數(shù)字圖像刑偵若干關(guān)鍵問題的研究.pdf

1、近年來，隨著數(shù)字技術(shù)的發(fā)展和數(shù)字圖像處理工具的日益完善，人們可以很容易地篡改、編輯數(shù)字圖像而不留下可以明顯察覺的痕跡，因此迫切需要對(duì)數(shù)字圖像的真實(shí)性、完整性和原始性進(jìn)行鑒別。如何辨識(shí)數(shù)字圖像的來源以及如何檢測(cè)數(shù)字圖像中拼接合成的痕跡是當(dāng)前數(shù)字圖像刑偵中的兩個(gè)重要問題。在大眾傳媒、社會(huì)公安、法庭證據(jù)、科學(xué)發(fā)現(xiàn)等領(lǐng)域都有著重要的應(yīng)用。
　　 本文對(duì)數(shù)字圖像的來源辨識(shí)和數(shù)字圖像的拼接檢測(cè)這兩個(gè)圖像刑偵問題進(jìn)行了深入的研究，取得了以下的

2、成果：
　　 1.提出了一種基于典型相關(guān)分析(Canonical Correlation Analysis， CCA)的數(shù)字圖像源相機(jī)的辨識(shí)方法。該方法利用典型相關(guān)分析，獲取能夠反映同一或不同相機(jī)圖像的光響應(yīng)非均勻性噪聲(PRNU)之間相關(guān)關(guān)系的典型向量，將相機(jī)的噪聲參考模式和圖像的噪聲特征的典型變量之間的相關(guān)系數(shù)作為判別信息來辨識(shí)圖像的源相機(jī)。文中證明了該典型向量較傳統(tǒng)辨識(shí)方法中的固定向量更具一般性。為了進(jìn)一步提高高紋理圖像源

3、相機(jī)辨識(shí)的正確率，提出了對(duì)高紋理圖像和非高紋理圖像區(qū)別進(jìn)行辨識(shí)的方法。通過檢測(cè)圖像中是否缺少光響應(yīng)非均勻性噪聲(PRNU)區(qū)域，將上述源相機(jī)辨識(shí)的方法推廣應(yīng)用到了圖像拼接合成痕跡的檢測(cè)，取得了較好的效果。
　　 2.提出了一種基于曲波濾波的數(shù)字圖像源相機(jī)辨識(shí)的方法。該方法使用曲波( curvelet)濾波器從圖像中提取噪聲特征，并利用圖像的雙變量峭度值將圖像分為高紋理和非高紋理兩類圖像，然后使用Neyman-Pearson決策進(jìn)

4、行判別。與傳統(tǒng)辨識(shí)方法中的小波濾波器相比，曲波濾波器能有效地從包含大量曲線奇異的高紋理圖像中提取噪聲特征，提高了高紋理圖像源相機(jī)辨識(shí)的正確率。通過分析圖像中光響應(yīng)非均勻性噪聲(PRNU)的完整性，將上述源相機(jī)辨識(shí)的方法推廣應(yīng)用到了圖像中篡改區(qū)域的檢測(cè)。
　　 3.提出了一種基于加權(quán)局部熵的檢測(cè)羽化處理的圖像拼接的方法。該方法利用像素鄰域的方向特征判斷該像素是否處于潛在的平滑過渡區(qū)域；然后分別計(jì)算像素的鄰域相似度和塊相似度，這兩個(gè)

5、值可以揭示該像素周圍是否存在一簇具有相同方向的直線；最后將像素鄰域相似度和塊相似度用作權(quán)系數(shù)，通過加權(quán)局部熵值來檢驗(yàn)像素點(diǎn)是否處于羽化生成的平滑過渡區(qū)域。實(shí)驗(yàn)證明了該方法的有效性。
　　 4.提出了一種利用圖像SIFT特征檢測(cè)復(fù)制-粘貼痕跡的方法。該方法將圖像分成若干個(gè)子圖像，任意兩個(gè)子圖像中的相同區(qū)域可以利用SIFT算法檢測(cè)出來。即使復(fù)制區(qū)域經(jīng)過縮放、旋轉(zhuǎn)等操作，該方法仍然能夠準(zhǔn)確地檢測(cè)出復(fù)制-粘貼的痕跡。
　　 論文