相關(guān)材料題目基于特征提取篡改圖像盲取證技術(shù)研究

數(shù)字化時(shí)代，數(shù)字圖像已經(jīng)成為承載和信息的最主要之一。同時(shí)，隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，數(shù)碼相機(jī)的制造成本越來(lái)越低以及圖像編輯軟進(jìn)行諸如圖像拼接、圖像合成、圖像區(qū)域等各種形式的篡改處理，并且通過(guò)無(wú)疑會(huì)對(duì)圖像接受者造成誤導(dǎo)，會(huì)給界、法律界、金融界、保險(xiǎn)業(yè)等帶來(lái)不缺點(diǎn)而發(fā)展緩慢，難以滿足實(shí)際取證的要求。因此，數(shù)字圖像盲檢測(cè)技術(shù)就本文在學(xué)習(xí)和總結(jié)已有圖像盲取證技術(shù)的基本理論和研究成果的基定將同幅圖像粘貼篡改檢測(cè)作為本文的研究重點(diǎn)，主要工作如下：本文首先針對(duì)當(dāng)粘貼篡改發(fā)生在圖像平坦區(qū)域時(shí)，現(xiàn)有檢測(cè)算法檢測(cè)率Harris關(guān)鍵點(diǎn)的篡改圖像檢測(cè)方法。在檢測(cè)過(guò)程中，本文運(yùn)Harris角點(diǎn)提取圖像關(guān)鍵點(diǎn)，并用具有較好不變性的SURF(SpeededUpRobust由于移動(dòng)智能設(shè)備的迅速發(fā)展，在移動(dòng)智能設(shè)備上人們可以做工作，所以為了讓數(shù)字圖像檢測(cè)算法能夠運(yùn)行在這種設(shè)備上，本文提出基于二進(jìn)制描述子的區(qū)域篡改圖像檢測(cè)方法。在檢測(cè)過(guò)程中，本文繼續(xù)運(yùn)用rris角點(diǎn)提取圖像關(guān)鍵點(diǎn)，然后構(gòu)造二進(jìn)制描述子對(duì)關(guān)鍵點(diǎn)進(jìn)行描述。實(shí)驗(yàn)結(jié)果表明，本算法大大減少了描述子對(duì)設(shè)備物理空間的消耗同時(shí)在特征匹配階段運(yùn)算速度更快：圖像盲取證，圖像篡改，區(qū)域，特征提取，Harris角Digitalimageshave eoneofthemostimportantmediatocarryandspreadinformationinthedigitalera.Atthesametime,withtherapiddevelopmentofInternettechnology,lowercostsfordigitalcamerasandbetteruserinteractioncapabilitiesofimageeditingsoftware,peoplenotonlycanacquireimageseasily,butalsocantamperthecontentofimagesinanyform(suchasimagemosaics,imagecomposition,regionduplication),anddistributethemovertheworldthroughtheInternet.Thesetamperedimageschangethemeaningoftheoriginalimages,whichcertainlywouldmisleadtheimagesreceivers,andwillbringinvaluablelossestothepress,thelegalprofession,thefinancialworld,theinsurance.Digitalimageforensicstechnologyisthetechnologytocollectthetamperedevidenceofnaturalimages.However,duetotheactivedetectiontechnologyhasthedisadvantageswhichneedtoembedthepriorinformationintotheimage,soitisdifficulttomeettheactualrequirementsofimageforensics.Therefore,thedigitalimagepassiveblinddetectiontechnologyhas earesearchfocusinthefieldofdigitalimageforensics.Thestatusofthedevelopmentofexistingforensicstechnologiesandtheprincipleofimagemodificationarediscussedinthisthesisbasedonthestudyofthebasictheoryandthesummaryoftheexistingimagepassiveforensicstechnologyandthelatestresearchresults,andthenthecopy-movetamperingdetectionisdeterminedasthefocusofthisthesis.Themainworkofthethesisasfollowing:AdetectionmethodbasedonHarriscornerpointsisproposedinthisthesistosolvetheinefficientproblemoftheexistingdetectionalgorithmswhenthecopiedregionoccursintheimage'sflatarea.ThemethodextractsHarriscornersasthekeypointsoftheimage,andthenextractsfeaturedescriptorsofthesekeypointswithSURF(SpeededUpRobustFeatures)algorithmwhichhasgoodinvariance.Atthestageoflocatingthetamperedregion,thethresholdmethodisusedtofilterthekeypointswhosephysicallocationistooclose,whichimprovestheeffectivenessandpracticalityofthealgorithm.Duetotherapiddevelopmentofmobilesmartdevices,wecandomoreworkonthem,therefore,inordertoallowthedigitalimageforensicsalgorithmcanberunonsuchdevices,atamperingimagedetectionmethodisproposedbasedonbinarydescriptors.Harrisoperatorisstillusedtoextractthekeypointsofimage,andthenbinaryfeaturedescriptorsofthesekeypointsareextracted.Theexperimentresultsthatthealgorithmsignificantlyreducesthespendingofmatchingtimeandstorage:blindimageforensics,imageforgery,regionduplication,featureextraction,Harriscorners..............................................................................................................................I 第一章緒 研究背景與意 數(shù)字圖像篡改取證發(fā)展現(xiàn) 數(shù)字圖像篡改方 數(shù)字圖像取證發(fā)展現(xiàn) 現(xiàn)存方法的問(wèn)題分 本文研究?jī)?nèi)容與章節(jié)安 研究?jī)?nèi) 章節(jié)安 第二章數(shù)字圖像盲取證簡(jiǎn) 2.1/盲取證技 不同圖像間拼接篡改盲取 不同圖像拼接篡改原 不同圖像拼接篡改取證現(xiàn) 同幅圖像-粘貼篡改盲取 同幅圖像-粘貼篡改原 同幅圖像-粘貼篡改取證現(xiàn) 圖像關(guān)鍵點(diǎn)檢測(cè)子與描述 關(guān)鍵點(diǎn)檢測(cè) 關(guān)鍵點(diǎn)描述 本章小 第三章基于Harris角點(diǎn)的-粘貼篡改圖像取證算 引 Harris角點(diǎn)與SURF描述子簡(jiǎn) Harris角 SURF關(guān)鍵點(diǎn)描述 篡改圖像取證方 提取關(guān)鍵 生成關(guān)鍵點(diǎn)描述子與篡改區(qū)域定 閾值選 實(shí)驗(yàn)結(jié)果與對(duì)比分 圖像區(qū)域篡改檢 尺度變化的圖像區(qū)域篡改檢 旋轉(zhuǎn)變化的圖像區(qū)域篡改檢 對(duì)比分 結(jié) 第四章基于二進(jìn)制描述子的區(qū)域篡改圖像取證算 引 二進(jìn)制描述子簡(jiǎn) 篡改圖像檢測(cè)算 抽取關(guān)鍵 圖像關(guān)鍵點(diǎn)的二進(jìn)制描 圖像特征相似度計(jì)算與篡改區(qū)域定 檢測(cè)算法描 實(shí)驗(yàn)結(jié)果與對(duì)比分 實(shí)驗(yàn)結(jié) 對(duì)比分 結(jié) 第五章總結(jié)與展 總 工作展 致 攻讀期間取得的研究成 參考文 人類在獲得外界環(huán)境信息的過(guò)程中，大約有80%以上來(lái)自于視覺(jué)系統(tǒng)。