基于離散小波變換系數(shù)特征的2D被動盲圖像取證研究.pdf

1、數(shù)字媒體是現(xiàn)代數(shù)字時代最主要的通信工具之一。數(shù)字視頻和圖像已經(jīng)成為最主要的信息載體。目前，主流媒體、法庭證物、時尚雜志、科學刊物、政治運動工具和互聯(lián)網(wǎng)等越來越多地以數(shù)字圖像的形式使用、存儲和傳輸數(shù)字可視化數(shù)據(jù)。然而，隨著近年來否認視覺圖像真實性的技術(shù)發(fā)展，數(shù)字圖像的可靠性遭受到質(zhì)疑。
　　一方面，用戶中心和極具吸引力的技術(shù)（如Web2.0）的發(fā)展導致數(shù)字圖像的使用、存儲和傳輸不斷地增加。如Web2.0提供了用戶友好和用戶生成的服務

2、，如博客、wiki和社交網(wǎng)絡等。因此，每個普通的計算機用戶可存儲和分發(fā)數(shù)字圖像變得更容易。
　　另一方面，強大的圖像處理工具如Adobe Photoshop等的廣泛應用使普通計算機用戶篡改數(shù)字圖像變得更簡單、熟練和合理。目前，惡意偽造數(shù)字圖像的方式多種多樣，其中最常見的方式有二維圖像區(qū)域復制粘貼、二維圖像拼接和三維計算機圖形繪制。
　　因此，自動評估數(shù)字圖像真實性的圖像被動盲取證(PBIF)方法不能不引起廣泛的重視。PBIF

3、方法是在沒有預先嵌入任何信息如水印或簽名的情況下評估數(shù)字圖像的真實性。針對以下幾種圖像篡改情況，本文提出了四種新穎的、簡單有效的PBIF方法：
　?。?）由于高信噪比(SNR)的加性噪聲或高壓縮因子的有損壓縮受到較小影響的二維圖像區(qū)域復制粘貼。
　　針對這類篡改，本文提出了一種PBIF解決方案：首先對整幅可疑圖像進行離散小波變換(DWT)，提取圖像的低頻子帶。DWT是必須的，以對圖像進行降維。然后采用固定大小的窗口單像素地沿

4、低頻子帶滑動，提取每個像素位置對應的特征向量。對提取的特征向量進行主成分分析和特征向量分解（PCA-EVD）后以字典序排序，以有效地比較其相似性。PCA-EVD不僅降低了特征向量的維數(shù)，而且消除了DWT系數(shù)中的少量變化。位移矢量方法被用來過濾那些不可能是復制粘貼區(qū)域的匹配塊。提出的PBIF法不僅簡單，而且對SNR高于24dB的加性噪聲和質(zhì)量因子大于70的JPEG壓縮的弱攻擊是魯棒的。此外，該方法的主要步驟用一幅簡單圖像作為簡化示例進行了

5、說明，增強了對算法的理解。
　?。?）由于低信噪比(SNR)的加性噪聲或低壓縮因子的有損壓縮受到較大影響的二維圖像區(qū)域復制粘貼。
　　主要受加性噪聲或有損壓縮影響的圖像復制粘貼區(qū)域只能通過PBIF方法提取更魯棒的特征來進行檢測。本文提出的解決方案通過采用基于塊特征（BC）的方法進行特征提取。首先，對整幅可疑圖像進行DWT變換，并只提取低頻子帶；然后采用基于塊特征的方法提取特征，并采用基數(shù)排序法對提取的特征向量進行字典排序比較

6、它們的相似度，并采用位移矢量過濾孤立的匹配塊。
　　基于塊特征的方法不僅比基于PCA的方法速度快，而且對加性噪聲和JPEG壓縮更加魯棒。圖像復制區(qū)域在添加信噪比只有20dB的加性噪聲或進行質(zhì)量因子為40的JPEG壓縮后也能被檢測出來，且準確率高達95％。
　?。?）復制區(qū)域經(jīng)過仿射變換操作（如翻轉(zhuǎn)、旋轉(zhuǎn)、縮放）的2D圖像區(qū)域復制。
　　圖像篡改者除了平移復制區(qū)域之外，還常會對復制區(qū)域進行翻轉(zhuǎn)、任意角度旋轉(zhuǎn)或縮放等操作。

7、如果提取的特征以及驗證或選擇方法對這些幾何操作都是魯棒的，那么PBIF方法能夠檢測這一類的復制篡改。本文設計的具有幾何魯棒性的新PBIF方法提取了基于塊特征的仿射不變特征。為有效比較特征向量的相似度，用基數(shù)排序法對特征向量進行字典排序。同時，采用相同的仿射變換選擇（SATS）方法過濾孤立的匹配塊。與位移矢量不同，SATS對幾何篡改攻擊是不敏感。本文提出的PBIF方法能有效并高效的檢測出經(jīng)過仿射變換的篡改區(qū)域。
　　（4）兩幅或更多

8、幅圖像的2D圖像拼接。
　　本文提出的PBIF方法首先提取可疑圖像經(jīng)DWT后的低頻子帶，然后用固定大小的重疊方塊平鋪在各個顏色通道的子帶，并計算每一個像素位置的局部極大梯度（LMPG），得到了LMPG圖像。隨后計算LMPG圖像每一個像素點的局部復雜度。LMPG不僅反映了DWT系數(shù)變化的程度，還通過消除除像素值突變外的大部分圖像信息來對圖像進行去相關(guān)。同時，局部復雜度決定了系數(shù)變化的頻率。兩個過度區(qū)域的適當閾值估計了圖像拼接中的孤立

9、痕跡。該PBIF方法能簡單有效的檢測2D圖像拼接篡改。
　　一般的PBIF設計方案偏向考慮檢測率的有效性，在本文中提出的PBIF方法在設計中則偏向考慮檢測率的有效性和復雜度的折中。前一種設計方案的主要目的是設計一個比現(xiàn)有方法檢測率有所提高的PBIF方法，但極少關(guān)注設計的PBIF方法的復雜度。為提高檢測率尋找可行的特征經(jīng)常會導致高的計算成本。然而，本文的設計方案的主要的目標就是設計使高檢測率和低計算復雜度協(xié)調(diào)一致的PBIF的方法。這