【正文】 縮等的魯棒性；⑤算法的復(fù)雜性等。(4)圖像鑒別。 常見的圖像篡改技術(shù)在當(dāng)今的數(shù)字時(shí)代，低價(jià)圖像數(shù)字化攝取設(shè)備和功能強(qiáng)大圖像編輯軟件的普及使任何普通計(jì)算機(jī)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(qiáng)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(xì)節(jié)，或者改變照片的明暗程度等。很難與真實(shí)圖像區(qū)分的計(jì)算機(jī)生成圖像，需要有才能的、熟練的計(jì)算機(jī)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(gè)不可少的組成部分是圖像數(shù)據(jù)庫，因?yàn)橐粋€(gè)標(biāo)準(zhǔn)的圖像數(shù)據(jù)庫對于圖像建模和算法評價(jià)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(jī)(CanonGNikon D70、Canon 350D Rebel XT和Kodak DCS 330)拍攝的183幅真實(shí)圖像，和由不同相機(jī)拍攝的真實(shí)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(qiáng)圖像的視覺效果，但不可否認(rèn)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(dá)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(shí)。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(xiǎn)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(jìn)行傳遞的情報(bào)也越來越多，在情報(bào)傳輸?shù)倪^程中，敵方極有可能截取并篡改偽造我方情報(bào)，從而影響我方的軍事決策。 第 3 章 復(fù)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(biāo)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(fù)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(biāo)區(qū)域，即復(fù)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(jì)相應(yīng)的算法對其進(jìn)行檢測。為了進(jìn)一步提高算法的運(yùn)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(fù)制粘貼偽造圖像盲取證算法。由此可知，復(fù)制區(qū)域和粘貼區(qū)域應(yīng)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(diǎn) (x1，y1)和點(diǎn) 處的灰度值，R1是復(fù)制區(qū)域，R2是粘貼區(qū)域?；谶@個(gè)觀點(diǎn)，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(fù)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(gè)或,若存在則表明圖像很有可能被復(fù)制粘貼偽造過。這時(shí)僅使用像素點(diǎn)的像素值作為特征的精確匹配將不能達(dá)到好的檢測效果，因此需要將對圖像像素的點(diǎn)匹配操作轉(zhuǎn)化為塊匹配操作，同時(shí)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(shí)域一頻域(或空域、頻域)變換，具有時(shí)(空)域和頻域的良好局部化性質(zhì)，同時(shí)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(xì)節(jié)信息可以忽略不計(jì)。二維離散小波變換從原始信號開始在每個(gè)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(gè)近似分量cA j+l和三個(gè)細(xì)節(jié)分量cD j+l(k). cDj+l(V)和cD j+l(d),這三個(gè)細(xì)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(xì)節(jié)信息。然后對提取出的小波近似分量進(jìn)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(jì)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(yīng)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(dāng)圖像被施加小的擾動時(shí)圖像的奇異值不會有很大的變化；(2)奇異值對應(yīng)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(gè)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(gè)較大的奇異值則會導(dǎo)致圖像視覺質(zhì)量的嚴(yán)重下降。為此，本章通過對特征矩陣進(jìn)行字典排序來尋找相似塊對，具體描述如下：(1)對每個(gè)圖像塊使用奇異值分解法提取特征，并形成一個(gè)行向量，然后將所有塊對應(yīng)的行特征向量組合成一個(gè)特征矩陣；(2)對得到的特征矩陣按行進(jìn)行字典排序，即將特征矩陣中的每一行作為一個(gè)整體進(jìn)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(yīng)的量化奇異值向量相近，排序后這兩個(gè)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(xué)形態(tài)學(xué)進(jìn)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(yīng)的圖像相似塊對后，就需要對這些相似塊對的位置進(jìn)行標(biāo)識定位。數(shù)學(xué)形態(tài)學(xué)是由一組形態(tài)學(xué)的代數(shù)運(yùn)算子組成，基本運(yùn)算有四個(gè)：腐蝕、膨脹、開運(yùn)算和閉運(yùn)算，它們可以應(yīng)用于二值圖像和灰度圖像中。因此，本章利用數(shù)學(xué)形態(tài)學(xué)對標(biāo)識定位結(jié)果圖進(jìn)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(jìn)行閾值判斷。 使用字典排序?qū)ふ蚁嗨茐K對復(fù)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(gè)對角元素中，前幾個(gè)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(gè)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(xì)節(jié)信息。應(yīng)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(shí)間復(fù)雜度的因素之一。