毫無(wú)疑問(wèn)圖像就是我們打開(kāi)與外部世界交流“伴隨著現(xiàn)代計(jì)算機(jī)與通信技術(shù)的進(jìn)步，數(shù)字圖像成為互聯(lián)網(wǎng)時(shí)代最主要的信息載體之一，我們已經(jīng)被包圍在各種數(shù)字符號(hào)和圖像的海洋中。與此同時(shí)，伴隨著數(shù)字圖像數(shù)量以秒激增的還有數(shù)字圖像處理技術(shù)的發(fā)展。人們非常樂(lè)意運(yùn)用其中的修飾與美化功能，從人物的祛斑、增強(qiáng)對(duì)比度等基礎(chǔ)修飾到利用畫(huà)筆工具創(chuàng)造出一幅“真”的自然場(chǎng)景，這些都增加了人們使用圖像處理軟件的。當(dāng)前流行的圖像處理e公司的Photohoporl公司的Pintriioier，iPhoto等，當(dāng)然還有時(shí)下非常流行的美圖秀秀，光影魔術(shù)手等。這些軟件易于使用，在圖像處理軟件的幫助下，普通用戶可以運(yùn)用去除雜質(zhì)、去除紅眼、改變圖像背景等功能制造出他們想要的效果，可以任意剪裁、旋轉(zhuǎn)、轉(zhuǎn)換圖像格式發(fā)布圖像。同時(shí)，借助互聯(lián)網(wǎng)，在數(shù)秒內(nèi)將處理好的到世界任意角落。可以說(shuō)，圖像處理軟件給人們的生活與工作帶來(lái)了極大的便利，在推進(jìn)人類認(rèn)識(shí)和改造世界方面做出了極大的貢獻(xiàn)。理不僅僅局限在如增強(qiáng)對(duì)比度、去除雜質(zhì)等基本美化功能上，圖像處理可以利用圖像處理軟件在不留下任何明顯修改痕跡的情況下制作出非常“真”的虛假，甚至完全原始圖像傳達(dá)的信息。根據(jù)華爾街日?qǐng)?bào)的，登在美國(guó)的10%的彩像經(jīng)過(guò)修改、潤(rùn)飾[1]。據(jù)，學(xué)術(shù)中20%的圖像遭2006年8月，以色列對(duì)黎巴嫩首都進(jìn)行轟炸后，路透社登了其合同攝影師-拍攝的一張。其中，圖1.1為真實(shí)圖像，圖1.2為篡改烈的黑煙。但有人，是用Photoshop中的“”功能將一股濃煙成了兩股，目的是為了讓的效果更強(qiáng)烈，路透社經(jīng)過(guò)發(fā)現(xiàn)該指責(zé)屬實(shí)，隨后解除了與的合同[3]。圖1.1被轟炸的真實(shí)圖 圖1.2篡改后的轟炸圖2008年7月9日、10日，伊朗連續(xù)兩天試射，之后發(fā)布了試射的。不過(guò)《》事后發(fā)現(xiàn)，這張有四枚騰空而起的有被“篡彈“PS后的產(chǎn)物，以夸大的[4]。圖1.4中，紅色框?yàn)椤丁穲D1.3試射真實(shí)圖 圖1.4篡改后的試射圖圖1.5來(lái)自杭州市余杭區(qū)的以上只是圖像篡改的幾個(gè)例子，在數(shù)字時(shí)代，這種類型的篡改絕不是偶戶都可以方便地制造出幾近“完美”的篡改圖像，而Internet快速的能力更是6.18億網(wǎng)民[6]（1.633示，截止2013年12月，我名數(shù)量達(dá)到6.18億，互聯(lián)網(wǎng)普及率達(dá)到45.8%）提供了豐富的軟件和圖像資源與快速篡改圖像的途徑，可以想象，面對(duì)如此圖1.6中名規(guī)模與互聯(lián)網(wǎng)普及于司法鑒定、保險(xiǎn)賠償、攝影比賽、投稿、醫(yī)療衛(wèi)生等特殊行業(yè)，如果將惡意篡改的圖像用于這些行業(yè)，不難想象這必然會(huì)給國(guó)家、社會(huì)造成極大的影近年來(lái)國(guó)內(nèi)外數(shù)字圖像取證都對(duì)圖像篡改取證表現(xiàn)出相當(dāng)?shù)难芯繌膱D1.7可以看出，近15年來(lái)，在IEE()與SI(. )分別入“imgefogrydtetion”檢索到的關(guān)于圖像篡改取證數(shù)量呈現(xiàn)逐年上升趨勢(shì)，其中的原因可能是隨著信息技術(shù)的進(jìn)步，像司法、保險(xiǎn)、醫(yī)療等行業(yè)發(fā)生圖像篡改的概率越來(lái)越大，國(guó)內(nèi)外學(xué)者需要緊跟圖像篡改技術(shù)的腳步，提出預(yù)防和解決問(wèn)題的建設(shè)性的措施。圖1.715年內(nèi)數(shù)量變化情況統(tǒng)計(jì)改，篡改的數(shù)字圖像可能被用于佐證、、保險(xiǎn)賠償、攝影比賽等場(chǎng)合，其所導(dǎo)致的錯(cuò)誤宣判、錯(cuò)誤和等問(wèn)題可能會(huì)對(duì)國(guó)家、社會(huì)造成難以深入研究，對(duì)于打擊、的誠(chéng)信、保證公共信任秩序，甚至世界地獲取圖像。同時(shí)，網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展為圖像的和加入了“催化劑。而且，數(shù)字圖像處理技術(shù)的發(fā)展同樣迅猛，普通用戶可以在不留下明顯痕跡了“信任。數(shù)字圖像篡改數(shù)字圖像的篡改方法有很多，HanyFarid教授將圖像的分成6種1.81.9①合成(composited)：合成是最常見(jiàn)的篡改，該方法通過(guò)圖像中某些區(qū)域，粘貼到本圖像中其他不的區(qū)域或其他圖像中，用以遮擋或添加目標(biāo)圖達(dá)的真正含義，網(wǎng)絡(luò)中的篡改圖像多數(shù)是通過(guò)該方法實(shí)現(xiàn)的。合成篡改可以細(xì)分為不同圖像間的拼接篡改和同幅圖像中的粘貼篡改，前者是將多幅圖像1.81.9通過(guò)分別找出原始圖像與目的圖像上對(duì)應(yīng)的特征像素點(diǎn)，將目的圖像的特征點(diǎn)和給定圖像的特征點(diǎn)按一定的權(quán)加起來(lái)，這樣新產(chǎn)生的圖像就兼具兩幅圖像的③潤(rùn)飾((re-touched)：圖像潤(rùn)飾技術(shù)多用于對(duì)藝術(shù)中的細(xì)節(jié)進(jìn)行修飾，主要通過(guò)在同幅圖像中進(jìn)行區(qū)域操作，使看起來(lái)更有藝術(shù)感，如將人物照年輕等。圖像的潤(rùn)飾操作還常見(jiàn)于篡改圖像的痕跡清除，以達(dá)到人眼無(wú)法識(shí)⑥繪畫(huà)(painted)繪圖是指專業(yè)通過(guò)利用圖像處理軟件如AdobePhotoshop等創(chuàng)造出一幅藝術(shù)圖像的過(guò)程。圖像真實(shí)感的強(qiáng)弱由繪畫(huà)的個(gè)人技術(shù)所決定，這類圖像往往跟真實(shí)的有較大差別，不會(huì)引起。以上是最早對(duì)圖像篡改行為進(jìn)行分類的方式。此外，對(duì)Farid教授的分類方法進(jìn)行了改進(jìn)，在文獻(xiàn)[7]的基礎(chǔ)上增加了攜密圖像（stegoimage）和二次獲是一種利用數(shù)字圖像中存在的冗余空間攜帶信息的技術(shù)，通常用于某些特殊目的的隱蔽通信，如傳遞或軍事行動(dòng)中發(fā)布命令等。二次獲取圖像是對(duì)數(shù)字圖像原始性進(jìn)行篡改的技術(shù)，它是數(shù)字圖像再經(jīng)過(guò)一次數(shù)字設(shè)備獲取后形成的新圖，的等[8]。通常為了使篡改圖像看起來(lái)更真，運(yùn)用的篡改方法往往不是單一的，篡改另外，的目的不同，運(yùn)用的篡改方法也不盡相同，因此，一幅篡改圖像所數(shù)字圖像取證發(fā)展現(xiàn)喻為“，那么就可以比喻數(shù)字圖像取證為“防守。數(shù)字圖像取證技術(shù)就是主動(dòng)取證和數(shù)字圖像盲取證。這兩種方法都可以對(duì)圖像是否經(jīng)過(guò)篡改進(jìn)行鑒隨機(jī)性，把信息嵌入數(shù)字圖像中，從而起到保護(hù)數(shù)字圖像和完整性的一權(quán)保護(hù)或所中，這樣可以保證數(shù)字作品在到一些之后還能夠識(shí)這些水印信息，然后通過(guò)判斷水印的完整性來(lái)決定圖像在傳輸過(guò)程中是否到數(shù)字簽名在認(rèn)證、數(shù)據(jù)完整性、有效性等方面有著非常重要的應(yīng)用。它是從圖像等數(shù)據(jù)中抽取一個(gè)以文件形式存放的特征集，以備圖像驗(yàn)證時(shí)使用[9]。實(shí)現(xiàn)數(shù)字簽名的方法很多，如RSA，DSA(DigitalSignatureAlgorithm)等[10]，Hash函數(shù)（SHA1等）可以實(shí)現(xiàn)圖像相似，它們之間的Hash值間“距離”就會(huì)很接近，而對(duì)內(nèi)容不相同的圖像，其Hash值間“距離”將會(huì)很大。因而，感知哈希更適合作為數(shù)字簽名用于多的像是否經(jīng)過(guò)篡改。雖然在數(shù)字水印和數(shù)字簽名方面已經(jīng)有大量的研究與專[12-17]，但由于它們本身存在弱點(diǎn)，即：1)需要預(yù)先在數(shù)字圖像中嵌入驗(yàn)證信息，上限制了水印算法的使用范圍；2)嵌入水印信息后會(huì)造成質(zhì)量的下降的篡改行為屬于使用中的個(gè)別行為，為了取證這種個(gè)別行為，付出大量的的和認(rèn)證需威的第加入，同時(shí)第需要得到認(rèn)證雙方和的認(rèn)可。可見(jiàn)，利用數(shù)字水印或數(shù)字簽名技術(shù)對(duì)數(shù)字圖像進(jìn)行篡改取證和保護(hù)不，從數(shù)字水印和數(shù)字簽名取證的過(guò)程我們可以看出，這兩種取證技術(shù)都需要在數(shù)字圖像建立的同時(shí)預(yù)先嵌入特定信息，這給我們的取證工作帶來(lái)極大不便。因而，數(shù)字圖像主動(dòng)取證技術(shù)最終會(huì)被淘汰，取而代之的是數(shù)字圖像盲取證技術(shù)。