《基于图像特征一致性的数字图像拼接盲取证研究-董晶.pdf》由会员分享，可在线阅读，更多相关《基于图像特征一致性的数字图像拼接盲取证研究-董晶.pdf（56页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、|iII|州f_i|lilllll,ll=JIY321 9239分类号 !殴21学校代码l Q4 8 8学号2Q!132Q311垒l密级猷易蔫弄净拨夫哮硕士学位论文基于图像特征一致性的数字图像拼接盲取证研究学位申请人：学科专业：指导教师：答辩日期：董 晶软件工程陈黎2017年5月14日万方数据A Dissertation Submitted in Partial Fulfillment of the Requirementsfor the Degree of Master in EngineeringResearch on Blind Forensics of ImageSplicing Ba
2、sed on the Consistency ofFeaturesMaster Candidate：Major：Supervisor：Jin DongJingDongSoftware EngineeringProfLi ChenWuhan University of Science and TechnologyWuhan，Hubei 430081，PRChinaMay，2017万方数据蔑菠科装犬攀研究生学彼论文翻蓊牲声鼹本人瓣豢声溺：擀熬交鹃孝傻谂文麓攀太亵黪帮瓣簿下，羧囊滋纾辚究饼黢褥的蕊缀。浚”文中已经淫嘲磅l弼麓陵褰壤麟食佟戮嚣共麓亮成熬互传豁，率渗文不缝翕程簿其煞个人或缀缚露缀笈裘或撰
3、写避麴侮觞成、爨。澍本文鹃戮褒瓣爨纂簇藜簸鹃令人鳓糍体，均醴巍变中缴溺浚方式黪鳞。l挚潦掌位谂变与资瓣蓉霄誉囊之姓。零人黎拇一翻榴甍爨镁。谂文俘密签鬟：蓬。塾。，。，。缓期：玉丑i：茎研究生学链论文舨权使溺授投声磺本论文麓磷蠢裁聚魍戴滠辩援天学瑗露，蕊磁瓮内雾举褥以其它繁馕麓名义簸泛。本人宠金，熊戴汊褥接大学务关攥辍、袋掰攀佼论文的裁定，溺熬攀梭糕灞并翔蠢荚然门(缀熙戴汉秘簸大学蓑墨：鞣嚣燮学旋滁文竣潦姜缪戆蕊邃投箭邀突谶文麓笈固件嗣魄擎簸零，憩诲谂突镀囊潮翻畿黼，溺意学梭将零论文翁全部绫簿分两窖编入学较谈可的溺霪掴关数据库遴行捻赣翱对辩震棼。 黼：挫搬导数籁签襞：羔篓Z臻疆 潮：建12；：圣
4、万方数据摘要近些年，随着科技的不断创新，多种多样的数字产品涌现在我们生活中。其中，数字图像资源所占比率居高不下。同时，图像处理和编辑软件尤其是人像美化软件如美图秀秀，天天P图等的广泛使用，使得数码照片的编辑趋于简单化，且不会留下明显痕迹，甚至仅用肉眼无法辨别真假。篡改图片借助QQ、Wechat、Facebook、Twitter等网络平台散播速度以指数增长，极易被广大网民获取。一旦这些虚假图像被恶意利用，将会造成非常严重的后果：小到致使误导认知，大到危害国家和社会的安全。由此可见，数字图像取证研究是一个十分重要的研究课题。实现数字图像篡改的方法有很多种，而图像拼接是最为常见的方式之一。本文从数字
5、图像取证鉴定的现实应用性出发，概述了数字图像篡改检测研究工作的意义，分别从主动和被动取证技术角度分析了图像真实性鉴定在国内外的研究现状。将基于图像特征一致性的数字图像盲取证作为本文研究的重点，主要研究数字图像拼接篡改检测。在分析归纳大量数字图像盲取证手段的情况下，本文详细介绍了现有的用于篡改检测的图像特征，并根据自然图像和篡改图像在这些特征方面表现的差异提出了两种拼接篡改检测方法：基于图像噪声和基于多特征融合的检测算法。基于噪声特征的方法从图像噪声特征出发，利用数字图像的高阶统计特性对背景噪声实现盲估计，并选取相邻重叠分块策略，结合拉普拉斯拟合和概率知识最终定位篡改部位。基于多特征融合的的方法
6、在第一种方法的基础上，为了克服单个特征不能充分反映自然图像和篡改图像的差异的缺点，选取了多种图像特征，通过机器学习算法训练篡改部位和非篡改部位的多种特征，最后得到高效的分类模型，通过累加的特征差异实现篡改检测。之后，本文对提出的两种检测方案进行仿真实现与总结，进一步验证了方案的有效性和优越性。万方数据关键词：数字图像盲取证；拼接篡改；图像特征；噪声万方数据AbstractWith the continuous innovation of science and technology,a variety of digitalproducts appear in our lifeAmong the
