基于離散小波變換系數(shù)特征的2D被動(dòng)盲圖像取證研究.pdf

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