论文部分内容阅读
随着科学技术的飞速发展,多样化的数码产品给人们的生活带来了巨大便利。人们比以往任何时候都要轻易地获得数字图像。同时,越来越多的数字图像编辑软件也使得人们对数字图像的处理变得更为容易。然而,部分人也使用这些便利的数字图像编辑软件对数字图像进行别有私心的篡改,以满足他们的某些特殊需求。数字图像的复制-粘贴篡改就是一个非常典型的图像篡改方式。篡改者常常复制并粘贴数字图像中的部分区域以隐藏或加强这幅数字图像中的部分特征。但是,这样的行为使得该数字图像的真实性发生了变化,违背数字图像背后客观事实的真实性,这可能对个人财产、声誉、甚至是国家安全等造成巨大影响。因此,实际应用中对数字图像真实性的取证将变得非常有必要,这也使得对数字图像篡改的取证成为一个极具价值的研究方向。本文正是致力于研究数字图像篡改的被动取证方案,以此为研究主体并进一步提高研究方案的执行效率及加强方案对数字图像篡改后期痕迹隐藏操作的鲁棒性。本文主要的创新点如下:1.为了能够检测并定位数字图像篡改的篡改区域并提高被动取证算法的执行效率,结合数字图像的频域特征及聚类分析技术,提出一种基于包聚类的数字图像复制-粘贴篡改被动取证方案。该方案利用图像中各图像块四个象限的DCT系数均值构建特征向量来代表图像块,并采用包聚类算法代替传统的排序算法,加强方案的匹配精度。实验结果表明,方案降低了图像块的特征向量维数,提高了算法的效率。在匹配阶段,算法对所有图像块的特征向量采用包聚类算法进行聚类并进行相邻包匹配,降低特征向量匹配次数的同时提高了方案的匹配精确率。本方案不仅可以定位出图像块的多处篡改区域,还对部分后期篡改痕迹隐藏操作具有较强的鲁棒性,对添加高斯白噪声、高斯模糊及其它一些混合的后期痕迹隐藏操作都能取得较好的检测结果。2.为了让算法对一些更为复杂的后期痕迹隐藏操作具有较强的鲁棒性及进一步提升方案的精确度,提出一种基于感知哈希的数字图像复制-粘贴篡改被动取证方案。方案利用图像块的感知哈希系数构建特征向量来表示图像块,并对包聚类算法进行优化,增加算法的匹配精度。实验结果显示,方案不仅能够提高算法的匹配效率,还能够通过感知哈希算法对图像像素的映射关系检测图像像素的大致分布情况,使得算法精确度得到了提高。特征向量的匹配算法首先对所有图像块的特征向量进行聚类,再对包中的数据按感知哈希系数再次进行聚类分包,进一步提升了匹配算法的精确度。本方案对部分后期篡改痕迹隐藏操作具有更高的鲁棒性,对添加高斯白噪声、高斯模糊、亮度调整、对比度调整、色相调整及其复杂的混合后期痕迹隐藏操作都能取得较好的检测结果。3.考虑到方案对篡改区域先进行旋转再粘贴的区域篡改方式也能进行有效检测,提出一种基于FAST特征点旋转不变特征的图像复制-粘贴篡改被动取证方案。方案使用图像的FAST特征点为主体代替图像的分块,并构建图像FAST特征点的旋转不变特征向量进行篡改取证匹配。主要目的是减少取证算法的特征向量数量,以提高取证算法的整体效率。实验数据表明,以数字图像FAST点为圆心画圆及环所构建的旋转不变特征向量能够正确地表示经过任意角度旋转后的图像块,增强算法对图像多篡改方式检测的鲁棒性。在旋转不变特征向量的匹配算法中,采用逆序广义2近邻算法有效提高大量特征向量的交叉匹配效率,进一步优化方案的执行效率。