一种检测图像压缩痕迹的方法.pdf

本发明公开了一种检测图像压缩痕迹的方法，属于图像处理技术领域，解决了无法快速、准确检测经过多重JPEG压缩的图像的压缩痕迹的技术问题。该检测图像压缩痕迹的方法包括：获取第一图像及其当前压缩所用的第一质量因子；利用第二质量因子对第一图像进行压缩处理，得到第二图像，第二质量因子小于第一质量因子；利用第一质量因子对第二图像进行压缩处理，得到第三图像；判断第三图像和第一图像的相似度是否达到预设相似度，其中，若判断到第三图像和第一图像的相似度达到预设相似度，则可知第一图像在经过第一质量因子压缩处理之前，先经过了第二质量因子的压缩处理。本发明适用于图像检测，特别是图像的篡改检测。

权利要求书1.  一种检测图像压缩痕迹的方法，其特征在于，包括：获取第一图像及其当前压缩所用的第一质量因子；利用第二质量因子对第一图像进行压缩处理，得到第二图像，第二质量因子小于第一质量因子；利用第一质量因子对第二图像进行压缩处理，得到第三图像；判断第三图像和第一图像的相似度是否达到预设相似度，其中，若判断到第三图像和第一图像的相似度达到预设相似度，则可知第一图像在经过第一质量因子压缩处理之前，经过了第二质量因子的压缩处理。2.  根据权利要求1所述的方法，其特征在于，利用第二质量因子对第一图像进行压缩处理，得到第二图像之前，还包括：获取第一质量因子对应的第一量化矩阵，确定第一量化矩阵的获取规则。3.  根据权利要求2所述的方法，其特征在于，利用第二质量因子对第一图像进行压缩处理，得到第二图像包括：根据所确定的第一量化矩阵的获取规则，获取对应第二质量因子的第二量化矩阵；利用第二量化矩阵，对第一图像进行压缩处理，得到第二图像。4.  根据权利要求1至3任一项所述的方法，其特征在于，利用第二质量因子对第一图像进行压缩处理，得到第二图像包括：利用若干个第二质量因子分别对第一图像进行压缩处理，得到若干个第二图像。5.  根据权利要求4所述的方法，其特征在于，判断第三图像和第一图像的相似度是否达到预设相似度包括：计算第一图像和各第二图像之间的离散余弦变换系数的差值矩阵，作为各第一差值矩阵；计算各第二图像和对应的第三图像之间的离散余弦变换系数的差值矩阵，作为各第二差值矩阵；计算各第一差值矩阵和对应的第二差值矩阵的误差值，并获取各误差值之和；获取一第一差值矩阵和对应的第二差值矩阵的误差值，判断其与各误差值之和的比值是否小于预设值。6.  根据权利要求1至3任一项所述的方法，其特征在于，判断第三图像和第一图像的相似度是否达到预设相似度包括：获取第一图像和第三图像的离散余弦变换系数矩阵；判断两个离散余弦变换系数矩阵系数中，非零系数相同的比例是否大于预设比例。7.  根据权利要求1所述的方法，其特征在于，第一图像和第二图像为JPEG格式。8.  根据权利要求5所述的方法，其特征在于，所述预设值为0.003至0.01。9.  根据权利要求6所述的方法，其特征在于，所述预设比例为95％。

说明书一种检测图像压缩痕迹的方法
技术领域
本发明涉及图像处理技术领域，具体地说，涉及一种检测图像压缩痕迹的方法。
背景技术
对数字照片的篡改操作基本都会改变其特征属性，这使得对图像篡改取证成为可能，方法也不尽相同。目前针对图像篡改取证主要研究方向有基于数字照片中的光照方向与物体投影的不一致性研究，基于相机参数特性的研究，基于数字照片中场景不一致特性的研究等等。基于双重JPEG(Joint Photographic Experts Group)压缩的图像篡改取证技术也取得了很大进展，而目前具体针对网络上低质量因子JPEG图像的篡改取证技术仍需大量的研究工作，也有着重要的意义。
