(计算机应用技术专业论文)数字图像刑侦若干关键问题的研究.pdf_第1页
(计算机应用技术专业论文)数字图像刑侦若干关键问题的研究.pdf_第2页
(计算机应用技术专业论文)数字图像刑侦若干关键问题的研究.pdf_第3页
(计算机应用技术专业论文)数字图像刑侦若干关键问题的研究.pdf_第4页
(计算机应用技术专业论文)数字图像刑侦若干关键问题的研究.pdf_第5页
已阅读5页,还剩102页未读, 继续免费阅读

(计算机应用技术专业论文)数字图像刑侦若干关键问题的研究.pdf.pdf 免费下载

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1i 关于论文使用授权的说明 本人完全了解北京工业大学有关保留、使用学位论文的规定,即:学校有权 保留送交论文的复印件,允许论文被查阅和借阅:学校可以公布论文的全部或部分 内容,可以采用影印、缩印或其他复制手段保存论文。 ( 保密的论文在解密后应遵守此规定) 签名:堇鹾妞导师签名:毒驾蟛日期:2 盟巴望纽坐l 1。一一 摘要 近年来,随着数字技术的发展和数字图像处理工具的日益完善,人们可以很 容易地篡改、编辑数字图像而不留下可以明显察觉的痕迹,因此迫切需要对数 字图像的真实性、完整性和原始性进行鉴别。如何辨识数字图像的来源以及如 何检测数字图像中拼接合成的痕迹是当前数字图像刑侦中的两个重要问题。在 大众传媒、社会公安、法庭证据、科学发现等领域都有着重要的应用。 本文对数字图像的来源辨识和数字图像的拼接检测这两个图像刑侦问题进 行了深入的研究,取得了以下的成果: 1 提出了一种基于典型相关分析( c a n o n i c a lc o r r e l a t i o na n a l y s i s ,c c a ) 的数 字图像源相机的辨识方法。该方法利用典型相关分析,获取能够反映同一 或不同相机图像的光响应非均匀性噪声( p 砌哪) 之间相关关系的典型向 量,将相机的噪声参考模式和图像的噪声特征的典型变量之间的相关系数 作为判别信息来辨识图像的源相机。文中证明了该典型向量较传统辨识方 法中的固定向量更具一般性。 为了进一步提高高纹理图像源相机辨识的正确率,提出了对高纹理图像和 非高纹理图像区别进行辨识的方法。通过检测图像中是否缺少光响应非均 匀性噪声( p i 心) 区域,将上述源相机辨识的方法推广应用到了图像拼接 合成痕迹的检测,取得了较好的效果。 2 提出了一种基于曲波滤波的数字图像源相机辨识的方法。该方法使用曲 波( c u r v e l e t ) 滤波器从图像中提取噪声特征,并利用图像韵双变量峭度值 将图像分为高纹理和非高纹理两类图像,然后使用n e y m a n p e a r s o n 决策进 行判别。与传统辨识方法中的小波滤波器相比,曲波滤波器能有效地从包 含大量曲线奇异的高纹理图像中提取噪声特征,提高了高纹理图像源相机 辨识的正确率。通过分析图像中光响应非均匀性噪声( p l 心m ) 的完整性, 将上述源相机辨识的方法推广应用到了图像中篡改区域的检测。 3 提出了一种基于加权局部熵的检测羽化处理的图像拼接的方法。该方法利 用像素邻域的方向特征判断该像素是否处于潜在的平滑过渡区域;然后分 别计算像素的邻域相似度和块相似度,这两个值可以揭示该像素周围是否 存在一簇具有相同方向的直线;最后将像素邻域相似度和块相似度用作权 系数,通过加权局部熵值来检验像素点是否处于羽化生成的平滑过渡区 i 北京工业大学工学博士学位论文 域。实验证明了该方法的有效性。 4 提出了一种利用图像s i f t 特征检测复制粘贴痕迹的方法。该方法将图像 分成若干个子图像,任意两个子图像中的相同区域可以利用s i y i 算法检测 出来。即使复制区域经过缩放、旋转等操作,该方法仍然能够准确地检测 出复制粘贴的痕迹。 论文最后,对本文进行了总结,分析了今后的进一步研究方向。 关键词数字图像刑侦;数字图像来源辨识;数字图像拼接检测 a b s t r a c t a b s t r a c t w i t ht h ed e v e l o p m e n to fd i g i t a lt e c h n o l o g ya n dt h ea v a i l a b i l i t yo fi n c r e a s i n g l y p o w e r f u ld i g i t a li m a g ep r o c e s s i n gt o o l s ,d i g i t a li m a g e sc a l ln o w b ec o n v e n i e n t l yt a m - p e r e da n dm a n i p u l a t e dw i t h o u tl e a v i n ga n yo b v i o u st r a c e so fm o d i f i c a t i o n s ot h e r e i sa nu r g e n tn e e dt oi d e n t i