復(fù)制-粘貼圖象篡改的被動認(rèn)證算法研究.pdf

1、隨著數(shù)字圖象的應(yīng)用日益廣泛,數(shù)字圖象編輯處理工具越來越先進(jìn)，利用這些工具精心修改過的圖象很難發(fā)現(xiàn)其改動痕跡，圖象篡改的事件屢見不鮮。當(dāng)前，數(shù)字圖象認(rèn)證成為了現(xiàn)在研究的一個熱點。數(shù)字圖象認(rèn)證技術(shù)分為主動認(rèn)證和被動認(rèn)證兩種。數(shù)字圖象主動認(rèn)證技術(shù)的主要特點是必須對圖象事先進(jìn)行預(yù)處理，如要加入數(shù)字簽名或水印信息等。數(shù)字圖象被動認(rèn)證是一種不需要其他參考信息而直接對圖象的真?zhèn)魏蛠碓催M(jìn)行鑒別的技術(shù)。圖象被動認(rèn)證技術(shù)可用于網(wǎng)絡(luò)中圖象的真實性過濾、電子政

2、務(wù)和電子商務(wù)系統(tǒng)中文書和證書圖象的鑒別、法律證據(jù)圖象的取證和軍事圖象信息的鑒別等，其應(yīng)用前景廣闊。 數(shù)字圖象篡改主要分為合成、復(fù)制-粘貼、變形、修飾、增強、計算機軟件生成和繪畫等方式。本文根據(jù)數(shù)字圖象被動認(rèn)證技術(shù)存在的問題，結(jié)合國內(nèi)外數(shù)字圖象被動認(rèn)證方法，研究了數(shù)字圖象復(fù)制-粘貼篡改被動認(rèn)證的相關(guān)技術(shù)，主要工作有： 1．提出了基于小波特征和主成分分析的被動認(rèn)證算法。該算法首先對篡改圖象進(jìn)行分塊，通過分析分塊的大小對檢測時

3、間和檢測效果的影響，得出時間效率高和檢測效果好的分塊大小；再對各子塊進(jìn)行小波變換，提取最大尺度下的近似小波系數(shù)作為子塊特征；根據(jù)圖象子塊不同層數(shù)小波變換所得到的小波特征對篡改認(rèn)證檢測結(jié)果的影響，得出合適的子塊小波變換層數(shù)范圍；利用主成分分析進(jìn)行特征向量二次提取，以減少特征向量的維數(shù)；最后采用Pearson相關(guān)系數(shù)檢測子塊之間的相似度，并根據(jù)相關(guān)系數(shù)確定篡改塊對，從而得出篡改檢測結(jié)果。 2．提出了基于模糊不變矩和區(qū)域生長的篡改認(rèn)證

4、算法。該算法根據(jù)圖象模糊原理，分析復(fù)制-粘貼篡改區(qū)域的特點，結(jié)合不變矩理論,采用24個模糊不變矩表示圖象子塊特征；通過子塊特征的相似度確定篡改區(qū)域的侯選種子，再根據(jù)侯選種子的鄰域塊對的相似度找出篡改區(qū)域的真種子，并通過中心連接區(qū)域生長法從真種子中生長出經(jīng)過模糊的篡改區(qū)域。 3.提出了基于R-變換與奇異值分解的篡改認(rèn)證算法。該算法將圖象分為部分重疊的子塊，對各子塊進(jìn)行R-變換，并對變換后的數(shù)據(jù)進(jìn)行歸一化，提取歸一化后的數(shù)據(jù)奇異值，

5、根據(jù)子塊奇異值的相似度來確定復(fù)制-粘貼篡改塊對，從而得出篡改檢測認(rèn)證結(jié)果。 本文對復(fù)制-粘貼篡改圖象進(jìn)行了實驗，結(jié)果表明： 1.基于小波特征和主成分分析的被動認(rèn)證算法，算法簡單，無需進(jìn)行錯誤檢測區(qū)域剔除操作，對模糊、JPEG有損壓縮和噪聲以及它們的混合干擾的篡改圖象的檢測均有比較好的穩(wěn)定性。 2.基于模糊不變矩和區(qū)域生長的篡改認(rèn)證算法，能有效地檢測出經(jīng)過模糊處理的篡改區(qū)域，并具有較好的魯棒性。 3.基于R