【正文】 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、測試與驗證、圖像篡改檢測定位以及圖像數(shù)據(jù)庫。 圖像建模圖像建模作為圖像盲取證分析的第一步，具有很重要的作用。自然圖像統(tǒng)計特性是指自然圖像內(nèi)在的統(tǒng)計規(guī)律性。(2)基于偽造手段的模型。圖像建模是整個盲取證框架中的關(guān)鍵步驟，它決定著數(shù)字圖像盲取證算法的檢測準(zhǔn)確性。(1)特征分析與提取。特征分析應(yīng)充分利用與盲取證相關(guān)的圖像知識，如圖像篡改偽造手段、圖像成像過程和圖像統(tǒng)計特性等。這里的特征是指廣義上的特征，既包括從單幅圖像中估計出的自然圖像統(tǒng)計特性，還包括圖像篡改偽造過程的遺留痕跡等。特征的分析與提取，為算法設(shè)計提供了依據(jù)和基礎(chǔ)。(3)算法的測試和驗證。如此反復(fù)，直到算法的各項性能指標(biāo)滿足應(yīng)用需求。在通過了測試和驗證過程之后，就可以利用設(shè)計好的算法實施圖像盲取證工作，即對未知圖像進行真?zhèn)舞b別。 圖像源特性圖像源特性是指與盲取證相關(guān)的一些圖像知識，包括圖像篡改偽造手段、圖像成像過程和圖像統(tǒng)計特性等。現(xiàn)代數(shù)字圖像篡改的方法有很多，論文僅介紹幾種常見的篡改技術(shù)。實際應(yīng)用中，圖像合成往往和圖像模糊、縮放、旋轉(zhuǎn)等處理結(jié)合使用以達到不被視覺發(fā)現(xiàn)的目的。采用的方法一般是分別找出原圖像和目標(biāo)圖像上對應(yīng)的特征點，然后以不同的權(quán)重疊加兩幅圖像，這樣得到的圖像就兼有兩幅圖像的特征。如下，通過修飾左圖中人物的左眼使得她的眼睛變大達到右圖所示的結(jié)果。 增強篡改圖像5. 計算機圖形(puter graphics)。產(chǎn)生的步驟：首先，構(gòu)造一個合適的三維模型；然后，給模型加上顏色和紋理，再用一盞或幾盞虛擬光源去照明，使之產(chǎn)生近似理想的照明條件；最后，通過一虛擬的照相機進行截圖，產(chǎn)生一張合成的照片。最近出現(xiàn)了一種新的技術(shù)，它利用真人和激光掃描設(shè)備獲得高精確度的三維模型，這使得不熟練的人也能創(chuàng)造出逼真的電腦圖像。例如：計算機生成圈像可以被合成真實圖像，而真實圖像可以被直接映射成三維模型。 計算機生成圖像我們注意到，當(dāng)在篡改數(shù)字圖像時，以上操作和別的一些操作常常同時被使用。我們也注意到，篡改不是一個能很好被定義的概念，它常常依賴于應(yīng)用的場合。例如，在雜志的封面上使用合成圖像可以被人接受，但是在法庭上作為證據(jù)則不被允許。因此，甚至在照片看起來是真實的，毫無疑問的情形下，我們也需要一種有效的方法去檢測照片的真實性。另外，一個通用的圖像數(shù)據(jù)庫能夠為研究者提供一個相互交流的工作平臺，用來比較各自提出的算法的優(yōu)劣性，從而促進數(shù)字圖像盲取證技術(shù)的發(fā)展。拼接圖像檢測評估數(shù)據(jù)庫，用于圖像拼接檢測的實驗，其中灰度拼接圖像檢測數(shù)據(jù)庫包括933幅真實圖像和912幅拼接圖像，圖像的大小均為128x128。攝影圖像和計算機生成圖像數(shù)據(jù)庫包括四種類型的圖像：800幅來自網(wǎng)絡(luò)的計算機生成圖像、800幅來自攝影師的攝影圖像、800幅來自google圖像搜索的攝影圖像和800幅重新拍攝的計算機生成圖像。 