數(shù)字圖像盲取證是指在不依賴任何簽名提取或預(yù)嵌入信息的前提下，對(duì)圖像的真?zhèn)魏蛠?lái)源進(jìn)行鑒別和取證[8]計(jì)上的性質(zhì)實(shí)現(xiàn)認(rèn)證，由于受到成像設(shè)備軟硬件等因素的影響，獲得的圖像會(huì)存在某些固有的特性，這些特性對(duì)于沒(méi)有經(jīng)過(guò)篡改的圖像具有一致性，倘若對(duì)圖像進(jìn)行某些類型的篡改操作，這種固有的特性將會(huì)遭到破壞，通過(guò)檢測(cè)這種非進(jìn)而確定篡改類型。1.2.1節(jié)中，分析了幾類常見(jiàn)的數(shù)字圖像篡改方式。如何識(shí)別運(yùn)用這些圖像篡改取證：判斷一幅圖像自產(chǎn)生后是否過(guò)的篡改或處理，如果過(guò)篡改是什么形式的篡改，篡改區(qū)域在哪里。，近來(lái)，針對(duì)數(shù)字圖像盲取證的研究受到了國(guó)際上許多研究學(xué)者和研究機(jī)構(gòu)的極大關(guān)注，相關(guān)研究課題也在國(guó)際著名期和會(huì)議上不斷涌現(xiàn)。從領(lǐng)域的頂級(jí)國(guó)際會(huì)議IEESmpoiumonSuity&Privay到2005年EE開(kāi)設(shè)新的學(xué)術(shù)期IEErntiononInfrmationFornsndSurity再到頂級(jí)的專業(yè)國(guó)際會(huì)議MultimdiandSurityorkhoptlFornicsrhrkhop，這些都標(biāo)識(shí)數(shù)字圖像取證學(xué)科的重要性和前沿性。從研究團(tuán)隊(duì)看，最早從事數(shù)字圖像取證工作的是SNYinghamton大學(xué)Fridrich教授帶領(lǐng)的研究團(tuán)隊(duì)，該團(tuán)隊(duì)針對(duì)圖像中opymove篡改進(jìn)行鑒定的算法[19]拉開(kāi)了數(shù)字圖像篡改檢測(cè)的序幕rtmouth大學(xué)Frid教授的研究隊(duì)在基于EPG壓縮的圖像篡改取證[20]、基于光照不一致特征[21]的圖像篡改取證等方面的研究都處于地位。此外還有新澤西理工學(xué)院的Shiung教授團(tuán)隊(duì)[22]olumbia大學(xué)的hngShiFu教授團(tuán)隊(duì)[23]， 學(xué)院的.mon團(tuán)隊(duì)[4]Purdu大學(xué)的lp教授研究團(tuán)隊(duì)，[25]等都是較早在數(shù)字圖像取證領(lǐng)域進(jìn)行研究的團(tuán)隊(duì)，并且取得了相當(dāng)深入的研從我國(guó)數(shù)字取證的發(fā)展歷史來(lái)看，在2000年開(kāi)始研究數(shù)字取證問(wèn)題，并成立了數(shù)字取證的相關(guān)機(jī)構(gòu)和。2001年7月許榕生等[26]在《計(jì)算機(jī)工程應(yīng)用》期“計(jì)算機(jī)取證概述”一文，文章在國(guó)內(nèi)首次介紹了計(jì)算機(jī)取證的定義、發(fā)展歷史、主要原則、一般步驟和相關(guān)的技術(shù)工具，闡述了計(jì)算機(jī)取證的發(fā)展方向等2004年中國(guó)刑事學(xué)院引進(jìn)先進(jìn)取證設(shè)備建立了同年，建立學(xué)院電子取證，現(xiàn)在已經(jīng)具備計(jì)算機(jī)取證和分析鑒定的法律資質(zhì)；2005年人民學(xué)院成立了中國(guó)電子學(xué)會(huì)計(jì)算機(jī)取證并召開(kāi)第一次工作會(huì)議[27]?？梢?jiàn)國(guó)內(nèi)對(duì)計(jì)算機(jī)取證和數(shù)字取證的研究還是非常積極主動(dòng)。2007年在召開(kāi)第七屆信息隱藏暨多學(xué)術(shù)研討會(huì)邀請(qǐng)了新澤西理工學(xué)院的施云慶教授做了數(shù)字圖像盲取證的專題報(bào)告，在國(guó)內(nèi)更是掀起了研究數(shù)字取證的熱情[8]201年第十屆信息隱藏暨多信息安全學(xué)術(shù)研討會(huì)在召開(kāi)，特別邀請(qǐng)沈昌祥作了題為《做好新型發(fā)展應(yīng)用的等級(jí)保護(hù)工作》的報(bào)告[28]，我國(guó)在進(jìn)入工業(yè)控制信息化、三網(wǎng)融合、物聯(lián)網(wǎng)、云計(jì)算等新型的發(fā)展應(yīng)用時(shí)代面臨的新問(wèn)題和新，這就預(yù)示著在各個(gè)行業(yè)必須被提上新的日程。此外，國(guó)內(nèi)許多高等院校也設(shè)立并組建了相關(guān)的專業(yè)和研究機(jī)構(gòu)。如郵電大學(xué)、大連理工大學(xué)、中山大學(xué)、同濟(jì)大學(xué)等都有相關(guān)研。2005年重慶郵電學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)、王國(guó)胤等在《重慶郵電學(xué)院學(xué)（自然科學(xué)版上文章文中介紹了計(jì)算機(jī)取證技術(shù)概念特點(diǎn)與發(fā)展，綜述了計(jì)算機(jī)取證技術(shù)的研究現(xiàn)狀，討論了計(jì)算機(jī)取證的發(fā)展趨勢(shì)[29]2007年周先等《電子學(xué)報(bào)上和ESSTA會(huì)議上發(fā)表文章，證實(shí)利用同態(tài)濾波、移動(dòng)平均濾波和數(shù)學(xué)形態(tài)學(xué)的方法取證經(jīng)過(guò)模糊處理的數(shù)字圖像篡改針對(duì)模糊操作的取證正確率在90%左右[8]黃繼武等在《計(jì)算機(jī)學(xué)報(bào)》上文章提出“主轉(zhuǎn)移向量”方法取證區(qū)域篡改圖像，取證率達(dá)到90%以上，而錯(cuò)誤率低于5%[30]。從近年的數(shù)量和質(zhì)量來(lái)看，對(duì)數(shù)字圖像取證的研究已經(jīng)取得一些較好的研究成果。但相對(duì)于強(qiáng)大的圖像處理軟件和圖像者越來(lái)越強(qiáng)的反取證意識(shí)，這些成果還遠(yuǎn)不能達(dá)到實(shí)用的效果，數(shù)字圖像取證還如下的一些問(wèn)題：篡改圖像一般都集合了多種篡改，這種篡改圖像很難通過(guò)現(xiàn)有的算法檢測(cè)出標(biāo)準(zhǔn)數(shù)據(jù)集，目前在計(jì)算機(jī)科學(xué)的其他很多研究領(lǐng)域都有自己的標(biāo)準(zhǔn)數(shù)據(jù)集，這缺乏算法性能的統(tǒng)一評(píng)價(jià)標(biāo)準(zhǔn)不可否對(duì)數(shù)字圖像盲取證方法而言，我們最關(guān)心的內(nèi)容是算法性能（如算法準(zhǔn)確率、虛警率等）和影響算法性能的各項(xiàng)參數(shù)的意義。但是，由于缺乏標(biāo)準(zhǔn)的圖像測(cè)試數(shù)據(jù)集，導(dǎo)致圖像盲取研究?jī)?nèi)鏡頭顏插特后鏡頭顏插特后處特光學(xué)濾圖處圖傳感器特修后處篡圖光學(xué)特顏色特圖像特特自然圖像特1.10對(duì)一種常見(jiàn)的數(shù)字圖像篡改方式（區(qū) 篡改）進(jìn)行研究，充分分析該種類章節(jié)安候選點(diǎn)后處候選關(guān)鍵關(guān)鍵點(diǎn)抽特征相似度計(jì)描述子生圖像預(yù)處輸入圖定位篡改區(qū)候選點(diǎn)后處候選關(guān)鍵關(guān)鍵點(diǎn)抽特征相似度計(jì)描述子生圖像預(yù)處輸入圖定位篡改區(qū)1.11第二章介紹篡改圖像檢測(cè)的技術(shù)，重點(diǎn)介紹兩種類型的粘貼篡改圖像檢測(cè)的現(xiàn)狀，討論并分析了已經(jīng)取得的研究成果和存在的問(wèn)題，最后介紹了圖像關(guān)征點(diǎn)匹配的思想，提出基于Harris角點(diǎn)的-粘貼篡改圖像取證算法，并通過(guò)理進(jìn)行研究，提出基于二進(jìn)制描述子的-粘貼篡改圖像取證算法，并利用Hamming距離實(shí)現(xiàn)描述子間相似性的度量，最終實(shí)現(xiàn)同幅圖像-粘貼篡改的快2.1/盲取證技與主動(dòng)取證技術(shù)不同，/盲取證技術(shù)是指在不依賴任何預(yù)簽名提取或預(yù)嵌行鑒別和取證的技術(shù)[31]。顧名思義，/盲取證技術(shù)具有兩個(gè)特點(diǎn)，“”和“盲”。“”與主動(dòng)相對(duì)應(yīng)，是指取證過(guò)程觸發(fā)，沒(méi)有事先對(duì)待取證圖息。/盲取證技術(shù)主要包含三個(gè)方面的內(nèi)容：圖像來(lái)源鑒別、計(jì)算機(jī)生成圖像篡改圖像取證是判斷一幅圖像自產(chǎn)生后是否過(guò)的篡改或處理，如果過(guò)篡改是什么形式的篡改，篡改區(qū)域在哪里。其中，圖像的篡改方式很多（1.2.1節(jié)，最常見(jiàn)的篡改方式是合成篡改，這也是本文的主要研究?jī)?nèi)不同圖像拼接篡改原方面可能會(huì)有較大差別，這樣，篡改的邊界就會(huì)比較明顯。為了掩飾這一2.1假設(shè)數(shù)字圖像像素點(diǎn)的坐標(biāo)用(xyf(xy，對(duì)于彩色f(xy可以理解為一個(gè)表示RGB各顏色通道灰度值而組成的三維向量。若的像素值用f(x,y)表示，如公式(2.1)。f1(x, (x,y)f(x,y)ff

