论文部分内容阅读
随着科技的进步,功能强大的视频编辑软件的推出,人们可以非常方便的对数字视频进行编辑修改。如果为了歪曲事实、颠倒黑白、破坏社会秩序、影响社会诚信而对数字视频的内容进行篡改,无疑会对社会产生极其恶劣的影响,危及社会信息安全。为此数字视频篡改取证研究变得非常必要,具有非常重要的现实意义。数字视频篡改取证技术分为主动取证和被动取证两类。数字视频主动取证技术需要预先在数字视频中嵌入人眼不可感知信息,通过检测嵌入信息的完整性判断数字视频是否篡改。当前社会每天有大量的数字视频产生,很多数字视频没有条件嵌入人眼不可感知的信息,所以数字视频主动取证技术的局限性较大。数字视频被动取证技术又称为数字视频盲取证技术,它是通过分析篡改视频遗留下来的篡改痕迹或检测原始视频数据的统计特性是否发生变化来判断视频是否遭受篡改。由于数字视频被动取证技术不依赖嵌入的外来辅助信息,完全根据数字视频自身数据特点进行分析检测,所以数字视频被动取证技术适用面很广,具有重要的研究价值和研究意义。本文主要针对数字视频被动取证技术进行研究。数字视频根据篡改方式的不同分为帧间篡改和帧内篡改,数字视频帧内篡改又称为空域篡改,它通过对视频帧内的目标进行修改或对不同的视频进行帧内合成,从而达到改变视频原始内容的目的。数字视频具有数据量大,特征维数高等特点,如何在数字视频篡改检测中降低数据量减少特征维数,提高检测效率,显得非常重要。本文针对数字视频空域上的帧内对象删除和帧内复制粘贴篡改操作,提出两种篡改检测方法,主要的工作包括以下两个方面:(1)针对数字视频帧内对象删除篡改操作,提出了一种基于主成分分析的篡改检测算法。该算法使用稀疏表示的方法对待测帧进行稀疏去噪,滤除待测帧的噪声,减少噪声对后续差异帧特征提取的影响;然后使用主成分分析对非重叠分块后的差异帧进行数据降维并提取差异帧的像素点的特征,获取差异帧像素点的特征向量空间;再使用kmeans聚类算法对特征向量空间进行分类,将分类结果存入二值矩阵中;最后使用“开”运算对二值矩阵进行操作,获得检测结果。所提算法对视频帧进行去噪降维,提高了视频检测效率,并且算法处理的对象是像素点的灰度值,能够使算法不受视频质量变化的影响,提高了算法的鲁棒性。实验结果表明本文所提算法检测性能指标准确度达到91%,召回率达到100%,F1值达到95.3%,比基于压缩感知的视频篡改检测算法在性能指标上有一定程度的提高。而且本文所提的算法能够适应不同的压缩比和不同的压缩方法。(2)针对数字视频帧内复制粘贴篡改操作,提出了一种基于Hessian矩阵的篡改检测算法。该算法首先计算待测帧的Hessian矩阵获取待测帧的Hessian矩阵特征值,利用Hessian矩阵特征值构建的视频帧滤波器对视频帧进行滤波,去除视频帧的次要信息;然后使用尺度不变特征变换获取滤波后的视频帧的关键点(特征点);再利用邻域搜索的方法对关键点进行匹配,通过统计匹配关键点对的数量判断视频帧是否篡改;最后对篡改视频帧进行篡改区域定位。所提算法利用Hessian矩阵构建的滤波器对视频帧进行滤波,减少使用尺度不变特征变换提取关键点的数量,提高算法的运行效率,并且可以保持良好的检测精度。实验结果表明本文所提算的精确度达到92.9%,该算法与基于HOG的检测算法相比,具有更高的检测精度。