基于特征的图像被动取证计算机技术研究

第1章 绪论1.1 课题研究背景和意义在当下的互联网时代，数字图像技术以及网络技术迅猛发展，使得数字图像在日常生活和工作中给人们带来了极大方便。现在普通人可以很容易的获取一部高分辨率的照相机、手机等数码设备，与此同时，类似 PhotoShop、GIMP 等功能丰富、操作简易的数字图像处理软件在越来越多的人群中得以推广，人们可以对图像任意地进行收集、编辑、以及篡改，并且还可以不留下任何容易被发现的痕迹。对图像编辑的现象越来越多，可并不是所有人对图像的编辑仅仅是为了图像拥有更好的显示效果，有些人为了个人利益或者别的目的对图像进行精心篡改，改变图片原有表述意义，然后在互联网上进行广泛传播。此类图片的恶意传播给社会带来了极大的负面影响，使得人们对媒体、对社会产生不信任。特别在司法、教育、军队等领域，原始图像作为这些领域的记录，代表的是一种权威性，若被肆意篡改，对国家政治、经济、文化的各方面都会产生极大的损失。因此，在数字图像广泛应用的今天，研究图像是否被篡改、维护它的真实性以及原始性是一个十分紧迫的问题[1]。2008 年 7 月，伊朗发布了伊斯兰革命卫队导弹齐发的图片，如下图 1.1 所示，其意图渲染自己的军事实力，从而震撼西方国家。但经《纽约时报》确认，这张有四枚导弹腾空而起的照片存在人为修改的痕迹，从下方篡改图中可以看出，通过复制-粘贴技术，使得人们在视觉中对图像产生了错误理解。大国博弈，这样造成的后果是十分严重的。2021 年 1 月，战地摄影师 Narciso Contreras 违反了美联社中新闻必须发布真实图片的职业原则而遭到解雇，原因是他修改了一张摄于叙利亚内战期间的照片。如下图 1.3 所示，照片记录了在一次战争中，藏身在岩石后面的一名手持卡拉什尼科夫冲锋枪的反政府武装人员的画面。在原始照片的左下角有其它物品显示，而摄影师认为该物品在照片中太分散注意力，因此在发稿前用复制-粘贴篡改技术将图片周围元素覆盖了摄像机的区域。..........1.2 国内外研究现状从当前网络上流传的篡改图片中可知，复制-粘贴篡改是一种最为常用的数字图像篡改方式。所谓复制-粘贴篡改，是指将一图像上的某一区域复制并粘贴到同一幅或者不同幅图像上的任何区域，再利用伽马校正、边缘模糊等图像处理手段，从而达到篡改者所希望的目的。复制-粘贴篡改之所以成为主流篡改手段，是因为同一幅图像中，颜色、背景等各方面都极其类似，篡改后人们很难从视觉上分辨出图像的真伪[7]。数字图像的被动取证技术的应用价值高、技术挑战强，使得众多院校、科研机构以及一些拥有实力的公司都投入到了对该领域的研究之中[5,6]。本文主要对复制-粘贴的篡改检测技术中基于分块和基于特征点这两种检测方式来展开研究，下面分别就这两种方式来介绍当前的研究情况。对于利用数字图像分块的篡改检测算法，Fridrich 等人[8]结合实验对此给出了比较合理的的规范要求：首先，所使用的篡改检测算法中是可以使用很小的图像块来近似的表示区域的匹配情况的；其次，检测匹配的算法运行所需要的时间不可以耗费太久，同时允许出现一少部分的误匹配；最后，篡改的位置一般是一个连通的区域。期间 Fridrich 等人给出利用 DCT 量化系数作为子块的特征向量的方案，而篡改区域的定位是利用主转移向量的频率特点来确定的。而 Farid[9]在Fridrich等人研究的基础上，使用 PCA 将图像的向量维度降低，从而强化了特征向量所拥有的表征能力，如此增强了篡改检测算法对于加性噪声和有损压缩的鲁棒性，但是他却没有通过实验来表明伽马校正以及高斯模糊对于检测的结果到底怎样。.......第 2 章 复制-粘贴篡改手段及其检测2.1 引言随着数字图像处理技术的发展，图像处理软件的功能也不断增强，人们对图像的篡改变得越来越容易，这给人们生产和生活带来了极大的负面影响。为此有越来越多的检测手段应运而生。本章首先对常见的篡改手段以及检测技术进行了概述；然后又针对最被篡改者青睐的复制-粘贴篡改进行了分析；最后通过比较多种常见的复制-粘贴篡改检测算法，对当前算法的优缺点有更进一步的了解。......2.2 数字图像篡改及其检测技术数字图像的篡改以及针对篡改的检测这两项技术在相互较量中不断发展，而在当前互联网时代下，多媒体技术广泛传播，使得篡改及检测的研究更加火热。为了可以更加有效地提高对篡改图像的检测能力，并且对这些篡改进行反制，就不得不先对常见的篡改手段进行了解，虽然数字图像的篡改手段目不暇接，但从其篡改方式上，可以归纳为如下几个方面的篡改[20]：1) 拼接篡改：这一篡改是指在一幅或者多幅图像中，选择篡改者期望的图像源区域，并将这些区域通过移植拼接到目标图像中，接着再对该目标区域进行一些图像处理操作，直到达到篡改者意图为止。此类篡改操作简便，被广泛地在各领域中使用。2) 复制-粘贴篡改：此类篡改行为是将一幅或者多幅图像中的某些区域复制并粘贴到同幅或者不同幅图像的指定区域之中，从而隐藏了目标图像中某些不想被表述的区域或者是改变原目标图像所要表述的意义。