2(x, (x,y)D2Dnn(x, (x,y)Dn

f(x, (x,y)公式(2.1)f1(xy、f2xy、fn(xyf(xy就是拼接圖像的來(lái)源，D1、D2Dn是需要拼接的區(qū)域。不同圖像拼接篡改取證現(xiàn)不同的圖像在成像時(shí)都具有不同的光照條件，如強(qiáng)度和方向。拼接的圖像會(huì)出現(xiàn)不同區(qū)域具有不同光照方向的現(xiàn)象，這是自然圖像不會(huì)出現(xiàn)的情形，成為取證拼接的一個(gè)有利依據(jù)。ohnon[32]第一次提出利用光照方向取證拼接篡改圖像的若某區(qū)域的光照方向與其他區(qū)域相差較大則認(rèn)為是篡改圖像。該算法的分塊過(guò)程需人工操作，并且要求圖像的光照條件要好，陰天拍攝的就無(wú)法給出正確結(jié)ohnon又提出根據(jù)人物眼睛的鏡面反射來(lái)估計(jì)光照方向的算法[33]34]等人引入邊緣取證算子，可以對(duì)圖像中物體進(jìn)行精確定位和邊緣擬合，提高該取證方法的可行性。②基于CFA彩信息由顏色濾波陣列(ColorFilterArrayCFA)決定，它僅允許某一特定頻率的光通過(guò)，一般使用Bayer矩陣[35]2.1。2.1Bayer………2.1CFA在該像素點(diǎn)通過(guò)的色彩信息，通過(guò)的綠色信息是紅PopescuAC和FaridH[36]認(rèn)為CFA插值造成的周期性的相關(guān)性是一個(gè)簡(jiǎn)單的復(fù)雜的CFA插值和二次插值就為力。相機(jī)成像過(guò)程中不可避免的會(huì)引入相機(jī)特有的模式噪聲，uk[38]利用模式噪70%的PEG壓縮圖像有理想的效果但是該算法要求有拍攝該的相機(jī)或由同一相機(jī)拍攝的一組用于提取模式噪聲。[39]等人根據(jù)模式噪聲的熵值來(lái)區(qū)分圖像來(lái)源，對(duì)有損壓縮具有較好的魯棒性。輻射照度rRf表示兩者的關(guān)Rf(r) u[40]提出一個(gè)基于幾何不變量和相機(jī)響應(yīng)特征的用于自然圖像和篡改圖像分類的方法。該方法先將圖像分區(qū)并計(jì)算每個(gè)區(qū)域的幾何不變量，再用幾何不變量估計(jì)這些區(qū)域的相機(jī)響應(yīng)函數(shù)，最后比較所有的相機(jī)響應(yīng)函數(shù)是否一致。2.2是橫向的，不同波長(zhǎng)的光的放大倍數(shù)不同，會(huì)聚焦在同一焦平面上的不同位置，2.3。色差的消減一般是通過(guò)后期的數(shù)學(xué)方法和前期的透鏡改良。圖2.2縱向色差示意 圖2.3橫向色差示意統(tǒng)計(jì)特征。[42]等人將圖像離散余弦變換（DiscreteCosineTransform,DCT）的直流分量分布和交流分量分布的參數(shù)以及系數(shù)的一階矩和二階矩作為特征輸入支持向量機(jī)，然后對(duì)篡改圖像和自然圖像進(jìn)行分類。[43]等人采用了相似的方法，特征選擇系數(shù)的矩特征和DCT域的特征。這類算法不同于5類方法，它是以模式識(shí)別的方法區(qū)分篡改圖像和自然圖像，并不能定位同幅圖像-粘貼篡改原同幅圖像粘貼篡改又稱為區(qū)域篡改，區(qū)域篡改的過(guò)程是圖像的某個(gè)區(qū)域再粘貼到該圖像的另一個(gè)不區(qū)域如圖2.4灰色框選中的區(qū)就是的區(qū)域假設(shè)數(shù)字圖像像素點(diǎn)的坐標(biāo)用(x,y)表示像素值為f(,y)于彩像，f(,y)可理解為一個(gè)表示B各顏色通道值而組成的三維向量若圖像經(jīng)過(guò)-粘貼篡改，則存在通區(qū)域D，其像素值發(fā)生了改變，篡改后圖像的像素值用f(x,y)表示，f(x,y)f(x, (x,y)

f(xd,yd (x,y) 公式(2.3)中，D為被篡改的區(qū)域，(d1,d2)為區(qū)域的位移圖2.4同幅圖像區(qū)域篡改原理示意經(jīng)過(guò)區(qū)域篡改后的圖像，其篡改區(qū)域的對(duì)應(yīng)像素完全一致，取證非常簡(jiǎn)單。但-粘貼篡改經(jīng)常伴隨著縮放、旋轉(zhuǎn)和模糊處理以及多重壓縮等操作，使同幅圖像-粘貼篡改取證現(xiàn)區(qū)域篡改取證的目的是在同幅圖像中找出哪個(gè)是被區(qū)域，哪個(gè)是被粘貼區(qū)域，區(qū)域圖像取證的研究近年來(lái)取得一些研究成果，取證方法也在不用待檢圖像分別和它的位移副本做比較，逐步近相似區(qū)域。用f(x,y)表示尺寸為MN的圖像的像素值，(x,y)表示像素坐標(biāo)。對(duì)于所有有效的(x,y)按照公(x,y,k,l)

f(x,y)f(xkmod(M),ylmod(N))

,,M1,l NkkMklNl(x,ykl和(x,ykl此k和l的值可以縮小到k ,M/2,l1/4

f(x,y)表示尺寸為MN的圖像的像素(x,y)表示像素坐標(biāo)。則圖像的自相關(guān)系數(shù)r(k,l定義為式(2.5)：MMr(k,l)f(x,y)f(xk,yx1k ,M1,l ,N定義f?(xyf(M1xN1y)，則用卷積運(yùn)算表示rff?，有rF1{F(f)F(其中，F(xiàn)表示變換運(yùn)算符對(duì)濾波之后的圖像計(jì)算自相關(guān)系數(shù)r0找到最大的r，計(jì)算位移矢量并用窮舉算法驗(yàn)證這個(gè)矢量

如果取的區(qū)域大于設(shè)定的閾值，則結(jié)束，否則尋找下一個(gè)最大的r，5步。雖然該方法簡(jiǎn)單且計(jì)算復(fù)雜度不大，但是只有篡改區(qū)域大于圖像面積的f(xyMN的圖像的像素值，(xy表示像素坐標(biāo)。塊匹配方使用一個(gè)大小為bb的窗口去掃描整幅圖像，每次僅移動(dòng)一個(gè)像素的距離，將圖像分割成的小方塊。窗口自左向右，自上而下移動(dòng)，最終會(huì)得到Mb1Nb1個(gè)相 的圖像塊準(zhǔn)確性，是塊匹配方法的問(wèn)題。k-d樹(shù)排序或字典排序等，盡量使相似的行聚攏在一起，用每一行與矩陣的其他行做相似度比較，相似度低于篡改，是目前區(qū)域篡改圖像取證研究的重點(diǎn)，還有很多技術(shù)問(wèn)題值得去探究。在關(guān)于區(qū)域篡改取證的研究中，多數(shù)算法都是以塊匹配方法為主體結(jié)塊匹配方法的結(jié)構(gòu)是FridrichAJ等人[19]于2003年，該算法將量化DCT系數(shù)作為小方塊的特征，用矩陣這些特征，因此矩陣Mb1Nb1bb列。為了進(jìn)一步降低算法的復(fù)雜度，算法對(duì)特特征維數(shù)較大，計(jì)算復(fù)雜度較大，無(wú)法應(yīng)用于大尺寸圖像。而且只對(duì)簡(jiǎn)單的區(qū)域等人[30]提出了一種新的特征，該特征只有7維，以向量形式表示Vc1c2c3c4c5c6c7。c1、c2和c3分別是RGB通道的平均值，c4、c5、c6和c72.5的四個(gè)方向上的特征，由式(2.7)計(jì)算所得。2.5文獻(xiàn)[30]cksum(part(1))/sum(part(1)part(2)),k4,5,6,7.

