基于非監(jiān)督學(xué)習(xí)的拼接圖像盲取證算法研究.pdf

1、根據(jù)對(duì)數(shù)字圖像篡改采用的技術(shù)不同,取證主要分為兩類:對(duì)拼接圖像的取證和對(duì)復(fù)制粘貼篡改圖像的取證,本文主要是針對(duì)拼接圖像進(jìn)行取證研究。目前對(duì)拼接圖像的取證算法還存在很多的不足,原因之一在于找不到能準(zhǔn)確反映圖像原始性的特征信息?，F(xiàn)有的算法具有以下幾個(gè)缺點(diǎn):算法的適用范圍較小,精確度不高,不能兼顧檢測準(zhǔn)確率和定位精確度,依賴于所使用數(shù)據(jù)庫等。
　　當(dāng)前的很多取證算法采用監(jiān)督學(xué)習(xí)的方法對(duì)待鑒定圖像進(jìn)行篡改檢測,需要大量的訓(xùn)練樣本,基于樣本

2、訓(xùn)練的取證算法穩(wěn)定性和有效性很大程度上依賴于樣本圖像某些特征分量的穩(wěn)定性。由于篡改標(biāo)準(zhǔn)圖像庫建庫的復(fù)雜性,目前這類圖像庫很少,且目前建立起來的篡改取證圖像庫還正處于不斷的完善之中,這在一定程度上限制了有監(jiān)督學(xué)習(xí)方法在圖像取證領(lǐng)域的應(yīng)用。
　　本文從數(shù)字圖像的形成過程角度出發(fā),探索性的提出一種不依賴于訓(xùn)練樣本的基于非監(jiān)督學(xué)習(xí)的取證系統(tǒng)框架。本文將拼接圖像看作包含不同數(shù)據(jù)結(jié)構(gòu)的集合,將對(duì)該圖像的拼接篡改取證看作對(duì)這個(gè)集合中數(shù)據(jù)的分類問

3、題,因此,對(duì)圖像的鑒定只依賴于圖像本身的信息,無需訓(xùn)練樣本,從一定程度上緩解了由于取證數(shù)據(jù)庫不完善而引起的問題。
　　在給出取證系統(tǒng)框架的基礎(chǔ)上,提出兩種不同類型的檢測算法:基于JPEG塊效應(yīng)的拼接篡改取證算法和基于圖像噪聲特性的非壓縮拼接篡改取證算法。在JPEG圖像的取證算法研究中,分析了由于JPEG壓縮引起的塊效應(yīng),給出在圖像取證中塊效應(yīng)測度的選取原則。基于此原則提出了改進(jìn)的局部塊效應(yīng)測度,并采用漸進(jìn)尋找閾值的方法將其應(yīng)用到J

4、PEG圖像取證算法中,采用該測度的取證算法標(biāo)定出的篡改區(qū)域更加精確。在非壓縮篡改圖像取證算法研究中,探索了非壓縮圖像局部像素點(diǎn)的分布特性,從數(shù)字圖像形成過程的角度解釋了真實(shí)圖像的峰度系數(shù)集中現(xiàn)象?；谡鎸?shí)圖像和篡改圖像在峰度系數(shù)集中程度的差異,提出篡改預(yù)判定式,從而實(shí)現(xiàn)不依賴于其他數(shù)據(jù)庫直接從圖像本身判定是否經(jīng)過篡改的穩(wěn)定算法。提出全局噪聲特征值的概念,給出了k均值算法的聚類中心,從而解決了k均值算法起始聚類中心選擇問題。實(shí)驗(yàn)表明,采用