数字图像复制粘贴篡改取证研究（可编辑）

数字图像复制粘贴篡改取证研究（可编辑） 数字图像复制粘贴篡改取证研究 学校 学 密; ... ,长沙理工大学 学位论文原创性声明 本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的 研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个 人或 集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体, 均 已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名: 许诣 瞧生岁月哆日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保 留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和 借 阅。本人授权长沙理工大学可以将本学位论文的全部或部分内容编入有关数据库 进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 、保密口,在 年解密后适用本授权书。 、不保密团。 请在以上相应方框内打“?” 作者虢汝啪隰呲年夕月矽日 签 导师 名 .协 眦年月日 ,,\ 冷暇摘 要 数字图像作为信息传递的一种有利载体,通过其信息量大和形象逼真等特点, 广泛存在于各种网络环境及现实生活中。但是各种高级图像处理算法以及相应图 像处理软硬件的出现,使得非专业人士很容易处理图像,并使人肉眼很难甚至无 法识别,但图像潜在的统计特征已经修改。这给各界带来了许多麻烦,引发了各 种各样的信任危机。因此,图像盲取证技术就变得非常重要,成为了目前一个非 常热门的研究方向。 本文了目前数字图像被动盲取证技术的原理和特点、理论背景、相关算 法等,着重介绍了数字图像篡改中最基本的复制粘贴篡改操作。针对数字图像复 制粘贴篡改操作,提出了两种有效的检测算法。 通过分析几种常用的矩特征值,提出来基于和矩的复制粘贴篡 改型取证算法。实验结果表明,该算法在图像经过旋转、缩放等处理的情况下依 然能准确的检测出篡改区域。最后,通过分析这些算法的结构及流程,提出来复 制粘贴篡改型取证的基本框架。 由于现实生活中图像经过复制粘贴篡改操作后,可能会进行最常用的一 种后处理即模糊操作。因此本文利用之前提出的复制粘贴篡改取证的基本框架, 提出来基于模糊不变矩的复制粘贴篡改取证算法。首先将图像分成多个重叠块, 每块的特征用由模糊不变矩计算得到的模糊不变量表示。然后按照预定的相似标 准来确定图像篡改区域。实验结果表明,该方法在抗模糊处理方面具有明显的优 势。 本文得到国家自然基金项目项目编号:;湖南省自然科学基金项 目项目编号:的资助。 关键词: 图像取证;复制粘贴篡改;矩特征值;模糊不变矩, ,., , ? ,..,., . , , , .. , ., ., . . , , . ,, . .. ? : ;; ;一?????????????????????????????????????????一一 录 目 摘 要??.?. 第一章引言 .研究背景、目的及意义一 .数字图像取证技术的发展现状? ..数字图像主动取证? ..数字图像盲取证.本文主要研究内容??。 第二章数字图像盲取证 .数字图像盲取证的分类? .数字图像盲取证系统? ..图像建模?.. ..图像伪造方式??。 ..图像数据库? .基于真实性鉴别的数字图像被动盲取证技术 ..基于图像伪造过程的遗留痕迹进行盲取证??.. ..基于成像设备的一致性进行盲取证??。 ..利用自然图像的统计特性进行盲取证?。 .复制粘贴篡改盲取证? ..同幅图像复制粘贴篡改取证??。 ..不同图像复制粘贴篡改取证 .目前数字图像被动盲取证存在的问 .本章小结 第三章基于和矩的复制粘贴取证算法 .几种常见的矩特征值? .. 矩? .. 矩?. .基于和矩的检测算法 .. 关键点.. ..关键点周围区域矩特征提取.. ..特征向量匹配??一 .检测算法??..实验结果及分析?。 .复制粘贴篡改型的取证框架?. .本章小结 第四章基于模糊不变矩的检测方法 .模糊操作概述? ..人工模糊的原理?. .算法思想. .算法描述。 .一检测流程..重叠块 ..模糊不变矩?. ..相似分析?. .实验结果及分析. .本章小结. 第五章总结与展望 .本文的工作??. .进一步的工作?. 参考文献 致射附录在学期间发表的论文??.. 在学期间参加的项目第一章引言 .研究背景、目的及意义 目前,随着图像应用的领域越来越大,图像的安全问题也成为一个热门的研 究方向。数字图像作为一种信息载体,通过其信息量大和形象逼真等特点,广泛 存在于各种网络环境及现实生活中。而随着互联网及图像技术的快速发展,人们 每时每刻都会接触到大量的各式各样的数字图形图像。人们通过数字图像获取和 传播信息也越来越多,这成为了一种新的获取信息的方式。