BiBj，其特征表示為Vi和Vj，用式(2.8)計(jì)算其相似度：Diff(k)ck(i)ck(j) 若滿足下列式(2.9)的條件，則認(rèn)為BiBjDiff(k)Diff(1)Diff(2)Diff(3)Diff(4)Diff(5)Diff(6)Diff(7)

圖2.6三階變換示意MyrnaAN等人[44]對(duì)圖像塊做離散變換變換之后轉(zhuǎn)換至極坐標(biāo)系然后用相位相關(guān)度作相似比較。由于圖像信息主要集中在低頻系數(shù)，因此變換常用作數(shù)字圖像降維，圖2.6是經(jīng)過(guò)三階變換的示意圖。fifjF(fi)conj(F(fjRF(fi)conj(F(fj

其中F為變換運(yùn)算符，j表示復(fù)共軛函數(shù)，對(duì)R做逆變換就得到了相位相關(guān)系數(shù)。算法中將特征從直角坐標(biāo)系(x,y)變換到極坐標(biāo)系o(),)這樣算法就利用了極坐標(biāo)系的特點(diǎn)，可以有效的取證出經(jīng)過(guò)旋轉(zhuǎn)和縮放的篡改圖像。MuhammadG等人[45]提出了一種基于非抽樣二進(jìn)的取證算法由于離散小波變換有一個(gè)下采樣的過(guò)程，導(dǎo)致其不具備平移不變性。MallatZhong引入了變性，比離散變換（DiscreteWaveletTransform,DWT）有更好的紋理分析和TT，會(huì)產(chǎn)生四個(gè)子帶，算法只選11。1子帶是圖像的近似，通過(guò)在水平和垂直方向應(yīng)用低通濾波器得到。1是圖像的細(xì)節(jié)，由大部分噪聲和邊緣組成，通過(guò)子水平和垂直向上應(yīng)用高頻濾波器得到。將兩個(gè)子帶按匹配的方法分塊后分別計(jì)算方塊間的歐式距離。1子帶中的距離按照升序排列，H1子帶中的距離按照降序排列，再根據(jù)設(shè)定的閾值舍棄列表后面的內(nèi)容。若某兩塊在兩個(gè)子帶中計(jì)算出的距離均出現(xiàn)在列表中，那么這兩塊被認(rèn)為是經(jīng)過(guò)篡改的。對(duì)于彩像，可以將彩轉(zhuǎn)化為灰度圖處理，也可以在RGB三個(gè)通道內(nèi)分別進(jìn)行，實(shí)驗(yàn)結(jié)果證實(shí)后法征。Zernike矩是定義在單位圓內(nèi)基于Zernike多項(xiàng)式的一組復(fù)值正交函數(shù)Vn,m(x,y)，具有正交性和完備性。Vn,m(x,y)Vn,m(,f(x,y的Zernike

n1f(x,y)V*(x,

x

1在極坐標(biāo)系ysin1

n

00f(,)d

由以上公式可知，ZernikeZernike的幅值不隨圖像BayramS等人[48]引入了-變換，提高了魯棒性。[49]采用了LLE，其性能要優(yōu)于PCA，能有效監(jiān)測(cè)模糊邊緣。但這類算法普遍存在計(jì)算量大由于塊匹配方法均需要處理Mb1Nb1個(gè)小方塊，當(dāng)尺寸較大SIFT(ScaleInvariantFeatureTransform)算法[52]DavidLowe1999年在ICCV2004年完善，它對(duì)尺度、旋轉(zhuǎn)、亮度、仿射、噪音等都具有不變性。SIFT4步：3層，3×327個(gè)點(diǎn)中為極值點(diǎn)。定義梯度和方向。為任意一個(gè)關(guān)鍵點(diǎn)(x,y定義一個(gè)梯度m(x,y)(x,y，見(jiàn)公式(2.15)和式(2.16)L(x,y,)G(x,y,)f(x,(L(x1,m(L(x1,(x,y)

