论文部分内容阅读
随着现代技术的飞速发展,数字图像编辑软件的使用也越来越简单,并且先进的处理软件可以使在数字图像篡改后,不留任何痕迹。这种图像处理软件很容易掌握,从而人们有意或者无意的对图像进行加工,都会造成一些的影响。因此,鉴别数字图像的真伪显得尤为重要。
传统的检测技术是数字图像在篡改前加入数字水印或数字签名,这种检测手段并不实用。本文研究的问题是数字图像的被动盲检测,它是没有嵌入水印的前提下检测图像从拍摄以后是否经过了篡改。被动盲检测通过分析篡改引起的变化来提取相应的特征,并且这种鉴别方法对所拍摄的数码相机没有严格的要求,实用性较强。
目前,图像篡改手段有多样性,这给鉴别图像带来很大不便,因此本文只针对复制粘贴这种篡改手段进行鉴别。本课题的图像拼接就是简单的复制粘贴过程,分析篡改带来的影响,可知,图像的内容的规则性发生改变,这种改变包括纹理和相关性,利用相关算法提取这两组特征,完成数字图像的盲检测。为了更好的提高系统的预测效果,采用遗传算法对分类评价标准AUC进行优化。
本文提出的基于游程矩阵的组合特征,它是通过纹理特征游程矩阵来提取图像特征,并与邻域DCT系数共生矩阵特征、马尔科夫特征组合来建立识别模型,选用支持向量机(SVM)作为分类器进行训练和测试,并采用遗传算法优化分类的评价标准AUC,得到分类器的最优模型。通过实验证明,本文的方法可实现对拼接图像的有效检测,而且有着较高的检测率。