结合方君丽在文献 中的数据,以及中国互联网络信息中一巴在年月公布的第次中国 互联网络发展状况统计报告心,截至年月底全国网站数量为万个、全 国网页总数超过亿个,根据多媒体形式将网页的内容形式分为文本、图像、 音频和视频四类,方君丽指出截止年底图像所占比例为.%。另外, 往年公布了些有关中国互联网络信息资源数量的调查报告,根据这些报告的内容, 我们发现图像在按多媒体形式分类的网页的三类内容视频、图像、音频中所 占比例都达到了%以上。 综上可知,数字图像作为一种信息量大的多媒体载体,在互联网及人们生活 中发挥着举足轻重的作用。其实,大部分人只是为了增强图像的视觉效果而 对图 像进行篡改,这些篡改并不会给他人或者社会带来多少不利影响,然而,还是有 些人出于某些特殊的目的和原因,会对数字图像进行故意、恶意的伪造;并自己 进行恶意传播。这样就使得各种高质量的篡改伪造图像在网络中广泛传播,给互 联网带来了很大的信任危机。并且,有些人恶意篡改数字图像的目的就是用于正 式媒体、法庭、保险等,网络传播的那些恶意篡改图片也会给此带来混淆,这无 疑会影响政治和社会稳定。这些年在网络上曝光的各种有关美军对待战俘的图片, 经过核实后都被发现有篡改的痕迹,这都造成了极坏的政治影响。网络上也充斥 着各种明星合成图片,这个明星的声誉、形象等都带来了不好的影响。 在数字化时代之前,非技术人员无法制作出良好的合成图片,而技术人员在 没有良好的“硬件条件’’下也无法制作出良好的合成图片。胶片相机图像的生成 都需要一定的专业技术水平,一般人无法完成该工作,更何况对其进行篡改伪造。然而数字时代则颠覆了这个事实。在数字图像盛行的时代,无论你是否是技术人 员,都可以非常简单和快捷的制作自己想要的任何图像。人们可以很简单的通过 完成图像处理,它是一款非常简单高效的图像编辑软件。即使你 没有一点图像知识,也能简单的对图像进行合成、模糊、增强等操作。对于数字 化图像,当被人篡改后,一般不容易留下任何非常明显的伪造痕迹,因此,人们 难以查清和判断哪张是原图,哪张是对照的图片,“眼见为实”在这个时代已不是 必然的事情,人们有理由怀疑图像的真伪。例如大家比较熟悉的“大家来找茬” 游戏。在该游戏中,即使我们花费比较多的精力和时间找出图像的不同处,我们 也无法判断哪个是被篡改区域,哪些是真实区域。 在现实社会中也经常出现数字图像造假案例。“黄禹锡造假事件”则是科学研 究中一个极坏的数字图像伪造事件。年至年,韩国首尔大学生物学家黄 禹锡在《科学》杂志上发表了多篇有关克隆人类胚胎干细胞的论文,他在论文中 称他已克隆培育出了个干细胞系。他一度被视为韩国民族英雄。然而,后来他 被揭发伪造多项研究成果,并得到证实。也被证实黄禹锡在《科学》杂志上 发表 的关于胚胎干细胞系克隆技术的研究成果确属伪造,子虚乌有,篡改伪造了个 克隆干细胞中的个,仅仅只有两个是真的。“黄禹锡造假事件严重违背了科学 研究的真实性原则,造成了极其恶劣的影响,他本人最后也受到了法律的制裁, 这给韩国学术界在国际学术界带来了极坏影响。 图.华赛金奖作品《广场鸽接种禽流感疫苗》 图片来源:南方都市报 年《广场鸽接种禽流感疫苗》获得了首届华赛自然与环保类新闻单幅金 奖,而不久该作品被认定为篡改伪造图片。从图.中,我们可以清楚看出图中两 只鸽子完全一样。新闻摄影讲究真实客观,该伪造行为就完全违反了新闻摄影的 真实性原则。 因此,数字图像极易被篡改。数字图像作为信息传递的一种有效载体,在新 闻媒体、医疗保健、保险、罪案调查等领域都需要数字图像,已得到广泛应用。 如果数字图像被恶意伪造篡改,那么图像的可信度将会大幅降低,将给社会中的 各个领域带来影响,从而影响社会的稳定。那么对图像的真实性进行鉴别就是一 件迫切的事情,重要性不言而喻。但是目前,数字图像的完整性和真实性鉴别技 术还处于研究的起步阶段,各项技术还不够成熟,因此实用的数字图像取证技术 的研究就亟需进一步发展。目前,数字图像取证技术作为信息安全领域中的一个 . 新方向,它的作用也已变得越来越重要,经过图像学术界几年的努力,取证技术 的研究也取得了很大的发展。 .数字图像取证技术的发展现状 目前,我们可以将对图像操作简单的分为两类:一类是非恶意篡改,例如格 式变换、图像压缩等。一类是恶意篡改。目前主要是针对第二类操作进行图像取 证技术的研究。目前根据是否需要预先嵌入信息,国内外把图像取证技术主要分 为两大类:数字图像主动取证和数字图像盲取证。 ..数字图像主动取证 数字图像主动取证从年就已经开始出现,指预先在需要取证的图像中嵌 入一定的保护信息,然后通过检测或者比较该保护信息来进行检测的技术。按照 嵌入保护信息的内容,图像主动取证主要包括数字水印技术、数字签名技术 等。 篡改操作可能会改变预先嵌入的水印,那么我们可以先提取水印,然后通过验证 该水印是否与事先插入的水印一致来验证图像的真实性。 