16×16164×4的子塊，按照步驟（3）160、、 、5這8個(gè)方向上計(jì)算直方圖得到8個(gè)描述符。16個(gè)子塊一共有128個(gè)描述符，歸一化之后就得到該關(guān)鍵點(diǎn)的128維特征。對(duì)圖像盲取證而言，圖1.11（見(jiàn)1.4.2節(jié)）給出了圖像盲取證算法的框架，從圖像關(guān)鍵點(diǎn)（有些文獻(xiàn)中也稱為點(diǎn)或者有時(shí)稱為特征）應(yīng)該是圖像中比較突出的并且能夠被可重復(fù)地檢測(cè)到的像素點(diǎn)。根據(jù)應(yīng)用領(lǐng)域不同，關(guān)鍵點(diǎn)的定義也不盡相同，比如角點(diǎn)、局部亮度極大/極小值點(diǎn)、邊緣點(diǎn)、曲線上曲率局部最大的點(diǎn)等[53]。由于關(guān)鍵點(diǎn)與局部描述子突出的能力（如對(duì)光度、幾何變換的不變性等關(guān)鍵點(diǎn)檢測(cè)很多優(yōu)秀的檢測(cè)[54][55]目前比較流行的包HarrisHarris-Affine，Hessian-AffineDifferenceofGaussian(DOG，alStableExtremeRegion(a)原始圖 (b)DOG關(guān)鍵圖2.7關(guān)鍵點(diǎn)描述為了能夠在圖像中匹配關(guān)鍵點(diǎn)，一個(gè)方法就是為每個(gè)關(guān)鍵點(diǎn)建立健壯性良好的局部圖像描述子[55]全局特征有方差、顏色直方圖等，全局特征是描述圖像整體信息。但是，如果需要分辨出圖像的前景和背景，局部特征就成了我們最好的選擇。所謂局部特征描述子是指從圖像的局部結(jié)構(gòu)出發(fā)，用局部信息來(lái)構(gòu)造出具有光照、幾何變換不變性的描述子[57]。局部圖像特征描述是許多計(jì)算機(jī)視覺(jué)方法的基礎(chǔ)，因此也是目前計(jì)算機(jī)視覺(jué)研究中的一個(gè)熱點(diǎn)。由局部特征描述子的定義可知局部圖像特征描述子的問(wèn)題是不變（魯，Sid[58]，他們?cè)趯捇€應(yīng)用背景下，對(duì)SIFT、steerablefilters、PCA-SIFT、不變的SIFT描述子，得到較原始版本更好的性能，他們?cè)u(píng)測(cè)標(biāo)準(zhǔn)至今仍是局部圖像描述子研究領(lǐng)域中廣泛采用的性能評(píng)測(cè)方法。BayH等人[59]提出著名的SURF(Speeded-UpRobustFeatures)描述子，在學(xué)術(shù)中搜索該文的，Trees的模板匹配方法，基于RandomFerns的模板匹配方法。此外，他們還提出LDA-Hash、BRIEF(BinaryRobustIndependenementFeature)[61]、D-BRIEF等著名SIFT算法面已經(jīng)進(jìn)行了簡(jiǎn)要的介紹它目前應(yīng)用最為廣泛的圖像局部特SIT由于SIFT對(duì)尺度、旋轉(zhuǎn)以及一定視角和光照變化等都具有不變性，并且SIFT具有很強(qiáng)的可區(qū)分性，自它問(wèn)世以來(lái)，很快在目標(biāo)識(shí)別、圖像配準(zhǔn)、圖像三維重建、圖像檢索、圖像取證領(lǐng)域中都得到了廣泛的應(yīng)用，局部圖像特征描述子在計(jì)算機(jī)視覺(jué)領(lǐng)域內(nèi)也得到了更加廣泛的關(guān)注。DAISY是面向稠密特征提取的可快速計(jì)算的局部圖像特征描述子，它的本質(zhì)進(jìn)行了改進(jìn)，利用卷積核函數(shù)來(lái)進(jìn)行梯度方向直方圖的分塊聚合，這樣利用描述子的應(yīng)用范圍可以擴(kuò)展到智能移動(dòng)設(shè)備（如智能、平板電腦等）這種計(jì)方法通過(guò)數(shù)據(jù)驅(qū)動(dòng)得到性能良好的特征描述子。例如PCA-SIFT、LinearDiscriminativeEmbedding、LDA-Hash等。由于智能移動(dòng)設(shè)備的迅猛發(fā)展，最近幾年局部圖像特征描述子有向檢測(cè)展到實(shí)時(shí)、大規(guī)模的應(yīng)用中，而且可以將許多研究成果移植到智能移動(dòng)終端作的中，以方便人們的日常生活和工作。從這兩年IJCAI、CVPR、ICCV和等頂級(jí)會(huì)議中的關(guān)于局部圖像特征描述子的文章可以看出，二進(jìn)制特征描述本章介紹了篡改圖像取證技術(shù)中的兩種主要形式：主動(dòng)取證技術(shù)和盲取拼接篡改和同幅圖像區(qū)域篡改的原理以及目前典型的幾類取證方法。最后對(duì)第三章基于Harris角點(diǎn)的-粘貼篡改圖像取證算的發(fā)展，數(shù)字圖像已經(jīng)成為世界信息的主要媒介之一。然而，人們?cè)谙硎苓@些技術(shù)帶來(lái)便利的同時(shí)，數(shù)字圖像篡改技術(shù)也在不斷地著人們的雙眼，甚至歪曲原始圖像傳達(dá)的信息。區(qū)域篡改的過(guò)程是圖像某部分內(nèi)容，粘貼到該幅圖像另一個(gè)不區(qū)域。這種篡改方式簡(jiǎn)單，常常作為圖像者的第一選擇。通常，為了使篡改圖像看起來(lái)更真，往往還會(huì)對(duì)篡改區(qū)域進(jìn)行諸如幾何變換，顏色、對(duì)比度變化，模糊，加性噪聲，有損JEPG壓縮等后處理，這樣就使篡改取證變得更加[63]。很多利用圖像塊匹配進(jìn)行圖像區(qū)域篡改檢測(cè)的算法。PopescuA[64]提出將圖像分成的小塊，然后利用主成分分析法（PrincipalComponentysis,PCA）表示圖像塊文獻(xiàn)[65]利用離散變換和奇異值分（Singular 要缺點(diǎn)是計(jì)算時(shí)間長(zhǎng)。為了克服這方面的，一些學(xué)者開(kāi)始考慮利用基于關(guān)鍵點(diǎn)匹配的方法來(lái)識(shí)別篡改圖像，rris算子[66]就是其中一種典型的點(diǎn)特征提取算子如ng等人[67]提出一種用于圖像鑲嵌的方法該方法利用改進(jìn)的rri角點(diǎn)方法在感區(qū)域（gionfIntert,I）檢測(cè)關(guān)鍵點(diǎn)。hn等人[68]利用rris算子提取圖像關(guān)鍵點(diǎn)，該方法能夠抵抗多種幾何變換和圖像降質(zhì)，但是，當(dāng)篡改區(qū)域發(fā)生在平坦區(qū)域時(shí)，該方法就失去了有效性。通過(guò)分析，導(dǎo)致該問(wèn)題的原因是在生成關(guān)鍵點(diǎn)的過(guò)程中，非極大值抑制（on-umSupprion,S）算法被直接用來(lái)獲取角點(diǎn)，再把角點(diǎn)作為圖像關(guān)鍵點(diǎn)，導(dǎo)致獲得的關(guān)鍵點(diǎn)在圖像中分布不均勻。為了解決這個(gè)問(wèn)題，o等人[69]利用自適應(yīng)非極大值抑制(dptive- umSupprion,S)算法獲得定數(shù)量的關(guān)鍵點(diǎn)，對(duì)關(guān)鍵點(diǎn)數(shù)量的確定容易導(dǎo)致出現(xiàn)漏檢或誤檢。方法檢測(cè)空間上均勻分布的關(guān)鍵點(diǎn)，然后用基于SURF(SpeededUp征用BBF(BestBinFirst)算法[51]尋找最近鄰匹配，最后定位出篡改區(qū)域。HarrisSURFHarris角Harris算子是CHarris和MStephens于1988年一種點(diǎn)特征提取算子,該算檢測(cè)角點(diǎn)，選取函數(shù)取代二值窗口函數(shù)，對(duì)離中心像素點(diǎn)越近的點(diǎn)賦予越的權(quán)重，以降低噪聲的影響。假定圖像強(qiáng)度值在位置x,y處Ix,y，則圖像x,x,yEx,yWx,yIxx,yyIx,yx,

其中，Ex,y表示圖像窗口移動(dòng)造成的窗口內(nèi)強(qiáng)度值的平均變化，Wxy為濾波器，如公式3.2所示x2y222Wx,yg(x,y)e

x,y Wx,x,x,y Wx,x,xx yE

Wx,y

x y

y

x,

x2x2Cy22D CyCyDx xyMyx x,yyE

I

I

II其中M C，BWx,yx

，CWx,yy

，DWx,yxy x,

x,

x, II M是一個(gè)2212的大小接近且都比較大時(shí)，認(rèn)為點(diǎn)x,y為角點(diǎn)。Harris給出了一個(gè)角點(diǎn)響應(yīng)函數(shù)Rx,ydetMktr2M

det表示矩陣的行列式，并且detM=12trtrM=1+2，k是一個(gè)經(jīng)驗(yàn)常數(shù)，取值范圍為[0.04,0.06]綜上所述，HarrisI，首先，計(jì)算每個(gè)像素點(diǎn)的自相關(guān)矩陣M；然后，計(jì)算每個(gè)像素點(diǎn)的角點(diǎn)響應(yīng)函數(shù)值R；最后，利用NMSSURF關(guān)鍵點(diǎn)描述子應(yīng)該具有不變性[59]具有代表性的是上文提到的Lowe老先生于1999年在ICCVSIFT算法，該算法對(duì)尺度、旋轉(zhuǎn)變化具有不變性，對(duì)光照均勻變化具有部降低描述數(shù)、增強(qiáng)描述子健壯性等方面對(duì)其加以改進(jìn)，SURF即為針對(duì)SIFTSIFT快，而算法健壯性沒(méi)有明顯下降。SURF生成描述向量。首先，以特征點(diǎn)為圓算半徑6s圓內(nèi)x和y方向的Haar響應(yīng)系數(shù)，并為這些響應(yīng)系數(shù)賦一個(gè)權(quán)重(2.5s)，Haar邊長(zhǎng)取4s，其s表示檢測(cè)到的特征點(diǎn)所在尺度值600扇形范圍內(nèi)計(jì)算xy方向上x(chóng)y方向系數(shù)之和，將最長(zhǎng)向量的方向作為主方向。這樣，對(duì)關(guān)鍵點(diǎn)逐個(gè)進(jìn)行計(jì)算，計(jì)算水平、垂直方向的Harr響應(yīng)，分別表示為dx和dy，為了增加對(duì)幾何變換和定位誤差的健壯性，對(duì)Harr響應(yīng)以關(guān)鍵點(diǎn)為中心賦予一個(gè)權(quán)重。然4Vdx，dy，dx，dy。dx和dyHarrdx

分別表示水平、垂直方向的Harr響應(yīng)值的絕對(duì)值對(duì)所有SURF4×44×4×4提取關(guān)圖像關(guān)鍵點(diǎn)（有些文獻(xiàn)中也稱為點(diǎn)）就是能夠代表一幅圖像信息的像素的角點(diǎn)。而當(dāng)圖像被部分發(fā)生在平坦區(qū)域時(shí)，該方法檢測(cè)到很少的角點(diǎn)或者一個(gè)與原始圖像同樣大小的矩陣。最后，對(duì)該矩陣中每個(gè)值，取半徑r內(nèi)為最大AAxi,yjRxi,yjRxk,yl,xk,xl