7、se products，the rate of digital image resources ishighAt the same time，a variety of image capture tools，such as Meitu、Ttpic andACDSee，have been produced，which are easy to learn，easy to use，leaving no evidenttrace，and even make people cannot tell the truth from falseDue to the development oftechnolog
8、y,tampering images spread through network platform，for example，QQ、Wechat、Facebook、Twitter and SO on，at the speed of exponential growthAs a result，fake pictures are easily accessible to the maj ority of internet usersOnce these fakeimages are being abused，it will result in serious consequenceHuman co
9、gnition may bemisledMoreover,the security of state and social may be threatenedTherefore，theresearch on digital image forgery forensics has been considered as a significant researchtopicThere are various digital image forgery methods and image splicing is one of themost common forgery approachesBase
10、d on the practical application of digital imageforensics，this paper summarizes the significance of digital image tamper detectionresearch workFrom the aspects of active and passive forensics technology respectively,we analyzes the research status of current image authenticity research at home andabr
11、oad，emphasis on the consistency of image features based blind forensic of digitalimagesThe main research is digital image splicing tampering detectionAfter analyzing and summarizing the existing digital image blind forensicstechnology,this paper introduces the existing image features for tamper dete
12、ction，andproposes two tamper detection methods based on the differences of natural image andfake image in these image features：A detection algorithm based on image noiseconsistency and a detection algorithm based on multi-feature fusionThe method based on the consistence of noise feature take the ad
13、vantage ofhigh-order statistical characteristics of digital images solving the problem that theoriginal signal is unknown，estimate the background noise blindly,and combine withadjacent overlapping block strategy、Laplace fit and probability knowledge to locate thetampering site finallyIII万方数据In order
