论文部分内容阅读
随着互联网的快速发展以及数码相机等低价数字化图像拍摄设备的迅速普及,人们不仅可以依靠无处不在的互联网接触到大量的数字照片,也可以非常容易地通过数码相机等图像拍摄设备生成数字照片。随着计算机渲染技术的发展,人们很容易经过渲染软件例如3D Studio Max、Accurender及Photoshop生成人眼都无法区分的图像,而随着“照片”造假事件的不断涌现彻底颠覆了人们“眼见为实”的传统观念,对政治、文化、新闻和科学真实性等方面造成了负面的影响。近年来,基于数字取证技术的计算机生成图像(Computer Graphics CG)与真实图像(Photographic Images PG)的分类受到了国内外学者的关注,而且已经研究出许多方法用来进行CG与PG的自动分类。针对上述问题,本论文在实现CG与PG自动分类的算法方面进行了研究,主要工作如下：1.提出了一种新的特征,基于图像纹理特征局部二值化模式(Local BinaryPattern LBP),实现对CG和PG的自动分类。选取YCbCr颜色模型,并对图像各个颜色分量的LBP特征相关性进行分析,分别提取Y、Cr以及它们的预测残差成分的LBP特征。并进一步将LBP特征维数从256维降到59维,大大降低了运算的复杂度。借助于分类器支持向量机(Support Vector Machine SVM)对CG和PG进行自动分类。大量实验结果表明,提出的LBP算法能够对CG和PG进行有效地分类,取证检测率高达94%,明显高于现有的几个优秀分类算法。2.提出了一种基于多尺度变化的LBP特征提取算法。首先提取图像中以某像素点为中心半径分别为1和2周边相邻8个像素的多尺度变化LBP特征值,然后对分别得到图像的12种多尺度变化LBP特征进行了逐一的取证效果分析,在此基础上,进行了多种LBP特征的优化组合。实验结果表明,多尺度变化的LBP特征相较于单一的LBP特征进一步提高了对CG和PG的区分检测率,达到95%,取得了良好的取证效果。3.深入研究了基于LBP特征的取证算法的鲁棒性。分别对CG和PG进行不同的压缩质量因子JPEG压缩以及不同比例的剪切,提取被攻击后图像的LBP特征进行算法的鲁棒性分析与对比。实验结果表明算法对JPEG压缩及剪切均具有较好的鲁棒性。