f yt h ea u t h e n t i c i t y , i n t e g r i t ya n do d i no fi m a g e s i m a g e o d i ni d e n t i f i c a t i o na n di m a g et a m p e rd e t e c t i o na r et w oi m p o r t a n tr e s e a r c ha r e a so f d i 西t a li m a g ef o r e n s i c s ,a n dm a yb ea p p l i e di np u b f i cm e d i a , p u b f i cs e c u r i t yo fs o c i e t y , f o r e n s i ce v i d e n c e sa n ds c i e n t i f i cd i s c o v e r y t h i st h e s i sc o n v e y e dr e s e a r c ho ni m a g eo r i g i ni d e n t i f i c a t i o na n di m a g et a m p e r d e t e c t i o n ,a n dt h ef o l l o w i n gi n n o v a t i v ew o r k sh a v e b e e np r o p o s e d : 1 t h i st h e s i sp r o p o s e sam e t h o df o ri d e n t i f y i n gt h ed i g i t a li m a g e 嘶g i l lb yu s - i n gc a n o n i c a lc o r r e l a t i o na n a l y s i s ( c c a ) t h ec a n o n i c a lv e c t o ro b t a i n e db yu s - i n gc c a r e v e a l st h ec o r r e l a t i o nr e l a t i o n s h i po fp h o t o r e s p o n s en o n u n i f o r m i t y o r n l dn o i s eo fi m a g e st a k e nf r o mt h es a m ec a m e r ao rd i f f e r e n tc 2 l i r n e r a s t h e s o u r c ec a m e r ao fa l li m a g ec a nb ei d e n t i f i e db yu s i n gt h ec o r r e l a t i o nb e t w e e n t h en o i s er e f e r e n c ep a t t e r no fac a m e r aa n dt h en o i s ef e a t u r e se x t r a c t e df r o mt h e c a m e r a t h i st h e s i sh a sp r o v e dt h a tt h ec a n o n i c a lv e c t o ri sm o r eg e n e r a lt h a nt h e 矗x e dv e c t o ru s e di nt r a d i f i o n a lc a m e r ai d e n t i f i c a t i o nm e t h o d s t oi n c r e a s et h er e c o g n i t i o nr a t ef o rh e a v i l yt e x t u r e di m a g e s ,h e a v i l yt e x t u r e d i m a g e sa n dn o n h e a v i l yt e x t u r e di m a g e sa r ei d e n t i f i e db yu s i n gt h ed i f f e r e n td e c i s i o nt h r e s h o l d sr e s p e c t i v e l y t h i sc a m e r ai d e n t i f i c a t i o nm e t h o di se x t e n d e dt o d e t e c t i n gt h ef o r g e r yt r a c e si nd i g i t a li m a g e sb yd e t e c t i n gt h ep r e s e n c eo fp h o t o - r e s p o n s en o n - u n i f o r m i