学位论文 > 优秀研究生学位论文题录展示

数字图像盲取证技术研究

作　者: 高强
导　师: 张华熊
学　校: 浙江理工大学
专　业: 信号与信息处理
关键词: 盲取证 CFA BP网络 DCT 字典排序
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 85次
引　用: 0次
阅　读: 论文下载

内容摘要

得益于大规模集成电路及信息技术的进步,原本价格高昂的数码相机如旧时王谢堂前燕,飞入寻常百姓家。如今,在我们的日常生活和工作中,数码相机已经几乎完全取代了传统的胶片相机成为最主要的影像记录工具。然而,由数码相机拍摄出来的照片有与生俱来的数字特性和存储特性,因此与传统相机拍摄的照片相比,数字图像更容易被篡改。所以,如何能够在使用数码照片之前确定该数码照片是否被篡改过,已成为新闻、经济、军事、政治等领域采信照片前所必须面对的问题。传统的做法是在数字图像中嵌入数字水印,只要篡改者篡改了图像,那么必将会破坏图像嵌入的水印,据此可以判断图像是否被篡改。然而,图像中嵌入的水印破坏了图像的视觉效果,是一种不完美的防御手段。如果能够在不对图像嵌入水印的前提下通过数据统计等手段判断数字图像是否被篡改过,即“盲取证”,那将节省大量的水印设备,同时又能保证数字图像本身的视觉信息的完整。本文所研究的问题就属于这个范畴。本文的研究内容可分为两个部分,一个是提出了“基于人工神经网络的数字图像盲取证算法”,另一个是对前人提出的基于“图像特征向量及字典排序的数字图像盲取证算法”的改进。第一部分,根据数码相机成像的原理提出了“基于人工神经网络的数字图像盲取证算法”。指出,利用图像自身在成像时所携带的数码相机插值算法信息来判断一幅图像是否被篡改。如果图像含有两种以上插值算法,那么可以判定这幅图像是被篡改过的,图像中与大部分区域所包含的插值算法不同的小块区域即为篡改区域。为了达到上述目的,本文利用原图像训练BP神经网络,拟合出图像的插值函数,然后再将图像颜色信息输入拟合的插值函数,通过由拟合函数获得的图像颜色信息与实际图像颜色信息的误差大小来判断伪造区域。为了进一步提高取证的精确度,本文进一步提出了使用加权值的大小选择整幅图像中插值关系保存最完好的部分来训练BP神经网络,另一方面也提高了算法对椒盐噪声的鲁棒性。第二部分,本文在第一部分中所提出的盲取证算法是针对来自不同相机所拍摄的照片拼接成一幅图像的情况经行盲取证。而在实际应用中篡改者也可能使用来自同一部相机所拍摄的图像拼接成一幅伪造图像。为了应对这种篡改,前人已经提出了一些盲取证算法,基于图像块特征向量及字典排序的数字图像盲取证算法就是其中一种。而实际篡改图像由于受到模糊等处理,相似图像块的字典排序可能不是相邻的,因此会导致检测错误。本文对该算法进行了改进,提出按特征向量之间的距离大小进行字典排序,然后按照特征向量的频率对DCT系数矩阵进行分组的方法,从而提高了算法的精确度。

全文目录

摘要  4-6
Abstract  6-10
第一章绪论  10-22
  1.1 研究的背景和意义  10-14
  1.2 数字图像盲取证研究现状  14-18
    1.2.1 国外研究现状  14-16
    1.2.2 国内研究现状  16
    1.2.3 问题分析  16-18
  1.3 图像篡改技术  18-21
    1.3.1 复制-黏贴  18-19
    1.3.2 图像增强  19
    1.3.3 图像变形  19-20
    1.3.4 机器生成  20-21
  1.4 小结  21-22
第二章数码相机颜色阵列成像原理  22-31
  2.1 数码相机成像原理  22-25
  2.2 颜色滤波阵列（CFA）插值算法  25-30
    2.2.1 最近临点插值算法  25-26
    2.2.2 双线性插值算法  26
    2.2.3 平滑色调插值算法  26-27
    2.2.4 中值滤波插值算法  27-28
    2.2.5 边缘导向插值算法  28-29
    2.2.6 适应性颜色插值算法  29-30
  2.3 小结  30-31
第三章基于人工神经网络的数字图像盲取证  31-56
  3.1 BP 性神经网络  31
  3.2 神经网络的优点  31-32
  3.3 人工神经网络盲取证算法思路  32-33
  3.4 插值算法函数的拟合  33-35
  3.5 篡改区域的定位  35-36
  3.6 对算法的进一步优化  36-39
  3.7 参数的选取  39-42
    3.7.1 网络层数  39
    3.7.2 输入层节点数  39
    3.7.3 输出层节点数  39-40
    3.7.4 隐层节点数  40
    3.7.5 传输函数  40-41
    3.7.6 训练方法  41-42
  3.8 实验结果及分析  42-55
    3.8.1 对没有噪声和压缩的图像的实验结果  44-51
    3.8.2 对含有噪声和压缩的图像的实验结果  51-55
  3.9 小结  55-56
第四章数字图像拷贝-移动篡改检测方法分析与改进  56-67
  4.1 引言  56
  4.2 数字图像拷贝-移动篡改检测方法简述  56-58
  4.3 DCT 压缩基本原理  58-62
  4.4 数字图像拷贝-移动篡改检测方法分析与改进  62-66
  4.5 小结  66-67
第五章总结与展望  67-69
  5.1 论文总结  67
  5.2 论文展望  67-69
参考文献  69-74
致谢  74-75
攻读学位期间的研究成果  75

数字图像盲取证技术研究

内容摘要

全文目录

相似论文