数字图像细缝裁剪篡改的被动取证方法研究

《数字图像细缝裁剪篡改的被动取证方法研究》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、数字图像细缝裁剪篡改的被动取证方法研究ResearchonPassiveForensicsMethodsofDigitalImageSeamCarvingForgery一级学科：信息与通信工程学科专业：信息与通信工程作者姓名：王秋子指导教师：郭继昌教授天津大学电气自动化与信息工程学院二零一七年十一月摘要随着数字时代的到来和移动互联网的快速发展，数字图像在人们的生活中扮演着越来越重要的角色。然而，各类简单易得的数字图像编辑软件使得普通用户也能轻易对一幅图像的内容和尺寸进行篡改，且现有篡改技术人眼无法识别，数字图像的真实性和完整性受到质疑，恶意的数字图像篡改妨碍了司法鉴定，严重威胁着社会

2、的公平正义，因此对数字图像的取证方法研究具有重要的实用价值和现实意义。本文对细缝裁剪篡改技术进行深入研究，分析了篡改前后图像局部纹理的变化和像素间相关性的变化，提出基于局部二值模式（LocalBinaryPattern,LBP）和马尔科夫特征的取证方法。该方法首先将图像从空域转换到LBP域，对其进行JPEG压缩后提取二维JPEG矩阵，计算该矩阵在水平、垂直、主对角线、次对角线方向上的一阶差分矩阵，最后对各个方向上的差分矩阵分别提取马尔科夫特征，通过支持向量机进行分类训练后判别图像是否经过篡改。此外，深入分析了因上述马尔科夫特征只是对相邻元素进行差分而不能很好反映篡改比例较大时图像的变

3、化，本文将马尔科夫特征进行扩展，将扩展后的马尔科夫特征与LBP相结合进行检测。与前述算法不同的是对4个方向上的一阶差分矩阵分别提取马尔科夫特征和扩展马尔科夫特征，将融合后的特征通过支持向量机进行分类检测。实验结果表明本文算法优于传统马尔科夫方法以及其它细缝裁剪检测方法，特别是当细缝裁剪篡改比例较小时检测率较现有方法有明显提升。此外不同数据库上的优良检测率更体现了本文算法在检测细缝裁剪篡改上的适应性。关键词：数字图像取证，图向重定向，细缝裁剪，局部二值模式，马尔科夫特征，扩展马尔科夫特征IABSTRACTWiththeadventofdigitaleraandtherapiddevel

4、opmentoftheMobileInternet,digitalimagesplayanincreasinglyimportantroleinourlives.However,varioussimpleandeasy-to-usedigitalimageeditingsoftwaremakeiteasyforordinaryuserstotamperwiththecontentandsizeofanimage,andthetamperingtechniqueisnotrecognizedbyhumaneyes.Theauthenticityandintegrityofdigital

5、imagesarebeingquestioned,Maliciousdigitalimagetamperingobstructsforensicappraisal,whichseriouslythreatenssocialfairnessandjustice.Therefore,theresearchondigitalimageforensicshasimportantpracticalvalueandpracticalsignificance.Todealwithimagetamperingoperationusingseamcarving,thechangeoflocaltext

6、ureandthecorrelationbetweenpixelsbeforeandaftertamperingareanalyzed,andaforensicmethodbasedonLBPandMarkovfeaturesisproposed.Firstly,theLBPoperatorisexploitedtoconverttheimagefrompixeldomaintoLBPdomain.Afterthat,the2DJPEGmatrixisextractedbyJPEGcompression.Thenitsfirst-orderdifferencematricesarec

7、alculatedinthehorizontal,vertical,diagonalandminordiagonaldirectionsrespectively.Finally,theMarkovfeaturesaregainedfromthedifferencematricesineachdirectionandusedtoidentifywhetheranimageissufferedfromseamcarvingbytheSVM.Inaddition