【正文】 放等。復(fù)制粘貼類型的圖像偽造，雖然可能對篡改圖像進(jìn)行了一定的邊緣處理，但是圖像中的復(fù)制區(qū)域和相對應(yīng)的粘貼區(qū)域基本上相似。大連理工大學(xué)信息安全研究中心劉文鋒、孔祥維 【9】 等在2022年的PCM會(huì)議上發(fā)表文章，利用色彩變化提出檢測圖像篡改和檢測隱藏信息的方法。2．現(xiàn)有的針對性的、非統(tǒng)計(jì)性取證算法的適應(yīng)性都較弱，都只能針對某一種篡改手段進(jìn)行取證。本文在總結(jié)了近年來數(shù)字圖像盲取證技術(shù)的主要研究成果的基礎(chǔ)上，嘗試提出了一個(gè)數(shù)字圖像盲取證的基本框架。首先描述了復(fù)制一粘貼偽造模型，然后闡述了本章提出的復(fù)制粘貼偽造圖像盲取證算法，最后對算法進(jìn)行了總結(jié)。 數(shù)字圖像鑒別技術(shù)數(shù)字簽名鑒別 數(shù)字盲取證數(shù)字水印鑒別 數(shù)字圖像鑒別技術(shù)分類 數(shù)字簽名鑒別技術(shù)數(shù)字簽名最初建立在哈希(Hashing)法和加密法的基礎(chǔ)上，主要用于文本信息的鑒別，之后逐漸擴(kuò)展應(yīng)用于多媒體數(shù)據(jù)的鑒別。同時(shí)將圖像變換到頻域提取恢復(fù)特征，可用于恢復(fù)圖像。最早的空域水印方法是基于最低有效位LSB(Least Significant Bit)的方法 【17】 ，即在圖像最低有效位平面嵌入水印，這樣做可以保證嵌入的水印不可見，但是該水印容易被破壞，導(dǎo)致算法的魯棒性差。 吳提出了一種基于小波與DCT雙重域的主動(dòng)式數(shù)字圖像內(nèi)容鑒別方法 【19】 ，該方法利用偽隨機(jī)數(shù)產(chǎn)生器生成鑒別水印，提取圖像小波分解后其近似分量的量化編碼作為恢復(fù)特征，然后利用改進(jìn)的均值量化調(diào)制算法實(shí)現(xiàn)半脆弱水印的嵌入。這就是第三類鑒別技術(shù)：數(shù)字圖像盲取證，它是一種新的圖像鑒別思路。為了達(dá)到混淆視聽的效果，圖像篡改偽造過程通常涉及一系列的圖像處理操作，包括基本的處理操作(如重采樣、壓縮、模糊和羽化等)以及特定的處理操作(如復(fù)制一粘貼、圖像修復(fù)等)。但是，即使如此，它們也會(huì)在一定程度上影響和破壞圖像的內(nèi)在統(tǒng)計(jì)特性。該框架主要由以下幾部分組成：圖像建模、特征提取與特征分析、算法設(shè)計(jì)、測試與驗(yàn)證、圖像篡改檢測定位或圖像分類、圖像源特性(包括圖像偽造手段、成像過程、圖像統(tǒng)計(jì)特性等)以及圖像數(shù)據(jù)庫等。 數(shù)字圖像盲取證的基本框架 數(shù)字圖像盲取證作為一種不依賴于任何預(yù)簽名提取或預(yù)嵌入信息來鑒別圖像真?zhèn)魏蛠碓吹募夹g(shù)，正逐步成為多媒體安全領(lǐng)域新的研究熱點(diǎn)，且有著廣泛的應(yīng)用前景。 特征提取與特征分析 算法設(shè)計(jì) 測試與驗(yàn)證 圖像篡改檢測定位圖像數(shù)據(jù)庫圖像源特性反饋 數(shù)字圖像盲取證的基本框架根據(jù)數(shù)字圖像盲取證的基本框架，下面分別對每個(gè)組成部分進(jìn)行介紹。 圖像盲取證流程 盲取證流程是數(shù)字圖像盲取證基本框架的主體部分，主要包括：在圖像建模的基礎(chǔ)上進(jìn)行特征分析與提取、算法的具體設(shè)計(jì)、算法的測試與驗(yàn)證，最后進(jìn)行圖像鑒別(圖像篡改檢測定位或圖像分類)。在設(shè)計(jì)算法時(shí)應(yīng)考慮以下幾點(diǎn)：①算法的研究對象(如圖像的類型)及應(yīng)用范圍；②算法對篡改圖像的檢測準(zhǔn)確性；③算法對圖像被篡改偽造區(qū)域的定位功能；④算法對噪聲和壓縮等的魯棒性；⑤算法的復(fù)雜性等。 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。 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。這種技術(shù)被稱為基于圖像的繪制。 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(píng)價(jià)都是很重要的。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。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(dòng)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。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。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。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。 239?；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。SVDamp。二維離散小波變換從原始信號(hào)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。圖像的奇異值分解SVD(SingularValueDeposition)是一種基于信號(hào)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)。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(huì)位于排序后的矩陣中相鄰的位置。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。(4)對得到的偏移頻率矩陣F進(jìn)行閾值判斷。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。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(jí)離散小波變換圖；圖(c)是三級(jí)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(jí)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。 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。但是，這樣篡改后的圖像通常會(huì)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(huì)在“復(fù)制粘貼后做邊緣模糊或羽化、JPEG壓縮、加噪等操作。),(Rx?)