基于局部能量方差特性的数字图像取证计算机核心期刊发表.docVIP

摘要在数字图像取证领域，如何高效甄别自然图像和计算机生成图像受到越来越多的关注．文中介绍一种数字图像取证算法，通过傅里叶变换计算图像像素之间的相关性，并利用频域的局部抖动来区别照相机拍摄的自然图像和计算机生成的图像．计算机核心期刊发表同时提出对计算机生成图像采取插值处理和对自然图像进行缩放处理的反取证方法，并且分析这两种反取证技术的应对方法．与Gallagher等的方法相比，文中基于数字图像局部能量方差特性的取证准确率更高，且能有效抵抗图像的反取证．1 引言随着计算机和网络技术的发展，伪造或篡改数字图像变得简易可行，如使用Photoshop、Maya等工具可得到以假乱真的数字图像．在此背景下出现的数字图像取证技术，通过收集、提取和分析图像中的各种重要特性，可有效辨别图像的真伪性．数字图像取证技术是指在不依赖任何预签名提·国家自然科学基金(No、上海市自然科学基金(No．1IZRl413200)和上海市教委创新基金(No．11YZl0)资助项目收稿日期：2011一05—05；修回13期：201l-08—22作者简介乔通，男，1986年生，硕士研究生，主要研究方向为数字图像取证基于局部能量方差特性的数字图像取证取或预嵌入信息的前提下，辨别图像的真伪．然而，关于取证技术的研究假设是图像篡改者不了解数字图像取证技术，假设图像篡改者采取一定的手段(反取证方法，Anti-Forensics)隐藏篡改痕迹，那么取证技术就可能失效．反取证技术是针对数字图像取证技术最新发展的一项技术，通过对篡改图像的增加扰动处理以掩盖篡改的事实，从而使得取证技术失效．2007年，Gloe等¨1最先提出数字图像反取证概念，使用基于数字图像重采样的反取证方法，可有效掩盖图像旋转缩放处理的痕迹．其后又陆续提出基于色彩滤波矩阵(Color Filter Array，CFA)插值的反取证【21等算法．目前常见的数字图像反取证方法主要有4种：数字图像增强反取证【3 J、数字图像重采样反取证【4。J、JPEG压缩图像反取证∞。7 J、数字图像小波变换反取证哺j．本文主要研究自然图像甄别取证的方法，即有效鉴别自然图像(Photographic Images，PIM)和计算机生成图像(Computer Generated Image，CG)．在该类别的研究上，Ng等【9一训提出使用图像高阶统计量进行检测和图像几何物理特性区别两种类型的图片．Bayram等?o通过寻找PIM图像的CFA算法得到匹配的相机设备．相比于上述两种方法，Gallagher等【12。1副提出寻找图像频域峰值的判别方法，可有效降低算法复杂度．但是，在反取证的攻击下，Gallagher方法并没有表现出很好的鲁棒性和稳健性．本文将首先描述Gallagher取证方法，针对该方法在反取证攻击方面的缺陷，提出一种基于局部能量方差检测的改进方法．通过比较CG和PIM图像频域局部能量的方差统计特性，有效抵抗数字图像反取证的攻击，最后给出实验结果和分析．2 Gallagher取证方法PIM图像和CG图像的成像原理各不相同．一幅相机生成的PIM图像要经过CFA插值处理，而这种处理过程通常基于贝尔(Bayer)模型．从贝尔模型中可看出，矩阵中所有位置的像素点仅有RGB三个通道中的一个值．如果图像呈现出完整的视觉效果，每个位置的像素点必须完整．这些缺失的像素点正是通过CFA插值补全的．相反，CG图像通常不会经历CFA插值处理．因此，PIM图像像素值之间存在着极大的相关性．Gallagher提出通过求出图像对角线的均值，然后进行一维傅里叶变换，在归一化能量谱中根据是否存在尖峰区别PIM图和CG图．在图像取证时，首先提取图像的绿色通道，使用高通滤波器『-0 1 0] 　　h(x，Y)=l 1 —4 1 (1)Lo 1 oj提取图像绿色通道的高频分量．计算出图像矩阵中每条左下至右上对角线的均值： 　　Σl h(x，y)I(x，)，)I m(d)=坐卫—1F—一，(2) 』’d其中，虬=d一1，I(x，Y)表示图像绿色通道中(菇，Y)位置的像素值，虬表示第d条对角线上像素的个数对m(d)进行离散傅里叶变换，找到归一化的峰值： Ss=‘：——掣I_—，一． I(3j)J厄其中，IM(e知)I为／7／,(d)傅里叶变换后的绝对值，s为能量谱大小，k为IM(ep)I中所有频谱大小的中值，其作用是消除高频噪声的干扰．使用Gallagher方法可分别得到PIM和CG图像的归一化能量图，如果频率的中间位置出现尖峰，则该图是PIM图像，否则为CG图像．3反取证和对策3．1针对Gallagher方法的反取证Gallagher的方法在识别PIM和CG图像方面具有很高的效率，可通过频域峰值快速识别两种不同类型的图像．但面对数字图像反取证，