基于Seam carving篡改技術(shù)的被動取證研究.pdf

1、隨著圖像拍攝設備以及圖像處理工具日漸普及，用戶可以輕易地對數(shù)字圖像進行篡改偽造。一旦這些經(jīng)過惡意篡改的照片傳播到網(wǎng)絡上或者被用在法庭證據(jù)、媒體或科學發(fā)現(xiàn)等重要鄰域，將會對社會秩序等帶來不可估量的負面影響。因此，迫切需要有效的技術(shù)手段對數(shù)字圖像真?zhèn)芜M行鑒定。
　　不同于數(shù)字水印或數(shù)字簽名等主動取證技術(shù)，圖像被動取證不需要預先嵌入信息，而是直接利用圖像本身的統(tǒng)計特性進行真?zhèn)闻袆e。特別地，逐步成熟的Seamcarving技術(shù)不僅可以作為

2、圖像內(nèi)容感知縮放的手段，還可以用于移除圖像中的特定對象并能夠掩蓋篡改痕跡。因此，針對基于Seam carving篡改技術(shù)的被動取證研究，既面臨巨大的技術(shù)挑戰(zhàn)，又具有很強的應用價值。本文基于Seam carving的圖像篡改研究相應的被動取證技術(shù)。本文主要工作和創(chuàng)新點如下:
　　首先，針對現(xiàn)有取證方法檢測率較低，魯棒性不強的問題，提出了一種基于LBP統(tǒng)計特征的Seam carving取證算法。它的基本思路是:Seam carving

3、會改變圖像局部紋理，采用局部二值模式(local binary pattern，LBP)對圖像進行預處理操作，從而突出Seam carving所帶來的局部紋理形變現(xiàn)象。此外，定義了6個新的half-Seam特征揭示半幅圖像的能量變化，并結(jié)合現(xiàn)有的18個能量特征一起組成24個LBP域的統(tǒng)計特征，再借助支持向量機(SVM)分類器判別圖像的真?zhèn)巍嶒灲Y(jié)果表明，與現(xiàn)有的被動取證算法相比，提出的算法對不同縮放因子的Seam carving篡改取證

4、檢測率提高了3.5～19.1％。
　　其次，針對現(xiàn)有取證方法對低縮放因子Seam carving適應性不高的問題，提出一種基于多角度空域和頻域熵的低縮放因子Seam carving被動取證算法。低縮放因子的Seam carving不會產(chǎn)生明顯的結(jié)構(gòu)和紋理失真，僅存在信息損失，因此取證難度更大。通過實驗觀察到，即使是低縮放因子的Seam carving，也會造成圖像的空域和頻域熵(spatial and frequency entr

5、opy，SFE)顯著變化。為此，本文從集中趨勢，離散趨勢和分布趨勢三個角度設計42個SFE統(tǒng)計特征，然后結(jié)合改進的54個LBP能量特征一起構(gòu)成96個低縮放因子Seam carving取證特征，最后使用SVM進行圖像真?zhèn)闻袆e。實驗結(jié)果表明，該算法取得了較高的檢測準確率，并且對JPEG壓縮、Seam insertion等操作的情況下仍舊有效。
　　目前，基于Seam carving篡改的取證研究還處在起步階段。希望本文的研究可以促進圖