t y ( p r n u ) n o i s ei ni m a g e s ,a n dt h i sm e t h o da c h i e v e s g o o dd e t e c t i o ne f f e c t 2 t h i st h e s i sp r o p o s e sam e t h o df o ri d e n t i f y i n gd i g i t a li m a g eo r i g i nb yu s i n g c u r v e l e tt r a n s f o r m t h i sm e t h o du s e sc u r v e l e t - b a s e dt i l t e rt oe x t r a c tn o i s ef e a o t u r e si ni m a g e s ,t h e nt h eb i v a r i a t ek u r t o s i so fa ni m a g ei su s e dt od i f f e r e n t i a t e h e a v i l yt e x t u r e di m a g e sf r o mn o n - h e a v i l y t e x t u r e di m a g e s ,a n dn e y m a n p e a r s o n d e c i s i o ni su s e dt od e r i v et h et h r e s h o l d s a sc o m p a r e dw i t ht h ew a v e l e t - b a s e d d e n o i s i n gf i l t e ru s e di nt r a d i t i o n a li d e n t i f i c a t i o nm e t h o d s ,c u r v e l e t - b a s e dd e n o i s - i n g f i l t e rc a nm o r ee f f e c t i v e l ye x t r a c tn o i s ef e a t u r e sf r o mh e a v i l yt e x t u r e di m a g e s i n c l u d i n gm a n yc u r v es i n g u l a r i t i e s t h e r e f o r e ,t h er e c o g n i t i o nr a t ei si m p r o v e d i 北京工业大学工学博士学位论文 b yu s i n gc u r v e l e tt r a n s f o r m t h i sc a m e r ai d e n t i f i c a t i o nm e t h o di se x t e n d e dt o d e t e c t i n gt h ef o r g e r yt r a c e si nd i g i t a li m a g e sb ya n a l y z i n gt h ei n t e g r e t yo fp h o t o - r e s p o n s en o n - u n i f o r m i t y ( p r n u ) n o i s ei ni m a g e s 3 t h i st h e s i sp r o p o s e sam e t h o df o rd e t e c t i n gt a m p e r e dt r a c e so ff e a t h e ro p e r a t i o n i nd i g i t a li m a g e sb yu s i n gw e i g h t e dl o c a le n t r o p y f i r s t l y , d i r e c t i o nf e a t u r eo f p i x e ln e i g h b o r h o o di sd e t e r m i n ew h e t h e rap i x e li si nap o t e n t i a ls m o o t ht r a n s i - t i o na r e a t h e ns i m i l a r i t yo fn e i g h b o r h o o da n ds i m i l a r i t yo fb l o c ko ft h ep i x e l a r ec a l c u l a t e dr e s p e c t i v e l y t h et w ov a l u e sr e v e a lw h e t h e rt h e r ea r eag r o u po f l i n e sw i t ht h es a m ed i r e c t i o na r