事实上，网络上的很多照片、图片出于方便在网络上传播的需要，一般都会被压缩成质量因子相对较低的JPEG图像，而与此同时，图像处理软件的广泛使用使得对图像修饰、篡改等更加简单易行。一些篡改者出于某些非正当的目的将这些图片从网络上获得后，经过有目的篡改后重新发布到网络上。由于从网络上获取的JPEG格式图像已经经过了压缩，质量因子一般相对较低，篡改者为了不影响图像视觉效果，在将图像进行局部内容进行篡改之后常会以相对较高质量因子对其进行压缩保存。总的来看，JPEG图像在整个篡改过程中经常会引入不确定次数的重压缩。这也使得许多针对篡改图像的双重JPEG压缩特征来进行更进一步图像篡改检测的方法受到了严重的限制。
发明人在大量实验基础上，发现在一定条件下，若是能完整的找到图像依次经历过的压缩痕迹，便可以对一些经过多重JPEG压缩的图像进行逐步的近似恢复，以还原其相对原始的状态。因此，如何快速、准确检测经过多重JPEG压缩的图像的压缩痕迹成为问题的关键。
发明内容
本发明的目的在于提供一种检测图像压缩痕迹的方法，以解决无法快速、准确检测经过多重JPEG压缩的图像的压缩痕迹的技术问题。
本发明提供了一种检测图像压缩痕迹的方法，该方法包括：
获取第一图像及其当前压缩所用的第一质量因子；
利用第二质量因子对第一图像进行压缩处理，得到第二图像，第二质量因子小于第一质量因子；
利用第一质量因子对第二图像进行压缩处理，得到第三图像；
判断第三图像和第一图像的相似度是否达到预设相似度，其中，若判断到第三图像和第一图像的相似度达到预设相似度，则可知第一图像在经过第一质量因子压缩处理之前，经过了第二质量因子的压缩处理。
其中，利用第二质量因子对第一图像进行压缩处理，得到第二图像之前，还包括：
获取第一质量因子对应的第一量化矩阵，确定第一量化矩阵的获取规则。
其中，利用第二质量因子对第一图像进行压缩处理，得到第二图像包括：
根据所确定的第一量化矩阵的获取规则，获取对应第二质量因子的第二量化矩阵；
利用第二量化矩阵，对第一图像进行压缩处理，得到第二图像。
其中，利用第二质量因子对第一图像进行压缩处理，得到第二图像包括：
利用若干个第二质量因子分别对第一图像进行压缩处理，得到若干个第二图像。
其中，判断第三图像和第一图像的相似度是否达到预设相似度包括：
计算第一图像和各第二图像之间的离散余弦变换系数的差值矩阵，作为各第一差值矩阵；
计算各第二图像和对应的第三图像之间的离散余弦变换系数的差值矩阵，作为各第二差值矩阵；
计算各第一差值矩阵和对应的第二差值矩阵的误差值，并获取各误差值之和；
获取一第一差值矩阵和对应的第二差值矩阵的误差值，判断其与各误差值之和的比值是否小于预设值。
其中，判断第三图像和第一图像的相似度是否达到预设相似度包括：
获取第一图像和第三图像的离散余弦变换系数矩阵；
判断两个离散余弦变换系数矩阵系数中，非零系数相同的比例是否大于预设比例。
其中，第一图像和第二图像为JPEG格式。
其中，所述预设值为0.003至0.01。
其中，所述预设比例为95％。
本发明带来了以下有益效果：本发明实施例所公开的检测图像压缩痕迹的方法是基于第一图像和第三图像的量化误差一致性来检测的，能够快速地检测出经历了由小自大的质量因子压缩的第一图像的压缩痕迹，且操作简单，准确率高。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要的附图做简单的介绍：
图1是本发明实施例提供的检测图像压缩痕迹的方法的流程示意图；
图2是本发明实施例提供的量化误差一致性示意图；
图3是本发明实施例提供的I3与I1的DCT系数匹配程度示意图；
图4(a)至(d)是本发明实施例提供的压缩后图像的量化误差一致性检测结果示意图；