一、数字水印技术 数字水印技术是一种目前比较成熟的图像主动取证技术,已经应用于多个领 域,如数据认证如信息认证、票据防伪、版权保护如拷贝控制、版权证明、 版权标识等和信息传输多媒体压缩、数据隐藏和保密通信等。数字水印拍一作为信息隐藏的一个分支,从技术角度解决数字作品的版权防伪问题。目前,数 字水印技术有多种非常典型的算法,如算法口’、扩展频谱算法?、 算法九、算法以及基于和的压缩域数字水印算法‘?, 通过这些算法,人们可以把需要的重要信息,如版权信息或者可以代表所有权的 其他信息隐藏在图像中。图.表示了图像主动认证过程。 图.数字图像的主动取证过程 目前,根据对图像修改的敏感程度,可以把现有的数字水印分为以下几类: 脆弱水印 ’”:该类水印比较敏感,一旦图像有任何的修改,就可以非 常容易检测出来,该类水印注重图像数据的完整性,所以比较脆弱。一旦图像被 篡改了,那么恢复出来的数字水印也会伴随这相应的变化,这样,利用这种变化, 人们通过恢复出来的水印中带有的变化程度来判断图像是否被修改,并且, 根据 这种变化,还可以确定篡改的位置以及篡改程度以及判断所遭受攻击的过程及属 性。 半脆弱水印卜:该类水印认为格式转换、图像压缩、去噪等操作而该 被当作非恶意篡改,在检测时应与恶意篡改进行区分。所以,图像内容传递的信 息是该类水印注重保护的重点,图像内容的具体表现形式则不是该类水印需要保 护的。相对于脆弱水印,该类水印比较稳健,不易被攻击,但对于像素变化的敏 感性则比较差。 对图像内容的认证引:该类水印关注重点在于图像的具体内容或视觉效 果,而不是具体像素值。例如,用户在某些应用中感兴趣的地方仅仅是图像的某 些内容或视觉效果,该类水印认为如果某些对图像的操作没有影响到图像这些内 容和视觉效果,那么这些操作就在可以接受的范围内。该类水印的鲁棒性比较高, . 通常比上述两类水印要好。 鲁棒数字水印’ ’们:该类水印具有很强的抗干扰能力,能够承受各种 水印工具的攻击,当然,对于各种常用图像编辑软件的处理攻击也能很好的承受。 这类水印难以去除,因此应用比较广泛,常用来标识数字作品中的版权信息,如 作品序号、作者名等。 虽然数字水印技术认证结果准确度还算搞,并且简单、易于实现,然而却存 在各种各样的问题: 对图像嵌入水印后,图像的质量在一定的程度上肯定会降低,并且也提 高了图像生成的复杂程度。在对水印进行检测的时候,水印的提取嵌入操作也给 图像的生成带来了一定的复杂性; 数字水印技术是一种事先在图像中嵌入水印信息的方法,这些方法常应 用于对图像或其他数字作品的版权保护等领域,适用领域小,具有一定的局限性; 伪造者可以自己再嵌入无效或者有一定破坏性的数字水印,从而达到破 坏数字水印密钥的目的,而用户无法判断产品中的数字水印是否是无效水印; 为了对嵌入数字水印的图像进行认证,往往需要生成方和认证方一起配 合,提供原水印和篡改后水印,进行匹配,从而灵活度不高。 二、数字签名技术 数字签名,又称电子签名,是一种用于识别用户身份的数据,该数据内容得 到所有者认可,通常以一种电子形式附加在数据电文中。目前的数字签名是 公用 密钥加密技术的一种非常重要的应用,它是以公共密钥体制为基础。传统的密码 学签名方法需要在数据传输过程中每一个环节都要进行认证,不遗漏任何一个环 节,即对数据要进行完全认证。这使得认证过程变得非常复杂,而且计算量也变 得异常巨大。另外,如果利用传统的密码学哈希函数方法,那么将不能对篡改操 作进行准确定位。因此,对于传统密码学的数据认证技术,一旦认证失败,则无 法定位出进行篡改操作的位置,从而那些签名数据将会当作没用数据遭到丢弃, 所以该方法必须进一步改进,才能直接应用于数字图像签名技术中。为此,国内 外学者在分析研究数字图像特征的情况下,并结合了现有的数字图像签名技术,提出了各种数字图像签名方法。目前已存在多种数字图像签名方法,这些方法的 不同之处在于提取的特征不同。这些特征包括灰度直方图特征心?、边缘乜引、特征 点乜、图像灰度低阶矩乜?、块灰度均值乜钉、系数心门?和系数阳。等等。 目前,用于图像认证的签名算法主要存在以下问题:: 算法的安全性低。安全问题一直是各个领域的一个头疼的问题。签名也 不例外。但是目前算法极少对密匙的安全性进行过分析,有些算法甚至根本就没 有考虑该问题,导致目前绝大多数的签名算法安全性都存在一定的漏洞,很容易 . 受到各种攻击。 目前签名主要都是基于特征点或者边缘的方法。在基于特征点的方法中, 由于能够被我们所选择的特征点太少,不能够充分描述图像的内容,从而导致对 于篡改的敏感性较差。而提取出来的边缘由于不太稳定,从而导致其鲁棒性比较 差,所以,很难取得签名的鲁棒性和敏感性之间的平衡已经成为了签名算法的一 个重要问题。 一些算法并不能定位篡改部分,从而丢弃一些信息。 总而言之,由于数字图像主动取证其固有的局限性,使得该技术的关注度这 些年在研究领域逐步下降,同时由于图像盲取证不需要事先对图像嵌入信息,该 技术则成为了比较受关注的一个新方向。 ..数字图像盲取证 数字图像盲取证是目前比较受关注的一个新课题。