o u n dt h ep i x e l f i n a l l y , t h es i m i l a r i t yo fn e i g h b o r h o o da n ds i m i l a r i t yo fb l o c ka r eu s e da sw e i g h tc o e f f i c i e n t st om o d u l a t el o c a l e n t r o p yv a l u e t h ef o r g e dp i x e lc a l lb ed e t e c t e db yt h ev a l u eo fw e i g h t e dl o c a l e n t r o p yp r e c i s e l y e x p e r i m e n t a lr e s u l t sp r o v e dt h ee f f e c to ft h i sm e t h o d 4 t h et h e s i sp r o p o s e san e wm e t h o dt od e t e c tt h ec o p y m o v ef o r g e dt r a c e sb y u s i n gt h es c a l e - i n v a r i a n tf e a t u r et r a n s f o r m ( s i f t ) f e a t u r e s f i r s t l y , a ni m a g e i sd i v i d e di n t om a n ys u b i m a g e s ,t h e nt h es a m er e g i o nb e t w e e n t w os u b i m a g e si s i d e n t i f i e db yu s i n gs i f ta l g o r i t h m t h i sm e t h o dc a l ls u c c e s s f u l l ye x p o s ec o p y - m o v ef o r g e r yi na l li m a g ee v e ni ft h ec o p i e da r e ai sr e s i z e do rr o t a t e d a tl a s t , ab r i e fs u m m a r yi sg i v e n ,a n ds o m ef u t u r er e s e a r c hd i r e c t i o n so fd i g i t a l i m a g ef o r e n s i c sa r ep r o p o s e d k e y w o r d sd i g i t a li m a g ef o r e n s i c s ;i m a g eo r i g i ni d e n t i f i c a t i o n ;i m a g et a m p e rd e t e c t i o n i v - 目录 目录 摘要i a b s t r a c t 第1 章绪论1 1 1 课题背景及研究意义l 1 2 本文主要内容1 4 第2 章数字图像刑侦综述6 2 1 数字图像来源辨识方法综述6 2 1 1 利用光学成像失真来辨识数字图像的来源6 2 1 2 利用图像传感器噪声辨识数字图像的来源8 2 1 3 利用c f a 插值辨识数字图像的来源9 2 1 4 其它数字图像来源辨识方法1 l 2 2 数字图像拼接检测方法综述1 2 2 2 1 基于成像设备一致性的图像拼接检测方法1 2 2 2 2 基于遗留痕迹的图像拼接检测方法1 3 2 2 3 其它数字图像拼接检测方法1 7 2 3 本章小结1 8 第3 章基于典型相关分析的高纹理图像源相机辨识及图像拼接痕迹检测1 9 3 1 引言1 9 3 2 数字图像获取过程及数字图像传感器噪声2 0 3 2 1 数字图像获取过程2 0 3 2 2 数字图像传感器基本工作原理2 1 3 2 3 数字图像传感器噪声2 4 3 3 基于典型相关分析的高纹理图像源相机辨识“ 3 3 1典型相关分析2 4 3 3 2 高纹理图像源相机辨识2 6 3 4 高纹理图像源相机辨识的实验结果3 2 3 4 1 数码相机及实验图像数据库3 2 3 4 2 图像源相机辨识的实验结果3 4 3 5 数字图像拼接合成痕迹的检测4 0 3 6 图像拼接痕迹检测的实验结果4 3 北京工业大学工学博士学位论文 3 7 本章小结“ 第4 章基于曲波变换的高纹理图像源相机辨识及图像拼接痕迹检测4 6 4 1 引言4 6 4 2 基于曲波变换的高纹理图像源相机辨识4 7 4 2 1曲波变换的基本原理4 7 4 2 2 高纹理图像源相机辨识4 9 4 3 高纹理图像源相机辨识的实验结果5 4 4 4 图像拼接合成痕迹的检测5 9 。 