其中xi,yj為2D像素點(diǎn)坐標(biāo)R為任意像素點(diǎn)xi,yj處的角點(diǎn)響應(yīng)函數(shù)值S為半徑r內(nèi)角點(diǎn)響應(yīng)值坐標(biāo)集ir1,mr,jr1,nr，圖像大小為mn。利用該方法獲得關(guān)鍵點(diǎn)的一個(gè)例子如圖3.1所示（其中關(guān)鍵點(diǎn)用藍(lán)色的‘+’典的SIFT算法不適合對(duì)區(qū)域篡改圖像進(jìn)行取證，而本章的方法更適合做區(qū)(a)均勻分布的1098個(gè)Harris關(guān)鍵點(diǎn) (b)Lowe方案的1128個(gè)SIFT關(guān)鍵點(diǎn)圖3.1不同方法獲取關(guān)鍵點(diǎn)對(duì)比實(shí)例生成關(guān)鍵點(diǎn)描述子與篡改區(qū)域定得到關(guān)鍵點(diǎn)后，獲得每個(gè)關(guān)鍵點(diǎn)的SURF3.2.2節(jié)所述，這里,次鄰近距離的描述向量對(duì)的比值。為了清楚起見(jiàn)，定義公式,fif

fifq,i1,

其中，fi表示待匹配的SURF描述向量，fp,fq分別表示與fi最近距離和次近距離的描述向量，TA01的常量記錄下相應(yīng)的關(guān)鍵點(diǎn)即位置xi,yimatches其次，為了消除自然圖像的平滑效應(yīng)，如果關(guān)鍵點(diǎn)對(duì)之間的空間距離于一個(gè)閾值TB，則將這些關(guān)鍵點(diǎn)對(duì)保留下來(lái)，記作M ,ms，ki,kjki,kj

kik

TB,i,j1, ,s,i

kikjK，K為所有在數(shù)組“matches”中的關(guān)鍵點(diǎn)集合。最后，將M中的每對(duì)關(guān)鍵點(diǎn)用一條直線連接起來(lái)，最終，直線集中的區(qū)域(2條)就為篡改區(qū)閾值選本章涉及到的閾值有k,r,TA,TBk出現(xiàn)在公式(3.5)中，用來(lái)控制角點(diǎn)響應(yīng)函數(shù)值R的大小。r用來(lái)控制關(guān)鍵點(diǎn)的數(shù)量，r越大獲得的關(guān)鍵點(diǎn)越少。TA用來(lái)獲得與位置xi,yi的描述向量fi最相似的描述向量進(jìn)而獲得相應(yīng)的關(guān)鍵點(diǎn)，TA越小保留下來(lái)的關(guān)鍵點(diǎn)越多。TB用來(lái)過(guò)濾空間位置上最接近的點(diǎn)TB越大獲得的關(guān)鍵點(diǎn)越少,因?yàn)樽匀粓D像中存在“大面積相似區(qū)域”的可能性很小[30]。其中，“面積相似區(qū)域”定義為圖像大小的0.85%，所以本部分設(shè)置TB為圖像大小的W*H*W*H*0.85/其中，W為圖像寬度，H為圖像高度。通過(guò)實(shí)驗(yàn)，設(shè)置參數(shù)k0.04,r5,TA0.4,TB

W*H*0.85100本節(jié)主要展示本 區(qū) 篡改圖像取證算法有效性的實(shí)驗(yàn)結(jié)果和20幅作為實(shí)驗(yàn)圖像，其中包括室外、室內(nèi)、人物、動(dòng)物、植物等場(chǎng)2012幅圖像進(jìn)行不同的篡改處理，包括直接復(fù)制-粘貼和在粘貼區(qū)域前對(duì)該區(qū)域進(jìn)行尺度變化旋轉(zhuǎn)變化增加噪聲JEPG8幅不作任何篡改，形成篡改圖像數(shù)據(jù)集。所有AdobePhotoshopCS3中完成。在進(jìn)行篡改檢測(cè)前，將所有RGB圖像空間轉(zhuǎn)化到灰度圖像空間，統(tǒng)計(jì)該算法對(duì)不同區(qū)域大?。?0*60,90*90,120*120）的檢測(cè)率。對(duì)于RGB圖像，分別對(duì)然后再將這些匹配的關(guān)鍵點(diǎn)對(duì)到原始圖像中。本部分所用測(cè)試圖像大小為722×4801.79GHzAMDAthlon(tm)64*2CPU，2GB內(nèi)存，利用2010b實(shí)現(xiàn)算法，單幅圖像處理時(shí)間在15s左右。圖像區(qū)域篡改檢該部分主要驗(yàn)證本章算法對(duì)直接粘貼篡改圖像的檢測(cè)效果。篡改區(qū)域的結(jié)果的例子，表3.1列出了相應(yīng)的檢測(cè)結(jié)果。從表3.1可以看出本章算法對(duì)沒(méi)有任何后處理的區(qū)域篡改檢測(cè)效果很好。(a)原始圖 (b)篡改后圖(c)圖3.2圖像區(qū)域篡改檢測(cè)例塊大 檢測(cè) 尺度變化的圖像區(qū)域篡改檢該部分主要驗(yàn)證本章算法對(duì)區(qū)域篡改圖像的檢測(cè)效果，其中圖像塊后不同程度的尺度變化，然后粘貼到該幅圖像的不區(qū)域。尺度因子分別按照（0.8,0.9,1.1,1.2,1.3）12幅圖像進(jìn)行變換，塊大小分別為（60*60,90*90,120*120篡改圖像檢測(cè)的例子，其中尺度因子為1.3，表3.2列出算法在不同圖像塊大著圖像塊增大，算法檢測(cè)準(zhǔn)確率升高。隨著尺度因子增大，算法檢測(cè)準(zhǔn)確率100%。 (b)區(qū)域經(jīng)尺度變化篡改圖像（尺度因子(c)圖3.3經(jīng)尺度變化的區(qū)域篡改圖像檢測(cè)例3.23.2尺度因 塊大 3.4.3旋轉(zhuǎn)變化的圖像區(qū) 篡改檢該部分主要驗(yàn)證算法在區(qū)域篡改圖像檢測(cè)中的運(yùn)用，其中圖像塊后不同程度的旋轉(zhuǎn)變化，然后粘貼到該幅圖像的不區(qū)域，旋轉(zhuǎn)因子（100,200,30,40012（60*6090*90，120*120共形成144幅像。圖3.4展示了一個(gè)經(jīng)受旋轉(zhuǎn)變化的區(qū)域篡改圖像的檢測(cè)例子表3.3列出算法在不同塊大小下經(jīng)過(guò)不同旋轉(zhuǎn)因子變化的篡改圖(a)原始圖 (b)篡改圖像區(qū)域經(jīng)旋轉(zhuǎn)變化（旋轉(zhuǎn)因子(c)圖3.4經(jīng)旋轉(zhuǎn)變化的區(qū)域篡改圖像檢測(cè)例表3.3經(jīng)旋對(duì)比分IA①篡改圖像取證評(píng)估（記為T（FP集為MM中被檢測(cè)為篡改圖像的數(shù)量為1，原始圖像集為MM中檢測(cè)為篡改圖像的數(shù)量為2TP=MFP=-

其中，IA800925幅拼接篡改圖像，這些圖像被分為風(fēng)景、建筑、動(dòng)物、紋理等不同類型，圖像大小384256256384300幅同幅篡改圖300較文獻(xiàn)[68]3.5是CASIA數(shù)據(jù)庫(kù)中用到的一些圖像的例子。圖3.6是本章算法對(duì)CASIA數(shù)據(jù)庫(kù)中粘貼篡改圖像檢測(cè)的①CASIATamperedImageDetectionEvaluation3.5CASIA圖3.6本章算法對(duì)數(shù)據(jù)庫(kù)CASIA中粘貼篡改圖像的檢測(cè)例3.4準(zhǔn)確率虛警率Chen等的方法3.5配速度。實(shí)驗(yàn)表明即使圖像了較強(qiáng)的幾何變換和圖像降質(zhì)，該算法也表現(xiàn)出（2排除錯(cuò)誤匹配的閾值。當(dāng)然，本算法也存在一些需要改進(jìn)的地方，本章算法只針對(duì)同幅圖像區(qū)域篡改有效，不同幅圖像間的區(qū)域篡改檢測(cè)是我們第四章基于二進(jìn)制描述子的區(qū)域篡改圖像取證算作為圖像者的第一選擇從Fridrich等[19]提出基于圖像塊匹配的圖像區(qū)域果。Lowe[52]于2004年完善的SIFT算法給數(shù)字圖像盲取證領(lǐng)域注入了新的。該算法能夠抵抗尺度、旋轉(zhuǎn)變化，部分抗光照均勻變化的能力，也得到了研究者的充分關(guān)注。例如，文獻(xiàn)[51]利用SIFT算法進(jìn)行圖像區(qū)域篡改取證，同時(shí)估分和特征描述子匹配速度慢的缺點(diǎn)。Bay等[59]針對(duì)SIFT運(yùn)算速度慢的缺點(diǎn)提出SURFSIFT用于圖像區(qū)域篡改取證[72]相當(dāng)?shù)年P(guān)注。Calonder等[61]提出了BRIEF(BinaryRobustIndependentElementFeature)算法。該算法不僅匹配效率高，而且內(nèi)存需求低。但BRIEF算法不具備旋轉(zhuǎn)和尺度不變性，對(duì)噪聲也相當(dāng)敏感。Rublee等[73]對(duì)該算法作了改進(jìn)，提出ORB(OrientedFASTandRotatedBRIEF)算法。該算法利用有方向的FAST算子作BRIEF算法的啟發(fā)下，提出一種利用關(guān)鍵研究者提出關(guān)鍵點(diǎn)的二進(jìn)制描述思想[74,75]。Calonder等人于2010年在ECCV上提描述子（如SIFT,SURF等）的數(shù)據(jù)形式為浮點(diǎn)數(shù)據(jù)類型，而二進(jìn)制描述子只需0或1就能完成關(guān)鍵點(diǎn)的描述，所以占用更少的內(nèi)存資源，處理速度更快[76]。先定義測(cè)試函數(shù)Tp;(x,y),(u,v)=