14、 to overcome the shortcomings of the single feature in the first method，which cannot fully reflect the difference between the natural image and the tamperingimagethe method based on multiple features select a variety of image features，andtrain the tampering and natural images parts with machine lear
15、ning algorithmFinallyget a highly efficient classification model，then make use of the difference between thecharacteristics of the detection image for tamper detectionAfter that，the simulation and implementation of the proposed two kinds ofdetection algorithms are presented，and the feasibility and s
16、uperiority of the algorithmare further verifiedKeywords：Digital image blind forensics；splicing tampering；image feature；noisefeatureIV万方数据目 录摘要IABSTRACT。III第1章绪论111研究背景和意义112数字图像篡改技术概述3121数字图像主动取证技术5122数字图像盲取证技术513研究内容与创新点714论文章节安排7第2章数字图像拼接篡改取证概述921图像拼接篡改分析922数字图像一致性特征概述1022。l颜色特征一致性10222噪声特征一致性1222
17、3纹理特征一致性13224光照一致性特征15225尺度不变性特征变换1623拼接篡改检测难点和存在的问题18第3章基于图像噪声一致性的图像拼接篡改算法1931基于噪声拼接篡改检测研究现状1932基于噪声一致性和统计特性的数字图像篡改算法20321图像噪声特征的提取20322篡改定位检测算法22323确定分块策略24324形态学处理2633实验结果与分析26V万方数据331实验条件26332实验结果分析2634本章小结27第4章基于图像多特征一致性的拼接篡改检测算法2841基于图像多特征拼接检测研究现状2842图像拼接检测问题分析。29421数字图像局部噪声特征的优化方法29422基于颜色空间的
18、拼接篡改颜色特征提取32423纹理特征提取3343多特征融合的篡改检测算法33431特征融合34432分类器选择3444算法仿真实现及性能评价3645本章小结38第5章总结与展望3951本文工作总结3952后续工作展望40致谢41参考文献42附录1攻读硕士学位期间发表的论文46附录2攻读硕士学位期间参加的科研项目47VI万方数据武汉科技大学硕士学位论文第1章绪论11研究背景和意义随着数码科技的迅速发展以及云存储技术的提高，人们用数字图像记录生活以及进行社交活动已成为一种新时尚，例如朋友圈，微博和空间里的照片分享。得益于数字成像设备的多样化，数字图像随手可得，科技的发展更是使得图像修饰变得简便易
19、学。随着网络技术的不断发展，伪造照片的散播速度以指数增长，它们极易被人们获取。借助QQ、Wechat、Facebook、Twitter等网络平台，它们可以在很短的时间内传遍世界各地。篡改和伪造图像的大肆泛滥，必定对社会稳定造成不利影响。例如，1942年，如图11所示，贝尼托墨索里尼(Benito Mussolini)是个威风凛凛的策马奔腾的将军；但真实情况是马的缰绳被侍从拉着，以方便墨索里尼塑造硬汉形象的同时避免受伤。图11墨索里尼骑马1939年，这张伊丽莎白王后(Queen Elizabeth)$Fl力N拿大总理威廉莱昂麦肯齐金(William Lyon Mackenzie飚ng)的合影(图