數(shù)字圖像盲取證技術(shù)應(yīng)用領(lǐng)域在當(dāng)今的數(shù)字化時代，隨著數(shù)字圖像獲取設(shè)備的普及和圖像編輯軟件功能的日益強大，絕大多數(shù)的普通計算機用戶都可以任意地編輯數(shù)字圖像。另外，互聯(lián)網(wǎng)強大的傳播功能更是為圖像篡改偽造者提供了豐富的資源。因此，面向真實性檢測的數(shù)字圖像盲取證技術(shù)潛在的應(yīng)用領(lǐng)域廣泛，涉及新聞媒體、電子票據(jù)、文檔簽名、法庭犯罪取證、保險事故調(diào)查、軍事情報分析等領(lǐng)域。而如今新聞媒體中的事件場景照片、人物照片等在網(wǎng)絡(luò)上廣泛傳播，這類照片被篡改的機率相對較高。因此新聞媒體單位需要數(shù)字圖像盲取證工具，從而能夠?qū)邮盏降膱D片進行真實性檢測，以確保新聞的客觀事實性。因此有必要應(yīng)用數(shù)字圖像盲取證技術(shù)來鑒別電子票據(jù)是否被篡改偽造過，從而保證電子交易的順利進行。所以需要數(shù)字圖像盲取證技術(shù)對文檔圖像進行鑒別，及時發(fā)現(xiàn)圖像是否被篡改過，否則使用偽造過的文檔圖像將會造成惡劣的影響或是無法挽回的損失。但是現(xiàn)在，作為證據(jù)的照片的真實性卻必須經(jīng)過仔細鑒別，照片真實與否，可以決定一個人會不會遭受牢獄之災(zāi)；在保險索賠時，偽造照片若被當(dāng)成證據(jù)，就會使保險公司蒙受損失。5．軍事情報分析中情報圖像的真?zhèn)伪鎰e情報的準(zhǔn)確性在軍事行動中起著至關(guān)重要的作用。因此利用數(shù)字圖像盲取證技術(shù)鑒別圖像情報的真實性，在軍事中具有重要的應(yīng)用價值。本章首先提出了一個數(shù)字圖像盲取證的基本框架，從圖像建模、算法分析與設(shè)計、圖像源特性和標(biāo)準(zhǔn)圖像測試庫等方面對該框架進行了闡述；接著分析了數(shù)字圖像盲取證在新聞媒體、電子商務(wù)交易、司法取證以及軍事情報分析等領(lǐng)域的潛在應(yīng)用；然后從圖像偽造過程遺留痕跡、詳細闡述了數(shù)字圖像盲取證技術(shù)的研究現(xiàn)狀：并在此基礎(chǔ)上，進行了相關(guān)研究工作評述，對圖像盲取證在理論研究、新技術(shù)和新方法的引入、魯棒性和標(biāo)準(zhǔn)數(shù)據(jù)庫的擴展等方面的進一步研究工作進行了分析和探討。由于在同一幅圖中進行復(fù)制粘貼操作不會引起圖像在亮度、色彩、噪聲等方面較明顯的變化或不一致，從而使得篡改后的圖像不容易引起人們視覺上的懷疑，難于被人眼辨別出來，所以這是一種應(yīng)用廣泛日簡單有效的篡改偽造手段。對比圖(a)和圖(b)，可以看到一條小船變成了兩條小船，如果不是有原圖(a)作為參照，人們通常很難看出圖(b)是一幅篡改的圖像。 （a）真實圖像 (b)復(fù)制粘貼偽造圖像 圖像復(fù)制粘貼偽造示例前面已經(jīng)對圖像復(fù)制粘貼盲取證算法的相關(guān)研究作了介紹，其中代表性的方法是文獻【22】 中提出的檢測算法，使用的描述特征分別是基于圖像塊的DCT量化系數(shù)和PCA降維特征。另外，F(xiàn)ridrich在文獻中具體討論算法對壓縮和噪聲的魯棒性，而當(dāng)篡改區(qū)域的尺寸小于128128時，Popescu在文獻中提出的算法對經(jīng)過了一定后續(xù)操作(如質(zhì)量因子小于70的JPEG壓縮等)的圖像會出現(xiàn)較高的誤判率。