基于数字图像统计特征的盲取证技术研究

基于数字图像统计特征的盲取证技术研究

ID:35065674

大小:4.30 MB

页数:74页

时间:2019-03-17

基于数字图像统计特征的盲取证技术研究_第1页
基于数字图像统计特征的盲取证技术研究_第2页
基于数字图像统计特征的盲取证技术研究_第3页
基于数字图像统计特征的盲取证技术研究_第4页
基于数字图像统计特征的盲取证技术研究_第5页
资源描述:

《基于数字图像统计特征的盲取证技术研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、’.'电難^单位代码;10293密级:公开'iV—;考皮《隹硕女俗A據一,謙;同雨TFI藤哪户.论文题目:基于数字图像统计特征的盲取证技术研究^—学号2035121301■--:^r,古.,'^nA巧尸批.导师巩氷延教梧譯葦:,致弊驾..专业学位类别工程硕±三:論U#l1'方公.互哪軍一屯'.’‘.一,:.,-'.?,-点疗法冷,?>,、^子/;'类今知马日制M赛賢谋:啤^’、古姻IN.,.;\:;专业>(领域

2、);电子与通信工程v-V-;论文提交日期二零一六年四月:’%;;古.热—.:波‘一...片I.猶朽'■?T'h芭-苗:相巧;南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加^^标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。一本人学位论文及

3、涉及相关资料若有不实,愿意承担切相关的法律责任。研究生签名:施違怎円期:如乂.户’f南京邮电大学学位论文使用授权声明本人授权南京邮电大学可W保留并向国家有关部口或机构送交论文的复印件和电子文可档;允许论文被查阅和借阅;可W将学位论文的全部或部分内容编入有关数据库进斤检索;W采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质一论文的内容相致。论文的公布(包括刊登)授权南京邮电大学研究生院办理。涉密学位论文在解密后它适用本授权书。研究生签名;齡、导师签名:円期;去Blindforensics

4、basedonstatisticalfeaturesofdigitalimageThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByYinfeiShiSupervisor:Prof.LongyanGongApril2016摘要人们可以通过听觉、视觉、味觉等多种途径获得外界信息,其中来自于视觉的信息大约占80%。数字图像作为视觉信息最为常见的载体,它传递出来的信息比通过其它途径获取的信息更为准确和真实。然而随着数码相

5、机、个人电脑的普及,人们看到的图片可能是经过图像编辑软件恶意伪造和篡改后的图片,因此人们获取可靠和真实信息的重要途径受到严重威胁。数字图像盲取证是一种在待测图像未嵌入数字水印、数字签名、数字指纹等先验知识的情形下对其真实性以及来源进行鉴别的技术。本文研究了数字图像统计特征对数字图像盲取证的影响以及提出了一种新的自然图像和计算机生成图像的盲取证算法。首先,通过Benford定律研究了离散余弦变换(DiscreteCosineTransform,DCT)系数的选择对自然图像和计算机生成图像鉴别的影响,仿真结果表明:在使用相同判据和最佳阈值的情况下,自然图像和

6、计算机生成图像的分类准确率随着选择的图像DCT高频系数的增多而先提高,然后达到最大值,之后随着DCT低频系数逐渐增多,分类准确率下降,因此体现图像细节的DCT高频系数更有益于图像分类准确率的提高;在使用最佳判据和最佳阈值的情况下,利用灰度图对自然图像和计算机生成图像进行分类,其准确率最高,图像的绿色(green,G)通道次之,红色(red,R)通道和蓝色(blue,B)通道都较差。然后,研究了DCT系数的选择对拼接图像鉴别的影响,仿真结果表明:从最高频往低频选择DCT系数,随着低频分量的增加,两类图像的分类准确率变化不大;从最低频往高频选择DCT系数,随

7、着能够捕捉拼接图像锐利边缘的高频细节分量增加,两类图像的分类准确率有较大的改善;当选择相同数量的DCT系数时,从最高频向低频选择DCT系数方案的分类准确率普遍优于从最低频向高频选择DCT系数方案的分类准确率。最后,提出了一种基于图像分层模型无序度的自然图像和计算机生成图像的盲取证算法。通过提取数字图像的每个二进制图层的无序度特征,用这些特征训练支持向量机并对待测数字图像的类别进行预测,仿真结果表明:通过将二进制图层划分为合适长度的子序列计算图层的无序度,上述两类图像的分类准确率可达82.80%,受试者工作特征曲线(receiveroperatingcha

8、racteristiccurve,ROC)下面积(areaundertheROC

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。