数字图像区域复制篡改检测关键技术分析.docVIP

数字图像区域复制篡改检测关键技术分析 　　摘要： 本文针对数字图像盲取证技术中的区域复制篡改类型，介绍了区域复制篡改模型及检测方法，并对区域复制篡改检测技术中的特征向量选取和块匹配检测技术进行了分析，最后展望了区域篡改检测技术的发展方向。 　　Abstract: Copy-Move forgery is a specific type of image forgery. This paper describes the model and the detecting methods of Copy-Move forgery and analyses how to select eigenvectors and detect the similar blocks. In the end, this paper advances the development way of Copy-Move forgery detecting. 　　关键词： 区域复制；特征向量；块匹配 　　Key words: Copy-Move；Eigenvectors；Block-matching 　　中图分类号：TP39 文献标识码：A文章编号：1006-4311（2011）02-0186-02 　　 　　0引言 　　区域复制（copy-move）是数字图像伪造技术中最常用的一种图像篡改方式，由于其篡改的区域往往是人们视觉感兴趣部分，是图像信息的主体，是人们对新闻的认可、案件的取证的根据，如果图像中重要的信息被篡改后，伪造的图片带来虚假的信息和证据，混淆了人们对事实的认识。甚至会欺骗公众，影响司法公证和社会安定。因此，对区域复制篡改操作的取证技术研究是非常重要的。 　　1区域复制移动篡改模型 　　区域复制篡改是把图像中的某一区域进行复制，粘贴到同一图像的不相交区域上以去除或增加图像中某一重要特征。复制区域分为二类：一类是纹理密集型区域，例如草地、植被等具有不规则模式的区域，该类型区域通常用于掩盖场景中的对象或人物；第二类是对象或人物区域，用于在图像场景中添加新的对象或人物。由于被复制的区域与粘贴区域来源于同一幅图像，它们有着一致的噪声、纹理、颜色等信息，且在做复制粘贴篡改的同时，造假者会对篡改的图像做滤波、加噪、有损压缩等操作，使得篡改区域与原图相融为一体，从而使得篡改后的图像更难被人辨别与检测。 　　根据分析，区域复制篡改模型可表达为式（1）： 　　g（x，y）=T[f（x，y）]+n（x，y） （1） 　　其中，f（x，y）代表图像I（x，y）中的源复制区域，T表示一种几何相似变换（包括平移、旋转、缩放以及任意组合等线性变换），n（x，y）表示随机噪声（如噪声污染、模糊虑波、有损压缩等），g（x，y）表示经过修饰处理后的篡改区域。噪声的产生是由于图像在区域复制篡改后的后续处理，这也使得区域复制篡改检测更加困难。 　　图像的区域复制篡改检测问题可以描述为：给定一幅图像，其中可能包含位置和数量未知的区域复制篡改区域，通过一定的算法来识别并定位其中的篡改区域。由于复制的区域来自同一幅图像，图像的噪声成分等统计特性和图像来源特性一致，所以采用统计特征和图像来源特性的改变进行检测可靠性不高。对同幅图像复制粘贴篡改操作取证的主要依据是检测图像中存在两个完全相同或者相似的区域。 　　2区域复制篡改检测关键技术 　　现有的检测算法在基于块匹配的前提下，待检测图像是大小为M×N的彩色图像，首先对图像进行预处理缩小图像尺寸，然后对图像从左至右从上至下以一个像素为移动距离，将图像划分成（M-B+1）×（N-B+1）个大小为B×B的图像块，并提取每一个图像块的特征向量组成表征图像的特征矩阵，接下来对该矩阵按行字典排序使得复制篡改区域成为相邻行，最后采用相似块检测算法确定篡改区域。具体的算法流程如图1所示。下文将针对特征向量的选取和相似块匹配技术进行分析。 　　2.1 特征向量的选取特征向量选取是整个方法的关键，因为通过提取图像块的特征值可获得图像块的一个唯一、稳定的特征描述。一方面可以极大的降低计算复杂度，另一方面，好的特征向量可以消除噪声、重压缩及各种篡改处理对检测效率的影响。现有文献的特征向量均为经量化后的变换系数，量化的目的是为了增强检测算法的稳健性。 　　Fridrich等在文献[1]中采用的块特征为经过JPEG标准矩阵量化后的DCT块变换的系数。Popescu等在文献[2]中采用量化后的像素值的PCA变换系数。吴琼等在文献[3]中利用图像块SVD分解得到块特征向量。Mahdian等在文献[4]中采用了对模糊操作稳健的矩特征。王睿在文献[5]中选取7个不变矩作为各图像块的特征向量。 　　在这些特征向量中，文献[4]中的特征向量维