖像提取的特征點(diǎn)引入顏色不變信息量,按照結(jié)構(gòu)相似度將視頻分段處理,并對(duì)每段的關(guān)鍵幀進(jìn)行提取,利用目標(biāo)跟蹤方法計(jì)算篡改后視頻幀的位置,實(shí)驗(yàn)結(jié)果表明,該方法魯棒性較好。文獻(xiàn)[8]通過(guò)對(duì)視頻時(shí)間與空間信息的計(jì)算,對(duì)視頻進(jìn)行分組處理,結(jié)合SVM-RPE算法排序視頻幀的VQA特征,采用順序前向算法與Adaboost分類(lèi)器對(duì)排序的特征進(jìn)行融合,實(shí)驗(yàn)結(jié)果表明,該方法大大提高了視頻篡改的檢測(cè)精度,但視頻分組策略需要進(jìn)一步完善。

本文通過(guò)改進(jìn)的三幀差法對(duì)圖像幀內(nèi)篡改進(jìn)行檢測(cè),對(duì)時(shí)域上被篡改的可疑幀進(jìn)行定位,并在空域上確定可疑幀的具體位置。針對(duì)幀間視頻篡改檢測(cè)采用直方圖相交法,將圖像幀篡改連接處的非連續(xù)性轉(zhuǎn)換為像素帶間的連續(xù)性,減小計(jì)算量。

2 數(shù)字視頻幀內(nèi)篡改檢測(cè)

幀內(nèi)篡改是對(duì)視頻區(qū)域內(nèi)部進(jìn)行篡改,主要有目標(biāo)移入和移除兩種篡改方法。為了提高視頻篡改檢測(cè)過(guò)程中的計(jì)算效率、降低視頻采集的數(shù)據(jù)量,采用具有靜止背景的視頻幀內(nèi)篡改檢測(cè)方法,不僅能夠準(zhǔn)確定位視頻幀內(nèi)篡改位置,還能夠較好的確定時(shí)域上各種壓縮格式的視頻篡改可疑幀。

在視頻的時(shí)域定位上,對(duì)圖像的能量可疑度定義進(jìn)行改進(jìn),使可疑度算法對(duì)圖像能量的識(shí)別更加靈敏。在視頻的空域定位上,采用改進(jìn)的三幀差法對(duì)視頻幀內(nèi)篡改進(jìn)行定位。視頻幀內(nèi)目標(biāo)移除篡改檢測(cè)過(guò)程如圖1所示。

圖1 視頻幀內(nèi)目標(biāo)移除篡改檢測(cè)過(guò)程

本文主要將視頻篡改檢測(cè)分為時(shí)域上和空域上篡改定位兩部分。首先通過(guò)DCT求出檢測(cè)視頻圖像每一幀的能量譜,用頻域熵和低高頻比對(duì)能量的可疑度進(jìn)行描述。然后在空域上利用改進(jìn)的三幀差法求出圖像可疑幀的運(yùn)動(dòng)前景,定位圖像幀具體被篡改的位置。

2.1 時(shí)域篡改檢測(cè)方法

數(shù)字視頻的成像受到設(shè)備原本噪聲和外部噪聲的干擾,導(dǎo)致圖像中存在噪聲,因此利用DCT的去噪能力,使圖像能量集中到系數(shù)上,實(shí)現(xiàn)圖像的降噪處理。DCT變換可以較好的描述圖像信號(hào)的相關(guān)特性,二維DCT的值用公式可表示為

(1)

且

(2)

其中,a和c的取值范圍為{0,1,…,M-1};b和d的取值范圍為{0,1,…,N-1}。

數(shù)字視頻圖像經(jīng)過(guò)DCT處理后,能量主要集中在DCT系數(shù)矩陣的低頻部分。DCT系數(shù)矩陣中,若低頻系數(shù)越集中,那么重構(gòu)的圖像與原始圖像越相似;若低頻系數(shù)越離散,那么重構(gòu)的圖像與原始圖像越迥異。

數(shù)字視頻圖像中的信息較為抽象,采用熵對(duì)圖像的信息進(jìn)行衡量。若圖像信息越集中且有規(guī)律,那么熵值越低;若圖像信息越離散且雜亂,那么熵值越高。通過(guò)熵值衡量圖像信息的公式可表示為

(3)

其中,Xsig表示信源;pi表示符號(hào)i對(duì)應(yīng)的概率。圖像的頻域熵主要是表示圖像低頻聚集情況,那么圖像的頻域熵公式可表示為

(4)

其中,αi表示DTC系數(shù)矩陣的i個(gè)值。頻域熵越小,表明原始圖像的灰度值分布越平滑;頻域熵越大,表明原始圖像的邊緣與細(xì)節(jié)越多。為了進(jìn)一步增大圖像頻域能量的差異,通過(guò)低、高頻能量比來(lái)描述圖像的能量,公式可表示為

