【正文】 縮等的魯棒性；⑤算法的復雜性等。(4)圖像鑒別。 常見的圖像篡改技術(shù)在當今的數(shù)字時代，低價圖像數(shù)字化攝取設(shè)備和功能強大圖像編輯軟件的普及使任何普通計算機用戶都可以對數(shù)字圖像做到“移花接木”而不為人知，而Inte網(wǎng)的強大傳播功能更是為現(xiàn)代數(shù)字圖像偽造篡改提供的豐富的軟件和圖像資源。 (Morphed)，圖像變形是一種把一幅圖像逐漸變成另一幅圖像的技術(shù)。 原始圖像和潤飾篡改圖像(Enhanced)，包括改變圖像特定部分的顏色、對比度、背景等，這種操作雖然不能顯著的改變圖像內(nèi)容，但是它可以模糊或者突出某些細節(jié)，或者改變照片的明暗程度等。很難與真實圖像區(qū)分的計算機生成圖像，需要有才能的、熟練的計算機藝術(shù)家。這種技術(shù)被稱為基于圖像的繪制。某一被處理過的圖像在一些情形下是合法的，而在另外一些情形下是非法的。 圖像數(shù)據(jù)庫數(shù)字圖像盲取證的基本框架中一個不可少的組成部分是圖像數(shù)據(jù)庫，因為一個標準的圖像數(shù)據(jù)庫對于圖像建模和算法評價都是很重要的。彩色拼接圖像檢測數(shù)據(jù)庫共有363幅圖像，其中包括由4款相機(CanonGNikon D70、Canon 350D Rebel XT和Kodak DCS 330)拍攝的183幅真實圖像，和由不同相機拍攝的真實圖像相互拼接形成的180幅拼接圖像。雖然這些修改主要是為了增強圖像的視覺效果，但不可否認的是，其中也不乏某些入出于各種不同的目的，故意甚至惡意地篡改圖像內(nèi)容，以達到某種不可告人的目的。1．新聞攝影照片的真?zhèn)舞b別新聞攝影的一條基本原則就是尊重事實。2．電子商務(wù)交易中票據(jù)圖像的防偽電子商務(wù)交易中的電子票據(jù)多數(shù)是以掃描圖像、傳真圖像和自動生成票據(jù)圖像的方式在網(wǎng)絡(luò)上傳遞，網(wǎng)絡(luò)的不安全性決定了這些電子票據(jù)圖像極有可能被惡意篡改，使得交易雙方的利益受到損害。4．法律取證和保險索賠中照片的真?zhèn)舞b別過去在司法體系中，照片一直是一種直觀而有說服力的法律證據(jù)。目前，以圖像形式進行傳遞的情報也越來越多，在情報傳輸?shù)倪^程中，敵方極有可能截取并篡改偽造我方情報，從而影響我方的軍事決策。 第 3 章 復制 粘貼偽造圖像的盲取證方法研究 概述 在數(shù)字圖像偽造過程中，為了掩蓋某些重要目標或制造出原始圖像中不存在的場景，常用的一種篡改手段是復制圖像中的部分特定區(qū)域，來覆蓋同一幅圖像中的偽造目標區(qū)域，即復制粘貼偽造操作。因此如果給的是一幅沒有原圖對比的篡改圖像，那么單憑人眼將很難判定它是否被篡改過，這就需要設(shè)計相應的算法對其進行檢測。為了進一步提高算法的運算效率和魯棒性，本章提出了一種基于小波和奇異值分解的復制粘貼偽造圖像盲取證算法。由此可知，復制區(qū)域和粘貼區(qū)域應該是由許多相鄰的、具有相同偏移向量的圖像塊對組成的連通區(qū)域?qū)?，而不是由零散相似塊對組成的集合。其中 和 分別表示),()(39。 239。f圖像在點 (x1，y1)和點 處的灰度值，R1是復制區(qū)域，R2是粘貼區(qū)域。基于這個觀點，可以將一幅圖像中存在較大面積的相似區(qū)域?qū)ψ鳛榕袛鄨D像被篡改過的依據(jù)，即復制粘貼偽造圖像盲取證算法的關(guān)鍵就是判斷一幅給定的圖像中是否存在一個或,若存在則表明圖像很有可能被復制粘貼偽造過。這時僅使用像素點的像素值作為特征的精確匹配將不能達到好的檢測效果，因此需要將對圖像像素的點匹配操作轉(zhuǎn)化為塊匹配操作，同時為圖像塊尋找更為魯棒的特征描述形式，使得算法對圖像壓縮等處理具有一定的魯棒性。