数字图像盲取证技术不需 要事先对数字图像进行任何预处理操作如嵌入水印等,可以直接依据图像自身信 息对图像的真实性进行鉴别取证。而不必关注数字图像是由哪类设备采集或摄影 的,这能够使得盲取证技术的应用范围变得更加广。 由于数字图像被动盲取证是新兴课题,目前仍处在起步阶段,各项技术也处 在发展阶段。国内外研究团队和研究学者通过多年的研究,也提出了一些优秀的 检测方法,取得了一定的研究成果。例如侧就发表了多篇论文,提出了 一些数字图像盲取证方法,通过检测由图像篡改导致的篡改图像和源图像在镜头 失真 、校正 、噪声模式 、颜色阵列插值 ,等的不一致性来检测图像是 否经过伪造篡改。但这几种方法都需要在对某类特定相机的成像原理进行分析后, 通过各类相机的不同来进行检测,所以针对性太强,不能作为通用的检测方法。 ,由于 则提出了利用重采样对图像的真伪进行检测的方法 和 量化系数直方图中能够出现类采用效应,该方法就可以利用这个类采用效应 对图像的真伪进行检测,使用//方法来分析邻近像 又提出了基于主成分分析的方法?,该方 素线性组合的概率。 法提高了同幅图像中复制粘贴检测过程中的鲁棒性,降低了运算量,但运算量还 是比较大。等乙提出来通过检测图像光照不一致性或横向色差的改变来进行取证。 . 等人们提出了对不同相机拍摄的图像进行认证,以鉴别图像的 来源的方法。不同的设备在成像过程中拥有不同的信号处理方法,因此,在这些 过程中可能会引入一些特有的特征,隐藏在图像中。该方法通过这些特有特征就 可以对图像进行取证,以达到认证的目的。此外,该团队在文献中还提出了 用于检测图像拼接篡改操作的数学模型。 目前,这些取证方法和研究成果还存在这各种各样的问题,不够成熟,尚不 能像指纹一样,成为一个具有公信力的技术手段。现有的被动取证技术研究主要 面临着对算法依赖性高、算法适用性低等问题,而目前的图像篡改技术往往是融 合多种伪造技术,检测结果不够理想。 .本文主要研究内容 本论文主要研究的是复制粘贴篡改操作的取证技术。内容可分为两方面,一 个是提出了基于和矩的复制粘贴篡改检测方法,同时提出了一种检测图 像复制粘贴篡改方式的基本框架,另一个是针对模糊操作的基本原理以及综合现 有一些算法的优势与不足,提出了基于模糊不变矩的复制粘贴篡改检测方法。最 后通过仿真以上方法,得出检测结果,以验证方法的正确性。 论文的主要结构安排如下: 第一章是引言,主要介绍了数字图像取证技术的研究背景、目的及意义,进 一步介绍了当前该领域的研究现状。在最后介绍了本文的结构安排。 第二章详细介绍了数字图像被动盲取证技术的相关知识和一些取证方法。详 细介绍了数字图像盲取证的各个方向,并介绍数字图像盲取证的通用取证框架。 最后文章还介绍了复制粘贴型篡改取证技术的相关内容,指出了目前数字图像被 动盲取证存在的一些问题。 第三章主要介绍了基于和矩的检测方法。文中首先通过介绍常用的 几种矩特征值,然后提出了一种基于和矩的复制粘贴篡改检测方法,实 验结果表明,本章算法在图像复制区域经过旋转和缩放操作后,均能正确的检测 出来。最后,通过详细分析各种方法中特征提取的过程,提出了一个检测数字 图 像复制粘贴篡改方式的基本框架。 第四章主要针对上一章所介绍方法的特点,针对模糊操作的原理提出了基于 模糊不变矩的复制粘贴检测方法。本章首先通过模糊操作的原理,提出模糊不变 矩,并且证明其正确性。然后结合之前所提出的复制粘贴篡改型的基本框架,提 出了基于模糊不变矩的复制粘贴篡改检测方法,最后得出仿真结果。实验结果表 明本算法即使在经过模糊处理后都还能准确的检测出篡改区域,鲁棒性得到了提 高。 第五章总结了本文主要的研究内容,指出了被动盲取证的技术的特点,并指 出了接下来我们的工作以及未来的发展方向,同时展望了数字图像被动盲取证技 术的未来。第二章数字图像盲取证 .数字图像盲取证的分类 指预先不嵌入任何信息数 数字图像盲取证啼 字水印或数字签名,对图像的原始性、真实性、完整性和来源进行鉴别和取证 的技术。目前多数篡改操作不会留下非常明显的篡改痕迹,不会让人们在视 觉上 对其进行怀疑,但是篡改图像在图像统计特性上已经发生了一定的变化,利用这 些变化,数字图像盲取证技术能准确地判断图像是否经过篡改。由于它不需要向 待取证图像中预先嵌入任何信息,也不必关心拍摄数字图像的设备类型,具有很 强的实用性,应用价值高。 数字图像盲取证技术主要是研究数字图像有关内容篡改方面,由数字图像盲 取证要解决的问题来看,我们可以把数字图像盲取证分为三大类陆。 图像内容真实性鉴别也称防伪检测:判断数字图像是否遭受了一类 或者多类形式的篡改。 图像来源鉴别:判断生成数字图像的是哪种设备,该类技术首先通过统计 一系列具有共同特性的像源,然后将待匹配数字图像与其进行匹配,以确定该图 像来源与某一类型的来源设备。 图像隐密分析取证:通过判断图像中的隐密信息来检测图像的完整性是否 ‘ 遭到破坏。 综上,数字图像盲取证的系统框架阳如图.所示。 因为数字图像被动盲取证不需要预先在待取证图片中嵌入任何信息,所以它比 主动取证的应用领域更多。