JPEG圖像篡改檢測技術(shù)研究.pdf

1、數(shù)字圖像是當今時代圖像存儲和傳輸?shù)闹饕问?，隨著視覺采集設(shè)備的快速發(fā)展和便捷使用，幾乎每個人都有能力記錄和存儲數(shù)字圖像。過去人們對圖像的真實性堅信不疑，而各種圖像編輯軟件的出現(xiàn)導致篡改圖像變得簡單，偽造圖片不易被察覺，甚至能以假亂真。雖然生活中人們對圖像的操作多數(shù)是為了美化或者娛樂，但是惡意篡改甚至傳播篡改過的圖像，將會對國家安全、社會穩(wěn)定、人民的正常生活秩序帶來嚴重的不良影響。因此，研究圖像的篡改檢測意義重大。數(shù)字圖像盲取證是一種不需

2、要簽名或水印等信息預處理的技術(shù)，是當今取證技術(shù)的熱門研究方向。
　　本文針對JPEG圖像合成篡改的檢測進行研究，以機器學習為基礎(chǔ)模型，著重于研究篡改區(qū)域的定位問題。基于不同的機器學習模型和圖像特征，分別研究探討了基于樸素貝葉斯分類的雙JPEG壓縮篡改檢測方法、基于深度卷積神經(jīng)網(wǎng)絡(luò)的雙JPEG壓縮篡改檢測方法和基于深度卷積神經(jīng)網(wǎng)絡(luò)的塊效應(yīng)不一致性檢測方法。主要工作包括:
　　(1)基于樸素貝葉斯分類的雙JPEG壓縮篡改檢測方法

3、，主要針對合成過程中的雙JPEG壓縮操作，利用樸素貝葉斯分類實現(xiàn)篡改區(qū)域的定位。本文設(shè)計了“基于DCT系數(shù)量化映射關(guān)系的檢測算法”和“基于DCT系數(shù)首位統(tǒng)計特性的檢測算法”，其中“基于DCT系數(shù)量化映射關(guān)系的檢測算法”通過分析DCT系數(shù)在量化過程中的數(shù)值映射情況，提出基于直方圖區(qū)間映射關(guān)系的條件概率模型;“基于DCT系數(shù)首位統(tǒng)計特性的檢測算法”通過分析篡改后DCT系數(shù)首位概率分布的變化情況，提出基于Benford定律的條件概率模型。這兩

4、種概率模型體現(xiàn)了雙JPEG壓縮過程中圖像統(tǒng)計特征的變化情況，結(jié)合樸素貝葉斯分類方法可以實現(xiàn)篡改區(qū)域的定位。
　　(2)基于深度卷積神經(jīng)網(wǎng)絡(luò)的雙JPEG壓縮篡改檢測方法，針對雙JPEG壓縮操作，利用深度學習模型實現(xiàn)篡改區(qū)域的定位。相比傳統(tǒng)模型，深度學習擁有優(yōu)異的特征表達能力，能挖掘數(shù)據(jù)內(nèi)部隱藏的本質(zhì)信息。本文設(shè)計了一種深度卷積神經(jīng)網(wǎng)絡(luò)，通過提取DCT系數(shù)的直方圖，在沒有人工精心設(shè)計特征的前提下，用深度網(wǎng)絡(luò)自動學習篡改前后直方圖特征最

5、本質(zhì)的變化。實驗結(jié)果顯示，基于深度學習的檢測方法的準確率要高于其他傳統(tǒng)算法。
　　(3)基于深度卷積神經(jīng)網(wǎng)絡(luò)的塊效應(yīng)不一致性檢測方法，利用JPEG圖像的塊效應(yīng)特性，結(jié)合深度學習模型實現(xiàn)篡改區(qū)域的定位。塊效應(yīng)不易提取，且受圖像內(nèi)容和紋理影響較大?；诖藛栴}，本文設(shè)計了一種簡單的基于像素相關(guān)性的特征來描述篡改過程中壓縮和裁剪操作對局部塊效應(yīng)的影響，結(jié)合深度卷積神經(jīng)網(wǎng)絡(luò)將篡改區(qū)域微弱的塊效應(yīng)變化學習出來，從而識別篡改區(qū)域。實驗結(jié)果顯示，