該算法基于塊匹配思想，首先利用圖像小波分解得到的近似分量作為分析對象；然后對小波近似分量進行滑窗操作，對取出的圖像塊進行奇異值分解得到奇異值特征，并使用一定的量化步長對該特征進行量化，這種特征描述形式對邊緣處理、JPEG壓縮和高斯噪聲具有較強的魯棒性；然后對由所有塊的量化奇異值特征組成的特征矩陣按行進行字典排序，最后結(jié)合圖像塊的偏移位置信息，進行圖像復(fù)制粘貼偽造區(qū)域的檢測和定位。而且，一般情況下對圖像內(nèi)容進行復(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偏移向量。因此如果圖像中存在復(fù)制粘貼區(qū)域，則對應(yīng)的偏移向量的統(tǒng)計值應(yīng)該較大，且遠遠大于其余偏移向量的統(tǒng)計值。 圖3．2 圖像復(fù)制粘貼偽造模型該模型滿足以下合理的假設(shè)：(1)被復(fù)制的區(qū)域R1是一個連通的面積較大的區(qū)域，而不是若干零散像素的集合；(2)復(fù)制區(qū)域R1和粘貼區(qū)域R2不相交，R1∩R2=空集；(3)設(shè)定的圖像塊的大小應(yīng)小于待檢測的復(fù)制區(qū)域，即 wlR1；(4)R1,R2中對應(yīng)的相似圖像塊對具有相同的偏移向量d=(△x，△y)；以灰度圖像為例，復(fù)制粘貼偽造模型可描述為：在一幅復(fù)制粘貼篡改后的圖像f(x，y)中，存在兩個區(qū)域R1，R2和一個偏移向量d=(△x，△y)，., 存在(x1，y1)∈Rl，有， ， ， 。139。 y139。139。139。),(39。y復(fù)制粘貼偽造圖像中的復(fù)制區(qū)域和相對應(yīng)的粘貼區(qū)域基本上相似，而通過大量實驗發(fā)現(xiàn)在自然圖像中(除有大片平坦區(qū)域的圖像外)存在這樣較大面積的相似區(qū)域的可能性是很小的。倘若篡改后的圖像不做任何的后續(xù)處理，則R1和R2中的值是精確相等的，那么復(fù)制粘貼盲取證是一個簡單的區(qū)域匹配問題。經(jīng)過后處理操作的篡改圖像，其邊界效應(yīng)會明顯減少，視覺上更難以發(fā)現(xiàn)，并且R1和R2區(qū)域中對應(yīng)的像素值一般變得不精確相等，檢測的復(fù)雜性大大增加。 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在建立了圖像復(fù)制粘貼偽造模型的基礎(chǔ)上，本章提出了一種能有效檢測和定位圖像復(fù)制粘貼篡改區(qū)域的盲取證算法，算法流程如圖3．3所示?；胺謮Kamp。量化圖3．3 復(fù)制粘貼偽造圖像盲取證算法流程下面對算法中的關(guān)鍵技術(shù)進行詳細介紹。為了提高算法的檢測效率，有必要對圖像進行預(yù)處理。因此，本章使用小波變換對圖像進行預(yù)處理。這里針對二維信號，其離散小波分解過程如圖3．4所示。小波重構(gòu)是小波變換的逆變換，圖3．5是二維小波變換單層重構(gòu)過程。LoD 2 1LoDHiD1 21 2 22 2HiDLoDHiD 1 21 22 1 1 1作用于行作用于行作用于列作用于列作用于列作用于列cAj+1cDj+1(k) 水平cDj+1(v)垂直cDj+1(d) 對角cAj列下采樣：保留偶數(shù)列 在行上與濾波器 X 做卷積運算 行下采樣：保留偶數(shù)列 在列上與濾波器 X 做卷積運算圖 二維信號的離散小波分解1 2HiR2 1 LoRwkeep1 2LoRHiR2 1HiRLoR1 21 2cAj+1cDj+1(k)水平cDj+1(v)垂直cDj+1(d)對角作用于列作用于列作用于列作用于行作用于行cAj對每個行的數(shù)據(jù)使用 列上采樣：在奇數(shù)列上插入 0 濾波器 X 做卷積運算 行上采樣：在奇數(shù)行上插入 0 對每個列的數(shù)據(jù)使用 濾波器 X 做卷積運算2 1 X1 2 X作用于行作用于列XX2↑11↑2作用于列作用于列作用于列圖 二維信號的離散小波重構(gòu) （a）Elaine原始圖像 (b)三級小波分解 (c)三級小波分解的自帶分布圖3．