20、12)中，乔治六世(King George VI)被移除了。威廉将篡改后的合影照片用在了总理的竞选宣传上。万方数据武汉科技大学硕士学位论文还有很多网络恶搞图片，对艺术作品的肆意篡改，如图13。图13网络恶搞图片另外，国内的食i中app被苹果公司下架的事件中，就利用到图像主动取证技术一一隐写术。2012年，两家美食类点评的公司：大众点评和食神摇摇，同质化已经到了十分严峻的地步，后者开始大规模爬取前者的应用数据(多数为图片)。大众点评利用隐写术将公司的版权信息嵌在图片中。然而食神团队利用爬虫收集对方数据时并没有察觉到其中包含了其版权信息。大众点评提供了抄袭证据(图片的内嵌信息1，进而食*app最终
21、被苹果公司下架。如图14。2万方数据武汉科技大学硕士学位论文惫产蕊专抄袭套毋撼挂把夫盘点许鲤文土辟曲辩弗+毒肆上锤毫如点译的水知，蜕变成T由0曲鞠导!虽然现实世界存在着如此多的携带虚假信息的伪造图像，但是目前的技术却难以妥善地鉴定图像昀真伪，这是由于数字图像取证技术的不够完善。我们需要精准的图像认证技术系统，从而营造真实可信的网络环境，减少图像篡改行为带来的各种危害，共建文明诚信网络家园。数字图像篡改取证研究在这样的环境下提出，旨在没有先验知识的条件下检验图像的真实性、鉴定篡改操作历史IlJ。12数字图像篡改技术概述数字图像的形成过程主要包括三个步骤21：获取、编码和编辑，大致过程如图15所示
22、。在图像获取部分，传感器(On CCD或者CMOS传感器)通过相机镜头接收真实情景中的光线，从而得到数字图像信号。在此之前，光线通常经过CFA滤波处理，也就是指每个像素点会主要包含红绿蓝三种颜色分量中的一种。通过传感器后，将进行CFA插值(又名马赛克处理)得到各个像素点的三通道分量(红、绿、蓝1。以上获得的图像信号会被输入到相机内部的软件进行下一步处理，例如白平衡、锐化等等。在数字图像成像第二步骤一一编码，为了减少相机内存消耗，此阶段的图像信号往往会经历失真压缩，比较通用的压缩手段是JPEG压缩。大部分压缩后的数字图像会进行后处理操作一一图像编辑，从而得到更符合视觉要求的效果。常用的编辑为：模
23、糊、图像拼接、复制粘贴等等。最后保存为JPEG格式万方数据武汉科技大学硕士学位论文的数字图像。CFA CCD或模式 C传M感O器S机内弹BG疰缩墨、霹因图15数字图像的完整周期现有的数字图像篡改方式类别很多。Dartmouth学院的Farid教授用统计的方法将篡改方法分为6类31，周琳娜等人在此基础上进一步将数字图像篡改类型细分为8类，如下图所示：图16数字图像篡改分类类比密码术与密码分析术，图像伪造者和图像取证研究者也互相对抗。图像伪造者尽力隐藏篡改痕迹以得到类似真实的伪造图像，而取证者则致力于揭露出图像被篡改的操作记录。作为计算机取证的子类之一，数字图像取证技术最开始是在国外兴起的，是信息
24、安全技术领域的研究对象之一。通过对已有的取证类别统计可知，数字图像取证可分为主动和被动两种类型，被动取证也被称为盲取证。4糕一一匿蓬圈I蓊万方数据武汉科技大学硕士学位论文121数字图像主动取证技术在投入使用前，人为地给数字图像添加版权的相关信息，这是数字图像主动取证技术的主要行为特征，从而在数字图像的来源和完整性上遭受质疑时，可以通过提取之前所添加的特征进而提供判别依据。早期的取证主要是围绕数字水印的主动认证。随着数字取证被越来越多的国内外学者关注，以及图像篡改技术的快速发展，目前主动取证技术依照功能可以划分为三类：(1)数字水EJ(Digital watermarking)数字水印是为了保护
25、信息安全、保护版权和完整性，通过数字作品中一些标识信息将版权信息嵌入数字作品中的一种技术。也即依据被嵌入到数字图像的额外信息实现主动取证。依据人类视觉感受，数字水印可分为两类：可见水印和不可见水印。图像质量要求较高时通常采用不可见水印。可见水印，可由人眼直接观察到，因此对图像影响较大。通过抗攻击能力类别，可见水印可以分为三类：脆弱、半脆弱和鲁棒水Ej14,51。(2)数字签名图像取证领域的数字签名主要应用于真实性验证方面。从图像中提取出标识信息作为其身份识别的特征【6】。事实上，数字签名是一组来源于图像同时独立于图像的数据。(3)数字指纹数字指纹主要用于鉴定数字产品的使用者是否合法。数字指纹是
26、在数字媒体中植入具有辨识性的指纹代码，然后投入使用。当数字产品被复制或者篡改时，会引入相应的误差，就能通过提取篡改产品中的指纹，确定非法复制的来源，并以此为依据对复制品进行跟踪f71，从而起到版权保护的作用。一定程度上，数字图像主动取证技术能对图片的真伪进行鉴别。但是，它需要预先将特定信息嵌入待检测图像中。这就意味着成像的数码设备需要满足额外的要求，使得主动取证技术很难得到广泛应用。相比之下，数字图像盲取证技术的应用范围更广泛，具有极大的应用前景。本文将数字图像盲取证作为研究重点。122势字图像唐取旺技术数字图像盲取i,iE(Blind digital Image Forensics)，是在没
