數(shù)字圖像及視頻篡改檢測關(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，導致圖像和視頻可能成為作惡者的工具，人們長久以來對影像媒體的信任也發(fā)生了動搖。數(shù)字圖像和視頻篡改檢測的相關(guān)理論和技術(shù)就是在這種背景下應(yīng)運而生。數(shù)字圖像和視頻篡改檢測屬于媒體內(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，場景中感知對象反射的光線需要經(jīng)過光學鏡頭的折射，并經(jīng)歷光學濾波、光電轉(zhuǎn)換、色彩插值、后處理等操作，這個過程中的每一個步驟可以看做是

2、對光線的一次變換，本文將一組變換的有序組合定義為一個變換鏈，并將數(shù)字圖像和視頻建模為經(jīng)歷了某個變換鏈的若干感知對象的結(jié)構(gòu)化組合，進而對圖像和視頻的篡改手段進行了形式化的分析，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)異常相似的感知對象，二是某些感知對象經(jīng)歷了與其他感知對象不同的變換鏈。在此基礎(chǔ)上，本文將圖像及視頻的篡改檢測建模為一個“描述——發(fā)現(xiàn)”的過程：對于待檢測的媒體，首先找到某種特征，用以描述媒體中的感知對象或感

3、知對象所經(jīng)歷的變換鏈中的某個環(huán)節(jié)，進而通過匹配或校驗的方式，去發(fā)現(xiàn)媒體中異常相似的感知對象，或去發(fā)現(xiàn)某些感知對象經(jīng)歷了與其他感知對象不一致的變換鏈。本文圍繞篡改檢測模型中的特征構(gòu)造、匹配和校驗方法等關(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)新點包括以下幾個方面：
　　第一，提出了一種基于有序序列聚類的特征匹配方法。特征匹配是檢測媒體中異常相似對象的關(guān)鍵技術(shù)之一，在基于特征點的圖像區(qū)域

4、拷貝檢測方法中，當特征空間中同時存在多個高度相似的特征時，現(xiàn)有的特征匹配方法會漏檢大量實際上匹配的特征對。針對該問題，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，針對基于特征點的圖像區(qū)域拷貝檢測方法對平滑區(qū)域拷貝行為檢測能力弱的問題，提出了層次化特征點檢測結(jié)合特征融合的區(qū)域拷貝檢測方法。該方法在不顯著增加特征點總數(shù)的情況下，保證不同

5、區(qū)域內(nèi)特征點的覆蓋率。對于平滑區(qū)域的特征點，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所應(yīng)滿足的邊界條件，并設(shè)計了相應(yīng)的參數(shù)求解方法。圖像中各感知對象的壓縮歷史不一致即某些感知對象在壓縮編碼階段所經(jīng)歷的變換與其他感知對象不同，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)分布的估計則依賴于對二者的混合模型的參數(shù)求解?，F(xiàn)有的方法普遍以“盲”的方式進行參數(shù)估計，因而對參數(shù)的估值往往不夠準確?？紤]到DCT系數(shù)所應(yīng)遵循的實際約束，本文向混合模型對應(yīng)的似然函數(shù)中補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)計了粗粒度搜索結(jié)合梯度上升的參數(shù)估計方法，實現(xiàn)了更為準確的篡改檢測和定位。
　　第四，針對降質(zhì)視頻，提出了基于位

7、置敏感哈希和幀配準的匹配方法。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)細微變化的累積將導致幀特征產(chǎn)生實質(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”的匹配方法很難實現(xiàn)穩(wěn)定的雷同幀檢測。本文基于位置敏感哈希實現(xiàn)視頻幀序列的初步匹配，并基于配準技術(shù)完成雷同幀的校驗。為了實現(xiàn)對視頻降質(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，實現(xiàn)了更為魯棒的降質(zhì)視頻幀拷

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

9、檢測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幀對應(yīng)的預測殘差均值和幀內(nèi)預測宏塊數(shù)量的同時突變作為檢測刪/插幀操作的依據(jù)，設(shè)計了用于度量預測殘差均值和幀內(nèi)預測宏塊數(shù)量的變化強度的指標，進而基于這兩種指標構(gòu)造了融合特征，以及用于捕捉碼流信息突變的校驗方法。在對視頻編碼參數(shù)不做任何約束的情況下，本文的方法能夠有效地檢測和