SVDamp。由于小波變換是一種時域一頻域(或空域、頻域)變換，具有時(空)域和頻域的良好局部化性質(zhì)，同時圖像經(jīng)過小波多分辨率分解之后，所得到的低頻信息仍然能夠保持原始圖像的概貌和空間特性，而損失的高頻細節(jié)信息可以忽略不計。二維離散小波變換從原始信號開始在每個層次上只分解上一層次的近似分量，例如圖3．4中將第j層近似分量cA j分解得到j(luò)+1層的一個近似分量cA j+l和三個細節(jié)分量cD j+l(k). cDj+l(V)和cD j+l(d),這三個細節(jié)分量分別表示水平方向、垂直方向和對角方向上的圖像細節(jié)信息。然后對提取出的小波近似分量進行滑窗分塊操作，使用奇異值分解方法來提取圖像塊的特征。圖像的奇異值分解SVD(SingularValueDeposition)是一種基于信號二階統(tǒng)計特性的分析方法，其目的是去除圖像各分量之間的相關(guān)性．奇異值分解可以有效地降低特征空間的維數(shù)。在數(shù)字圖像處理應用中，SVD是一種有效的特征提取方法，其主要的理論依據(jù)在于：(1)圖像奇異值的穩(wěn)定性好，即當圖像被施加小的擾動時圖像的奇異值不會有很大的變化；(2)奇異值對應于圖像的亮度特性，而奇異向量對則表征了圖像的幾何特性，奇異值所表現(xiàn)的是圖像的內(nèi)在特性而非視覺特性，反映的是圖像矩陣元素之間的關(guān)系；(3)圖像SVD分解得到的奇異值序列中第一個奇異值要比其他的大很多，忽略后面一些較小的奇異值對重構(gòu)的圖像質(zhì)量不會發(fā)生太大的退化，而如果改變第一個較大的奇異值則會導致圖像視覺質(zhì)量的嚴重下降。為此，本章通過對特征矩陣進行字典排序來尋找相似塊對，具體描述如下：(1)對每個圖像塊使用奇異值分解法提取特征，并形成一個行向量，然后將所有塊對應的行特征向量組合成一個特征矩陣；(2)對得到的特征矩陣按行進行字典排序，即將特征矩陣中的每一行作為一個整體進行字典排序，得到排序后的特征矩陣S；(3)由于相似的圖像塊對應的量化奇異值向量相近，排序后這兩個向量會位于排序后的矩陣中相鄰的位置。 定位篡改區(qū)域并使用數(shù)學形態(tài)學進行后處理尋找到偏移頻率大于閾值的那些偏移向量所對應的圖像相似塊對后，就需要對這些相似塊對的位置進行標識定位。數(shù)學形態(tài)學是由一組形態(tài)學的代數(shù)運算子組成，基本運算有四個：腐蝕、膨脹、開運算和閉運算，它們可以應用于二值圖像和灰度圖像中。因此，本章利用數(shù)學形態(tài)學對標識定位結(jié)果圖進行后處理，以得到更好的篡改區(qū)域定位結(jié)果。(4)對得到的偏移頻率矩陣F進行閾值判斷。 使用字典排序?qū)ふ蚁嗨茐K對復制粘貼偽造圖像盲取證方法的關(guān)鍵問題是如何檢測和定位出圖像的篡改區(qū)域。在∑的r個對角元素中，前幾個值比),(i、 、 、?較大，它們包含了矩陣A的大部分信息。鑒于奇異值分解是一種有效的特征提取方法，以及提取出的奇異值特征的良好性質(zhì)。圖3．6是Elaine圖像的二維離散小波變換的一個示例，圖(a)是Elaine原始圖像；圖(b)是Elaine的三級離散小波變換圖；圖(c)是三級離散小波變換的子帶分布圖，其中低頻子帶LL 3集中了圖像的大部分能量，表示由小波變換分解級數(shù)決定的最大尺度、最小分辨率下對原始圖像的最佳逼近；高頻子帶系列HL j,LHj,HHj(j=1，2，3)則分別表示圖像在不同尺度、不同分辨率下的細節(jié)信息。應用于數(shù)字圖像的離散小波變換DWT，可以視為利用低通濾波器和高通濾波器將數(shù)字圖像在頻域上分解為低頻和高頻兩類系數(shù)。 