27、有任何事先嵌入的附加信息的前提下，利用图像本身的特性，对图像的来源以及真伪进行鉴定。盲取证研究主要包括三种：基于数字图像伪造痕迹、基于图像自然统计特性和基于成像设备一致性的盲取证技术。万方数据武汉科技大学硕士学位论文(1)基于数字图像篡改痕迹盲取证技术在图像伪造过程中，虽然篡改者尽力逼近真实的图像，但是仍然不可避免留下篡改痕迹。由于篡改操作打破了数码相机拍摄的自然图像数据内在的一致性特征和结构，尽管视觉上不能看出的伪造痕迹，取证技术就是依据这些连续的统计特征对图像真伪进行鉴别的，从而进一步定位篡改的实际位置。以上12J,节中概述的数字图像成像过程的三个环节，每一环节都会遗留不同的操作印记。不同
28、的伪造方式会遗留不同的篡改痕迹。使用不同信号处理技术进行各种篡改检测是现阶段取证研究热门问题。(2)基于自然统计特性盲取证技术数字图像的存储实际上是物理信号数字化。图像篡改往往会改变内在的自然统计特性。通过数理统计相关知识研究数字化的物理信号，抓住数字图像的本质特征，从而研究出高可信度的真伪鉴定算法。通过提取具有区分性的统计特征，设计构建有效的分类器从而实现图像的真伪鉴别，研究方法主要有：二元相似性度量和图像质量度量方法，算法主要依据篡改图像和原始图像的比特平面内部的特征相关性和差异来进行检测【8J 01，此类方法的主要缺点是需要生成近似于原始图像的参考图像，由于图像质量评估量是从参考图像中提
29、取的，故检测的准确率将在一定程度上受到参考和原始的图像的近似度的影响；边缘百分比和双相干系数特征方法【l，结合边缘百分比特征、相位变化预测残差特征以及双相干幅度特征，使用SVM(支持向量机)进行分类后，图像拼接篡改检测准确率显著提高。但是此方法只针对没有隐藏篡改痕迹的复制粘贴篡改操作有效；自然图像统计模型方法12-14】，此类方法主要利用图像邻域像素之间的相关性，通过游程统计规律和图像分解方式进行定性分析，通过得到的特征量对待检测图像进行分类判别。这种方法主要用在原始图像和携密图像、计算机生成图像和自然图像的辨别取证研究。(3)基于摄像设备一致性盲取证技术现代成像技术日益成熟，成像和获取摄像的
30、设备不断增加。从最开始的胶片相机，到现在的数码相机、单反相机、扫描仪以及打印机以及计算机本身等等各种成像手段都可以简单地生成数字图像。基于摄像设备一致性取证，实质是检测图像的来源。目前，主要取证方法分为三类：基于数码相机模式噪声特征【l引，同一成像设备的图像数据通常会留下特定的特征信息，通过提取这些特征进行数字图像的来源取证。此类方法的缺点是，由于相机变焦和曝光程度不同会影响硬件的固有特性，因此很难确保特征的准确提取；基于统计特征和分类器取证【l酬，通过机器学习训练图像样本提取图像统计特征，特征融合后进行建模和分类识别；基于颜色滤波阵歹U(Color FilterArray，CFA)插值模式取
31、证【l 7，18J，普通数码相机一般只有一个感光器件，且每个像素只能取得RGB通道中的一种颜色信息。CFA插值可6万方数据武汉科技大学硕士学位论文以得到CCD或者CMOS感光器件RGB三个颜色通道中的另外两种颜色信息。此类方法的缺点是算法不能抵抗重新插值攻击，仅局限于经过彩色插值并由单传感器的相机拍摄的伪造图像。13研究内容与创新点本文主要针对一种常见的数字图像篡改形式一一拼接篡改，进行盲取证研究。图像生成过程中的不同阶段会引入不同的特征，如颜色特征、光学特征等等。在篡改过程中，不同篡改操作同样会给图像带来不同的篡改特征。本文通过研究上述这些特征，利用原始图像背景区域与篡改区域之间的特征差异对
32、图像进行篡改检测。本文首先对基于背景噪声估计方法进行了研究，并针对此类方法存在的问题做了改进，提出一种基于图像噪声一致性的检测算法。算法检测方案主要基于待检测图像噪声特征的统计分布性，即图像噪声特征服从拉普拉斯分布。这是本文的一个新发现。本文创新地采用小概率事件思想，基于这一统计分布特性成功地将篡改区域与原始背景区域区分开。从实验数据可知，提出的检测方案具有很好的实验效果。为了解决单一特征不能完全反映图像原始背景区域与篡改区域差异这一问题，本文提出了一种基于多特征一致性的拼接篡改检测算法。算法首先创新性地将对噪声特征提取算法进行优化为针对图像局部收敛，由此得到的基于图像块的图像特征更精确地突出