4 5 图像拼接痕迹检测的实验结果j 6 l 4 6 本章小结6 4 第5 章基于加权局部熵的图像拼接检测6 7 5 1 引言6 7 5 2 局部熵6 9 5 3 像素邻域的方向特征7 0 5 4 基于加权局部熵的检测方法7 1 5 5 实验结果7 3 5 6 本章小结7 6 第6 章基于s i f t 特征的数字图像复制粘贴痕迹检测7 8 6 1 引言7 8 6 2s 胛算法概述7 9 6 3 基于s i f t 特征的数字图像复制粘贴痕迹检测8 3 6 4 实验结果8 4 6 5 本章小结一8 6 结论:8 8 参考文献9 0 攻读博士学位期间发表的学术论文9 7 致谢9 8 - v i - 第1 章绪论 第1 章绪论 1 1 课题背景及研究意义 近年来,随着数字技术的飞速发展,越来越多的多媒体数据采用数字的形式 存储。对音频、图像和视频等多媒体数据的数字化处理为多媒体数据的存取提 。供了极大的便利性。特别是随着互联网技术和通讯技术的发展,数据的转换与传 输变得越来越简单易用。人们借助计算机、手机以及其他电子设备,可以方便地 对多媒体数据进行处理,并快捷地将数字信息传送到世界各地。随着对多媒体技 术研究的不断深入,人们开发出大量用于编辑多媒体数据的软件工具。用于编 辑、合成图像的软件比较著名的有w m d o w s 下a d o b ep h o t o s h o p ,l i n u x 下的开源 软件g i m p 。这些工具软件使得编辑、合成数字图像变得越来越容易,即便是没有 受过专业训练的人,也可以很容易地使用这些工具软件对数字图像进行各种编 辑、合成等操作,实现自己期望的效果,从而颠覆了人们长久以来“眼见为实 的传统观念【1 1 。例如:2 0 0 4 年互联网上倍受争议的巨人遗骸挖掘照,其实是一次 合成图片比赛的获奖作品,如图1 1 所示,该图片的作者称他使用p h o t o s h o p 软件 合成该幅图片只花费了一个半小时的时间。 图1 1 合成图像大赛中的获奖作品 f i g 1 - 1 p r i z ew o r k si np h o t o s h o pc o n t e s t 这些功能强大的数字图像编辑软件在给人们带来方便的同时,随之而来的 副作用也是相当明显的,当数码照片出现在各种公开发行的新闻出版物上的时 候,或者作为法庭诉讼证据的时候,这些数码照片的可信性会遭到质疑。而一旦 大量伪造的图像被用于新闻出版物,科学杂志或者作为法庭证据的时候,必将会 对整个社会的稳定产生严重的影响。新闻出版物中的伪造图像不但使新闻的真 实性遭到质疑,而且歪曲事实的新闻报道很有可能引发严重的社会冲突,甚至是 政治上的风波。在学术论文中使用篡改图像是一种严重的学术不端行为,会严 - 1 北京工业大学工学博士学位论文 重影响科学研究的健康发展。当篡改图像被用做法庭诉讼证据的时候,无辜者 很有可能会蒙受不白之冤,而真正的罪犯却可能逍遥法外,这是对整个司法制 度、司法体系的一种挑战。 近年来,不断有篡改图片出现在新闻出版物上。例如:具有2 5 年从业经历的 摄影记者布莱思沃斯基,由于为洛杉矶时代提供了合成的图片而被解雇,从 图1 2 可以看出,在由两张原始照片合成的照片中,同一个人出现了两次。再如 图1 3 所示,这张照片曾获中央电视台影响2 0 0 6 年度新闻图片铜奖,但实际上 这是一张合成的照片,该照片摄影记者因造假而辞职。再如,在西藏问题中,西 方媒体歪曲事实,使用合成的照片诬蔑中国政府利用警察来监视西藏寺院中的 喇嘛。由于新闻出版物中出现的照片很有可能是合成的,这必然使新闻出版物 中表达的事件的真实性受到质疑。而当数字图像需要在法庭上作为证据的时候, 其真实性必然影响到法庭的最后判决。比如,出于对儿童的保护,美国的法律会 对传播儿童色情图片的罪犯判以重罪,有的犯罪嫌疑人会声称其传播的图片是 计算机生成的,而并非真实的照片,妄图逃脱法律的制裁,如何区分计算机生成 的图片和真实的照片就成了法庭定罪的关键【2 】。如果能够对在法庭上作为证据 的数字图像的真实性和完整性进行鉴定,那么这项技术必然成为刑事侦查的重 要手段,为侦破案件提供重要的线索和证据,这将进一步丰富刑事侦查学的内 容,为刑事技术鉴定提供有力的保证。 图1 - 2洛杉矶时报使用的造假图片 f i g 1 - 2 t h ef o r g e r yp h o t oi n ( l o sa n g e l e st i m e s 图1 3 摄影作品藏羚羊生命中的十道难关中使用的造假图片 h g 1 - 3 t h ef o r g e r yp h o t oi n ( t e nc h a l l e n g e si nt h el i f eo fc h i r u 正是在这样一个背景下,人们提出了数字图像刑侦的概念。数字图像刑侦 第1 章绪论 就是对数字图像的完整性,真实性进行认证,从而使数字图像可以作为法庭上的 可靠证据。在讨论数字图像刑侦的概念之前,先介绍几个与数字图像刑侦相关 的概念。 随着计算机技术的不断发展,一方面,计算机已经成为社会、政治、经济、 文化和生活的重要组成部分:另一方面,与计算机相关的犯罪也不断出现。