圖像盲篡改檢測(cè)算法研究.pdf

1、近幾年，隨著數(shù)字圖像在媒體上的普及。圖像成為了人們?cè)絹碓街匾@取信息的通道。但諸如華南虎事件等類似層出不窮的圖像偽造事件，引發(fā)了人們對(duì)圖像真?zhèn)涡匀绾舞b別的思考。數(shù)字圖像篡改檢測(cè)技術(shù)就是在這樣的背景下應(yīng)運(yùn)而生。主要是通過數(shù)字圖像處理等技術(shù)研究如何鑒別圖像是真是假的技術(shù)。
　　本文首先闡述了篡改檢測(cè)這一領(lǐng)域的背景和研究意義。然后較全面的介紹和比較了當(dāng)前最主要的兩大檢測(cè)算法類別，即主動(dòng)檢測(cè)和被動(dòng)檢測(cè)各類算法的原理以及優(yōu)劣。重點(diǎn)介紹了被動(dòng)

2、篡改檢測(cè)的相關(guān)技術(shù)。并分別針對(duì)被動(dòng)篡改檢測(cè)技術(shù)兩種最重要的篡改手段，同幅圖片的復(fù)制-粘貼篡改和不同幅圖片的拼接篡改提出了兩種改進(jìn)的檢測(cè)方案:
　　(1)基于HSV和SIFT的復(fù)制-粘貼篡改檢測(cè)。
　　主要針對(duì)同幅圖片的復(fù)制-粘貼篡改檢測(cè)。在研究各種復(fù)制粘貼篡改檢測(cè)算法的基礎(chǔ)上，針對(duì)傳統(tǒng)的SIFT算法對(duì)顏色特征的忽略，提出了提取圖像的HSV特征作為SIFT特征補(bǔ)充的一種檢測(cè)算法。首先利用SIFT算法求出特征點(diǎn)和SIFT特征向量

3、，然后利用特征點(diǎn)鄰域的HSV平均值提取HSV特征向量。最后將128維的SIFT特征向量和3維的HSV特征向量進(jìn)行匹配，確定篡改區(qū)域。
　　(2)基于多域特征融合的拼接篡改檢測(cè)。
　　主要針對(duì)不同圖片的拼接篡改檢測(cè)。針對(duì)自然圖像在空域、DCT域、DWT域上的固有分布而提出的一種基于三域特征融合的檢測(cè)算法。在空域利用圖像的游程特性，在DCT域利用自然圖像服從的高斯模型，在DWT域利用子帶特征。設(shè)計(jì)了一種新的特征提取方案，并利用S

4、VM的分類模型對(duì)拼接圖像進(jìn)行檢測(cè)。經(jīng)過實(shí)驗(yàn)驗(yàn)證，比基于單域特征的檢測(cè)算法有更好的效果。
　　經(jīng)實(shí)驗(yàn)表明，本文提出的兩種檢測(cè)算法均比之前通用的檢測(cè)算法有不同程度的優(yōu)化。基于HSV和SIFT的復(fù)制-粘貼檢測(cè)，在對(duì)有相似背景的圖像方面檢測(cè)效果更高?；诙嘤蛱卣魅诤系钠唇訖z測(cè)也比基于單獨(dú)一個(gè)域特征的檢測(cè)算法有更好的效果。本文提出的兩種檢測(cè)算法，涵蓋了復(fù)制-粘貼篡改檢測(cè)和拼接篡改檢測(cè)這兩種最重要的圖像篡改方式。均能比傳統(tǒng)的檢測(cè)算法有不同程度