目前,由于篡改者对于图像的篡改都有一定的主动性, 往往都是在篡改图像出来后再来进行取证鉴定,如年爆出的“华南虎”事件 和“广场鸽事件,人们都是在见到篡改图像后进行怀疑再进行取证鉴定。由于 人们无法预料后面的情况,人们也就无法也没必要事先向待取证图像中嵌入此次 取证所需要的信息,所以基本全部都是采用的被动盲取证方法类对相关事件进行 检测判断。而在“广场鸽事件的取证中,各方面的专家都指出图片真实性鉴别 需要有一定的理论支持,该理论就是数字图像盲取证技术。显然,在社会生活中, 我们已经越来越需要数字图像盲取证这样一个用于数字图像真实性鉴别的技术。 图.数字图像盲取证系统框架嵋 .数字图像盲取证系统 目前,数字图像盲取证技术研究还处在起步阶段,各个领域的研究人员的研究 点不同,他们对于数字图像取证系统的理解也就会有所不同。从而导致到目前为 止都还没有一个公认的成熟、完整的取证系统框架。文献提出了一个系统框 架,如图.所示。 图.通用数字取证系统框架【】 ..图像建模 数字图像盲取证的图像模型分为三类:基于相机参数估计的模型、基于场景 约束的模型和基于自然图像统计的模型晦一们。 ; ..图像伪造方式 目前,数字图像的伪造方式晦主要分为以下几种: 合成 合成是指在一幅图像中,将该图像的某块区域复制粘贴到该图 ? 像的另一区域,从而达到隐藏某些重要目标或添加一些不存在的物体的目的,或 者指通过拷贝不同图像中的一个或一些区域粘贴到另一幅图像中,以造成一种假 象的目的。著名的“广场鸽事件就是合成的典型案例 变种 图像变种是一种通过应用一定方法将一幅图像逐渐演变成另外一 幅完全不同图像的处理技术。具体的实现方法是分别找出原始图像和目的图像上 对应的特征点,接着采用不同的权重对这两幅图像的特征点进行叠加,最后得到 的一幅新图像就兼备了两幅图像的特征,而又与这两幅图像不同。在动画和 计算机图像的生成中会常见到使用变种篡改进行操作。 润饰 图像润饰是一种常见的图像修饰技术,在日常生活中常见到人 们使用该技术来进行图像的美化。在生活中,我们经常见到人们通过复制疤痕附 近正常皮肤来进行粘贴以消除皮肤的疤痕,这就是一种常用的图像润饰技术。润 饰也用来消除图像篡改后遗留的痕迹,如在合成操作后会留下一些拼接边缘的痕 迹,此时就可以用模糊润饰来消除边缘痕迹。 增强 增强操作是一种着重突出图像某部分内容而进行的图像操作。这 种操作一般是通过改变图像中特定区域或者特定区域以外的背景、对比度、颜色 等,这样就能模糊或者突出某部分细节,该特定区域就被着重突出出来。 计算机生成图像 计算机生成图像 ,是一类通过计算机生成软件如 、等制作生成的图像,一般分为和. 。目前,从视觉上,我们已经很难区分很多 与自然图像。 . 绘画 相对于传统绘画方式,该绘画是指专业人员或者艺术家使用图像编辑软件来 绘制图像。当然,这类图像是由人自由绘制而成,与自然图像有非常明显的差别, 很容易识别。然而,由于技术的发展,扫描仪的扫描精度日趋变高,已经很难区 分数字图像是自然图像或者计算机生成图像还是扫描后得到的绘画或者打印作品,因此,数字图像盲取证的研究对象应该有绘制图像的一席之地。 ..图像数据库 在数字图像处理的各个研究方向中,一般而言都该有完整可靠的标准图像库, 数字图像被动盲取证也不例外。在该系统中,对于算法性能以及图像建模的评价 都十分需要一个可靠的标准图像库。目前,在数字图像被动盲取证方向,标准的 图像库比较缺乏,仅仅哥伦比亚大学多媒体研究室建立了两个标准数字图像数据 库:图像拼接检测数据库们和自然图像与计算机生成图像数据库。 .基于真实性鉴别的数字图像被动盲取证技术 由上一节内容可知,数字图像被动盲取证技术可分为三类,本章接下来则只对 图像的真实性鉴别取证技术进行介绍。 目前,数字图像被动盲取证所使用的特征多种多样,文献】根据取证特征的 不同将基于真实性鉴别的图像盲取证方法分为三类,如图.所示。 基于图像伪造过程的遗留痕迹进行盲取证 基于成像设备的一致性进行盲取证。 利用自然图像的统计特性进行盲取证。 接下来将详细介绍该三类方法。 图.数字图像内容真实性篡改取证分类“ ..基于图像伪造过程的遗留痕迹进行盲取证 该类技术通过选择某类取证特征,用来描述伪造痕迹,利用该特征来检测图像 的真实性。这些特征的形式可能是多种多样的。如图像区域的相似性、区域的匹 配度、双重压缩的块效应以及图像的偏移距离等。目前的研究方向主要包括复制 粘贴篡改操作取证、双重压缩取证、重采样取证、模糊润饰操作取证、光照 不一致性取证等。 复制粘贴篡改操作取证 复制粘贴操作因为其操作简单的特点,是目前数字图像伪造方法中最常用的一 种操作。.节将详细介绍这部分内容。 双重压缩取证 图像双重压缩是指一幅图像在被篡改后,会用不同的量化表重 新进行压缩存储,而该压缩存储是一种有损压缩过程,且不可逆。在使用图 像编辑软件创作伪造图像的过程中,一幅图像在伪造处理结束后有可能再一 次被压缩,并且使用的压缩质量因子不同于原始图像的压缩质量因子。