数字图像中值滤波操作的取证检测汇总.ppt

* XTrack * * 数字图像中值滤波操作的取证检测 提纲 一、研究背景及意义 二、数字图像操作分类 三、数字图像取证方法分类 四、数字图像中值滤波操作的取证检测 参考文献 [1] Cao G, Zhao Y, Ni R, et al. Forensic detection of median filtering in digital images[C]// Multimedia and Expo (ICME), 2010 IEEE International Conference on. IEEE, 2010:89-94. [2] 曹刚. 数字图像操作取证技术研究[D]. 北京交通大学, 2013. 一、研究背景及意义 数字图像的广泛应用促进了数字图像编辑工具的开发与应用普及，如Adobe Photoshop、ACDSee、CorelDRAW 和Windows操作系统自带的画板(Paint)等。利用这些编辑工具，越来越多的用户开始对数字照片图像进行自由随意的修改，以达到润饰照片和增强视觉效果的目的。然而，这也使得对图像数据形式及内容的改动变得更加容易，给一些带有非法目的的恶意用户以可乘之机，在未经授权的情形下对图像数据与内容进行非法操作，如违规编辑、合成虚假图像等，从而造成虚假图像在人们的社会生活中泛滥成灾。 数字图像操作取证技术正是在这样的背景下提出，旨在通过被动的盲分析手段来认证图像数据的原始性和真实性、鉴别和分析图像所经历的操作处理及估计图像的操作历史。该技术的特点是仅以图像数据本身为分析对象，不需对图像进行额外的预处理，可用于认证当前已广泛流通的网络数字图像。 在2004年美国总统竞选活动中，一张记录民主党候选人约翰·克里跟女明星简·方达在反越战集会上同台出现的图像在网络上广泛流传，引发的政治联想不言而喻；虽然此照片后来被证实是由两张不同出处的原始照片拼接而成，但当时对候选人的政治命运已产生重大影响。 一、研究背景及意义 美国新闻记者在报道2003年伊拉克战争时伪造的新闻照片图像，事发后当事记者被报社开除。 二、数字图像操作分类 依据用户的行动意图，数字图像操作可分为恶意操作和非恶意操作。诸如拼接、合成和复制粘贴等内容改变型操作会调整图像的内容结构及语义表达，通常被视为恶意操作；诸如滤波、对比度调节和重釆样等内容保持型操作仅影响图像的视觉质量而未改变图像语义，通常被视为非恶意操作。常用的数字图像操作方法有: 1)拼接。 2)滤波。滤波是一种广泛使用的数字图像处理方式，主要包括低通滤波、锐化滤波和中值滤波等三种常见的滤波算子。其中，中值滤波是一种次序统计滤波，以邻域内系列元素的中间值作为其滤波单元的输出。中值滤波的特性是在平滑图像的同时能较好地保持边缘，其独特的应用是去椒盐噪声。 3)对比度增强。 4)重采样。 5)压缩编码。 三、数字图像取证方法 目前的数字图像认证方法包括主动图像认证方法和被动图像认证方法。 主动图像认证一般应用数字签名或脆弱水印方法来验证图像内容的原始性和真实性，能够标记出篡改的位置。 被动图像认证，即数字图像取证，是指在不依赖任何预签名或预嵌入信息的前提下，对图像数据的原始性、真实性及来源进行鉴别。数字图像取证的基本原理是利用原始图像数据自身画有特征所具有的一致性和独特性，作为自身的“固有指纹”，任何篡改操作都会在一定程度上破坏它们的完整性，且操作自身会遗留下新的指纹性痕迹；每幅图像均携有其摄取设备所独有的成像通道信息，具有一定的可区分性，由此可实现对图像获取设备，即图像源，的盲鉴别。 三、数字图像取证方法 本文主要探讨数字图像中值滤波操作的取证检测，从理论上分析了中值滤波所引起的图像一阶微分域统计特性异常，基于此提出了一种快速有效的中值滤波操作检测算法。 四、数字图像中值滤波操作的取证检测 在数字图像中值滤波取证方面，拟解决的问题是判断给定图像是否经历过中值滤波操作。在此，主要考虑经典的中值排序滤波算子，即取窗口内排位在中间的元素值为输出值。 中值滤波是一种次序统计滤波器，相关参数是窗口大小。通过频率特性分析可以发现，中值滤波是一种低通滤波器，定性的分析可以得出结果：当频率 时，中值滤波与均值滤波频率响应是相似的，其中n表示中值滤波窗口长度。故从频域分析的角度较难检测中值滤波操作。 然而，依据中值计算的本质，通过观察相邻像素滤波前后的相关性发现，经过中值滤波后自然图像非平滑区域的一阶微分统计特性出现异常，由此可设计相应的中值滤波取证算法。 （一）问题描述及分析 基本目标：设计一种