论文部分内容阅读
数字图像广泛应用于人们的日常生活与工作中。随着功能日益强大的图像处理软件和计算机图形设计软件的广泛应用,人们可以利用计算机生成逼真的图片或对图像进行人眼难以分辨的篡改。不真实的图像如果被用于新闻报道、法庭举证、学术研究等场合,将会带来难以估量的不良影响。数字图像盲取证技术不依赖于载体之外的信息对图像的来源和真伪进行判别,是当前多媒体安全领域的前沿热点问题之一。 本文在数字图像取证模型研究的基础上,从自然图像统计特性和数字图像的伪造痕迹出发,对数字图像真实性鉴别中的图像来源真实性鉴别、区域复制检测与图像拼接检测三个方面的内容展开研究。论文开展的工作和取得的主要成果如下: (1)基于图像获取、图像处理及数字取证的函数化表示,建立了一种数字图像取证的信息流模型。在该模型下,利用条件熵讨论了多种典型盲取证问题的可解性条件;从统计检验出发,对盲取证的分类的准确性问题进行了探讨,基于Chernoff信息给出了分类错误率的界限;从统计估计出发,利用Fisher信息对盲取证的参数估计准确度进行了分析。 (2)基于自然数据的首位数字定律,提出了一种基于DCT系数与梯度幅值首位数字分布特征的计算机生成图像鉴别方法,实验结果表明所提方法的分类准确度较同类文献方法有所提高;为实现JPEG压缩下的计算机生成图像的可靠鉴别,提出了一种结合小波系数首位数字特征和彩色梯度相位归一化直方图特征的鉴别方法,实验结果验证了上述方法的有效性。 (3)针对已有基于分块匹配的区域复制篡改检测方法存在的计算复杂度高的问题,根据图像间相位相关系数的峰值和重复内容的对应关系,提出了一种基于相位相关的快速区域复制取证算法;基于SURF特征的旋转、缩放不变性,提出了一种抵抗几何变换的区域复制篡改取证方法。相关实验表明上述所提算法的有效性。 (4)针对数字图像拼接篡改,通过实验分析了Rich Model各子模型在拼接检测中的分类性能,在更为有效的色差通道中,提出了一种融合Rich Model模型和DCT域Markov模型的图像拼接篡改检测方法,实验结果表明所提方法的检测准确性有了进一步的提高。 论文最后对全文进行了总结,并对未来值得进一步研究的问题提出了展望。