因其可以更容易达到篡改者所期待的目的，所以成为现今最为流行的篡改方式。3) 图像修复：是指将图像中缺失的部分区域内容根据图像属性补全出来，从而让观察者无法从视觉上看出该图像原先的不完整性。此类篡改行为在考古、刑侦等领域有着重要的正面意义。4) 增强篡改：是指为了让图像中篡改者意图展示的区域突出展现出来，同时模糊了其它区域，此类篡改方式没有对目标图像的区域进行过增删，仅仅是通过视觉上的图像处理操作，以达到最终重点强调目标区域的目的。这类篡改主要用于通常的修饰操作，很少用于产生负面影响的目的。........第 3 章 基于 Zernie 矩的复制-粘贴篡改检测算法........163.1 引言......163.2 Zernie 矩介绍...........163.3 算法设计与实现..........193.3.1 参考角度提取....193.3.2 相似子块匹配....203.4 实验结果及分析..........213.5 本章小结......23第 4 章 基于 WLD 特征的复制-粘贴篡改检测算法.......244.1 引言......244.2 图像 WLD 特征介绍 ..........244.3 算法设计与实现..........294.4 实验结果及分析..........364.5 本章小结......48第 5 章 总结与展望....495.1 研究工作总结......495.2 研究工作展望......50第 4 章 基于 WLD 特征的复制-粘贴篡改检测算法4.1 引言上一章基于 Zernie 矩的算法虽然在被复制区域同篡改区域完全一致时可以准确的找出篡改结果并且块之间匹配运算因只有一次减法运算而简易很多，但对于篡改区域和被复制区域不完全一致的情况，检测结果并不稳定。为此需要探索一种相对合理的算法来使得复制-粘贴篡改检测在平滑区域的检测更加准确。本章主要论述同幅图像的复制-粘贴篡改检测算法。首先介绍了 WLD 特征的基本情况；然后对 WLD 算法进行改进，并对前面所述的篡改检测模型进行补充说明；最后提出一种新的基于分块思想的复制-粘贴篡改检测算法。实验结果表明，该算法不仅能够检测出一处或者多处的篡改区域，同时检测结果更加准确。通过与文献[30]所提的基于 SIFT 篡改检测的算法比较中可以得出结论，本章的算法在较平滑的图像区域检测中更具有优势，另外基于 WLD 算法在拥有基于Zernie 矩算法的优点之余，也弥补了它的不足。受韦伯定律;这一心理学的启示，Chen 等人[26]给出一种韦伯局部特征描述子，即 WLD(Webers Local Descriptor )。一维 WLD 特征可以分为差分激励 以及方向角 这两类。差分激励 是用来说明目标像素和其四周像素的差异性。而方向角 是指目标像素的上下、左右这些位置的像素在水平和垂直两个方向上的一种梯度关系，描述了目标像素的方向性。二维 WLD 特征是通过对方向角和查分激励一定的量化以及统计后得出来的。

........总结复制-粘贴篡改检测技术是一种针对复制-粘贴篡改行为十分重要的检测技术。本文围绕复制-粘贴篡改检测在当前被动取证认证领域的应用研究展开讨论，通过分析得知已有算法已经可以检测大部分复制-粘贴篡改行为，但是在图像平滑区域，对篡改区域的检测能力依旧存在不足之处。为此，本文向后提出两种检测算法进行探索研究。本文的主要研究工作包括：1) 通过对当前数字图像篡改与检测相关技术的介绍，了解到当前复制-粘贴篡改是最为常见的一种行为，且此篡改行为分为同幅图像篡改以及非同幅图像篡改。对于最被篡改者所青睐的同幅图像篡改，前景篡改以及背景篡改的检测本身又是一个极大的挑战。针对同幅图像篡改检测，需要先对篡改模型进行定义，利用前人大量的事件经验以及本文的研究现状，对复制-粘贴篡改作了更详细的定义，包括篡改区域大小、篡改区域与被复制区域的位移、篡改区域是否连通等。本文通过对几个已有的比较典型的算法的介绍，针对目前已有的基于分块处以及特征点的两种主流处理方式，在肯定其优点之处的同时，对其不足之处也做了简要的总结，从理论上为当前复制-粘贴篡改以及检测算法有了一个整体的把握，为之后新算法的研究及设计做了铺垫。2) 针对已有算法对图像平滑区域检测能力不足之处。本文初步给出一种基于 Zernie 矩的算法，其主要是利用了篡改区域以及被复制区域 Zernie 矩参考角度偏移度数一致的原则，首先将原图像转化为灰度图并进行重叠分块；然后利用 Zernie 矩确定每个块的参考角度，并将块的坐标以及参考角度度数记录下来；接着利用字典排序以及转移向量的思想对这些块进行遍历，在一定范围内参考角度小于某一阈值的块集合可确定篡改区域。该算法对于被复制区域以及篡改区域一致的图像，拥有着良好的检测能力，并且可以检测出多处复制多处粘贴的篡改行为，但是若篡改区域有一定的改动，比如降噪、模糊等处理，检测能力就会极速下降。..........参考文献（略）