版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、數(shù)字媒體是現(xiàn)代數(shù)字時(shí)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(shí)尚雜志、科學(xué)刊物、政治運(yùn)動(dòng)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(chǔ)和傳輸數(shù)字可視化數(shù)據(jù)。然而,隨著近年來否認(rèn)視覺圖像真實(shí)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(dǎo)致數(shù)字圖像的使用、存儲(chǔ)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(wù)
2、,如博客、wiki和社交網(wǎng)絡(luò)等。因此,每個(gè)普通的計(jì)算機(jī)用戶可存儲(chǔ)和分發(fā)數(shù)字圖像變得更容易。
另一方面,強(qiáng)大的圖像處理工具如Adobe Photoshop等的廣泛應(yīng)用使普通計(jì)算機(jī)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(fù)制粘貼、二維圖像拼接和三維計(jì)算機(jī)圖形繪制。
因此,自動(dòng)評(píng)估數(shù)字圖像真實(shí)性的圖像被動(dòng)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(yù)先嵌入任何信息如水印或簽名的情況下評(píng)估數(shù)字圖像的真實(shí)性。針對(duì)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(fù)制粘貼。
針對(duì)這類篡改,本文提出了一種PBIF解決方案:首先對(duì)整幅可疑圖像進(jìn)行離散小波變換(DWT),提取圖像的低頻子帶。DWT是必須的,以對(duì)圖像進(jìn)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(dòng),提取每個(gè)像素位置對(duì)應(yīng)的特征向量。對(duì)提取的特征向量進(jìn)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(fù)制粘貼區(qū)域的匹配塊。提出的PBIF法不僅簡單,而且對(duì)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(jìn)行了
5、說明,增強(qiáng)了對(duì)算法的理解。
(2)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(fù)制粘貼。
主要受加性噪聲或有損壓縮影響的圖像復(fù)制粘貼區(qū)域只能通過PBIF方法提取更魯棒的特征來進(jìn)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(jìn)行特征提取。首先,對(duì)整幅可疑圖像進(jìn)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(duì)提取的特征向量進(jìn)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(duì)加性噪聲和JPEG壓縮更加魯棒。圖像復(fù)制區(qū)域在添加信噪比只有20dB的加性噪聲或進(jìn)行質(zhì)量因子為40的JPEG壓縮后也能被檢測出來,且準(zhǔn)確率高達(dá)95%。
?。?)復(fù)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(fù)制。
圖像篡改者除了平移復(fù)制區(qū)域之外,還常會(huì)對(duì)復(fù)制區(qū)域進(jìn)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(yàn)證或選擇方法對(duì)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(fù)制篡改。本文設(shè)計(jì)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(duì)特征向量進(jìn)行字典排序。同時(shí),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(duì)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。
?。?)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(gè)顏色通道的子帶,并計(jì)算每一個(gè)像素位置的局部極大梯度(LMPG),得到了LMPG圖像。隨后計(jì)算LMPG圖像每一個(gè)像素點(diǎn)的局部復(fù)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(duì)圖像進(jìn)行去相關(guān)。同時(shí),局部復(fù)雜度決定了系數(shù)變化的頻率。兩個(gè)過度區(qū)域的適當(dāng)閾值估計(jì)了圖像拼接中的孤立
9、痕跡。該P(yáng)BIF方法能簡單有效的檢測2D圖像拼接篡改。
一般的PBIF設(shè)計(jì)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(shè)計(jì)中則偏向考慮檢測率的有效性和復(fù)雜度的折中。前一種設(shè)計(jì)方案的主要目的是設(shè)計(jì)一個(gè)比現(xiàn)有方法檢測率有所提高的PBIF方法,但極少關(guān)注設(shè)計(jì)的PBIF方法的復(fù)雜度。為提高檢測率尋找可行的特征經(jīng)常會(huì)導(dǎo)致高的計(jì)算成本。然而,本文的設(shè)計(jì)方案的主要的目標(biāo)就是設(shè)計(jì)使高檢測率和低計(jì)算復(fù)雜度協(xié)調(diào)一致的PBIF的方法。這
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 2d離散小波變換的并行算法
- 基于(2D)2-KL變換的小波域圖像融合算法研究.pdf
- 基于JPEG特性與小波域共生矩陣特征的被動(dòng)圖像取證.pdf
- 2d可分離小波變換原理
- JPEG圖像篡改被動(dòng)盲取證研究.pdf
- 基于離散小波變換的數(shù)字圖像水印的研究.pdf
- 基于小波變換特征的醫(yī)學(xué)圖像分類研究.pdf
- 基于多重小波系數(shù)集的圖像水印盲提取算法.pdf
- 圖像Gabor變換系數(shù)采樣和局部特征問題的研究.pdf
- 基于幾何變換檢測的數(shù)字圖像盲取證研究.pdf
- 基于光學(xué)小波變換系統(tǒng)的研究.pdf
- 基于離散余弦變換和小波域的圖像水印算法研究.pdf
- 外文翻譯--基于離散小波變換的數(shù)字圖像水印
- 基于小波變換的圖像特征提取方法研究.pdf
- 基于小波變換的盲水印算法研究.pdf
- 基于小波變換的盲水印算法.pdf
- 偽造圖像被動(dòng)盲取證技術(shù)研究.pdf
- 基于統(tǒng)計(jì)特征的圖像被動(dòng)取證算法的研究.pdf
- 視頻圖像實(shí)時(shí)光學(xué)小波變換系統(tǒng).pdf
- 外文翻譯--基于離散小波變換的數(shù)字圖像水印
評(píng)論
0/150
提交評(píng)論