论文部分内容阅读
随着数字图像处理技术的迅猛发展,涌现出一大批高效智能的数字图像处理软件,这使得图像的编辑变得特别容易,而且不会留下任何人类视觉可感知的痕迹。然而,数字图像处理技术是一把“双刃剑”,既满足了人们对于图像美化和润饰等正常图像修改的需求,同时又成为少数“别有用心”的组织或个人为了不可告人的目的篡改图像的工具。一旦篡改伪造的数字图像通过互联网等大众媒体广泛传播,将对国家、社会和个人造成十分恶劣的影响。因此,如何高效准确地鉴定数字图像的真实性便成为本文的研究课题。篡改伪造的数字图像之所以令人厌恶,害人至深之处在于其所传递的虚假错误的语义信息。因此,如何高效地检测数字图像的语义级篡改是当前数字图像真实性鉴定领域中的关键问题,其中的关键技术也是本文研究的重点。常见的语义级图像篡改技术有内容感知缩放(Content Aware Image Resizing,CAIR)技术和基于样本块的图像修复(Exemplar-based Image Inpainting)技术。本文借助于数字图像取证技术和相关方法,研究有效鉴定上述两种语义级图像篡改的关键技术和相关方法。为了增强图像表现力而进行的正常图像处理是应该得到肯定的,而令人唾弃的是那些肆意改变图像内容的恶意篡改。本文在借鉴现有的数字图像取证相关理论和方法的基础上,提出了一种新的数字图像真实性鉴定模型。该模型对数字图像使用中的正常修改和恶意篡改两种不同性质的行为加以区分,对图像的处理进行更加深入和详细的分析和解释,进而评判图像处理是否影响图像的真实性。本文主要工作与创新点包括:(1)针对细缝裁剪的图像篡改,提出了一种基于LNMOP特征和HOG特征的图像篡改检测方法。通过分析发现,细缝裁剪会导致局部邻域内像素强度差的幅值分布发生变化。为了准确地描述这种变化,本文提出了一种新的图像模式描述方法:局部邻域幅值共现模式(LNMOP)。LNMOP有别于传统描述符(如LBP),具有较强的幅度识别能力和抗噪声能力。本文所提出的图像细缝裁剪篡改检测方法,首先从图像中提取LNMOP和HOG特征;然后,从提取的LNMOP特征中选择供分类器使用的最佳特征;最后,利用支持向量机(SVM)对最佳特征进行训练和测试,以区分篡改图像和正常图像。针对LNMOP最佳特征的选择问题,本文提出了一种基于HOG特征层次匹配的LNMOP特征选择方法,有效地降低了 LNMOP特征的维度,减少了分类器的计算量,该方法根据HOG特征的层次等级确定要选择的最佳LNMOP特征。实验结果表明,本文所提出的细缝裁剪图像篡改检测方法不仅克服了传统Markov特征对小尺度篡改检测的不敏感性,而且避免了 LBP特征因噪声而混淆纹理区域和平滑区域的问题。与目前有代表性的方法相比,检测性能有所提高。(2)针对基于内容感知缩放技术的图像篡改,提出了一种基于改进的局部三值模式(ILTP)和梯度能量特征(GEF)的图像篡改检测方法。经分析发现,内容感知图像缩放(CAIR)会破坏局部邻域像素的相关性。虽然局部二值模式(LBP)在一定程度上可以描述这种相关性,但不能描述局部邻域像素的幅值信息且容易受噪声的干扰。为此,本文改进了局部三值模式(LTP)算子,使阈值t具有较强的自适应能力,更准确地识别出局部纹理的变化。图像的CAIR操作必然会导致图像中能量的分布发生变化,特别是梯度方向上的能量累积变化。对此,本文提出了一种描述梯度方向上的能量分布的特征—梯度能量特征(GEF),该特征可以有效描述梯度方向上的能量累积分布情况。本文所提出的一种基于ILTP和GEF的图像篡改检测方法,就是利用了上述两种特征;首先,从候选图像中提取ILTP特征和GEF特征,并将其联接成组合特征;然后,用组合特征对分类器进行训练;最后,设计了两组实验,验证了 ILTP和GEF特征在CAIR篡改检测中各自的重要作用,并验证了所提方法的有效性,与现有的同类方法相比,检测准确率有大幅度的提高。(3)针对基于样本块的图像修复技术所实现的目标移除篡改,本文提出了一种基于LSTM-CNN的图像目标移除检测方法。通过研究分析发现,现有的基于样本块的图像修复取证方法普遍存在异常相似块对搜索耗时且不准确、虚警率高和对后处理组合操作缺乏鲁棒性等缺点。针对上述不足,提出了一种基于LSTM-CNN的图像目标移除检测方法。该方法利用卷积神经网络(CNN)搜索异常相似块,由于CNN具有较强的学习能力,提高了搜索的速度和准确性;利用LSTM网络消除了虚警块对检测结果的影响,降低了虚警率;设计了一个过滤模块来消除后处理操作的攻击。实验结果表明,本方法对基于样本块的图像修复检测具有一定的准确率,同时可以抵御后处理组合操作的攻击。(4)为了区分数字图像的正常修改和恶意篡改行为,提出了一种基于生命特征的数字图像真实性鉴定模型,该模型从数字图像的生命特征出发,将检测到的加工结合具体的生命特征进行解释和评判,以图像真实性在加工前后的差异为评判标准,通过建立真实性评判模型来综合评判数字图像是否真实可信,从而避免了真实性的误判。最后实验验证了所提出的数字图像真实性鉴定模型的有效性。综上所述,针对语义级图像篡改,本文从细缝裁剪图像篡改检测、CAIR图像篡改检测、基于样本块的图像修复的目标移除检测等三个方面提出了一系列的关键技术,使篡改伪造的数字图像在这些强大的技术面前无处遁形。最后,本文以语义级数字图像篡改鉴定技术为基础,提出了一种基于生命特征的数字图像真实性鉴定模型,可以有效地区分图像的正常修改和恶意篡改,提高了数字图像真实性鉴定的准确率,同时也为语义级数字图像篡改鉴定拓宽了发展的空间。