因 此,一种与计算机相关的数字证据逐渐成为新的刑事诉讼证据之一。鉴于这种 情况,人们提出了计算机刑侦的概念:计算机刑侦就是将存在于计算机或可以 从计算机提取的数据进行科学的识别、收集、检验和分析,从而使得到的信息能 够作为法庭上诉讼的证据。 然而,随着信息技术的发展,人们认为这一表述并不准确,因为越来越多的 数字证据还存在于非传统意义上的计算机当中,比如这些数字证据可以存在于 手机、p d a 、口o d 等数字产品当中。因而人们提出了数字刑侦的概念。在2 0 0 1 年 的数字刑侦研讨会( d i g i t a lf o r e n s i cr e s e a r c hw o r k s h o p ) _ e 对数字刑侦作出如下表 述【3 】:数字刑侦就是把经过科学手段推导和验证的方法,应用到对源自数字来源 的数字证据的保存、收集、确认、识别、分析、解释、文档编制和显现中去,以简 化和促进犯罪事件的重建,或帮助预见有破坏性的非授权行为。数字刑侦的定 义是对计算机刑侦定义的扩展,符合信息技术发展的现状。 9 0 年代提出的网络刑侦和近年来提出的多媒体刑侦都属于数字刑侦的范畴。 网络刑侦是网络环境中的数字刑侦,它是指通过对网络数据流和主机系统日志 等的实时监控和分析,发现对网络系统的入侵行为,自动记录犯罪证据,并阻止 对网络系统的进一步入侵。网络刑侦作为数字刑侦的一个分支,同样要求对潜 在的、有法律效力的证据的确定与获取。 近年来提出的多媒体刑侦是指与音频,图像,图形和视频这些多媒体数据 相关的数字刑侦。多媒体刑侦的主要研究内容包括:数字水印、信息隐藏检测、 多媒体数据的拼接合成检测和多媒体数据来源的辨识等。其中数字水印技术是 指在数字化的数据内容中嵌入信息,被嵌入的信息通常是不可感知的,但是通 过一些计算可以被检测到或者被提取出来。虽然通过数字水印技术可以检测多 媒体数据的篡改痕迹和辨识多媒体数据的来源,但在不嵌入数字水印的前提下, 如何检测多媒体数据的篡改痕迹和辨识多媒体数据的来源正是当前亟需解决的 两个问题。 本文就是研究在不嵌入数字水印的前提下,如何检测数字图像的篡改痕迹 和如何辨识数字图像的源相机这两个数字图像刑侦所要研究的主要问题。数字 图像刑侦是涉及模式识别、数字图像处理技术、计算机图形学、多媒体压缩技 术、几何光学和半导体物理学等多学科的交叉性课题。相对于数字水印、信息隐 3 北京工业大学工学博士学位论文 藏检测的大量研究工作而言,数字图像刑侦的研究还处在一个起步阶段。近年 来,虽然对数字图像源相机辨识和数字图像篡改痕迹检测的研究取得了一定的 进展,但其方法还很不完善,离实用还有较大的差距,还存在很多问题需要解 决。 当前,对数字图像刑侦中的图像来源辨识和图像篡改痕迹检测的研究正方 兴未艾,新的成果不断涌现。研究成果比较显著的国外研究机构和科研团队主 要有:美国的d a r t m o u t h 大学f a r i d 教授领导的科研团队、宾汉姆顿大学雕m c h 教 授领导的科研团队、新泽西理工施云庆教授领导的科研团队以及m a r y l a n d 大学 吴曼教授领导的科研团队。国内也有一些大学和科研单位从事相关的科研工作, 取得了一定的成果。 1 2 本文主要内容 本文主要研究在预先不嵌入数字水印的前提下,如何辨识数字图像的源相 机以及如何检测数字图像中拼接合成的痕迹这两个主要问题。 本文的组织如下: 第1 章绪论。主要介绍了课题的背景,数字图像刑侦的研究目的和意义以及 与数字图像刑侦有关的概念。 第2 章数字图像刑侦综述。对当前数字图像刑侦研究的主要成果进行了综 述。介绍了数字图像来源的辨识和数字图像篡改痕迹的检测这两类数字图像刑 侦技术的基本原理和主要方法。 第3 章基于典型相关分析的高纹理图像源相机辨识及图像拼接痕迹检测。利 用图像传感器的光响应非均匀性噪声,提出了基于典型相关分析的图像源相机 辨识和图像篡改痕迹检测的方法,并利用方差的差值来区分高纹理图像和非高 纹理图像,针对不同类型的图像采用不同的决策阈值,提高了数字图像源相机辨 识和图像拼接检测的正确率。 第4 章基于曲波变换的高纹理图像源相机辨识及图像拼接痕迹检测。为了 解决小波滤波的局限性,本章利用曲波滤波器提取噪声特征,提出了基于曲波变 换的图像源相机辨识和图像篡改痕迹检测的方法,并利用图像的双变量峭度值 来区分高纹理图像和非高纹理图像,针对不同类型的图像采用不同的决策阈值, 提高了数字图像源相机辨识和图像拼接检测的正确率。 第5 章基于加权局部熵的图像拼接检测。为了检测数字图像中羽化操作的 痕迹,本章提出了基于加权局部熵的图像拼接检测方法。首先利用像素邻域的 方向特征判断该像素是否处于潜在的平滑过渡区域;然后分别计算像素的邻域 相似度和块相似度,这两个值可以揭示该像素周围是否存在一簇相同方向的直 第1 章绪论 i i 皇詈! 詈詈詈! 皇! 皇鼍皇詈詈詈! 詈詈! ! ! 曼 线;最后将像素邻域相似度和块相似度用作权系数来调节图像的局部熵值,通 过加权局部熵值来检验该像素点是否处于羽化所生成的平滑过渡区域。 