圖像復(fù)制粘貼篡改檢測技術(shù)研究.pdf

1、在互聯(lián)網(wǎng)和多媒體如此繁盛的今天，圖像儼然已成為我們?nèi)粘Ｉ钪邢喈?dāng)重要的信息載體。然而隨著各種圖像編輯處理軟件的出現(xiàn)和廣泛應(yīng)用，圖像能夠輕而易舉的被篡改，使得圖像的真實(shí)性和完整性受到破壞。如果被篡改過的圖像應(yīng)用于醫(yī)學(xué)鑒定，司法證據(jù)，新聞媒體，科學(xué)研究等重要的領(lǐng)域，將有可能引起重大事故。因此，開展針對圖像篡改檢測技術(shù)的研究具有非常重要的意義。
　　圖像篡改檢測技術(shù)主要分為主動檢測技術(shù)和被動盲檢測技術(shù)，主動檢測技術(shù)簡單易實(shí)現(xiàn)，但由于成本

2、高、校驗(yàn)繁瑣等原因使其應(yīng)用有限，而被動盲檢測是在沒有先驗(yàn)的情況下進(jìn)行檢測，因此被動盲檢測成為篡改圖像檢測技術(shù)的熱點(diǎn)。
　　本文針對圖像復(fù)制粘貼篡改檢測技術(shù)進(jìn)行分析和研究，主要研究工作包括：
　?。?）在圖像塊匹配方法中不同的特征提取方法會對檢測結(jié)果產(chǎn)生較大影響，針對現(xiàn)有算法中的特征提取方法造成對復(fù)制粘貼以及后處理操作圖像檢測的魯棒性較低的問題，本文提出了基于改進(jìn)梯度方向直方圖（HOGOBP）的圖像復(fù)制粘貼篡改檢測算法。盡管梯

3、度方向直方圖（HOG）信息可以反映圖像的紋理等特征，但在檢測復(fù)制粘貼塊時，分塊大小和方式直接影響提取的HOG信息，采用不當(dāng)?shù)姆謮K方式提取HOG信息是造成復(fù)制塊誤檢率較高的主要原因。本文的HOGOBP改進(jìn)算法按照像素重疊對圖像分塊，提取的每一子塊HOG信息更精確，更適合圖像復(fù)制粘貼篡改檢測，仿真結(jié)果也表明該算法有效提高了圖像復(fù)制粘貼篡改檢測的正確率。
　?。?）雖然HOGOBP算法改善了復(fù)制粘貼塊的檢測正確率，但逐像素重疊分塊卻引起

4、信息提取和特征匹配的計(jì)算量增加，為進(jìn)一步改進(jìn)HOGOBP算法，本文利用K-means分類算法先對各塊的特征向量進(jìn)行分類，在各類中再進(jìn)行特征向量匹配，有效節(jié)省了計(jì)算開銷。同時，利用特征向量分布基本連續(xù)的特點(diǎn)，改進(jìn)了K-means算法的初始化中心隨機(jī)分配機(jī)制，有效減少迭代次數(shù)，提高分類效率。
　?。?）本文不僅對灰度圖像、彩色圖像、不同篡改面積以及篡改形狀的圖像進(jìn)行檢測，驗(yàn)證本文算法設(shè)計(jì)的有效性，而且還對后處理操作包括模糊、亮度調(diào)整、