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的一些研究

作　者: 赵涵
导　师: 王毅刚；李黎
学　校: 杭州电子科技大学
专　业: 计算机应用技术
关键词: JPEG参考图像 ΔE曲线预测误差图像颜色空间分类器
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 122次
引　用: 0次
阅　读: 论文下载

内容摘要

随着计算机技术的发展,使用photoshop这种功能强大的软件来修改数字图像不再是什么困难的事情。然而任何事情都具有两面性,目前图像造假事件不断的涌现使得人们对数字媒体的信赖完全抹杀,数字媒体的公信力严重降低。那些可以作为司法鉴定,案件证据,关键信息取证的数码照片已经丢失了它往日应有的效力。这导致必然会带来一些牵涉到诸如法律取证中的图像真实性、图像媒体的版权、个人的隐私保护等问题。数字图像取证技术已经成为了现今社会的一个重大课题。本文首先论述了数字图像盲取证技术的研究的基本框架,现有方法的分类。然后从JPEG双压缩篡改检测和自然图像与计算机图像鉴别两个方向进行了深入的研究,一方面借鉴前人的研究成果,一方面提出了自己的新方法,并通过实验证明了所提方法的有效性。论文的主要工作包括以下几个方面:(1)JPEG压缩参考图像的引入:本文提出并实现了一种基于参考图像的双JPEG压缩的数字图像篡改的检测算法。引入参考图像的目的是使参考图像JPEG图片与未经过篡改前的JPEG具有相同的压缩特性。经过双重压缩的篡改图像经过将待检测的图像删除左侧4列,再次进行压缩时,打乱了原有的JPEG图像的DCT块使得再次进行压缩后的JPEG图片不具备双重压缩的统计特性。(2)提出ΔE曲线概念:本文提出了ΔE这一概念来具体实现JPEG双压缩篡改检测,并取得了不错的效果。ΔE是一系列压缩图像与原图像的失真程度的变化率。这一概念的提出对本文定位JPEG篡改位置起到关键性作用。这一变化率可以更容易反映篡改位置图像的双压缩情况。原始图像经过JPEG双压缩的ΔE均值曲线波动比较巨烈,在背景图像首次压缩的质量因子的位置ΔE有明显的符号转变。而参考图像单次JPEG压缩的ΔE均值曲线较为平缓。(3)基于预测误差图像的像素相关一致性的自然图像与计算机图像的鉴别:本文提出了增加了预测误差图像可以把这种相关性信息提取出来。预测误差图像的优点是提取的各个特征之间相关性更小,泛化能力更强。分析和总结了这些数字图像自然数据特性的研究意义和方法。确定适合的颜色空间:本文通过大量实验证明,HSV颜色空间在提取像素特征进行分类时比其它颜色空间可以获得更好的效果。(4)提出一类和多类分类器结合鉴别图像类别的思想:本文还提出了一种一类和多类分类器结合的方法对图像的类别进行分类。并对多类分类器区分自然图像,计算机三维图像,计算机二维卡通图像进行了实验,并取得了良好的效果。

全文目录

摘要  5-6
ABSTRACT  6-9
第1章绪论  9-15
  1.1 课题的研究背景及意义  9-13
  1.2 国内外研究现状  13
  1.3 论文的结构安排  13-15
第2章数字图像盲取证技术的基本框架和研究方法  15-20
  2.1 引言  15-16
  2.2 基于图像伪造过程盲取证技术  16-18
    2.2.1 复制一粘贴检测方法  16-17
    2.2.2 JPEG 图像双重压缩检测方法  17
    2.2.3 图像重采样检测方法  17-18
  2.3 基于自然图像统计特性的盲取证技术  18-20
    2.3.1 自然图像统计模型方法  18-19
    2.3.2 图像质量度量和二元相似性度量等特征方法  19
    2.3.3 基于直方图频域矩的自然图像和计算机图形的鉴别  19-20
第3章基于参考图像的双JPEG 压缩特性的检测方法  20-38
  3.1 引言  20
  3.2 JPEG 介绍  20-21
  3.3 JPEG 的压缩原理  21-24
  3.4 基于参考图像的双JPEG 压缩特性的检测方法  24-37
    3.4.1 JPEG 的双压缩  24-27
    3.4.2 基于JPEG 双压缩的图像主要内容压缩情况估计  27-28
    3.4.3 JPEG 双压缩的图像篡改过程  28-30
    3.4.4 基于原始图像参考图的JPEG 双压缩检测  30-33
    3.4.5 实验结果及分析  33-37
  3.5 本章小结  37-38
第4章基于预测图像相邻像素一致性的自然图像与计算机图像的检测算法  38-54
  4.1 引言  38-39
  4.2 SVM 支持向量机原理  39-42
    4.2.1 SVM 原理  39-41
    4.2.2 特征的抽取与选择  41-42
  4.3 基于相邻像素一致性的自然图像与计算机图形鉴别  42-49
    4.3.1 基于相邻像素一致性的鉴别算法  42
    4.3.2 基于预测图像的相邻像素一致性的鉴别算法  42-45
    4.3.3 自然图像与计算机图像关于颜色模型问题的研究  45-48
    4.3.4 实验结果及分析  48-49
  4.4 基于一类分类器和多类分类器的图像分类  49-53
    4.4.1 一类分类器  50-51
    4.4.2 多类分类器  51-52
    4.4.3 实验结果及分析  52-53
  4.5 本章小结  53-54
第5章总结与展望  54-56
  5.1 总结  54-55
  5.2 展望  55-56
致谢  56-57
参考文献  57-60
附录  60-61
摘要  61-63

数字图像盲取证技术的一些研究

内容摘要

全文目录

相似论文