这样就引 入了一些仅经过一次压缩所没有的特征,这些特征则可以用来对双重 压缩进行取证。当然,由于有些并未遭受篡改的图像由于格式转换等操作,会在 保存时再次被压缩,此时该图像就会被误判为经过了篡改。因此我们只能双 重压缩作为一种简单的参考。 . 重采样、模糊润饰操作取证 在伪造者对图像进行篡改后,伪造者往往都会对篡改图像或者篡改区域进行旋 转、缩放、模糊润饰等各种后处理操作,从而消除篡改图像上的伪造痕迹。在对 篡改区域进行旋转、缩放等后处理操作后,篡改图像中则会留有重采样的痕迹, 从视觉上我们并不能察觉这类潜在的统计特性上的痕迹。此外,经重采样后篡改 图像块与其周围像素之间由于插值上采样或下采样的原因会产生一定周期性 线性关系,这种关系可以通过文献和】提出的/ 算法检测出来。 一般而言,数字图像经过复制粘贴操作后,人们在视觉上还是能察觉在篡改区 域的边缘产生的一些伪造痕迹。为了消除这些伪造痕迹,大都会采用模糊润饰操 作进行处理。周琳娜等在文献】中提出的模糊处理检测技术能很精确的检测出 模糊操作。 ..基于成像设备的一致性进行盲取证 目前,各种图像的采集设备都有其特定的具有强区分性的特征,并且对于整 幅图像是一致的。所以,可以利用这个一致性来对图像进行真实性鉴别,而且更 进一步定位篡改区域。目前基于成像设备的一致性进行盲取证的方法有很多,常 用的是利用采集设备中的插值、传感器模式噪声等来进行取证哺钔。 ..利用自然图像的统计特性进行盲取证 自然图像的统计特征多种多样,该类技术则通过指定对于篡改操作敏感的一 系列特征来进行取证。具体检测方式是首先确定这些特征的区分阈值,作为用于 检测的参考值。而这些区分阈值则需要通过训练大量已经确定知道是自然图像还 是篡改图像来确定。然后再通过对比计算待检测图像的特征值与参考值的区别, 从而判断数字图像是否是伪造图像。目前,该方法大多用分类器来进行区分。目 前该方向的研究方法主要包括利用双相干特征、二元相似性度量、图像质量度量 和自然图像统计模型等特征进行图像取证。 .复制粘贴篡改盲取证 由上一节可知,复制粘贴操作因为其操作简单、快速的特点,是目前数字图 像篡改操作中最常用的图像篡改操作。根据被篡改的图像是否是单幅图像,我们 可以把复制粘贴篡改操作取证分为同幅图像复制粘贴篡改取证与不同图像复制粘 贴篡改取证。由于它们的操作方式以及篡改区域来源有所不同,所以它们的取证 方法也会有所区别。 ...同幅图像复制粘贴篡改取证 同幅图像复制粘贴篡改就是在一幅图像中,将该图像的某块区域复制粘贴到 该图像的另一区域,从而达到隐藏某些重要目标或添加一些不存在的物体的目的。 由于同一幅图的对比度、颜色十分相似甚至完全一样,因此从视觉上,人们很难 察觉在同一幅图像中进行该操作所遗留的痕迹,从而使得该操作成为一种常用手 段。 墙壁、草地和地板等由于其简单重复的背景图案以及相近的亮度和色彩等特 点,一直被人们忽略掉,并且由于这些特点,也成为人们常篡改的区域。同幅图 像复制粘贴操作就是利用这一特点使得篡改后的图像很难被人从视觉上识别。为 了达到掩盖某些人或物体的目的,同幅图像复制粘贴篡改会复制该图中的背景如 墙壁、草地和地板等等区域粘贴到人或物体所在位置处,这种操作用我们熟悉 的就很容易做到。 由于对图像进行复制粘贴篡改操作后,图像中会出现两个完全相同的区域, 虽然肉眼很难察觉,但这也将作为取证的主要依据。然而,由于同幅图中用来进 行复制粘贴的部分通常是不易被人察觉的该图中的背景,同时,由于是对同一幅 图像进行复制粘贴篡改操作,因此图像的噪声、颜色、对比度等特性基本是一致 的,这样我们就不能利用统计的方法来检测图像中是否存在完全相同的区域,只 能利用图像块的像素匹配方法来检测。目前有以下种检测方法晦: 、遍历搜寻法。该方法首先将图像分成大小相同的互不相交的图像块,把每 一图像块当成一个模版,与图像剩余图像块进行匹配,找到跟图像块完全相同或 者相似度非常高的图像块,若找到,则继续增大图像块的大小,重新分块,继续 重新匹配,直到无法找到与图像块完全一样的图像块为止。这种方法理论非常简 单,虽然最后能成功检测,而且精确度高;但运算量非常大,且对于图像的噪声 及各种操作非常敏感,鲁棒性不高。 、图像块自相关矩阵法。当两个图像块完全一样时,它们之间则会有非常强 的自相关性。而在遍历搜寻法中,完全是通过像素的匹配进行检测的,运算量非 常大。图像块自相关矩阵法则利用完全一样图像块之间非常强的自相关性进行检 测。首先设定用于判别自相关的阈值,这个阈值可以经过多次运算得到。然后, 遍历所有图像块,计算两个图像块之间的自相关性,如果计算所得的自相关性超 过预先设定的自相关判别阈值,那么可以认定这两个图像块是相似块。相对于遍 历搜寻法,自相关矩阵法的运算量有所减少;但对于篡改区域比较小的图像块它 无法检测出来。 、图像块匹配法。该方法的运算量要比前面两种都要小的多。根据图像块进 行匹配时的匹配程度,可以把图像块匹配法分为精确匹配和模糊匹配。该方法首 先将图像进行分块,分成许多互不重叠的图像块,用左上角像素的像素位置代表 每个图像块。