面向真实性检测的数字图像盲取证方法研究

论文摘要

随着现代数字技术的发展和图像处理工具性能的日益强大,数字图像极易被篡改并使得人眼难以觉察出伪造的痕迹,因此迫切需要对图像的真实性进行鉴别。传统的数字签名和数字水印鉴别技术都需要内容提供方对图像进行预处理（提取签名或嵌入水印）,从而导致两者的应用受到了限制。针对上述应用需求和技术需求,本课题研究一种刚刚兴起的鉴别技术—数字图像盲取证。数字图像盲取证是一种不依赖任何预签名提取或预嵌入信息来鉴别图像真伪和来源的技术,它有着广泛的应用前景,正逐步成为多媒体安全领域新的研究热点。本文围绕数字图像盲取证中的真实性检测问题,采用理论分析、算法设计和实验验证相结合的方法,对数字图像盲取证的理论和技术进行了深入研究。论文的主要研究内容及创新点如下:数字图像盲取证系统框架的研究。数字图像盲取证技术的发展处于初级阶段,目前尚未形成统一的、成熟的系统框架。本文在总结现有研究成果的基础上,提出了一个数字图像盲取证的基本框架,它包括图像建模、特征提取与特征分析、算法设计、测试与验证、图像篡改检测定位与图像分类、相关的图像源特性以及图像数据库等主要组成部分。该框架为本文的研究提供了理论指导,对今后的盲取证工作也具有一定的借鉴意义。复制-粘贴伪造图像的盲取证方法研究。针对在同一幅图像中复制部分特定区域来覆盖伪造目标区域的复制-粘贴伪造类型,本文提出了一种基于小波和奇异值分解的图像盲取证算法。该算法将复制-粘贴伪造检测问题转化为相似块对的匹配问题,利用小波变换提取图像的近似分量作为分析对象,并对其进行滑窗分块操作,对图像块进行奇异值分解和量化,然后对由所有块的量化奇异值特征组成的特征矩阵按行进行字典排序,最后结合相似图像块对的偏移频率信息,对复制-粘贴伪造区域进行检测和定位。实验结果表明,该算法能够有效地检测并定位出图像的复制-粘贴篡改区域,对JPEG压缩和高斯噪声具有较好的鲁棒性,并且具有较高的检测效率。纹理合成修复伪造图像的盲取证方法研究。针对利用纹理合成图像修复技术进行图像篡改的修复伪造类型,本文首次提出了一种基于零值连通和模糊隶属度的图像盲取证算法。该算法利用零值连通特征来刻画修复伪造图像中异常的块对相似性,然后引入模糊理论中的隶属函数,将这种块对的相似性转换成待检测块属于篡改块的隶属度,最后通过截集划分,对伪造区域进行检测和定位。实验结果表明,该算法能够对多种修复方法生成的伪造图像进行有效的检测并对篡改区域进行准确的定位,同时对JPEG压缩和高斯噪声具有一定的鲁棒性。拼接伪造图像盲取证方法的研究。针对从一幅或多幅图像中剪切部分区域,将其拼接到另一幅图像中并进行必要的后处理的拼接伪造类型,本文提出了一种基于自然图像统计特性的图像盲取证算法。该算法将拼接图像检测问题看作是一个两类模式识别问题,从分析自然图像的统计特性出发,利用广义高斯分布模型对图像小波细节子带系数的统计分布进行建模,提取模型参数及模型预测误差作为特征;同时利用马尔可夫链对图像离散余弦变换系数之间的相关性进行建模,提取模型的状态转移概率矩阵作为特征;然后将两部分特征合并形成图像的统计特征向量,采用支持向量机实现了对自然图像和拼接图像的有效分类。利用该算法对三个公开的拼接图像数据库进行了测试,实验结果表明算法具有较高的分类准确率,从而验证了特征的有效性。综上所述,本文的主要工作集中在数字图像盲取证的系统框架和方法的研究上,在理论和应用上都取得了一定的成果,这些成果将对多媒体盲取证技术的发展产生积极的推动作用。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及问题的提出
• 1.2 数字图像鉴别技术