图5是本发明实施例提供的原始图像示意图；
图6是本发明实施例提供的篡改图像示意图；
图7是本发明实施例提供的篡改图像块定位示意图；
图8是图7中的篡改图像块的放大示意图；
图9是图8中的篡改区域的示意图；
图10(a)至(b)是篡改图像的检测结果的示意图；
图11是定位窗的各图像块与对应的量化矩阵的DCT系数的差值示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
本发明实施例提供了一种检测图像压缩痕迹的方法，如图1所示，该方法包括：
步骤S101、获取第一图像及其当前压缩所用的第一质量因子。
对于图像的压缩编码来说，压缩的第一步需要将图像分隔成很多小块，并且将每个小块进行变换，使之由空域信号变换成为时域信号。这种空域到时域的变换多采用8*8的离散余弦变换(Discrete Cosine Transform，简称DCT)。经过DCT变换后，8*8的空域像素矩阵变换成为8*8的频域信号矩阵，即DCT系数矩阵。
继而可以根据压缩所需的质量因子，通过不同的获取规则，调取对应的量化矩阵来对图像的DCT系数矩阵进行运算，得到压缩处理后的图像的DCT系数矩阵。
因此，在获取第一图像、当前压缩所用的第一质量因子时，还应获取第一质量因子对应的第一量化矩阵，以确定第一量化矩阵的获取规则，为接下来的检测步骤做准备。
为了便于说明，本发明实施例以压缩处理后的图片为JPEG格式为例进行说明。本发明实施例中JPEG图像质量参数被定义为1-20，分别对应质量因子5％-100％，记对应的20个量化矩阵为Q1,Q2,…,Q20。此时，第一量化矩阵可为Q2,Q3,…,Q20中的任一个。
步骤S102、利用第二质量因子对第一图像进行压缩处理，得到第二图像，第二质量因子小于第一质量因子。
确定一小于第一质量因子的第二质量因子，之后根据所确定的第一量化矩阵的获取规则，获取对应第二质量因子的第二量化矩阵，对第一图像进行压缩处理。
显然，在第一质量因子的值较大、小于第一质量因子的第二质量因子的个数较多时，也可同时提取若干个第二质量因子，获取各第二质量因子对应的第二量化矩阵，分别对第一图像进行压缩处理，得到若干个第二图像。同时利用多个第二质量因子进行检测，以提高检测的效率。
步骤S103、利用第一质量因子对第二图像进行压缩处理，得到第三图像。
为了检测第一图像在利用第一质量因子进行压缩处理之前，是否经过了第二质量因子的压缩处理。本发明实施例对第二图像再次进行压缩处理，得到第三图像。
步骤S104、判断第三图像和第一图像的相似度是否达到预设相似度。
其中，若判断到第三图像和第一图像的相似度达到了预设相似度，则可知第一图像在经过第一质量因子压缩处理之前，经过了第二质量因子的压缩处理。否则，若无法判断到第三图像和第一图像相同，有可能是第一图像仅经过一次压缩；或是第一图像在第一质量因子进行压缩之前，所经历的压缩所使用的质量因子大于第一质量因子，因此无法检测。
具体的，当所获取的第二质量因子的个数较多时，为了提高检测结果的准确性，可通过计算第一图像和各第二图像之间的离散余弦变换系数的差值矩阵，作为各第一差值矩阵；同时，计算各第二图像和对应的第三图像之间的离散余弦变换系数的差值矩阵，作为各第二差值矩阵；之后，计算各第一差值矩阵和对应的第二差值矩阵的误差值，并获取各误差值之和；最后，获取一第一差值矩阵和对应的第二差值矩阵的误差值，判断其与各误差值之和的比值是否小于预设值(例如0.003-0.01中的任意值)，从而来判断第三图像和第一图像的相似度是否达到预设相似度。
