數(shù)字圖像被動(dòng)取證與反取證技術(shù)研究.pdf

1、當(dāng)今信息時(shí)代，隨著計(jì)算機(jī)、網(wǎng)絡(luò)技術(shù)、多媒體技術(shù)以及廉價(jià)數(shù)碼設(shè)備的廣泛使用，人們可以更加方便、快捷的獲取一幅數(shù)字圖像，在人們享受數(shù)字圖像所帶來(lái)快樂(lè)的同時(shí)，功能強(qiáng)大的圖像處理及編輯軟件應(yīng)運(yùn)而起，它們的出現(xiàn)和不斷完善使得一些懷有不良目的的人可以輕而易舉地對(duì)一幅數(shù)字圖像作品進(jìn)行惡意篡改，以此來(lái)掩飾圖像的真實(shí)面貌，從而達(dá)到某種特定目的。尤其是當(dāng)被篡改后的圖像應(yīng)用到新聞媒體、司法以及軍事等領(lǐng)域時(shí)，勢(shì)必會(huì)影響新聞和娛樂(lè)信息的真實(shí)性、司法審判的公正性、

2、軍事情報(bào)的可靠性，無(wú)論于國(guó)于民都會(huì)產(chǎn)生不可估量的損失。因此研究鑒別數(shù)字圖像內(nèi)容真實(shí)性的新技術(shù)，無(wú)論對(duì)重樹人們對(duì)新聞媒體的信心，還是對(duì)維護(hù)社會(huì)公平和正義都具有深遠(yuǎn)的意義。
　　本文在國(guó)家自然基金項(xiàng)目和天津市重點(diǎn)自然基金項(xiàng)目的支持下，重點(diǎn)圍繞鑒別數(shù)字圖像真?zhèn)芜@一主線，從圖像內(nèi)容篡改盲檢測(cè)以及反取證技術(shù)兩方面分別進(jìn)行了研究，其主要研究成果如下:
　　1.針對(duì)當(dāng)前區(qū)域復(fù)制-粘貼篡改檢測(cè)方法所提取的特征維數(shù)過(guò)大缺點(diǎn)，提出了一種基于DC

3、T系數(shù)能量分布的篡改檢測(cè)算法。將圖像從空域轉(zhuǎn)化到頻域，對(duì)圖像進(jìn)行分塊，利用離散余弦變換及其變換后的離散余弦系數(shù)的低頻、中頻、高頻能量分布情況，依次對(duì)每個(gè)子塊提取4維匹配特征，保證了算法具有較低的復(fù)雜度。并通過(guò)實(shí)驗(yàn)對(duì)所提方法在檢測(cè)精度、高斯白噪聲、高斯模糊以及多處篡改操作上進(jìn)行性能分析，說(shuō)明了所提算法具有較高的魯棒性。
　　2.提出了一種能抵抗旋轉(zhuǎn)操作的圖像盲取證方法，通過(guò)對(duì)圖像統(tǒng)計(jì)特征的分析，提出了利用偽Zernike矩作為圖像特

4、征，以此來(lái)抵抗圖像篡改中的旋轉(zhuǎn)操作。將原始圖像進(jìn)行劃分，利用低階偽Zernike矩代表圖像輪廓，高階偽Zernike矩代表圖像細(xì)節(jié)的特點(diǎn)，對(duì)每個(gè)子塊構(gòu)造低階偽Zernike矩，提高了算法對(duì)噪聲的魯棒性，并且在構(gòu)造偽Zernike矩的過(guò)程中采用遞歸方式，使算法復(fù)雜度由原來(lái)的O(N2p3)降到O（N2p2)，極大的提高了算法的運(yùn)行效率。
　　3.提出了一種能定位篡改區(qū)域并且能估計(jì)篡改區(qū)域旋轉(zhuǎn)角度及縮放因子的盲檢測(cè)方法。將圖像的空域和頻

5、域相結(jié)合，對(duì)圖像進(jìn)行劃分并將每個(gè)區(qū)域從空域坐標(biāo)映射為對(duì)數(shù)極坐標(biāo)，保證了在空域坐標(biāo)中經(jīng)過(guò)旋轉(zhuǎn)、縮放的篡改區(qū)域，在對(duì)數(shù)極坐標(biāo)下僅僅為沿極軸的平移操作。采用PCA技術(shù)去除特征中的冗余數(shù)據(jù)，利用傅里葉變換以及相位相關(guān)頻譜來(lái)對(duì)篡改區(qū)域進(jìn)行定位，并首次根據(jù)相位相關(guān)頻譜來(lái)估算篡改區(qū)域的旋轉(zhuǎn)角度和縮放因子。大量實(shí)驗(yàn)結(jié)果表明，該方法能夠準(zhǔn)確的檢測(cè)出經(jīng)過(guò)旋轉(zhuǎn)、縮放的篡改區(qū)域，并且對(duì)圖像扭曲操作和圖像增強(qiáng)操作也有良好的魯棒性。
　　4.針對(duì)現(xiàn)有的單次J

6、PEG壓縮取證技術(shù)，首次將混沌理論應(yīng)用到反取證技術(shù)當(dāng)中，提出了利用混沌噪聲來(lái)去除JPEG壓縮痕跡。首先利用壓縮后的DCT系數(shù)間的方差來(lái)估計(jì)JPEG圖像未壓縮前各個(gè)DCT系數(shù)子帶的分布模型，根據(jù)所估計(jì)模型，對(duì)于各個(gè)DCT系數(shù)子帶，分別采用Logistic映射產(chǎn)生混沌噪聲，并將混沌噪聲添加到相應(yīng)子帶中。通過(guò)大量實(shí)驗(yàn)分析表明，通過(guò)添加混沌噪聲，可以成功的消除JPEG壓縮所帶來(lái)的DCT系數(shù)直方圖中的“溝壑“現(xiàn)象，并且該方法可以成功的欺騙現(xiàn)有的基