33、原始背景和篡改区域的差异。在此基础上，引入多种图像特征，进行融合后，利用SVM算法对图像数据库进行训练，最后利用训练得到的模型完成对待检测图像的篡改检测。14论文章节安排在本课题整个研究过程中，调研、分析了大量数字图像篡改检测领域的文献，最后将研究重点定位在图像的自然统计特征上，首先基于噪声一致性做了相关实验研究，之后调研数字图像其他特征(颜色特征、灰度感知噪声、尺度不变性以及光照特性等)，在MATLAB上进行大量仿真实验，本文随后章节将详细介绍研究成果。本文分为五个章节，具体内容如下：第一章，绪论。本章节对研究背景和意义进行了阐述，介绍了数字图像主动和被动取证技术的分类以及研究重点，着重描述
34、了数字图像盲取证技术的研究现状。最后是本文的研究思路和行文结构安排。第二章，围绕数字图像盲取证中一种常见的篡改方式一一拼接篡改检测，针对其检测方法中用到的图像特征进行的一个概述。这些方法都是基于自然图像具万方数据武汉科技大学硕士学位论文有的特征之间的一致性进行图像篡改检测。如颜色、纹理、光照以及噪声等。第三章，基于Babak Mahdi觚【19】等人提出的由图像噪声进行篡改区域定位检测的方法，我们在本章节提出一种的新的基于噪声特征的定位篡改部位的方法。主要基于提取的噪声特征值的统计直方图，并利用概率进行图像分割定位，最终实现篡改定位的目的。文章详细介绍了仿真实验过程和结果分析。第四章，针对图像
35、篡改常见的手段一拼接，为解决仅依赖噪声特征造成算法的局限性，在优化噪声特征提取方法基础上，提出一种基于多个特征的盲取证新方法。第五章，总结和展望。对本文的研究内容加以分析和总结，包括算法的前提假设、创新和不足之处，以及对下一步研究工作的重点和关键做一个展望。万方数据武汉科技大学硕士学位论文第2章数字图像拼接篡改取证概述鉴于其在数字图像鉴定方面的实际应用性，数字图像盲取证研究引发国内外专家学者的广泛关注。其中数字图像篡改手段之一一图像拼接篡改操作，被DVMM实验室的Ng和Chang认为是图像非法编辑中出现频次最高、最根本的操作。本文主要围绕图像拼接操作展开研究。21图像拼接篡改分析图像拼接篡改操
36、作为本文主要研究对象，其伪造过程是指将一幅图像的某块区域截取出来粘贴插入到另外一幅图像中的某个区域，并通过一定后期操作，生成一张虚假图像，实现别有用心的修改原始图像从而制造出呈现虚假现实的目的。拼接篡改的具体伪造如图21所示，其中厶(x，y)和厶(x，y)分别表示两幅不同的数字图像，有目的性地选择厶(x，y)中的某个区域，此处用厶(x，少)表示，将厶(x，少)图像块进行复制粘贴到12(X，Y中得到，(x，Y，用公式简化表示此过程为厶(x，少)+厶(x，Y)=I(x，Y)。真实图像为了得到看起来没有违和感的拼接图片，Hany Farid教授根据图像篡改的效果和特点，总结常见的拼接后的操作有：(1
37、)剪裁，旋转和拉伸图片(2)对部分图像亮度非线性化(比如，伽马矫正)以达到调整亮度差异的效果(3)添加少量噪声以消除篡改痕迹(4)重新保存最终图片(通常是保存为有损压缩格式，比如典型的JPEG格式)3】o不同的篡改方式往往会引入不同的特征，针对各类型的篡改手段，所采用的取证技术也各不相同。大多数取证方法通常将这些在篡改阶段引入的特征作为主要技术来源。一些图像特征可以细致地描述一幅图像内容的变化规律，由此我们9万方数据武汉科技大学硕士学位论文可以更深入地探究图像内容。越来越多的学者将研究重点集中在图像的一致性特征的提取上，图像特征的一致性研究为图像真实性研究提供了理论依据。在后面章节中将介绍多种
38、图像的特征以及其在数字图像取证领域的应用研究。22数字图像一致性特征概述正如CPU是计算机的核心一样，图像特征是数字图像的精髓所在。同时特征也是数字图像中“信息丰富”的部分。它直接影响图像传递的全部信息，往往包含了比图像像素更深层次的内容。一些图像特征能将一幅图像的变化细致地表现出来，如图像的自然统计特征等等。因此一个算法是否能取得预想的效果往往由它定义和使用的特征决定。我们将介绍多种图像的特征信息及其原理，同时研究它们在数字图像取证领域的应用。221颜色特征一致性Swain等学者早期就针对图像的颜色特征进行了研究，并提出了颜色直方图的概念，尝试将其作为图像检索的特征之一。随着图像分割、分类检
39、索以及取证的深入研究，数字图像的颜色特征被更多的学者关注。由数字图像成像周期可知，最佳的传感器方案是三个传感器接受各颜色分量来合成最终的像素值，考虑到实际成本问题，数码相机厂商一般只用了一个CCD传感器。因此，通常需要采用颜色滤波矩阵(Color Filter Array,CFA)来获取缺失的图像像素值。不同的CFA的颜色排列如图22所示：Mosaic CFA Bayer CFA Stripe CFA图22 Mosaic、Bayer和Stripe CFA常用的颜色滤波矩阵为Bayer色彩滤镜。相对蓝色和红色，人眼对绿色更敏感，Bayer滤镜对亮度分量绿色的采样频率是色度分量蓝色、红色的两倍，从
