论文部分内容阅读
当今,互联网技术与数字技术的发展为人们的日常生活带来了越来越多的乐趣和便利,但是,恶意篡改图像伪造事实或者扭曲事实的事件也层出不穷,使得图像内容真实性和完整性受到了极大的威胁。图像重拍摄是一种常用的图像编辑方法,一般用来伪造虚假不存在的场景。因此图像重拍摄检测成为数字图像取证的方法之一。本文主要研究基于统计特征的图像重拍摄检测技术,具体工作如下: 提出了五种图像重拍摄检测方法,这五种方法都是利用图像自身的统计特征生成取证特征。首先,利用图像纹理特征和颜色特征,其中纹理特征主要包括灰度共生矩阵的数字特征、Tamura特征、小波系数的统计量和局部二值模式(LBP),生成组合特征集;接着,利用模糊综合评判算法优化特征集,得到每种特征的权重,建立统计模型;最后,利用SVM训练统计模型,最终得出五种分类方案,用来检测图像是否为翻拍图像。通过在公用数据库上进行仿真测试,实验结果表明,这五种方案的检测率均为99.95%以上,不仅有较高的检测率,而且也具有较强的鲁棒性。 针对真实场景中局部重拍摄区域检测问题,提出了一种基于显著区域的图像重拍摄检测方法。在提出的方法中,首先提取图像中的显著性区域,分离图像对象;其次,利用质心法对显著性区域进行标准化处理;最后,利用我们提出的图像重拍摄检测方法对区域进行检测,确定其是否为局部重拍摄区域。实验结果表明,利用本方法可以检测出真实场景中的局部重拍摄区域,该算法具有较高的检测率,对常规图像处理如JPEG压缩、添加噪声、伽马校正等具有鲁棒性。