數(shù)字圖像及視頻篡改檢測(cè)關(guān)鍵技術(shù)研究.pdf

1、各種數(shù)字圖像、視頻編輯軟件以及相應(yīng)教程的普及，導(dǎo)致圖像和視頻可能成為作惡者的工具，人們長(zhǎng)久以來對(duì)影像媒體的信任也發(fā)生了動(dòng)搖。數(shù)字圖像和視頻篡改檢測(cè)的相關(guān)理論和技術(shù)就是在這種背景下應(yīng)運(yùn)而生。數(shù)字圖像和視頻篡改檢測(cè)屬于媒體內(nèi)容取證范疇，目的是鑒別影像媒體內(nèi)容的真?zhèn)巍?br>　　數(shù)字圖像和視頻從拍攝到成像的過程中，場(chǎng)景中感知對(duì)象反射的光線需要經(jīng)過光學(xué)鏡頭的折射，并經(jīng)歷光學(xué)濾波、光電轉(zhuǎn)換、色彩插值、后處理等操作，這個(gè)過程中的每一個(gè)步驟可以看做是

2、對(duì)光線的一次變換，本文將一組變換的有序組合定義為一個(gè)變換鏈，并將數(shù)字圖像和視頻建模為經(jīng)歷了某個(gè)變換鏈的若干感知對(duì)象的結(jié)構(gòu)化組合，進(jìn)而對(duì)圖像和視頻的篡改手段進(jìn)行了形式化的分析，并將篡改行為在媒體中留下的痕跡歸結(jié)為兩種情況：一是媒體中出現(xiàn)異常相似的感知對(duì)象，二是某些感知對(duì)象經(jīng)歷了與其他感知對(duì)象不同的變換鏈。在此基礎(chǔ)上，本文將圖像及視頻的篡改檢測(cè)建模為一個(gè)“描述——發(fā)現(xiàn)”的過程：對(duì)于待檢測(cè)的媒體，首先找到某種特征，用以描述媒體中的感知對(duì)象或感

3、知對(duì)象所經(jīng)歷的變換鏈中的某個(gè)環(huán)節(jié)，進(jìn)而通過匹配或校驗(yàn)的方式，去發(fā)現(xiàn)媒體中異常相似的感知對(duì)象，或去發(fā)現(xiàn)某些感知對(duì)象經(jīng)歷了與其他感知對(duì)象不一致的變換鏈。本文圍繞篡改檢測(cè)模型中的特征構(gòu)造、匹配和校驗(yàn)方法等關(guān)鍵技術(shù)展開研究，解決了數(shù)字圖像及視頻篡改檢測(cè)技術(shù)中存在的若干問題。本文的主要研究工作和創(chuàng)新點(diǎn)包括以下幾個(gè)方面：
　　第一，提出了一種基于有序序列聚類的特征匹配方法。特征匹配是檢測(cè)媒體中異常相似對(duì)象的關(guān)鍵技術(shù)之一，在基于特征點(diǎn)的圖像區(qū)域

4、拷貝檢測(cè)方法中，當(dāng)特征空間中同時(shí)存在多個(gè)高度相似的特征時(shí)，現(xiàn)有的特征匹配方法會(huì)漏檢大量實(shí)際上匹配的特征對(duì)。針對(duì)該問題，本文提出了基于有序序列聚類的特征匹配方法，并基于貝葉斯分類器實(shí)現(xiàn)了聚類過程中參數(shù)的自適應(yīng)選擇，顯著地提高了合格匹配特征收集的完備性。
　　第二，針對(duì)基于特征點(diǎn)的圖像區(qū)域拷貝檢測(cè)方法對(duì)平滑區(qū)域拷貝行為檢測(cè)能力弱的問題，提出了層次化特征點(diǎn)檢測(cè)結(jié)合特征融合的區(qū)域拷貝檢測(cè)方法。該方法在不顯著增加特征點(diǎn)總數(shù)的情況下，保證不同

5、區(qū)域內(nèi)特征點(diǎn)的覆蓋率。對(duì)于平滑區(qū)域的特征點(diǎn)，本文構(gòu)造了基于局部梯度和色彩的融合特征，提高了局部特征在平滑區(qū)域內(nèi)的區(qū)分性。
　　第三，提出了基于DCT系數(shù)分析的壓縮歷史不一致檢測(cè)所應(yīng)滿足的邊界條件，并設(shè)計(jì)了相應(yīng)的參數(shù)求解方法。圖像中各感知對(duì)象的壓縮歷史不一致即某些感知對(duì)象在壓縮編碼階段所經(jīng)歷的變換與其他感知對(duì)象不同，這意味著圖像有局部區(qū)域遭到了篡改。在基于DCT系數(shù)分析的JPEG壓縮歷史不一致檢測(cè)方法中，通常以篡改成分和非篡改成分的

