论文部分内容阅读
随着近年互联网的高速发展和数码相机等具有拍照功能的数字设备的日益普及,作为信息传播媒介之一的图像在当今发挥着越来越多的作用。网络上各种各样的图像软件功能日益强大,人们可以轻松地改动一幅图像。这样一来网络上图像的真实性就得不到保证,一旦重要的、经过篡改的图像在网络上广泛地流传,将有可能会给人们的学习、工作和生活带来重要的恶劣影响。因此图像的盲取证技术变得日益受到研究者的关注。JPEG压缩具有较高压缩比,这个特性使之在internet上被广泛应用,对JPEG压缩历史的检测也就成为图像盲取证的重要研究分支。本文主要围绕JPEG压缩过程中遗留的块痕迹展开研究,寻找最具有区分性的特征,然后组成特征向量,输入到SVM分类器,用图像样本库去训练分类器,使之具有对待检测图像分类的能力,最终用来对待检测图像做出判决。本文分析了以往的算法的不足之处,对造成检测准确率低的原因进行了思考,最终解决了其中的问题:引入了原始图像的参考图像的思想,大大的提高了算法检测准确率;提出了块效应直方图的概念,在横向和纵向上各统计8个直方图用于描述JPEG图像中的块效应,不仅计算复杂度小,耗时短,实时性更好;提出了二次差分直方图的方法,解决了以往方法中图像块效应容易受图像本身内容的影响而导致判决不准的问题;建立了图像样本数据库。图像样本库可以用来对SVM分类器进行训练,为后面SVM分类器准确判决待检测JPEG图像做准备。