(5)

其中,h表示DCT系數(shù)矩陣的低頻系數(shù)個(gè)數(shù);m×n表示圖像大小。為了更好地表示圖像能量的連續(xù)性差異,對(duì)圖像頻域能量可疑度進(jìn)行改進(jìn),公式為

(6)

能量可疑度越大,圖像所含的低頻成分越少。如果對(duì)圖像中的目標(biāo)進(jìn)行移除操作,會(huì)增加圖像的低頻成分,減小能量的可疑度,那么就可以及時(shí)的發(fā)現(xiàn)圖像被篡改了。

2.2 空域篡改檢測(cè)方法

在數(shù)字視頻時(shí)域檢測(cè)過(guò)程中已經(jīng)對(duì)篡改的可疑幀進(jìn)行了定位,因此只需要在空域篡改檢測(cè)中定位可疑幀的具體位置即可。為了獲得圖像目標(biāo)的輪廓信息、彌補(bǔ)二幀差法的不足,取圖像相鄰三幀,并將前后兩幀與該幀做差,將得到的差分二值圖像做與運(yùn)算,求出公共部分,獲得更加精準(zhǔn)的圖像目標(biāo)輪廓信息。但由于圖像運(yùn)動(dòng)區(qū)域較為特殊,采用普通的三幀差法得到的結(jié)果存在噪聲干擾,且運(yùn)動(dòng)前景模糊,因此本文對(duì)三幀差法進(jìn)行改進(jìn),對(duì)得到的差分二值圖先進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理,然后再做或運(yùn)算。改進(jìn)的三幀差法流程如圖2所示。

圖2 改進(jìn)的三幀差法流程

就數(shù)字視頻圖像序列而言,對(duì)t時(shí)刻圖像幀及前后兩幀做三幀差分,公式為

(7)

其中,K(x,y,t)表示t時(shí)刻的圖像幀;K(x,y,t-1)和K(x,y,t+1)分別表示t-1時(shí)刻和t+1時(shí)刻的圖像幀;T表示二值化處理后的閾值大小。為了解決視頻圖像的背景重現(xiàn)問(wèn)題,使處理后的圖像結(jié)果較為集中,同時(shí)擴(kuò)大圖像的目標(biāo)提取部分,采用或運(yùn)算

(8)

對(duì)圖像進(jìn)行形態(tài)學(xué)處理后,不僅保留了圖像的原本信息,還可以在一定程度上抑制噪聲。

3 數(shù)字視頻幀間篡改檢測(cè)

視頻的幀間篡改主要是對(duì)圖像幀進(jìn)行刪除、插入等操作,為了降低篡改計(jì)算的復(fù)雜度,提高篡改識(shí)別能力,基于幀間篡改方法的特點(diǎn),提出直方圖相交法的幀間篡改檢測(cè)算法。視頻幀間篡改檢測(cè)過(guò)程如圖3所示。

圖3 視頻幀間篡改檢測(cè)過(guò)程

數(shù)字視頻的幀間篡改檢測(cè)主要是通過(guò)橫向/縱向?qū)D像的截取獲得像素線(xiàn),并由相鄰的4個(gè)像素線(xiàn)組成像素帶;然后通過(guò)顏色直方圖計(jì)算出臨近像素帶間的關(guān)聯(lián)性。若視頻發(fā)生幀間篡改,那么像素帶間的關(guān)聯(lián)性也會(huì)隨之改變。

假設(shè)某段視頻圖像序列的視頻幀長(zhǎng)度為L(zhǎng)fra、高度為Hfra、寬度為Wfra,對(duì)圖像序列的同一水平(縱向)位置的每幀像素進(jìn)行提取,建立直角坐標(biāo)系。以圖像第j幀的位置s處為始發(fā)點(diǎn),沿水平(縱向)位置采集Wfra(Hfra)個(gè)像素點(diǎn),按順時(shí)針?lè)较蚱唇映伤较袼鼐€(xiàn),生成的橫向像素線(xiàn),公式為

(9)

其中,O[j]xoy表示直角坐標(biāo)系。將采集的各幀像素線(xiàn)按順序拼接,形成橫向(縱向)像素帶,公式可表示為

(10)

進(jìn)而將橫向(縱向)形成的像素帶用集合形式表示為

(11)

為了計(jì)算視頻圖像像素帶間的相似度,采用顏色直方圖。對(duì)于任意像素帶顏色分量的直方圖,公式可表示為

(12)

其中,r表示像素帶灰度值;mr表示像素帶灰度值為r時(shí)像素的數(shù)目;M表示像素的總個(gè)數(shù)。為了對(duì)橫向(縱向)像素帶的相似度進(jìn)行衡量,可通過(guò)直方圖交互法實(shí)現(xiàn),公式為

(13)

其中,N表示圖像灰度值可取的數(shù)量。進(jìn)而,橫向像素帶相似度集合用公式可表示為

(14)

