基于熵和馬爾可夫特征的圖像拼接檢測研究.pdf

1、數(shù)字圖像以其直觀易懂并且更具說服力的優(yōu)點,已經(jīng)成為人們發(fā)布和獲取信息的重要方式。數(shù)碼產(chǎn)品的普及使得數(shù)字圖像充斥我們的生活,同時由于越來越多簡單易用的圖形編輯軟件的出現(xiàn),使得數(shù)字圖像的編輯、修改更加容易。圖像編輯軟件給人們帶來方便的同時,也帶來了安全隱患。在此背景下,數(shù)字圖像篡改檢測技術已經(jīng)成為信息安全領域中重要的研究方向。
　　圖像拼接是一種典型的圖像篡改方式,它是指復制一幅圖像的部分粘貼到該圖像或另一幅圖像中。針對這種篡改方式,

2、一些方法被提出,其中基于馬爾可夫特征和分類器的檢測方法是一類典型方法,該類方法具有檢測準確率相對較高等優(yōu)點,然而典型馬爾可夫特征法是使用圖像DCT系數(shù)差分矩陣的一步轉(zhuǎn)移概率矩陣,它只考慮差分矩陣中相鄰兩個元素的相關性,因此存在改進的空間?；诖?本文在典型馬爾可夫特征的基礎上提出改進的多步馬爾可夫特征,該特征是差分矩陣的多步轉(zhuǎn)移概率矩陣,包含差分矩陣中連續(xù)若干元素間的相關性信息。實驗結(jié)果表明,基于多步馬爾可夫特征的拼接檢測準確率優(yōu)于典型

3、馬爾可夫特征,平均檢測準確率達到了89.12％。
　　為了進一步提高檢測準確率,本文在多步馬爾可夫特征的基礎上結(jié)合熵特征,提出基于熵和多步馬爾可夫特征的圖像拼接檢測方法。多步馬爾可夫特征從圖像的DCT域提取拼接篡改痕跡,熵特征從圖像小波變換子帶中提取拼接篡改痕跡。熵特征和多步馬爾可夫特征結(jié)合起來,能夠從多個角度分析圖像拼接篡改痕跡,平均檢測準確率進一步提高,達到了90.20%。同時為了降低組合特征的維數(shù),使用遺傳算法來優(yōu)化組合特征