(1,yxf),(39。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。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。 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。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)。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(huì)產(chǎn)生惡劣的影響，甚至是嚴(yán)重的后果。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(píng)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。例如．在臺(tái)并兩幅圖像時(shí)，會(huì)使用到修飾和增強(qiáng)。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。(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)。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。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。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。 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。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。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(shí)，同時(shí)又難以確定用來檢測圖像偽造的特征。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。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。 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，不需要額外的數(shù)據(jù)管理；同時(shí)在對圖像進(jìn)行篡改時(shí)，水印信號(hào)會(huì)經(jīng)歷和原始圖像一樣的變化過程，有助于利用檢測出的水印信號(hào)判斷篡改的類型。Celik提出了一種脆弱性水印，對圖像在多層等級(jí)上進(jìn)行分塊和計(jì)算相應(yīng)的塊簽名，并將簽名嵌入到圖像的LSB位。簽名信息一般有兩種保存方式： (1)直接把簽名信息放在圖像文件的開頭部分，鑒別時(shí)直接從文件頭中提取簽名信息。Bhattacharjee提出了一種使用交互縮放模型和Mexican．Hat小波來提取圖像“顯著特征點(diǎn)的方法 【15】 ，并基于這些特征點(diǎn)的位置生成數(shù)字簽名。第五章是總結(jié)與展望，主要總結(jié)了本文的內(nèi)容，并進(jìn)行了相應(yīng)的研究展望?，F(xiàn)有的一些方法，如Popescu提出的統(tǒng)計(jì)工具箱中的一系列方法 【12】 比較零散，都是針對特定圖像偽造類型、特定應(yīng)用場合的，不能夠普遍適用多應(yīng)用的圖像環(huán)境。這些針對性的取證算法包括Hany Farid的檢測數(shù)字圖像重采樣和復(fù)制粘貼的方法、Shih．fu Chang的利用雙致性檢測拼接偽造圖像方法和J．Fridrich的基于量化DCT的復(fù)制粘貼檢測方法等，事實(shí)上，包括我們在內(nèi)的研究者現(xiàn)在正在研究的許多取證方法也都屬于此列。周琳娜、郭云彪和楊義先等在電子學(xué)報(bào) 【10】 上發(fā)表文章，利用同態(tài)濾波、移動(dòng)平均濾波和數(shù)學(xué)形態(tài)學(xué)的方法檢測經(jīng)過模糊處理的數(shù)字圖像篡改，針對模糊操作的取證正確率在90％左右。Ffidfich把對圖像像素的點(diǎn)操作轉(zhuǎn)化為塊操作，提出了一種對圖像塊的DCT量化系數(shù)進(jìn)行字典排序的算法 【6】 ，來檢測圖像復(fù)制粘貼偽造區(qū)域，量化操作使得該方法對疊加噪聲和有損壓縮具有一定的魯棒性。Popescu采用期望最大化EM(Expectation Maximization)算法來檢測圖像是否經(jīng)歷過重采樣操作。因此，對圖像的DCT系數(shù)進(jìn)行分析，若發(fā)現(xiàn)了這樣的周期性模式，就表明圖像經(jīng)過了雙重壓縮步驟，則該圖像的真實(shí)性將受到質(zhì)疑。不同的篡改手段會(huì)產(chǎn)生不同的偽造遺留痕跡，如JPEG雙重壓縮操作會(huì)導(dǎo)致圖像DCT變換系數(shù)的直方圖產(chǎn)生周期性模式，重采樣操作會(huì)導(dǎo)致圖像像素之間的相關(guān)性發(fā)生變化，復(fù)制粘貼操作會(huì)導(dǎo)致圖像不同區(qū)域之間產(chǎn)生異常的相似性等。因此，在沒有嵌入水印或簽名的情況下檢測圖像是否被篡改是一個(gè)新興起的研究領(lǐng)域。 由此可見，對數(shù)字圖像的真?zhèn)伪鎰e、圖像內(nèi)容的確認(rèn)以及篡改檢測的需求變得越來越迫切了。科學(xué)研究中也曾發(fā)生過類似的數(shù)字圖像偽造案例，嚴(yán)重違背了科學(xué)研究的真實(shí)性原則，造成了極其惡劣的影響。盡管大多數(shù)人對數(shù)字圖像的修改只是為了增強(qiáng)圖像的視覺效果，但是也不乏一些人出于各種不同的目的，無意或者故意，甚至惡意傳播一些經(jīng)過精心偽造和篡改的數(shù)字圖像，以達(dá)到不可告人的目的。 畢業(yè)設(shè)計(jì)（論文）題目：JPEG圖像盲取證技術(shù)研究目錄摘要 ......................................................................IIIABSTRACT ...................................................................IV第 1 章 緒論 ............................................................. 1 課題研究的背景和意義 ..............