数字图像复制粘贴及拼接的盲取证方法研究

论文摘要

数字图像作为信息载体,已经在日常生活中的各个领域得到广泛使用。但是随着现代科学技术的发展,对数字图像的篡改工具也比比皆是,使得信息传递面临极大的真实性问题。数字图像取证作为一种新兴技术,主要包括被动和主动取证两大类,其中的主动取证方法必须事先在图像中主动的嵌入一些有用的信息以方便后来的取证研究,但是该方法限制了研究领域和前进的步伐,之后兴起的数字图像被动盲取证方法在一定程度上克服了主动取证的局限性。复制粘贴和拼接操作作为图像伪造中最常用手段,如何解决复制粘贴和拼接被动盲取证的研究过程中存在的一些难题,显得尤为重要。针对复制粘贴伪造过程中,伪造者为了掩盖或者是为了使伪造得更加逼真而做的一系列的预处理,致使在进行区域匹配检测时效率降低,以及匹配进行搜索时内存使用量大,空间复杂度高,搜索花费的时间较长的问题,本文采用尺度不变特征变换方法来提取图像的特征,提高匹配的鲁棒性,并使用乘积量化的最近邻搜索方法对子空间分别进行量化,然后采用非对称距离算法来计算特征向量之间的欧氏距离,根据欧氏距离来判断区域的相似性,此方法减少了内存的使用量和空间的复杂度,并且缩短了搜索时间。针对拼接盲取证方法的局限性,在空域内提取图像特征的算法复杂度大,使用时间长,以及算法的检测率不高的问题,在将拼接取证方法看成一个二分类问题的基础上,本文采用提取图像特征并使用贝叶斯分类器的方法来进行拼接盲取证,通过使用基于经验模式分解的方法提取图像空频域的特征,该特征包含了图像的方向特征,另外,为了有效表示图像,本文还结合局部二进制模式算法提取图像的结构特征,该特征提取的方法减少了使用时间,并且提取了更有效的图像特征,然后采用基于交叉验证的方法进行训练样本的训练,通过多次交叉验证取得贝叶斯分类器的最优参数,使得待检测图像的检测正确率得到提高。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究的背景及意义
• 1.2 数字图像取证方法的发展
• 1.2.1 数字图像主动取证方法
• 1.2.2 数字图像盲取证方法
• 1.3 本文研究的内容及主要工作
• 1.4 本文结构安排
• 第二章 数字图像盲取证方法简介
• 2.1 图像篡改方法
• 2.2 伪造图像的生成和特征
• 2.2.1 伪造图像的生成
• 2.2.2 伪造图像的特征
• 2.3 图像盲取证方法
• 2.3.1 JPEG 压缩图像的盲取证
• 2.3.2 图像重采样的盲取证
• 2.3.3 图像篡改痕迹的盲取证
• 2.4 目前主要取证方法缺陷
• 2.5 本章小结
• 第三章 基于 SIFT 的复制粘贴取证方法研究
• 3.1 现有复制粘贴盲取证的检测方法分析
• 3.1.1 穷尽搜索
• 3.1.2 基于 DCT 系数的复制粘贴检测
• 3.1.3 基于主成分分析的检测方法
• 3.1.4 基于主转移向量的数字图像复制粘贴盲取证检测方法
• 3.1.5 基于 DWT 和SVD 的盲取证检测方法
• 3.1.6 基于 SIFT 和k-d 树的检测方法
• 3.1.7 现有检测方法的不足
• 3.2 SIFT 变换
• 3.2.1 检测图像的尺度空间的极值点
• 3.2.2 定位关键点
• 3.2.3 确定提取关键点的方向参数
• 3.2.4 生成关键点描述子
• 3.3 最近邻搜索
• 3.3.1 最近邻法决策
• 3.3.2 最近邻法的错误率
• 3.4 基于SIFT 和PQ 最近邻搜索的复制粘贴检测方法
• 3.4.1 算法思想
• 3.4.2 算法描述
• 3.4.3 检测结果
• 3.4.4 算法内存使用量、空间复杂度的分析
• 3.5 本章小结
• 第四章 基于 EMD 的拼接取证方法研究
• 4.1 现有拼接盲取证检测方法分析
• 4.2 EMD 原理及算法
• 4.2.1 EMD 的简介
• 4.2.2 DEMD 的定义
• 4.2.3 DEMD 的算法
• 4.3 贝叶斯分类器
• 4.3.1 判别函数
• 4.3.2 决策面方程
• 4.3.3 分类器设计
• 4.4 基于EMD 的图像拼接检测方法
• 4.4.1 算法思想
• 4.4.2 检测流程
• 4.4.3 算法描述
• 4.4.4 检测结果
• 4.5 本章小结
• 结论
• 参考文献
• 致谢
• 附录 A （攻读学位期间发表论文目录）
• 摘要
• ABSTRACT