40、而使得采样后的绿色通道频谱不被混淆，其高频信息也较蓝色和红色更为完整。图像颜色通道间和像素间的相关性因为CFA插值而发生一定程度的改变，而这种改变可以作为一种图像特征。拼接篡改往往会破坏这种特征的一致性。HFaridt201总结了10万方数据武汉科技大学硕士学位论文各类常见的CFA插值算法，结合EM算法鉴别一幅图像应用了哪类插值算法。文献21】结合图像颜色通道和差分图像的高频信息特征，实现了一种基于颜色特征的篡改检测方法。首先，分别对彩色图像红绿蓝三个颜色通道进行一级二维离散小波变换，提取其中的水平(LH)、垂直(HL)和对角线(HH)高频子带共9(33)个小波子带图像，用w碟表示，颜色通道由
41、X尼G，B，不同方向上的高频分量由mLH，HL，HH)表示。计算红绿和蓝绿差分图像，分别进行小波变换。得到6(3X2)个高频子带，用DIFWT：表示，其中YfRG，BG，RG表示红绿差分图像，BG表示蓝绿差分图像，2代表不同方向上的高频分量且刀LH，HL，I-IH。其次，提取边缘信息。此处主要通过对RG差分图像的低频分量LL使用Canny算子进行边缘检测，从而提取边缘信息。再次，在每一个边缘点bb的邻域内计算D，F略的数据极差2乞af 1 j(表征数据范围，kax为一组数据中的最大值，Gin为一组数据中的最小值)、归一化后的离散系数C1，=盯E(表示不同水平下数据的离散程度，盯为一组数据的标准
42、差，E为一组数据的均值)和四分位数(Quartile，指将一组数据按从d,N大依次排序后，提取处在25、50、75位置上的数据值，以表征这组数据在各个部位的分布情况)特征。每个块有3个特征量，总共18个特征量，同时由公式(21)计算得到邻域块小波子带胛u之间的相关系数p，(厶(碍，n2)一目，)(12(r6，n2)一E,2)以。功2商靠丽孺丽Q-1)其中，厶为两个不同的矩阵，巨为矩阵，的均值，式中M，N分别为矩阵的行和列，1-n1M，l_0，使得pXm)Xm为小概率事件。由此可知，通过迭代法确定。根据这种思想，我们定义特征值大于X的块为篡改部分。确定的迭代方法的算法流程如算法l中的伪代码所述。
43、万方数据武汉科技大学硕士学位论文算法1迭代法确定阈值1：Init S卜s s=(x，y)；6-O；itercnt卜o2：doi t e r c纠 i t分蠢3：bo)。同样，子；一盯2也是正值，因为它是第k通道中的不含噪图像的方差。同时，基于数学原理(五一6)2l反一6l，(口，6o)，将公式(41)两边用以6表示，则我们可以在文献42基础上进一步简化，对公式两边同时进行开方可得：压：压(乏) (42)我们利用自然图像在带通滤波域中峰值集中的特性，这意味着，K个带通滤波通道的自然图像的峰值可以近似看作一个常数，即，缸后(1【=1，K)。然后我们形成一个目标函数，最小化方程两边的差异。本文参考文
44、献24对公式进行如下改进：三(拓)：窆f，压一扛+可。q瓦O-22 (4-3)对三(云，盯2)中的两个参数求偏导得到：万方数据武汉科技大学硕士学位论文要=2封压撕百厄0-280- 1一二I、，LbV1-_l彳 2 智I o 2 彰J彭最=2氰厄一厩+百厄0-2媾一-)将上式(44)(45)置为零，整理可得：鲥压撕等-0冉琢1一去磷Kml K上。61矛： - 矛：1乏。压抠：。瓦1(44)(4-5)(4-6)(4-7)善K雨1+喜辱一厄善K瓦14固进一步整理公式，用()。代替K个带通滤波通道的平均值，可以得到如下公式：厄：掣铲 (彰)2几彰几(4-9)小两1一去器 件呐30惠。一厄万方数据武汉科
45、技大学硕士学位论文原始矩表示方差和峰值，具体计算公式如下：仃2=膨一彳 (411)七：,u4-4了,u_3声h-+了6,u-2“12-一3,U143(4-12) 鹾一2瞳七破最后，将公式(411)和(4-12)代入到公式(49)和(4-lO)q了得到最终局部噪声方差值。文献43已经验证了通过分块策略来定位篡改区域的可行性，在此基础上，为了验证优化后的局部噪声提取算法性能，我们做了以下的实验，挑选LIVE库中的29张高清自然环境拍摄的图像，对每幅图像随机选取相同大小的矩形块，每次对其施加不同标准差的高斯白噪声，示例如图41。图41加噪图像和矩形噪声块示例然后分别用本文提出的优化后的局部噪声估计法和小波估计法估计噪声方差值。对每一个标准差下的29幅图像中的矩形块的估计值取均值，得到的实验结果如表41所示。表41 LIVE库中噪声估计值从表中可以看出，本文方法优于传统小波估