或者若仅获取一第二质量因子参与图像处理，则可通过获取第一图像和第三图像的离散余弦变换系数矩阵；判断两个离散余弦变换系数矩阵系数中，非零系数相同的比例是否大于预设比例(例如95％以上)，从而来判断第三图像和第一图像的相似度是否达到预设相似度。其中，非零系数相同意味着非零系数的数值和其在离散余弦变换系数矩阵中的位置均相同。
需要说明的是，本发明实施例中的预设值以及预设比例都是根据大量实验结果所选取的经验值。在实际检测时可适当调整这两个值，以得到更加准确的检测结果，达到最佳的检测效果。
因此，本发明实施例所公开的检测图像压缩痕迹的方法是基于第一图像和第三图像的量化误差一致性来检测的，能够快速地检测出经历了由小至大的质量因子压缩的第一图像的压缩痕迹，且操作简单，准确率高。
以下，将对本发明所采用的量化误差一致性的理论基础进行简要说明：
为了对量化误差一致性进行说明，不妨假设原始BMP图像I进行DCT变换后得到的DCT系数矩阵为I_org，对原始图像I的DCT系数矩阵I_org分别进行下面操作。
首先，将原始图像I_org用量化矩阵进行压缩并保存，得到图像I1(JPEG格式)。
然后，将原始图像I_org用量化矩阵进行压缩并保存后，再用量化矩阵对其进行JPEG压缩保存，得到经历双重JPEG压缩的图像I2(JPEG格式)。
本发明实施例中，仅针对图像经历先小后大质量因子压缩这一情况进行说明，在这里有αk＜αk+1。将图像I2用量化矩阵进行第三次压缩得到图像I3，对于图像I3任意一个8×8变换块(这里用常用的8×8分块进行说明)的DCT量化系数矩阵(i,j)(i,j＝1,2,...,8)中的任一值V(i,j)应满足以下情况：
V(i,j)=[[N×Qαk(i,j)+δ1Qαk+1(i,j)]×Qαk+1(i,j)Qαk(i,j)]×Qαk(i,j)---(1)]]>
若设式(1)中的其中λ为整数部分，Δ为小数部分，均为大于等于零的数。N＝0,1,2,3,…表示的系数值，取值取决于原始图像I。式(1)中的δ1是图像I1(JPEG格式)解压缩成BMP格式图像时，对灰度值数据进行了取整，以及大于255部分取值为255的处理后再次进行DCT变换得到的DCT系数相较于I1的DCT系数之间的误差值。
进而，将上式(1)化简如下：
V(i,j)=[[N×(λ+Δ)+δ1Qαk+1(i,j)]λ+Δ]×Qαk(i,j)---(2)]]>
可将式(2)进一步化简，如下：
V(i,j)=[N×λ+[N×Δ+δ1Qαk+1(i,j)]λ+Δ]×Qαk(i,j)---(3)]]>
对(3)式中的单独进行研究，为了便于说明，引入新的参数Δ′，则容易得到式(4)，如下：
N×Δ+δ1Qαk+1(i,j)=[N×Δ+δ1Qαk+1(i,j)]-Δ′,-1/2<Δ′≤1/2---(4)]]>
为了进一步分析方便，将(4)式移项可得，
[N×Δ+δ1Qαk+1(i,j)]=N×Δ+δ1Qαk+1(i,j)+Δ′,-1/2<Δ′≤1/2---(5)]]>
将式(5)代入式(3)，于是有式(6)成立。
V(i,j)=[N×λ+N×Δ+δ1Qαk+1(i,j)+Δ′λ+Δ]×Qαk(i,j)---(6)]]>
对(6)进行整理可得，
V(i,j)=[N+Δ′λ+Δ+δ1(λ+Δ)Qαk+1(i,j)]×Qαk(i,j)---(7)]]>
在对(7)式进行分析时，不妨先设式(8)成立，在下文中将对该式的合理性进行说明。
[Δ′λ+Δ+δ1(λ+Δ)Qαk+1(i,j)]=[Δ′λ+Δ]---(8)]]>
此时，考虑到αk＜αk+1，故成立，那么有：
①若Δ＝0，由αk＜αk+1知λ≥2且为整数，则|Δ′λ|≤1/4,[Δ′λ+Δ]=0---(9)]]>
②若0＜Δ＜1，则于是[Δ′λ+Δ]=0---(10)]]>