然后,将每个图像块以向量的形式表示,这样所有的图像块就组成 一个矩阵,通过对这个矩阵进行字典排序以达到集中相似块的目的,然后通过匹 配,找到完全相同精确匹配或基本相同模糊匹配的向量。最后,由于可 能会出现微量相同的微小图像块或附近相同背景等相同微小图像块的干扰,需要 设置一个阈值,当在一定距离内完全相同或基本相同的图像块数大于这个阈值时, 才认定该图像块是进行复制粘贴操作的图像块。该图像块所代表的像素就是篡改 区域的像素位置。从上面可以看出,精确匹配和模糊匹配在各个步骤上都大体相 似,真正的区别仅仅在于图像块的匹配程度是完全一样还是相似。由于精确 匹配 找到的是完全一样的图像块,所以噪声对匹配的影响非常大,因此在实际应用中, 我们常用模糊匹配,而少用精确匹配来进行检测。 虽然在同一幅图像中的进行复制粘贴篡改操作简单,但这种篡改方法的应用 范围较窄、局限性太大。而且,在同一幅图像中进行复制粘贴篡改后,会存在两 个完全相同的图像块,容易在视觉上被察觉,且很容易用穷举搜索检测到,所以 人们在日常生活中也常选择不同图像之间的复制粘贴篡改操作。 ..不同图像复制粘贴篡改取证 不同图像复制粘贴篡改是通过拷贝不同像中的一个或一些区域粘贴到另一幅 图像中,以造成一种假象的目的,从而期望达到伪装成是一张新图像的目的。这 类篡改操作也是一种应用广泛的篡改方法,如我们经常在图像之间用到的“换头 术。相比于同一幅图像,不同图像在对比度、颜色等方面会有很大的区别,则在 不同图像之间进行复制拼接操作后的拼接边缘在视觉上就会有比较明显的篡改痕 迹,在通过复制拼接操作篡改图像后,篡改者大多会对拼接边缘进行模糊润 饰等 后处理操作,以期望能抹去这种边缘的痕迹,因此,不同图像复制粘贴篡改往往 都是多种篡改方式合作后的结果,而不是单一的复制拼接操作。 .目前数字图像被动盲取证存在的问题 前面介绍了数字图像被动盲取证的基本概念及内容,也简单介绍了近年来国 内外在数字图像被动图像盲取证技术方面的一些研究现状及取得的一些研究成 果,从中我们可可以清晰看出,数字图像盲取证技术目前仍然存在着很多的问题, 如下九: 、目前的取证技术都只是针对单个取证技术进行的研究,针对性比较强,不 能全面、完整的对图像的真伪进行检测,没有确定性的结论。 、数字图像盲取证方法的鲁棒性较差。 目前,对于数字图像被动盲取证方法检测的图像文件格式而言,多数的算法针 对的是无压缩的原始图像,因此,当用于对压缩图像的真伪检测时,出现的误差 较大。而实际中生活,为了传输方便的原因,压缩格式的图像才是广泛使用的形 式,如常用的图像。另外,数字图像被动盲取证技术对于不可感知水印的鲁 棒性较差,可能出现误判加入不可感知水印的图像为伪造图像的情况。因此 数字 图像盲取证算法需要提高对压缩图像、水印图像等的鲁棒性。 、缺乏公用的标准图像数据库。 标准图像库是图像处理领域必不可少的一块。目前在数字图像盲取证领域,缺 乏公用的标准图像测试数据库,无法对数字图像盲取证方法的性能进行评估,很 难达到共识,难以对各种数字图像盲取证技术的性能进行比较,进一步完善取证 技术。目前,在数字图像盲取证方向,标准的图像库比较缺乏,仅仅哥伦比亚大 学多媒体研究室建立了两个标准数字图像数据库:图像拼接检测数据库和自然 图像与计算机生成图像数据库。为了更好的发展数字图像被动盲取证方向,客 观地比较各种取证技术的性能,必须建立更多的公用的图像标准库,统一系统评 测方法和。 .本章小结 本章主要介绍了数字图像盲取证的基本概念和发展现状。首先介绍了数字图 像盲取证的定义,然后对其分类,且介绍了一个通用取证系统,其次分析总结了 现有的数字图像盲取证的研究方向,详细介绍了三类数字图像被动盲取证之一即 面向真实性鉴别的数字图像盲取证技术,介绍了几种常见的数字图像被动盲检测 方法,并详细介绍了复制粘贴型篡改操作取证方法,最后指出了现今国内外数字 图像被动盲取证检测存在的一些问题。 第三章基于和矩的复制粘贴取证算法 矩特征是一种应用非常广泛的图像形状特征。其不变量即不变矩由于其 伸缩、平移和旋转不变性等特性在各个领域如图像识别、图像匹配中广泛应用。 .几种常见的矩特征值 .. 矩 矩是聆利用标准化中心矩推导出来的个不变量,并且提出了二维矩 不变理论。矩又称几何矩。此外,由于这个矩不变量对图像的旋转、缩放和 平移操作具有不变性,所以又称几何不变矩。在以后的矩不变量研究过程中, 矩都作为一种基础矩被广泛应用和研究,当然包括图像处理领域。由于矩能够 得出平移、旋转、比例不变量而形成一组重要的反映目标形状的特征集合,这种 方法被广泛应用于目标识别、文字识别、医学图像分析等领域。 为推出矩,需要定义标准化中心矩。首先定义相关几何矩。假定图像块是 分段连续的,那么图像块的?阶笛卡尔几何矩则可以定义为式.: . ,,,,?.. 此时,中心矩如式.所示: . %『『少一厂, 上述都是在图像块是分段连续的情况下,在离散状态下,图像块,‖的? 阶几何矩和中心矩的公式如下:, . %??? 