第6 章基于s w r 特征的数字图像复制。粘贴痕迹检测。为了检测复制区域经 过缩放、旋转以及投影变换后再粘贴到图像中的复制粘贴篡改操作,我们提出 了基于s 研特征的复制粘贴检测方法。该方法首先将待检测图像分成若干个子 图像;然后利用s i f t 算法检测每两个子图像中是否存在匹配点,如果存在匹配 点,则说明这两个区域中存在相同的部分,该待检测图像经过了复制粘贴操作; 最后标记出可疑的区域。 最后,结论部分对本文的工作做了总结,提出了今后在数字图像刑侦工作中 进一步深入研究的设想与展望。 北京工业大学工学博士学位论文 第2 章数字图像刑侦综述 作为数字刑侦技术的一个重要分支,数字图像刑侦技术是确保数字图像信 息安全的一种有效手段,可分为主动数字图像刑侦技术和被动数字图像刑侦技 术两类。主动数字图像刑侦主要是采用预先在数字图像中嵌入数字水印的方法; 而在预先不嵌入数字水印的条件下,如何检测数字图像的拼接痕迹和辨识数字 图像的来源则是被动数字图像刑侦所要解决的问题。如无特殊说明,本文中提 及的数字图像刑侦皆指被动数字图像刑侦。m e m o n 等学者对数字图像刑侦的的 研究现状进行了综述卜l o 】。下面我们将针对数字图像来源辨识和数字图像拼接 痕迹检测的主要研究成果进行综述。 2 1 数字图像来源辨识方法综述 数字图像来源辨识就是识别一幅指定的数字图像是否源自某台成像设备, 这里的成像设备可能是数码相机、具有拍照功能的手机或扫描仪等。数字图像 来源辨识的主要工作如下: 2 1 1利用光学成像失真来辨识数字图像的来源 口田 图2 1 方格的径向畸变。左侧为未畸变的方格,中间为桶形径向畸变,右侧为枕形径 向畸变 f i g 2 - 1 d i s t o r t i o no far e c t a n g u l a rg r i d l e f t :u n l d i s t o r l t e dg r i d m i d d l e :g r i dw i t hb a r r e l d i s t o r t i o n r i g h t :g r i d 、i 山p i n c u s h i o nd i s t o r t i o n 在理想的相机小孔成像模型中,空间的直线成像后仍为直线。由于成像镜 头畸变的存在,导致直线成像后形成不同的透镜畸变形式,其中占主要成分的是 径向畸变,其表现形式如图2 1 所示。虽然相机生产厂家要对相机镜头的径向畸 变进行校正,但是不同厂家对相机镜头径向畸变的校正程度不同。c h o i 等人利用 相机镜头径向畸变进行数字图像源相机辨识,通过从图像中估计镜头径向畸变 的程度【1 1 】,提出将一阶、二阶畸变参数作为主要特征用于数字图像源相机辨识 o 图2 - 2 包含直线成分的图像 f i g 2 - 2 a s a m p l ei m a g ei n c l u d i n gl i n ec o m p o n e n t 的方法 1 2 - 1 4 】。但是如图2 撕示,该方法需要利用图像中的直线成分计算镜头径 向畸变的参数。因此,该方法的缺点是图像中必须有直线成分作为参考。 陡 ,由 j 一一 c 二y ( ,王 眵多j 二 。、 b 池l i d a 一隐 g b 上1 : w 矗c 五卫】建 图2 3 色差 f i g 2 - 3 c h r o m a t i ca b e r r a t i o n 色差【1 5 】是另一类常见的光学成像失真,它是由于光学系统不能很好地聚焦 不同波长的光线而导致的。色差有两种表现形式:横向色差( 如图2 3 中左图所 示) 和纵向色差( 如图2 3 中右图所示) ,对于不同波长的光,纵向色差表现为 聚焦平面的不同;而横向色差表现为不同波长的光到达传感器后空间位置上的 平移,这种平移与离光点中心的距离成正比。色差最终导致多种形式的颜色失 真。v a n 等人根据不同手机厂家对色差校正程度的不同,提出利用色差辨识数字 图像源相机的方法【1 6 】。具体做法是:首先将横向色差建模为一个颜色通道对于 其他颜色通道的颜色扩充或收缩,再通过求颜色通道互信息的最大值来估计模 型参数,并将其作为数字图像源相机辨识的主要特征,最后利用支撑向量机进行 分类。由于色差在物体的边缘处最为明显,所以该方法的缺点是对于天空这类 缺少物体边缘的图像的辨识的效果并不理想。 - 7 北京工业大学工学博士学位论文 2 1 2 利用图像传感器噪声辨识数字图像的来源 在图像的获取过程中,会受到多种噪声的影响。由于噪声的影响,当图像传 感器对一个均匀照明场景进行拍摄时,生成的数字图像的各像素之间会存在强 于每台相机的模式噪声都不相同,f r i d r i c h 等人提出利用模式噪声对数字图像源 相机进行辨识的方法 1 7 - 1 9 。其主要思路是:首先使用局部自适应收缩小波滤波 器对图像的r 、g 、b 三个颜色通道分别滤波,滤波结果与原始图像相减后获得彩 识 2 0 - 2 2 。