4 仿真與結(jié)果分析

4.1 幀內(nèi)篡改檢測(cè)結(jié)果

為了驗(yàn)證融合幀內(nèi)與幀間技術(shù)的數(shù)字視頻篡改檢測(cè)方法的有效性,選擇長(zhǎng)度為266幀的視頻進(jìn)行壓縮,圖像幀大小為320*240,在原始視頻的第148幀和第180幀中有運(yùn)動(dòng)物體經(jīng)過(guò),除此之外,其余幀為靜止幀。對(duì)原始視頻中的第171幀和第201幀的運(yùn)動(dòng)物體通過(guò)圖像修改軟件進(jìn)行移除操作,使篡改后的視頻中只存在靜止背景。篡改后的圖像高低頻比值與頻域熵如圖4所示。

圖4 圖像高低頻比值與頻域熵測(cè)試結(jié)果

從圖中可以看出,原始視頻中的第171幀和第201幀運(yùn)動(dòng)物體移除后,為了對(duì)摳出的前景進(jìn)行掩飾,修圖軟件會(huì)主動(dòng)通過(guò)模糊操作將摳出的部分彌補(bǔ)成完整的背景圖片,這樣增加了篡改圖像的低頻成分,因此圖像的低高頻比值增大,頻域熵減小,這也正是圖像第179幀和第189幀出現(xiàn)極值的原因。通過(guò)仿真,對(duì)圖像幀內(nèi)運(yùn)動(dòng)目標(biāo)移除頻域可疑度分布進(jìn)行了驗(yàn)證,實(shí)驗(yàn)結(jié)果如圖5所示。

圖5 圖像可疑度分布

從圖中可以看出,圖像的能量可疑度分布與頻域熵有一致的變化趨勢(shì),這正是因?yàn)閳D像第179幀和第189幀中運(yùn)動(dòng)目標(biāo)被刪除后,被摳出的目標(biāo)有大有小,總體上是中間區(qū)域摳出的較多,邊緣區(qū)域摳出的較少,對(duì)圖像進(jìn)行補(bǔ)全時(shí),中間區(qū)域的補(bǔ)全操作較多,模糊圓潤(rùn)操作面積會(huì)更大,所以圖像第179幀和第189幀低頻分量呈現(xiàn)出凸形特征分布,頻域熵呈現(xiàn)出凹形特征分布。

4.2 幀間篡改檢測(cè)結(jié)果

對(duì)視頻幀間篡改技術(shù)進(jìn)行檢測(cè)時(shí),選擇長(zhǎng)度為412幀、GOP為10、壓縮為H.264格式的視頻。在視頻的第158幀和第191幀中有物體A經(jīng)過(guò),在視頻的第378幀和第400幀中有物體B經(jīng)過(guò),其余為靜止背景。選擇橫向像素帶,通過(guò)仿真求出視頻2～184像素帶的相關(guān)度,仿真結(jié)果如圖6所示。

圖6 原始視頻像素帶相關(guān)度

從圖中可以看出,視頻的像素帶相關(guān)度呈現(xiàn)出周期大小為10的周期性分布,這正是因?yàn)橐曨lGOP大小為10所引起的。對(duì)原始視頻的第2～184像素帶進(jìn)行篡改,通過(guò)仿真求出相關(guān)度,實(shí)驗(yàn)結(jié)果如圖7所示。

圖7 篡改視頻像素帶相關(guān)度

從圖中可以看出,通過(guò)幀間的篡改技術(shù),將原始視頻中的第99幀～128幀替換,連接處為第99幀,由于插入了30幀,原始視頻中第99幀～128幀恰巧是3個(gè)周期,但因圖像幀的插入破壞了連接處的像素帶相關(guān)度,使數(shù)據(jù)的周期性發(fā)生了改變,因此像素帶相關(guān)度的極小值為第95和第124個(gè)像素帶的序列上。

5 結(jié)束語(yǔ)

為了對(duì)被篡改的視頻進(jìn)行檢測(cè),提出融合幀內(nèi)與幀間技術(shù)的數(shù)字視頻篡改檢測(cè)方法。該算法的核心是對(duì)時(shí)域上被篡改的可疑幀進(jìn)行定位,再通過(guò)空域上定位出可疑幀的具體位置。利用幀間篡改方法的特點(diǎn),利用直方圖相交法對(duì)視頻進(jìn)行檢測(cè)。為了驗(yàn)證本文方法的有效性,分別選擇長(zhǎng)度為266幀和412幀的視頻進(jìn)行壓縮,分別對(duì)原始視頻中的第171幀、第201幀的運(yùn)動(dòng)物體進(jìn)行移除操作,對(duì)第99幀～128幀進(jìn)行替換操作,實(shí)驗(yàn)結(jié)果表明,本文方法可以準(zhǔn)確定位出被篡改的視頻幀,具有顯著的有效性。