学位论文 > 优秀研究生学位论文题录展示

利用成像引入特征的数字图像被动盲取证研究

作　者: 王波
导　师: 孔祥维；尤新刚
学　校: 大连理工大学
专　业: 信号与信息处理
关键词: 数字图像取证成像引入特征相机来源鉴别拼接定位检测模糊定位检测
分类号: TP391.41
类　型: 博士论文
年　份: 2010年
下　载: 332次
引　用: 4次
阅　读: 论文下载

内容摘要

随着人类社会进入数字时代,数码相机的普及,简单实用的图像编辑软件的广泛流传,使得制作篡改伪造数字照片图像的门槛不断降低。近年来在政治、经济、新闻等各个领域发生的,由篡改伪造数字图像频繁引发的纠纷和争端,也引起了人们对于如何保证数字时代多媒体内容真实性的深深忧虑。于是,关心数字图像完整性和真实性的数字图像取证近年来成为了学术界的一个研究热点,而其中仅利用数字图像本身特性进行取证分析的数字图像被动盲取证更是成为重中之重。本文针对数字图像取证研究中仍然存在的诸多关键问题,以数字图像的相机成像引入特征为切入点,从数字照片图像的相机来源鉴别、拼接伪造图像的定位检测以及模糊篡改伪造操作的定位检测三个方面,对数字图像被动盲取证的理论和方法进行了研究,主要工作和成果总结如下：在数字照片图像的相机来源鉴别方面,首先分析了现有的数字图像相机来源鉴别模型和方法的局限性,着重指出现有方法在相机样本较多的情况下检测准确率低,以及无法对训练模型外型号的数码相机拍摄图像进行来源检测的两个主要问题,并分析了其原因所在。在此基础上从数码相机成像过程的视角出发,利用成像过程中的关键步骤CFA插值对数码照片图像进行来源鉴别。提出了一种基于协方差矩阵的CFA插值系数估计方法。以此为特征向量,提出了基于多类分类器的数字图像相机来源鉴别,以及基于一类和多类分类器联合的数字图像相机来源鉴别方法。在拼接伪造图像的定位研究方面,对目前的拼接图像检测方法进行了分析。在此基础上,给出了基于原图估计的拼接伪造图像定位模型。通过对图像进行原图估计,恢复和重建图像中可能因拼接操作而被破坏的像素邻域连续性和相关性,进而对拼接区域进行像素级定位。在此基础上,提出了基于“软成像”的原图估计框架,并给出了CFA插值、JPEG压缩和自适应CFA插值三种拼接伪造图像像素级定位检测方法。在模糊篡改伪造的定位检测方面,首先指出由于数码相机的成像机理,使得数码照片图像的局部邻域存在色彩一致性,并进一步分析了模糊篡改伪造操作对这种成像引入色彩一致性特征的影响。在HSI色彩空间的色调域中,提出采用异常色调来对图像的局部邻域色彩一致性进行量化描述。进而提出了基于异常色调率和基于色调特征的两种模糊篡改定位检测方法。

全文目录

摘要  4-5
Abstract  5-10
1 绪论  10-36
  1.1 数字图像取证问题的提出  11-16
  1.2 数字图像主动取证与被动盲取证  16-21
    1.2.1 数字图像主动取证  16-17
    1.2.2 数字图像被动盲取证  17-21
  1.3 研究现状及存在问题  21-34
    1.3.1 数字图像来源鉴别研究现状  22-27
    1.3.2 数字图像篡改伪造检测研究现状  27-30
    1.3.3 数字图像篡改伪造定位研究现状  30-32
    1.3.4 现有方法存在的问题  32-34
  1.4 本文研究内容与结构  34-35
  1.5 本论文的创新点摘要  35-36
2 数字图像被动盲取证与数码相机成像  36-60
  2.1 数字图像被动盲取证框架  36-39
  2.2 数码相机成像原理  39-53
    2.2.1 数码相机成像模型  40-42
    2.2.2 CFA模式与CFA插值算法  42-49
    2.2.3 图像后处理  49-50
    2.2.4 JPEG压缩  50-53
  2.3 典型的篡改伪造操作  53-56
    2.3.1 数字图像来源伪造  54-55
    2.3.2 拼接合成操作  55
    2.3.3 润饰操作  55-56
    2.3.4 自然属性修改  56
  2.4 利用相机成像引入特征的数字图像取证一般模型  56-59
  2.5 本章小结  59-60
3 利用CFA插值系数估计的数字图像来源鉴别  60-85
  3.1 数字图像来源鉴别现状  61-65
    3.1.1 基于图像统计特征的相机型号来源鉴别方法  61-62
    3.1.2 基于CFA插值检测的相机型号来源鉴别方法  62-65
  3.2 CFA插值系数估计  65-73
    3.2.1 基于协方差矩阵的CFA插值估计方法  65-68
    3.2.2 多类SVM分类器  68-69
    3.2.3 实验结果与分析  69-73
  3.3 基于多类分类器的数字图像来源鉴别方法  73-79
    3.3.1 特征选择  74-75
    3.3.2 实验结果与分析  75-79
  3.4 基于一类和多类分类器联合的数字图像来源鉴别方法  79-84
    3.4.1 一类分类器和多类分类器的联合策略  79-81
    3.4.2 一类SVM分类器  81-82
    3.4.3 实验结果与分析  82-84
  3.5 本章小结  84-85
4 基于原图估计的拼接图像定位检测模型与方法  85-104
  4.1 拼接图像检测方法简介  85-87
    4.1.1 同图拼接检测方法  85-86
    4.1.2 异图拼接检测方法  86-87
  4.2 拼接图像定位模型  87-89
  4.3 基于软成像的拼接定位检测方法  89-103
    4.3.1 利用CFA插值和JPEG估计原图的拼接定位方法  90-100
    4.3.2 自适应CFA插值的拼接定位方法  100-103
  4.4 本章小结  103-104
5 利用色彩一致性的模糊篡改图像定位检测方法  104-122
  5.1 模糊篡改检测方法简介  104-107
  5.2 模糊篡改对色彩一致性的影响  107-110
  5.3 基于异常色调的模糊篡改定位检测方法  110-120
    5.3.1 基于异常色调率的模糊篡改定位检测  110-115
    5.3.2 基于色调特征的模糊篡改定位检测  115-120
  5.4 本章小结  120-122
6 总结与展望  122-125
  6.1 本文工作总结  122-123
  6.2 后续研究展望  123-125
参考文献  125-137
本论文的创新点摘要  137-138
攻读博士学位期间发表的学术论文  138-139
攻读博士学位期间参与的科研项目  139-140
致谢  140-142
作者简介  142-144

利用成像引入特征的数字图像被动盲取证研究

内容摘要

全文目录

相似论文