• 1.2.1 数字签名鉴别技术
• 1.2.2 数字水印鉴别技术
• 1.2.3 数字盲取证技术
• 1.3 论文的研究内容及其贡献
• 1.4 论文结构安排
• 第二章 数字图像盲取证基本框架及相关研究现状
• 2.1 数字图像盲取证的基本框架
• 2.1.1 图像建模
• 2.1.2 图像盲取证流程
• 2.1.3 图像源特性
• 2.1.4 图像数据库
• 2.2 面向真实性检测的数字图像盲取证技术应用领域
• 2.3 面向真实性检测的数字图像盲取证技术研究现状
• 2.3.1 基于图像伪造过程遗留痕迹的盲取证技术
• 2.3.2 基于成像设备一致性的盲取证技术
• 2.3.3 基于图像内在统计特性的盲取证技术
• 2.4 相关研究工作评述
• 2.5 本章小结
• 第三章 复制-粘贴伪造图像的盲取证方法研究
• 3.1 引言
• 3.2 复制-粘贴伪造模型
• 3.3 基于小波和奇异值分解的复制-粘贴伪造图像盲取证算法
• 3.3.1 使用离散小波变换缩小图像数据量
• 3.3.2 使用奇异值分解提取图像块特征
• 3.3.3 使用字典排序寻找相似块对
• 3.3.4 定位篡改区域并使用数学形态学进行后处理
• 3.3.5 算法步骤小结
• 3.4 实验结果及分析
• 3.4.1 实验设置
• 3.4.2 灰度复制-粘贴伪造图像检测
• 3.4.3 彩色复制-粘贴伪造图像检测
• 3.4.4 复制-粘贴伪造案例图像检测
• 3.4.5 复制-粘贴伪造图像数据库检测
• 3.4.6 算法比较
• 3.5 本章小结
• 第四章 纹理合成修复伪造图像的盲取证方法研究
• 4.1 引言
• 4.2 纹理合成图像修复技术
• 4.2.1 纹理合成图像修复原理
• 4.2.2 修复图像特性分析
• 4.3 基于零值连通和模糊隶属度的纹理合成修复伪造图像盲取证算法
• 4.3.1 计算块匹配度
• 4.3.2 计算模糊隶属度
• 4.3.3 篡改区域检测与定位
• 4.3.4 算法小结
• 4.4 实验结果及分析
• 4.4.1 实验设置
• 4.4.2 隶属度分布差异性分析
• 4.4.3 Criminisi 算法生成的修复伪造图像检测
• 4.4.4 朱算法生成的修复伪造图像检测
• 4.4.5 汤算法生成的修复伪造图像检测
• 4.4.6 修复伪造图像数据库检测
• 4.4.7 实验分析
• 4.5 本章小结
• 第五章 拼接伪造图像的盲取证方法研究
• 5.1 引言
• 5.2 自然图像小波域的统计模型建立与特征提取
• 5.2.1 小波变换的基本性质
• 5.2.2 小波细节子带系数的广义高斯分布模型
• 5.2.3 广义高斯分布模型的参数估计及特征提取
• 5.3 自然图像DCT 域的统计模型建立与特征提取
• 5.3.1 分块DCT 变换及马尔可夫链模型
• 5.3.2 图像DCT 变换交流系数的马尔可夫特征提取
• 5.4 基于自然图像统计特性的拼接伪造图像盲取证算法
• 5.4.1 特征表示与提取
• 5.4.2 特征的有效性分析
• 5.4.3 分类器设计
• 5.5 实验结果及分析
• 5.5.1 实验设置
• 5.5.2 Columbia 大学的灰度拼接图像数据库检测
• 5.5.3 Columbia 大学的彩色拼接图像数据库检测
• 5.5.4 RealismColor 图像数据库检测
• 5.5.5 实验分析
• 5.6 本章小结
• 第六章 结束语
• 6.1 本文的主要成果和创新点
• 6.2 未来工作展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果
• 附录A 英文缩略词表