工. %,?, 其中,以上各式的表示图像重心。当图像发生变化时,也会发生变 化,虽然脚并没有旋转不变性,但具有平移不变性。归一化中心矩为: .、 峋蕊帕 假定原图像,‖上任一像素点经过旋转、缩放、平移等变换后的坐标为 协,,则该坐标如式.所示: . ~。。” 曼我邶班邶端 ~儡尺 对于所有,都有胞‖协川。将式.代入式.后,则变换后标准化 中心矩为: ?酽刚?‖狮 ‘等。/. . 其中是原图像的重心,当几何变换参数和变化时,图像重心并不 会改变,并不受这些参数的影响。因此,标准化中心矩%具有平移、缩放不变 性。 通过计算二阶和三阶中心矩,组合构造了七个不变矩,在连续图像中,它具有 旋转、缩放和平移不变性,如式.所示: 如 ?矗 厶/? . 厶厶/厶厶/】 /厶【厶///】 厶厶‘//厶厶厶 一厶厶厶厶‘气】 一厶/厶//厶】 在数字图像盲取证中则可以利用式. 这个特征值来进行图像的真实性检测。但是 的不变量,噪声对其的影响比较大,因此,行真伪判别。 。.矩 矩晦’朋的定义是基于单位圆,却上的一系列正交完备的多项 式集,该多项式被称为多项式,其定义为: . ‰,‰,% 上式中,刀为零或正整数;朋为非零整数,且满足以下条件: 。 珊是非负偶数 表示原点到点葺,矢量长度,则为矢量跟轴之间沿着逆时针方向的 夹角。 一州则为实值径向多项式,如式.所示: 一。玎一开一。 ,.、一开絮 四 ”? 型上卫一’三上型一’ 舻?茬趟盏 注意有:夕尺峨小,。这些多项式相互正交,所以有下式: . 盯【吃?】%,蚴乏‰% 其中,只有当时,口为,其他情况下为。 如果将图像在这些正交基函数进行投影,则投影的就是矩。数字图像 他,的甩阶重矩为: . 厶了??,‰,州,? 在计算图像的矩时,我们将图像的中心映射为坐标原点,将图像像素 点的坐标映射到单位圆内。如果该像素点的坐标映射到单位圆外,则该像素 就忽 略不计。注意有:么亿肼’.小。 由于矩是正交完备的,根据其正交完备性,利用图像玳‖所有的矩, 就可以重新构造出图像,纠。重构公式为: . 夕,艺?厶‰, 其中,重构后的图像是,,眠甜是矩的最高阶。显然,当心甜趋向于无 穷时,/,,趋向于侬‖。从重构过程可以看出:图像的高频细节部分可以在高 阶矩得到反映了,而图像的轮廓信息则从低阶矩中得到反映。 .基于 和矩的检测算法 ; 本章中提出了基于和矩的图像复制粘贴篡改取证算法,该算法是基 于块匹配的,首先通过算法得到关键点,利用关键点检测方法检 测图像中的所有关键点;然后通过矩计算以关键点为中心的周围图像区域的 特征,将其作为关键点的特征描述;最后在关键点匹配上,选择特征向量的欧 式距离来进行。该算法的算法流程图如图.所示: // 、 ?开始 》 \.‖ ? 待检测图像 占 关键点检测 上 特征提取 上 特征向量匹配欧式距离, ‘ 标记篡改区域 ? 图.算法流程图 ..关键点晦’。其全称是 ,即尺度不变特征变换, 是 .在年总结了现有的基于不变量技术的特征检测方法,并正 式提出了算子。该算子是一种基于多尺度空间的局部特征描述算子,具有图 像旋转不变性、图像缩放不变性、仿射变换不变性。关键点检测方法是一种 基于图像尺度空间理论的方法,主要步骤如下: 尺度空间的生成。为了定位出图像中具有尺度不变性的特征点,需要为图 像建立尺度空间,通过在尺度空间中搜索,我们可以找出这些特征点。 高斯差分尺度空间 ,简称则能高效的找到这些 特征点。下面讲述高斯差分尺度空间的构建方法。对于图像信号地,,其高斯尺 度空间由一系列的尺度信号构成,用三似只盯表示。则: ,,,,仃串,, . 一蝴归丽 水表示卷积操作,且在图像空间域进行。盯是高斯滤波器的散度,也是尺度空 间的尺度系数。随着。的增加,滤波器大小变得更大而且响应变得更平坦,因此三 失去了越来越多的图像细节。 是利用不同尺度的高斯差分核与图像信息进行卷积得到,其表达式如式 .所示: ,,,,七仃一,,奉,,,一,,仃 . 其中,是尺度比例系数,为常数。一般取.。 特征点搜索与定位。为了能过实现,一般需要构建图像金字塔。为了 得到差分金字塔,我们需要将图像的金字塔中的每阶和相邻层依次作差;在差 分金字塔中检测局部极值而非全局极值,每个极值必须是所在局部邻域一般包 括同尺度的个相邻点和上下相邻尺度对应的各个点,共个点内的极值 点,以确保不管在二维图像空间还是在尺度空间都能检测到极大值点和极小值点; 将所有检测到的极大值和极小值点作关键点的候选对象。 筛选极值点。通过寻找极值点,我们获取了一系列的候选关键点点。而这 一步中,我们要剔除在畸变与噪声中不够稳定的点。首先,通过泰勒展开式拟合 以精确确定关键点的尺度和位置,为了提高抗噪能力、增强稳定性,需要去除不 稳定的边缘响应点和低对比度的关键点。由于一个差的高斯差分算子的极值会因 为不同的边缘而出现不同,在横跨边缘的地方有较大的主曲率,而较小的主曲率 则出现在在垂直边缘的方向。因此可以利用主曲率来进一步筛选极值点。 计算关键点主方向。为了使算法具有旋转不变性,我们需要为每个关键点