6 圖像離散小波分解示倒 本章提出的復(fù)制粘貼偽造圖像盲取證算法采用DWT來對圖像進行預(yù)處理，提取小波變換后的近似分量作為圖像的最佳逼近，經(jīng)過DWT變換后的近似分量的尺寸減少到約原始圖像尺寸的l/4 k(k為小波分解的級數(shù))，從而達到降低圖像數(shù)據(jù)量的目的。 使用奇異值分解提取圖像塊特征從算法流程的描述中可知，提取的圖像塊特征的維數(shù)是影響算法時間復(fù)雜度的另一個重要因素。本章使用奇異值分解來提取圖像塊的特征。奇異值分解定理：設(shè)A是秩為r的mn實值矩陣(不失一般性．設(shè)m≥n)，則存在mm階正交矩陣U,nn階正交矩陣V,使得 A=U∧V T (31)式中A為mn的矩陣，沿其對角線包含了A的奇異值， (32)????????0?其中 ，,并且 0 ， 稱),(21rdiag??、 、 、? r??、 、 、21 )(Arank?為矩陣A的非零奇異值，按降序排列。奇異值分解是一種將矩陣對角化的數(shù)值方法，它是數(shù)值線性代數(shù)中最有用的工具之一，LL3 HL3LH3 HH3HL2LH2 HH2 HL1 LH1 HH1在統(tǒng)計分析、信號與圖像處理、系統(tǒng)理論與控制等領(lǐng)域中被廣泛使用。所以，本章算法在圖像塊特征提取時采用奇異值分解方法，并對奇異值特征向量進行量化，其目的是：(1)得到圖像塊的一個唯一的、穩(wěn)定的特征描述；(2)由于奇異值的穩(wěn)定性以及進行的量化操作，可以提高算法的魯棒性； (3)由于奇異值特征有r個非零奇異值，使得原小波低頻系數(shù)塊的特征空間由mn維下降到r維。由復(fù)制粘貼偽造模型可知，復(fù)制區(qū)域和粘貼區(qū)域是由若干個對應(yīng)相似的圖像塊對組成，而這些相似塊對具有一致的偏移向量，所以如何定位出圖像的篡改區(qū)域問題就轉(zhuǎn)換成如何尋找具有相同偏移向量的相似塊對問題。因此遍歷排序后的特征矩陣S，對S中相鄰的兩行，計算它們對應(yīng)圖像塊的坐標(biāo)值的偏移向量，并統(tǒng)計偏移向量的頻率，得到偏移頻率矩陣F。若存在大于閾值的偏移頻率，則說明圖像中可能存在復(fù)制粘貼偽造區(qū)域。在標(biāo)識定位結(jié)果圖中，會看到成對的、面積較大的連通區(qū)域(它們就被認為是復(fù)制一粘貼偽造區(qū)域)，同時定位結(jié)果圖中可能會出現(xiàn)一些零散的孤立區(qū)域，或者連通區(qū)域中會出現(xiàn)一些“空洞”。數(shù)學(xué)形態(tài)學(xué)(Mathematical Morphology)是一門建立在集合論基礎(chǔ)之上的學(xué)科，它是幾何形態(tài)學(xué)分析和描述的一個重要工具，其基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素來量取和探測圖像中對應(yīng)的形狀，從而達到圖像分析和識別的目。在數(shù)字圖像處理的形態(tài)學(xué)運算中，把一幅圖像稱為