6、DCT系數(shù)分布作為特征來反映各DCT塊所經(jīng)歷的壓縮歷史。而篡改成分和非篡改成分的DCT系數(shù)分布的估計(jì)則依賴于對(duì)二者的混合模型的參數(shù)求解?，F(xiàn)有的方法普遍以“盲”的方式進(jìn)行參數(shù)估計(jì)，因而對(duì)參數(shù)的估值往往不夠準(zhǔn)確?？紤]到DCT系數(shù)所應(yīng)遵循的實(shí)際約束，本文向混合模型對(duì)應(yīng)的似然函數(shù)中補(bǔ)充了必要的邊界條件，并結(jié)合似然函數(shù)的平滑特性設(shè)計(jì)了粗粒度搜索結(jié)合梯度上升的參數(shù)估計(jì)方法，實(shí)現(xiàn)了更為準(zhǔn)確的篡改檢測(cè)和定位。
　　第四，針對(duì)降質(zhì)視頻，提出了基于位

7、置敏感哈希和幀配準(zhǔn)的匹配方法。在降質(zhì)視頻中，受各種降質(zhì)因素的影響，視頻幀局部結(jié)構(gòu)細(xì)微變化的累積將導(dǎo)致幀特征產(chǎn)生實(shí)質(zhì)性的變化。因此傳統(tǒng)方法中普遍采用的“特征提取——閾值化”的匹配方法很難實(shí)現(xiàn)穩(wěn)定的雷同幀檢測(cè)。本文基于位置敏感哈希實(shí)現(xiàn)視頻幀序列的初步匹配，并基于配準(zhǔn)技術(shù)完成雷同幀的校驗(yàn)。為了實(shí)現(xiàn)對(duì)視頻降質(zhì)的魯棒性，本文將視頻幀中各區(qū)域的穩(wěn)定性信息編碼到配準(zhǔn)能量函數(shù)中，并基于概率推理的方式近似求解全局最優(yōu)匹配問題，實(shí)現(xiàn)了更為魯棒的降質(zhì)視頻幀拷

8、貝檢測(cè)。
　　第五，提出了針對(duì)高碼率視頻的快速幀拷貝檢測(cè)方法。在高碼率視頻中，當(dāng)具有相同內(nèi)容的幀之間并不存在顯著的波動(dòng)時(shí)，為了在保證檢測(cè)能力的前提下降低幀拷貝檢測(cè)的時(shí)間開銷，本文提出了二維視頻幀的三維骨架特征并設(shè)計(jì)了相應(yīng)的匹配方法。本文首先基于骨架的拓?fù)湫畔?shí)現(xiàn)數(shù)據(jù)篩選，進(jìn)而基于幾何信息進(jìn)行細(xì)粒度的雷同幀判別，實(shí)現(xiàn)了高碼率視頻中的快速幀拷貝檢測(cè)。
　　第六，提出了基于碼流異常突變的視頻刪/插幀檢測(cè)方法?；诖a流分析的刪/插幀

9、檢測(cè)方法通常以碼流中存在異常的周期效應(yīng)作為碼流異常的特征。然而，異常的周期效應(yīng)并非總能夠可靠地檢測(cè)到。此外，現(xiàn)有的方法不能有效地定位篡改操作發(fā)生的位置。本文把碼流中各P幀對(duì)應(yīng)的預(yù)測(cè)殘差均值和幀內(nèi)預(yù)測(cè)宏塊數(shù)量的同時(shí)突變作為檢測(cè)刪/插幀操作的依據(jù)，設(shè)計(jì)了用于度量預(yù)測(cè)殘差均值和幀內(nèi)預(yù)測(cè)宏塊數(shù)量的變化強(qiáng)度的指標(biāo)，進(jìn)而基于這兩種指標(biāo)構(gòu)造了融合特征，以及用于捕捉碼流信息突變的校驗(yàn)方法。在對(duì)視頻編碼參數(shù)不做任何約束的情況下，本文的方法能夠有效地檢測(cè)和