由上式(9)、(10)可知，在αk＜αk+1情况下时，若有式(8)成立，则对式(7)有故图像I3(JPEG格式)应与I1(JPEG格式)相同。
为了便于说明，这里统一将I、I1、I2、I3、Δ、Δ1、Δ2理解为图像DCT系数矩阵。如图2所示，图像I1经量化矩阵压缩转变成I2过程中引入的DCT系数误差值(或噪声)应与I2经量化矩阵压缩转变成I1造成的误差相等。
图2中表示图像I经量化矩阵压缩成图像I1产生的DCT系数误差 矩阵为Δ。同样，表示同上相对应的关系。则图2中各表达式中有以下关系式成立。
I1+Δ1=I2I2+Δ2=I3&DoubleRightArrow;Δ1=-Δ2I1=I3---(11)]]>
由(11)式可知，图像DCT系数误差矩阵Δ1＝-Δ2。因此，图像由I1经量化矩阵压缩变为I2与图像由I2经量化矩阵压缩变为I3(或I1)所产生的误差矩阵互为相反数(二者之和为零)，误差矩阵Δ1、Δ2具有一致性。这也就说明了量化误差一致性算法的合理性。
为对上式(8)进行说明，先讨论参数δ1。
αk＜αk+1时，有成立(式(9)、(10)中已做说明)，为使式(8)成立，应有：
|Δ′λ+Δ+δ1(λ+Δ)Qαk+1(i,j)|<1/2---(12)]]>
引入参数及θ′=(-12×Qαk(i,j)-Δ′×Qαk+1(i,j)).]]>
易求式(12)的解为，δ1＜θ且δ1＞θ′。
可求θmin＝1/2，θ′max＝-1/2。则当|δ1|＜θmin＝|θ′max|＝1/2时必有式(8)成立。该成立条件作为充分不必要条件，没有涵盖全部的情况。另外，需要说明二者在很少的情况下会相等，一般前者与后者之差至少大于1。同时由于二者相等出现的位置一般处于DCT高频分量部分，而大部分变换块的DCT高频分量为零。这里证明的是严格条件，即使二者相等在多数情况下也有式(8)成立。
从实际角度讨论参数δ1。为了更好的说明，从“CASIA”数据库中选取50组原始图像数据进行测试。将原始图像数据按上面操作过程分别压缩成图像I1和图像I2。
图3中αk表示图像I2前一次经历的量化矩阵对应的编号，αk+1表示I2当前经历的量化矩阵对应的编号。对I2用量化矩阵进行数据恢复后得到图像I3。统计I1与I3的DCT系数相等的部分(统计时除去I1与I3中均为零的DCT系数部分) 所占比例。对50张图片进行统计平均，统计结果如图3所示，图中虚线三角区域是I2经历先小后大质量因子压缩时的统计结果，从图3中该区域可以分析得知I1与I3的DCT系数基本相同，这也就从实验上证明了对经历了先小后大质量因子压缩的图像进行数据恢复的可行性。对于图像经历先大后小质量因子压缩的情况不适用此方法。
以上，为本发明实施例提供的检测图像压缩痕迹的方法的理论基础。
针对文中采用的20个量化矩阵Q1,Q2,…,Q20，设原始图像I0(BMP格式)依次经量化矩阵Qα1,Qα2,…,Qαm(α1＜α2＜…＜αm，m是对I0进行压缩的总次数)的压缩并保存后得到待检测图像I(JPEG格式)。
本发明实施例提供的基于量化误差一致性的检测方法的大致步骤如下：
首先，可获得待检测图像I当前经历的量化矩阵Qαm，将图像I分别用量化矩阵进行压缩并保存，得到的图像记为分别计算I的DCT系数矩阵与的DCT系数矩阵的差值矩阵，记为
继而，将得到的图像均用量化矩阵Qαm进行压缩并保存，得到的图像记为对应计算与的差值矩阵，记为Δ11,Δ12,...,Δ1αm-1.]]>
最后，需找到中与I的灰度值数据相近程度最高的图像，具体过程如下：
分别计算各量化误差矩阵以及中各系数的绝对值之和，分别记为及并求各对应差值记为