首先對待檢測圖像進(jìn)行小波變換，并提取小波近似分量進(jìn)行滑窗分塊操作；接著對取出的每個(gè)圖像塊進(jìn)行奇異值分解，并使用一定的量化步長對該奇異值特征進(jìn)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(jìn)行字典排序，并根據(jù)相似的圖像塊對應(yīng)的量化奇異值特征向量相近，則排序后兩個(gè)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(jì)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(fù)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(yīng)，同時(shí)增加檢測的難度，偽造者往往會在“復(fù)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(gè)圖像復(fù)制粘貼偽造模型，如圖3．2所示。 復(fù)制粘貼偽造模型由復(fù)制粘貼偽造的定義可知，復(fù)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(jìn)行分塊操作，因此處理較大尺寸的圖像時(shí)，運(yùn)算量較大。 ，其中圖(a)是真實(shí)圖像．而圖(b)是復(fù)制一粘貼偽造圖像，將黑色區(qū)域內(nèi)的小船進(jìn)復(fù)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(yàn)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(yīng)用數(shù)字圖像盲取證技術(shù)對證據(jù)圖片的真實(shí)性進(jìn)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(dǎo)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(diǎn)進(jìn)行偽造的目標(biāo)。偽造圖片會使人們對新聞的真實(shí)性產(chǎn)生質(zhì)疑，嚴(yán)重的可能會歪曲事實(shí)，甚至影響社會輿論導(dǎo)向。如果這些以假亂真的偽造圖像被應(yīng)用于新聞媒體、科學(xué)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(yán)重的后果。這四個(gè)圖像數(shù)據(jù)庫為圖像盲取證實(shí)驗(yàn)提供了豐富的資源，但是，隨著圖像盲取證范圍的擴(kuò)大，還需要更多的資源對標(biāo)準(zhǔn)數(shù)字圖像庫進(jìn)行擴(kuò)展。為此，美國Columbia大學(xué)多媒體實(shí)驗(yàn)室做了不少工作，提供了三個(gè)標(biāo)準(zhǔn)的圖像數(shù)據(jù)庫：兩個(gè)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(jì)算機(jī)生成圖像數(shù)據(jù)庫。照片的真實(shí)性對于新聞出版業(yè)也是個(gè)嚴(yán)峻的問題。例如．在臺并兩幅圖像時(shí)，會使用到修飾和增強(qiáng)。近來，一個(gè)數(shù)字偽造的興趣趨勢是把真實(shí)的和計(jì)算機(jī)生成的圖像合成，形成新的圖像。與合成、變形、修飾、增強(qiáng)通常用來改變真實(shí)圖像不同，這類篡改的圖像通常是由計(jì)算機(jī)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(bǔ)操作。(Composited)，即由兩幅或多幅數(shù)字圖像通過復(fù)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(fù)制粘貼到這幅圖像的另一部分上以此來隱藏重要目標(biāo)。根據(jù)盲取證算法的特點(diǎn)，鑒別形式可分為：對待鑒別的圖像進(jìn)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(fù)制粘貼偽造圖像盲取證算法。算法的測試和驗(yàn)證是一個(gè)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(zhǔn)確性和性能，其中包括測試算法的檢測準(zhǔn)確率、魯棒性以及運(yùn)算復(fù)雜性等，并及時(shí)將測試結(jié)果進(jìn)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(jìn)行進(jìn)一步的改進(jìn)完善。(2)算法設(shè)計(jì)。圖像模型構(gòu)建完成之后，就需要對模型進(jìn)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(dǎo)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(fù)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(jì)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(gè)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(gè)方面： (1)能否確認(rèn)一幅圖像是真實(shí)圖像，還是經(jīng)過篡改操作處理后的偽造圖像? (2)能否確認(rèn)偽造圖像的篡改區(qū)域和篡改程度? (3)能否確認(rèn)圖片是由成像設(shè)備拍攝的照片，還是由計(jì)算機(jī)生成的圖片? (4)能否確認(rèn)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(jī)構(gòu)調(diào)查可疑事件時(shí)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(jìn)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(fù)制粘貼區(qū)域。本文首先給出圖像復(fù)制粘貼偽造模型，該模型指出一般情況下．對圖像內(nèi)容進(jìn)行復(fù)制粘貼篡改，選擇的復(fù)制區(qū)域通常是連通的、面積較大的區(qū)域，同時(shí)圖像復(fù)制區(qū)域和粘貼區(qū)域之間存在著相關(guān)性，即對應(yīng)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(fù)制、粘貼圖像篡改偽造類型，研究并提出了相應(yīng)的數(shù)字盲取證算法用于鑒別圖像的真實(shí)性，針對復(fù)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(shí)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?yàn)榉治鰣D像時(shí)不具備簽名或水印等先驗(yàn)知識，同時(shí)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(jì)特性的真實(shí)性檢測。因此可以通過尋找并利用這些偽造痕跡進(jìn)行圖像的真實(shí)性檢測。由定義可知，數(shù)字圖像盲取證主要完成兩項(xiàng)任務(wù)：圖像真實(shí)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(shí)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(jì)特性基于來源模型基于來源獨(dú)特屬性區(qū)分自然圖像和計(jì)算機(jī)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(shí)性檢測(也稱防偽檢測)圖像真實(shí)性檢測的目的是驗(yàn)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(xué)院、Binghamton大學(xué)、Columbia大學(xué)和Polyteehnie大學(xué)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(diǎn)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，