基于Seam carving篡改技術(shù)的被動(dòng)取證研究.pdf

1、隨著圖像拍攝設(shè)備以及圖像處理工具日漸普及，用戶可以輕易地對(duì)數(shù)字圖像進(jìn)行篡改偽造。一旦這些經(jīng)過惡意篡改的照片傳播到網(wǎng)絡(luò)上或者被用在法庭證據(jù)、媒體或科學(xué)發(fā)現(xiàn)等重要鄰域，將會(huì)對(duì)社會(huì)秩序等帶來不可估量的負(fù)面影響。因此，迫切需要有效的技術(shù)手段對(duì)數(shù)字圖像真?zhèn)芜M(jìn)行鑒定。
　　不同于數(shù)字水印或數(shù)字簽名等主動(dòng)取證技術(shù)，圖像被動(dòng)取證不需要預(yù)先嵌入信息，而是直接利用圖像本身的統(tǒng)計(jì)特性進(jìn)行真?zhèn)闻袆e。特別地，逐步成熟的Seamcarving技術(shù)不僅可以作為

2、圖像內(nèi)容感知縮放的手段，還可以用于移除圖像中的特定對(duì)象并能夠掩蓋篡改痕跡。因此，針對(duì)基于Seam carving篡改技術(shù)的被動(dòng)取證研究，既面臨巨大的技術(shù)挑戰(zhàn)，又具有很強(qiáng)的應(yīng)用價(jià)值。本文基于Seam carving的圖像篡改研究相應(yīng)的被動(dòng)取證技術(shù)。本文主要工作和創(chuàng)新點(diǎn)如下:
　　首先，針對(duì)現(xiàn)有取證方法檢測(cè)率較低，魯棒性不強(qiáng)的問題，提出了一種基于LBP統(tǒng)計(jì)特征的Seam carving取證算法。它的基本思路是:Seam carving

3、會(huì)改變圖像局部紋理，采用局部二值模式(local binary pattern，LBP)對(duì)圖像進(jìn)行預(yù)處理操作，從而突出Seam carving所帶來的局部紋理形變現(xiàn)象。此外，定義了6個(gè)新的half-Seam特征揭示半幅圖像的能量變化，并結(jié)合現(xiàn)有的18個(gè)能量特征一起組成24個(gè)LBP域的統(tǒng)計(jì)特征，再借助支持向量機(jī)(SVM)分類器判別圖像的真?zhèn)?。?shí)驗(yàn)結(jié)果表明，與現(xiàn)有的被動(dòng)取證算法相比，提出的算法對(duì)不同縮放因子的Seam carving篡改取證

4、檢測(cè)率提高了3.5～19.1％。
　　其次，針對(duì)現(xiàn)有取證方法對(duì)低縮放因子Seam carving適應(yīng)性不高的問題，提出一種基于多角度空域和頻域熵的低縮放因子Seam carving被動(dòng)取證算法。低縮放因子的Seam carving不會(huì)產(chǎn)生明顯的結(jié)構(gòu)和紋理失真，僅存在信息損失，因此取證難度更大。通過實(shí)驗(yàn)觀察到，即使是低縮放因子的Seam carving，也會(huì)造成圖像的空域和頻域熵(spatial and frequency entr

5、opy，SFE)顯著變化。為此，本文從集中趨勢(shì)，離散趨勢(shì)和分布趨勢(shì)三個(gè)角度設(shè)計(jì)42個(gè)SFE統(tǒng)計(jì)特征，然后結(jié)合改進(jìn)的54個(gè)LBP能量特征一起構(gòu)成96個(gè)低縮放因子Seam carving取證特征，最后使用SVM進(jìn)行圖像真?zhèn)闻袆e。實(shí)驗(yàn)結(jié)果表明，該算法取得了較高的檢測(cè)準(zhǔn)確率，并且對(duì)JPEG壓縮、Seam insertion等操作的情況下仍舊有效。
　　目前，基于Seam carving篡改的取證研究還處在起步階段。希望本文的研究可以促進(jìn)圖