现在，仅需要找到中的最小值，该最小值对应的图像即为与原始图像I灰度值数据相近程度最高的图像。对于每一个σk(1≤k≤αm-1)，计算此处设定门限值Th＝3‰，若r≤Th可判定图像前一次经历量化矩阵Qk(k＝αm-1)的压缩，否则检测终止。其中Th＝3‰做为经验值，在实际检测时可适当调整这个门限值，以得到更加准确的检测结果，达到最佳的检测效果。再将Ik(k＝αm-1,m＞1)作为新的待检测图像I重复上述的检测步骤，直至检测出全部的压缩痕迹。
以图像“lena”(256×256，bmp格式)为例，依次用量化矩阵Q4、Q7、Q8、Q9(对应质量因子依次为20％、35％、40％、45％)对该图像进行了压缩，并用 量化误差一致性算法对压缩后的图像“lena”进行检测。
图4(a)至(d)中横坐标表示相应的量化矩阵，纵坐标代表DCT系数误差值。具体的，图4(a)是利用量化误差一致性对压缩后的图像“lena”进行首次检测结果，横坐标1-8对应的纵坐标值依次为(与上文变量声明保持一致)，横坐标为9处绘制的多个点分别对应着将两组DCT系数误差值对应连线，图4(a)中接近水平直线连接的两个端点对应的量化矩阵是检测到的压缩痕迹，其中右侧为检测到的图像当前的量化矩阵，左侧为通过量化误差一致性找到的前一次对图像进行了压缩的量化矩阵。其余各图4(b)至(d)类似。结合图4(a)至(d)的检测结果，可以得知图像依次经过了Q4、Q7、Q8、Q9量化矩阵的压缩，检测结果与事实一致。
进一步的，本发明实施例所提供的方法可用于检测图片是否发生过篡改。具体如下：
对图5原始图像“travel”(400×296，JPEG格式)进行局部篡改，加入一个“旅游者”图像(JPEG格式)，此“旅游者”图像的质量因子未知，暂不知道局部篡改图像块是否与原始图像的DCT变换网格对齐。图5中的原始质量因子为P＝45％(即经过量化矩阵Q9的压缩)，图5是篡改图像。假设由于篡改者不确定次数的保存，以及篡改之后上传到网络引入服务器的不自觉的压缩，总体来看可能会经过先小后大质量因子的不确定次重压缩。本发明实施例中，对篡改图像之后又依次用量化矩阵Q12,Q13,Q14,Q15对其进行了压缩。
下面将详细阐述检测过程：
首先，需快速确定图像经过了怎样的先小后大质量因子的多重JPEG压缩，具体过程如下：
1)针对彩色待检图片可分别从R(Red)、G(Green)、B(Blue)三个通道进行检测，这里以R通道为例进行说明。利用量化误差一致性算法对图像整体进行检测，确定图像局部篡改完成之后又经历了怎样的先小后大质量因子的压缩。
2)将图像分成若干(如3×3等分)均等分块，对每一块进行量化误差一致性检测，得到多重压缩检测结果。
3)分析整幅图像的量化误差一致性检测结果与图像均等分块后各个分块的检测结果，以此来确定图像篡改的过程，并初步确定篡改图像块。
4)对所确定的篡改图像块再次进行分块检测，精细化检测范围，重复2)～4)步骤，完成篡改图像块中篡改区域的定位检测。
上面过程中，在对篡改图像进行分块时，分块越多对应的检测结果相对越精细，但是耗时也会相应增加。一般通过先大分块粗略定位篡改图像块，后通过小分块来进行精细检测，在检测时间和准确度上都相对较好。
下面按照上述1)～4)检测步骤对原始图像“travel”的篡改图像(图6)进行具体的检测过程。
①提取篡改图像R通道的灰度值数据，以便于提高检测速度。将该篡改图像进行3×3分块，从上到下从左到右依次标记为1-9。图5可看做是图像的R通道灰度图，对图5进行3×3分块之后，对每个分块进行量化误差一致性检测并分析检测结果，初步定位可疑区域，检测结果如表1所示。