使用離散小波變換縮小圖像數(shù)據(jù)量從上面的算法描述中可知，圖像尺寸的大小是決定算法時間復雜度的因素之一。首先對待檢測圖像進行小波變換，并提取小波近似分量進行滑窗分塊操作；接著對取出的每個圖像塊進行奇異值分解，并使用一定的量化步長對該奇異值特征進行量化；然后對所有圖像塊的量化奇異值組成的特征矩陣按行進行字典排序，并根據(jù)相似的圖像塊對應的量化奇異值特征向量相近，則排序后兩個向量會在排序矩陣中相鄰的規(guī)律，遍歷排序后的特征矩陣，統(tǒng)計相似圖像塊對的偏移頻率；最后結(jié)合相似圖像塊對的偏移頻率信息，檢測并定位出復制粘貼偽造區(qū)域。但是，這樣篡改后的圖像通常會在R2區(qū)域產(chǎn)生不一致的邊界信息，為了消除其邊界效應，同時增加檢測的難度，偽造者往往會在“復制粘貼后做邊緣模糊或羽化、JPEG壓縮、加噪等操作。39。),(Rx?)(1,yxf),(39。1,yxff?x???139。綜上所述，本章給出了一個圖像復制粘貼偽造模型，如圖3．2所示。 復制粘貼偽造模型由復制粘貼偽造的定義可知，復制粘貼篡改后的圖像中通常存在著兩處完全相同(或相似)的區(qū)域。但是這兩種算法都是直接對原始圖像進行分塊操作，因此處理較大尺寸的圖像時，運算量較大。 ，其中圖(a)是真實圖像．而圖(b)是復制一粘貼偽造圖像，將黑色區(qū)域內(nèi)的小船進復制并粘貼到白色區(qū)域內(nèi)。 本章小結(jié)面向數(shù)字圖像盲取證研究的是如何在不依賴任何簽名或水印先驗信息的況下為鑒別圖像真?zhèn)翁峁┯辛ψC據(jù)的技術(shù)，其關(guān)鍵是找到充分、可靠、有說服力的證據(jù)來證明圖像是否發(fā)生篡改。因此，這就都需要應用數(shù)字圖像盲取證技術(shù)對證據(jù)圖片的真實性進行有效的鑒定。3．電子政務(wù)系統(tǒng)中文檔圖像的防偽檢測電子政務(wù)系統(tǒng)中包括大量的文檔圖像，這些圖像中包括領(lǐng)導的簽名、單位的公章等重要信息，而這些信息就是惡意篡改者重點進行偽造的目標。偽造圖片會使人們對新聞的真實性產(chǎn)生質(zhì)疑，嚴重的可能會歪曲事實，甚至影響社會輿論導向。如果這些以假亂真的偽造圖像被應用于新聞媒體、科學研究或作為法庭證物等，這無疑會產(chǎn)生惡劣的影響，甚至是嚴重的后果。這四個圖像數(shù)據(jù)庫為圖像盲取證實驗提供了豐富的資源，但是，隨著圖像盲取證范圍的擴大，還需要更多的資源對標準數(shù)字圖像庫進行擴展。為此，美國Columbia大學多媒體實驗室做了不少工作，提供了三個標準的圖像數(shù)據(jù)庫：兩個拼接圖像檢測評估數(shù)據(jù)庫(灰度圖像數(shù)據(jù)庫 【21】 和彩色圖像數(shù)據(jù)庫)、攝影圖像和計算機生成圖像數(shù)據(jù)庫。照片的真實性對于新聞出版業(yè)也是個嚴峻的問題。例如．在臺并兩幅圖像時，會使用到修飾和增強。近來，一個數(shù)字偽造的興趣趨勢是把真實的和計算機生成的圖像合成，形成新的圖像。與合成、變形、修飾、增強通常用來改變真實圖像不同，這類篡改的圖像通常是由計算機和圖形軟件所產(chǎn)生的(例如：Maya或3dsmaKl。 (Re．touched)，圖像修飾一般是圖像處理專家采用的一種圖像修補操作。(Composited)，即由兩幅或多幅數(shù)字圖像通過復制其中一幅中的某一部分粘貼到另一幅圖像中以造成某種假象，或者把一幅圖像的某一部分復制粘貼到這幅圖像的另一部分上以此來隱藏重要目標。根據(jù)盲取證算法的特點，鑒別形式可分為：對待鑒別的圖像進行真?zhèn)螜z測和篡改偽造區(qū)域的定位，例如本文提出的基于小波和奇異值分解的復制粘貼偽造圖像盲取證算法。