论文部分内容阅读
随着图像获取设备与互联网技术的快速发展,数字图像已经成为人们日常生活中主要的信息载体。然而,随着各种功能强大且简单易用的图像编辑软件的普及,对数字图像进行篡改变得愈发的容易。具有非法用意的篡改图像严重损害了数字媒体信息的可信度,在新闻报道、商业宣传、学术研究、司法鉴定等领域产生了恶劣的影响。因此,如何鉴别一幅数字图像的真实性,已经成为数字时代一项亟待解决的问题。以数字签名和水印为代表的主动取证技术己经比较成熟,然而其依赖于特定的预嵌入信息。因此,不依赖任何先验信息的数字图像被动取证技术已经成为当前的研究热点。本论文以数字图像篡改被动取证技术为主要研究内容,分别从图像拼接取证、缩放取证、锐化取证以及溯源取证四个方面来鉴定数字图像的真实性。具体的研究内容包含以下四个方面:1.在图像拼接取证方面,提出基于图像噪声-锐化函数的图像拼接检测算法。现有的基于噪声方差不连续性的拼接检测算法通常忽略了图像内容对噪声方差估计的影响,因此对包含复杂纹理和锐利边缘的拼接区域往往产生漏检和误检。针对此问题,本文提出了基于图像噪声-锐化函数的图像拼接检测算法。首先,将图像分割成不重叠的区块,并分别计算每个区块的噪声方差和锐化度。其次,建立能够反映噪声方差和锐化度关系的噪声-锐化函数,不受此函数约束的区块即可被认定为拼接区域。最后,利用上下文信息提炼出最终的检测结果。实验结果表明,该算法可有效减少图像纹理和边缘区域所带来的漏检和误检,从而提高检测精度,并对加性噪声具有一定的鲁棒性。2.在图像缩放取证方面,提出基于学习排序的图像缩放因子估计算法。图像缩放因子的估计不仅可以用来检测缩放操作,还可辅助建立图像完整的编辑历史。现有的方法通常无法良好的估计图像缩小因子,并受困于歧义性问题。针对此问题,本文提出了基于学习排序的图像缩放因子估计算法。利用学习排序思想将估计问题转化为分类问题,使用有序图像对的差分特征来训练分类器,则测试图像的缩放因子可通过其测试得分的排序位置进行估计。实验结果表明,该算法不仅能够有效的估计图像缩小因子,解决歧义性问题,并对图像尺寸、压缩质量以及加性噪声等具有一定的鲁棒性。3.在图像锐化取证方面,提出基于多分辨率过冲效应度量的锐化检测算法。图像锐化作为一种增强图像边缘对比度的操作,可以被篡改者用来掩盖篡改的遗留痕迹,因此对锐化操作的识别可作为判定图像篡改的依据。通过建立过冲效应强度和图像边缘梯度的关系,我们发现尽管经历过相同的锐化操作,梯度较大的边缘较之梯度较小的边缘会呈现出更强的过冲效应。基于此,我们提出了基于多分辨率过冲效应度量的锐化检测算法。首先对图像边缘点进行分类,随后分别度量每一类边缘点的过冲效应强度,最终利用级联式决策进行判决。实验结果表明,该算法相比于现有算法拥有更好的检测精度,特别地,对于经历过较弱锐化操作的图像,该算法在检测精度上有着明显的提升,并对图像尺寸、压缩质量以及加性噪声等具有一定的鲁棒性。4.在图像溯源取证方面,提出基于局部继承关系重建的图像谱系树建立算法。一幅图像与其近复制图像间潜在的继承关系可以被用来估计该图像的原始性和真实性。由于对不相似度矩阵的估计通常不够精确,现有的算法会不可避免的在建立图像谱系树时引入局部错误。针对这个问题,我们提出了基于局部继承关系重建的图像谱系树建立算法。首先利用传统方法建立原始的图像谱系树,随后计算每个三元组的继承度,最终通过计算变换分数选取出需要进行局部继承关系重建的三元组并进行重建。对比实验结果表明,该方法可有效消除现有算法在建立图像谱系树时所引入的局部错误,从而提高准确率。