检测位置检测结果整幅图像Q15、Q14、Q13、Q121分块Q15、Q14、Q13、Q12、Q92分块Q15、Q14、Q13、Q12、Q93分块Q15、Q14、Q13、Q12、Q94分块Q15、Q14、Q13、Q12、Q95分块Q15、Q14、Q13、Q12、Q96分块Q15、Q14、Q13、Q12、Q97分块Q15、Q14、Q13、Q12、Q98分块Q15、Q14、Q13、Q129分块Q15、Q14、Q13、Q12、Q9
表1
由表1的分析可知，在篡改图像的第8分块出现的重压缩检测痕迹区别于其他分块所检测到的压缩痕迹，并且在第8分块检测到的多重压缩与原始图像多重压缩检测痕迹一致。分析可知原始图像经过了质量因子为45％(Q9)的压缩，之后在原始图像中局部篡改一图像块后，对整体进行了质量因子为60％(Q12)的压缩后续又依次经过了质量因子为65％、70％、75％的三次压缩。如图7中是对篡改图像块的初步定位检测图。
②精确定位篡改区域(如图8所示)，即将上一步已定位的篡改图像块进行 进一步分块，以便精细定位篡改区域。
根据检测到的压缩痕迹，为了降低利用量化误差一致性进行检测的计算量，提高检测精度，可先对篡改图像块按照DCT变换网格进行数据恢复处理。将图像数据恢复到刚经过质量因子为60％(Q12)压缩后的状态，按照8×8分块对图像进行比较全面的量化误差一致性检测。检测过程中，将检测不到前一次经过质量因子为45％(Q9)压缩的8×8分块标注成黑色。如图9所示。
从图9可以看到，包含篡改区域的8×8图像分块基本都被标注成黑色，未经过篡改的区域有较少被误检的部分。由于篡改者对图像的篡改是有意义的、也是有限的，一般找到篡改比较集中的区域即可。
在精确定位了篡改区域后，可对已定位的篡改区域进行全面检测：
在找到了图像经历的压缩痕迹后，通过对篡改区域依次进行Q14,Q13,Q12量化矩阵的压缩，便可以逐步的对这些篡改区域进行数据恢复，可以将图像数据恢复到篡改后刚经过量化矩阵Q12压缩后的状态。对已定位的篡改图像块进行滑窗检测，以确定篡改图像块的质量因子以及DCT变换网格的对齐位置。
图10(a)是未进行图像数据恢复时的检测结果，图10(b)是图像进行数据恢复后的检测结果。将图10(a)和10(b)进行对比可以发现，在图10(b)中对应的64个滑块位置中存在一个与质量因子为25％(Q5)有密切相关的“谷点”，而在图10(a)中该检测特征不明显，难以做出类似的判断。这也说明了在一定程度上对待检测图像进行逐步数据恢复后再进行检测能取得相对较好的检测结果。同时，根据现有技术的相关结论，可以推断该分块为篡改图像块，篡改图像块的质量因子为25％。
为确定篡改图像块的DCT网格对齐位置，将图10(b)中不同曲线在Q5点对应的误差值进行相互比较，以图像块对应的DCT系数差值作为纵坐标，每个图像块对应的编号作为横坐标，通过找到分布曲线的“谷点”来定位插入到原始图像中的局部篡改图像块DCT系数变换网格的对齐位置(检测过程中选取了8×8大小的定位窗，所以共有64个图像块)。
通过对定位窗内的64个图像块在Q5下的DCT系数量化误差的比较，从图11中可以发现在“61”处出现一个明显的下降点，这个点对应着表2中的1行4列，也就是说，图像中局部篡改的图像块的DCT系数变换网格与原始图像DCT系数变换网格的1行4列对齐。

表2
本发明实施例分析了网络上一些被篡改的、低质量因子的JPEG图像的特点，并在对现有的双重JPEG压缩检测理论进行了分析和总结的基础上，针对篡改图像经历先小后大质量因子压缩这一情形提出了多重JPEG压缩检测方案，取得了较好的检测效果。图像数据近似恢复思想的提出使得图像在经过了多重压缩后无法用现有的一些JPEG图像篡改检测算法检测或者检测效果差的情况在一定程度上得到了改善。
虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。