其主要思路是:首先提出简化的传感器输出模型 j = g r 【u + k ) l ,+ 人】y + o 覃 ( 2 1 ) 霞:争麓( 2 - 2 ) 其中w 为采用小波滤波器对图铀去噪后的图像与图像,相减后得到的噪声图像。 然后利用统计信号处理规范匹配滤波器【2 3 】计算相关系数j ,如果p 大于某一阈 值,则认为这幅图像与光响应非均匀噪声乘性因子k 来自同一台相机。相关系 p :下害篁_ v d 塾= 兰胁 ( 2 - 3 ) p = 产亏亍一一= l 胁m 【z 。j j 、丝,善2 厣霹丽置 其中m = c o r r ( x b ,w b ) ,该值可以通过机器学习的方法获得。该方法可以更准确 地计算错误拒绝率,但是却无法提高整体的辨识正确率。 b 1 0 v 使用中值滤波的方法【2 4 】,对图像数据库中任意一幅图像的绿色通道中 部1 0 2 4 x1 0 2 4 的区域提取噪声特征,再进一步计算噪声参考模式。求得参考模式 之后,再对图像数据库中其它图像提取噪声,计算噪声图像与参考模式之间的相 第2 章数字图像刑侦综述 关系数,根据经验公式提供的阈值判断新照片与求噪声参考模式所用到的图像 是否源自同一台相机。这种辨识图像源相机的方法提出了一种新的思想,即在 一个混有多台相机拍摄的照片的数据库中,如何将图像按照不同的源相机进行 自动分类。不过,这篇文章也有不足之处,文章中的经验公式是从佳能相机拍摄 的照片中获得的,对于其他品牌的相机,不一定适用;另外,文章并没有对使用 中值滤波提取噪声这一方法进行详细的解释,即:一方面,作者没有明确指出中 值滤波提取的噪声是哪种噪声,另一方面,作者也没有明确指出为什么采用中值 滤波的方法,而不是采用小波滤波的方法。 k u r o s a w a 等人利用固定模式噪声【2 5 】,即暗电流噪声作为特征来辨识数码相 机,但是这种方法只能在较暗的环境下才有效,这就限制了这种方法的适用范 围。 2 1 3 利用c f a 插值辨识数字图像的来源 图2 4 b a y e r 模式的c f a f i g 2 - 4 t h ec f ao fb a y e rp a t t e r n 囵固圆圆 图2 5 插值的四种情况 f i g 2 - 5 f o u rp o s s i b l ec a s e sf o ri n t e r p o l a t i n g 所有的数码相机都能照出彩色的图像,但实际上绝大多数数码相机的图像 传感器只能记录灰度信息,若相机不经过彩色滤波阵列( c o l o rf i l t e ra r r a y ,c f a ) 插值而直接获取r g b - - 原色,则需要三个图像传感器,这无疑会增加数码相 机的生产成本。大多数数码相机拍摄的彩色照片是通过c f a 插值的方法获取 的。最常用的c f a 是b a y e r 阵列 2 6 1 ,如图2 - 4 所示。b a y e r 彩色滤波阵列使用r g b 模 型,r 、g 、b 分别代表透红滤色片、透绿滤色片和透蓝滤色片。因为人眼对绿色 细节最敏感,在c f a 中感绿单元的数量是感红、感兰单元的两倍。由于图像传 - 9 北京工业大学工学博士学位论文 图2 - 6 ( 通道插值时的两种情况 f i g 2 - 6 t w o p o s s i b l ec a s e sf o ri n t e r p o l a t i n ggc o m p o n e n t 感器上每个感光单元只能获得r g b 三原色中一种颜色信息,其余两种颜色信息 需要通过邻近样本进行插值获得。下面介绍一种c f a 插值的方法:对图2 4 j 开示 的c 进行插值可以分为四种情况,这四种情况如图2 5 所示。图2 5 中左侧第一 幅图片中心位置红色、兰色通道的灰度值可以通过计算与中心位置相邻的红色、 蓝色通道灰度值的平均值的方法获得,相同的方法可用于图2 5 左侧第二幅图片 所示的情况;图2 5 左侧第三幅图片中心位置兰色通道的灰度值可以通过计算与 中心位置相邻的四个蓝色通道灰度值的平均值的方法获得,相同的方法可用于 图2 5 最后一幅图片所示的情况中红色通道灰度值的计算。而后两种情况绿色通 道的灰度值可以采用自适应的插值方法。将图2 5 左侧第三幅图片进一步表示为 图2 6 左侧图片所示,中心位置绿色通道的灰度值可以通过式2 - 4 计算获得。 g 僻) = g 1 + g 3 ) 2 , f fi r l - r 3 i l r 2 一r 4 i ( 2 - 4 ) g 1 + 劬+ g 3 + g 4 ) 4 ,i fi r l - r 3 i = i r 2 一心i 式2 - 4 的含义是:如果尺2 和心之间的变化大于尺1 和尺3 之间的变化,则说明垂直方 向上灰度之间的相关性更强,所以将垂直方向上g 1 和g 3 的平均值作为中心位置 绿色通道的灰度值。如果尺2 和心之间的变化小于r 1 和r 3 之间的变化,则说明水 平方向上灰度之间的相关性更强,所以将水平方向上g 2 和g 4 的平均值作为中 心位置绿色通

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论