算法的測試和驗證是一個必備可少的環(huán)節(jié)，該階段使用已知真?zhèn)蔚臏y試圖像來定量分析盲取證算法的準確性和性能，其中包括測試算法的檢測準確率、魯棒性以及運算復雜性等，并及時將測試結(jié)果進行反饋，根據(jù)反饋結(jié)果對圖像的模型、提取的特征和算法進行進一步的改進完善。(2)算法設(shè)計。圖像模型構(gòu)建完成之后，就需要對模型進行特征分析與提取。不同的圖像偽造手段，可能對圖像產(chǎn)生不同程度的影響，導致圖像像素之間的相關(guān)性發(fā)生變化，形成所謂的“偽造過程遺留痕跡”，這些遺留痕跡往往是人眼難以覺察的，例如復制粘貼篡改圖像中存在異常相似的區(qū)域、JPEG雙重壓縮使得圖像DCT系數(shù)的直方圖產(chǎn)生周期性模式等。與圖像盲取證相關(guān)的圖像模型可以分為以下2種：(1)自然圖像統(tǒng)計模型。本文在總結(jié)現(xiàn)有圖像盲取證研究成果的基礎(chǔ)上，提出了一個數(shù)字圖像盲取證的基本框架，如圖2．4所示。 數(shù)字圖像盲取證技術(shù)要解決的問題主要包括以下幾個方面： (1)能否確認一幅圖像是真實圖像，還是經(jīng)過篡改操作處理后的偽造圖像? (2)能否確認偽造圖像的篡改區(qū)域和篡改程度? (3)能否確認圖片是由成像設(shè)備拍攝的照片，還是由計算機生成的圖片? (4)能否確認拍攝照片的成像設(shè)備的類型或品牌?上述問題僅僅是執(zhí)法和分析機構(gòu)調(diào)查可疑事件時經(jīng)常要面對的一部分問題。然后依據(jù)提取的特征向量將所有的圖像塊按行進行字典排序，并且結(jié)合圖像塊的偏移位置信息，檢測并定位出復制粘貼區(qū)域。本文首先給出圖像復制粘貼偽造模型，該模型指出一般情況下．對圖像內(nèi)容進行復制粘貼篡改，選擇的復制區(qū)域通常是連通的、面積較大的區(qū)域，同時圖像復制區(qū)域和粘貼區(qū)域之間存在著相關(guān)性，即對應的相似圖像塊對具有相同的位置偏移向量。在數(shù)字圖像盲取證基本框架的理論基礎(chǔ)上，本文針對圖像的復制、粘貼圖像篡改偽造類型，研究并提出了相應的數(shù)字盲取證算法用于鑒別圖像的真實性，針對復制、粘貼偽造類型，研究并提出了基于小波和奇異值分解的盲取證算法。面向真實性檢測的數(shù)字圖像盲取證技術(shù)的研究具有很大的挑戰(zhàn)性，因為分析圖像時不具備簽名或水印等先驗知識，同時又難以確定用來檢測圖像偽造的特征。 (3)基于圖像內(nèi)在統(tǒng)計特性的真實性檢測。因此可以通過尋找并利用這些偽造痕跡進行圖像的真實性檢測。由定義可知，數(shù)字圖像盲取證主要完成兩項任務(wù)：圖像真實性檢測和圖像來源識別，：數(shù)字圖像盲取證技術(shù)面向真實性檢測的數(shù)字圖像盲取證面向來源識別的圖像盲取證基于成像設(shè)備的一致性基于圖像的內(nèi)在統(tǒng)計特性基于來源模型基于來源獨特屬性區(qū)分自然圖像和計算機審查圖像基于偽造過程的遺留痕跡圖2．2 數(shù)字圖像盲取證技術(shù)分類1．圖像真實性檢測(也稱防偽檢測)圖像真實性檢測的目的是驗證數(shù)字圖像是否被偽造過，即判斷圖像在最初獲取之后是否遭受了某種形式的篡改或處理。其中，美國著名的Dartmouth學院、Binghamton大學、Columbia大學和Polyteehnie大學等分別成立了專門的數(shù)字媒體取證研究小組。另外，幾乎沒有絕對安全的數(shù)字簽名或水印鑒別方法能夠抵抗所有的攻擊。 與數(shù)字簽名鑒別技術(shù)相比，數(shù)字水印鑒別技術(shù)的優(yōu)點體現(xiàn)在它把鑒別數(shù)據(jù)以水印形式嵌入到原始圖像數(shù)據(jù)中，