JPEG图像合成伪造盲取证技术研究

来源 :南开大学 | 被引量 : 0次 | 上传用户:Sampan_nb
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
JPEG图像作为应用最广泛的图像格式,保证其真实性在某些场合至关重要,而图像合成是最常见的图像篡改手段,JPEG图像合成伪造总体上可以分成同幅合成伪造和异幅合成伪造两类,针对于这两种伪造手段的取证方法有着完全不同的思路,同幅合成伪造的取证方法常基于遍历搜索图像中是否有相似的区域;异幅合成伪造的取证方法则常基于判断图像各个区域是否具有一致性。针对这一问题,本文首先从研究JPEG压缩算法的失真入手,发现图像的失真主要源于量化步骤,进而提出由于量化而出现的取整误差和截断误差,通过实验统计,发现截断误差在这两种误差中所占的比重非常小,可以忽略不计,主要的失真来自取整误差。通过对取整误差特点的探讨,推导出经过JPEG压缩过的图像其DCT变化系数直方图有一个聚堆性质,根据这一性质提出了一种有效的检查JPEG压缩痕迹算法,进一步分析双重JPEG压缩后图像产生的误差,发现如果前后两次压缩的质量因子一样时有一个显著特性,根据这个特性设计了一种估计JPEG压缩质量因子的方法。然后针对JPEG图像同幅合成伪造提出了一种新的取证方法,该方法将图像分成许多重叠块,然后对每个重叠块提取一个基于模糊不变矩的18维的特征向量,通过比对这些特征向量来定位伪造区域,实验结果表明本文提出的方法时间复杂度较低,对JPEG图像同幅合成伪造有很好的检测效果,对于纹理比较复杂的图像在质量因子为50时仍然可以精确定位,并且该算法能够抵御零均值噪声和模糊操作的影响,具有很好的鲁棒性。最后针对JPEG图像异幅合成伪造提出一种基于光照不一致性的解决方法,首先分析了在单个理想光源下物体表面的反射场景,通过“咬合线”概念的引入,将光源方向计算问题从三维转化到了二维,然后提出用椭圆来对咬合线进行拟合,并给出了拟合公式以及算法,之后给出了一种估计咬合线上点的反射强度的推测算法,这两个步骤可以降低JPEG压缩失真给算法带来的影响,最后给出了算法的总体流程,实验结果表面本方法对于JPEG图像异幅合成伪造有很好的检测效果。
其他文献
关联规则分析是数据挖掘中最主要的分支,其主要目的就是为了挖掘存在于事务数据库中隐藏的关系或者联系。随着大数据的普及,传统的关联规则挖掘算法暴露出的问题越来越明显,
数字多媒体数据极易在网络上复制、伪造、传播,数据的版权验证保护问题随之凸显出来。数字水印技术因成为解决这一问题的有效方案而受到广泛关注。但是目前大多数水印算法是嵌
当前,数据量的爆炸式增长使得对于存储的需求越来越大,而同时被存储的数据内部存在大量的冗余(例如数据备份系统生成的数据),造成系统存储空间的浪费。重复数据删除技术的出现缓
随着多模态融合识别技术的飞速发展,唇读技术作为模式识别领域中的热点问题得以关注。唇读技术与指纹识别、虹膜识别、视网膜识别等相比,具有更加直接、便捷、适时的特点。唇读
近年来,skyline查询在多目标决策、数据挖掘、数据库可视化等方面得到广泛应用。然而在高维空间环境下,skyline查询因为返回的结果集过大而不能提供有用的信息。因此,学术界提出
关键词抽取是文本挖掘领域里一个重要的研究方向,目的在于能够快速便捷的为用户提供准确、简洁、全面的文本主题信息。那么关键词抽取方法的研究就显得尤为重要。   针对如
强化学习(reinforcement learning, RL)是一类重要的机器学习方法,在智能机器人、经济学、工业制造和博弈等领域得到了广泛的应用。然而目前的强化学习算法在可扩展性方面都
蛋白质作为在生物的生命活动中起到重要作用的生物大分子,其结构和功能研究对生物学有着重要的意义。以往的研究发现,拥有相同进化祖先的同源蛋白质,很可能在结构和功能上也类似
强化学习是人工智能领域中一种重要的用于解决学习控制问题的方法。但是经典强化学习算法在解决RoboCup局部策略训练问题时,仍然存在算法收敛速度缓慢,无法有效解决训练中存在
图像分割是指将一幅图像中的包含特殊含义的不同区域区分出来的过程,它是数字图像处理领域中最为基本的一个问题。由于其复杂性,至今仍然没有一种通用的方法能满足各种不同的需