若pxypuv

函數(shù)px,y為經(jīng)過(guò)平滑且以關(guān)鍵點(diǎn)為中心的圖像塊P在點(diǎn)x,y處的亮度值。然后在關(guān)鍵點(diǎn)周圍隨機(jī)選擇n組點(diǎn)對(duì)xi,yi,ui,vi,i1, (4.1)為每個(gè)關(guān)鍵點(diǎn)構(gòu)建一個(gè)二進(jìn)制描述子。BRIEF算法將關(guān)鍵點(diǎn)描述子定義為維二進(jìn)制串，如公式(4.2) fp2i1Tp;(x,y),(

、注意：點(diǎn)對(duì)數(shù)量n的選擇可以根據(jù)實(shí)際情況而定，考慮到處理速度的有效、和識(shí)別率，一般取n為128,256和512。從式(4.2)可以看出，如果要構(gòu)造256維的256對(duì)點(diǎn)對(duì)xyuv256256/8=32，這在BRIEF算法中稱為BRIEF-32。如何對(duì)圖像進(jìn)行平滑處理（2）如何選取關(guān)鍵點(diǎn)周圍像素塊的點(diǎn)對(duì)x,y,uv。的分布獲得最好的效果，其中2為關(guān)鍵點(diǎn)周圍像素點(diǎn)的數(shù)量。BRIEF算法的抽取關(guān)。首先，對(duì)每個(gè)像素點(diǎn)x,y計(jì)算出相應(yīng)的自相關(guān)矩陣M 濾波器Wx,y定義為公式(4.3)：。x2y222Wx,yg(x,y)e 其中，表示標(biāo)準(zhǔn)差。則每個(gè)像素點(diǎn)x,y的自相關(guān)矩陣為

IWx,yx

Wx,yII M

x,

x,

II I2Wx,y Wx,y

xy

x,

y IIIxy RRx,ydetMktr2Mk是一個(gè)經(jīng)驗(yàn)常數(shù)，取值范圍為0.040.06

C。該矩陣的大小為mn。定義S為以像素點(diǎn)xi,yj為中心的半徑r內(nèi)角點(diǎn)響應(yīng)值的坐標(biāo)集合。若在半徑r范圍內(nèi)某個(gè)角點(diǎn)響應(yīng)值最大，則認(rèn)為對(duì)應(yīng)的坐標(biāo)點(diǎn)為鍵點(diǎn)Pxiyj，其中點(diǎn)Pxiyj滿足條件RxiyjRxkyl,xkylS,jrki ,ir，l,jr圖像關(guān)鍵點(diǎn)的二進(jìn)制周圍鄰域內(nèi)bb大小的像素塊。下面給出具體構(gòu)建過(guò)程：①在該像素塊內(nèi)隨機(jī)選取a個(gè)點(diǎn)（坐標(biāo)點(diǎn)）作為，然后取每個(gè)隨機(jī)點(diǎn)周圍ssa。計(jì)算每個(gè)子塊的平均亮度1,Aj,

ss

其中，Xijj塊中第iI中的坐標(biāo)，P(Xij②將該像素塊（大小bb）分成不的像素子塊。每個(gè)像素子塊的大小與第一個(gè)子塊集中的大小相同（ss，形成第二個(gè)子塊集，塊數(shù)為mbbss1,s,sYikk塊中第iI中的坐標(biāo)

P(表示Yik處的亮度值a21第二子塊集（m塊a21123…………m…第一子塊集（a塊…圖4.1中某個(gè)子塊的平均亮度值A(chǔ)j小于子塊集2中某個(gè)子塊的平均亮度值Bk，比較結(jié)記為1，否則記比較結(jié)果為0，這里定義測(cè)試函數(shù)pAj,Bk為公式pAj,

，Aj

令tam，這里參考BRIEFft為公式f

(2(m(j1)k1)p(A,B

11k故對(duì)每個(gè)關(guān)鍵點(diǎn)共形成維度為am行1列的二進(jìn)制描述子圖像特征相似度計(jì)算與篡改區(qū)域定經(jīng)過(guò)上述4.3.1節(jié)和4.3.2節(jié)兩步，形成am行，N列的記錄矩陣，其中Nam為4.3.2節(jié)中每個(gè)關(guān)鍵點(diǎn)形成的描述fpfp1fp

f

fpam，

fq1fq

fqam分別表示兩個(gè)特征 dpqfp,fqfpjfqjj

其中dpq(表示描述j

fp

fq之間的Hammingfpj

fpMindpqfp,fqMindpqfp,fqSecdpqfp,fq

其中，Min()表示取最小值，Sec()表示取次小值，p ,N為閾值。本章選取r5a4,b41,s5,m=64,=50檢測(cè)算法描算法4.1輸入：圖像I，如果是彩像，轉(zhuǎn)化為灰度圖像；對(duì)圖像I，求出Harris角點(diǎn)測(cè)度矩陣C，搜索半徑r內(nèi)的最大角點(diǎn)響應(yīng)值，若是，遍歷整個(gè)關(guān)鍵點(diǎn)集合，為集合內(nèi)每個(gè)關(guān)鍵點(diǎn)計(jì)算其二進(jìn)制特征描述向量ft節(jié)式實(shí)驗(yàn)結(jié)本節(jié)展示本章區(qū)域篡改圖像檢測(cè)算法的有效性。測(cè)試圖像來(lái)自哥倫比亞大學(xué)圖像數(shù)據(jù)集[71]800737×492×480大小的沒(méi)有篡改的PGePhotohopS33.4節(jié)選121.79Gz的AD(tm)642PU2GB內(nèi)opnv2.3.1(++)5s4.2顯示了利用本文算法對(duì)篡改圖像的檢測(cè)效果：()原始圖像；(b)將圖像()草坪60×60大小粘貼至圖像中間鴨子背部得到的篡改圖像()本文算法對(duì)圖像(b)的檢測(cè)結(jié)果從圖4.2可以看出經(jīng)過(guò)粘貼篡改的圖像能夠被本文算法檢測(cè)出來(lái)。(a)原始圖 (b)篡改圖(c)圖4.2、為了更好地說(shuō)明本文算法的有效性，下面將與其他文獻(xiàn)的粘貼篡改檢測(cè)算法作對(duì)比分析。本文中算法的檢測(cè)準(zhǔn)確率按照公式(3.10)計(jì)算得到，以下實(shí)驗(yàn)將分別對(duì)直接粘貼噪聲加噪PE壓縮后的區(qū)域篡改圖像進(jìn)行檢測(cè)，并與文獻(xiàn)[70][72]、a、直接粘貼篡改，區(qū)域的大小分別為60×60、90×90、120×120，共形成36幅篡改圖像；b、添加噪聲，即向圖像中加入、、、分貝的噪聲，形成48幅篡改圖像；c、JEPG壓縮，將塊經(jīng)過(guò)、、、、的壓縮因子壓縮后，再粘貼到同幅圖像的不區(qū)域，形成60幅篡改圖像。實(shí)驗(yàn)結(jié)果如表4.1所示，不同檢測(cè)算法對(duì)區(qū)域篡改檢測(cè)的平均時(shí)間直方圖如圖4.3所示，表4.1區(qū)域篡改檢測(cè)算法不同實(shí)驗(yàn)條件下的準(zhǔn)確abc圖4.3圖4.3圖4.4區(qū)域篡改檢測(cè)算法準(zhǔn)確率直方配階段不會(huì)涉及到浮點(diǎn)數(shù)的移位運(yùn)算等，運(yùn)算速度自然比文獻(xiàn)[70]與文獻(xiàn)[72]法運(yùn)算速度快。從圖4.4可以看出，本文算法對(duì)區(qū)域篡改的檢測(cè)是有效的，并且對(duì)噪聲不敏感，檢測(cè)效果優(yōu)于文獻(xiàn)[70]與文獻(xiàn)[72]，但是，當(dāng)對(duì)圖像制描述子對(duì)這部分關(guān)鍵點(diǎn)進(jìn)行描述時(shí)，導(dǎo)致與原始圖像塊的信息不相符，造成檢對(duì)比分CASIA（3.4.4節(jié)）篡改圖像檢估數(shù)據(jù)庫(kù)。因?yàn)楸菊滤惴ㄖ饕獧z測(cè)同幅圖像拼接篡改，所以選取300幅同幅篡改的圖像分析本章提出算法與SIFT和SF算法在可以看出，本章算法在區(qū)域篡改圖像檢測(cè)方面具有更大的優(yōu)勢(shì)，本章SIFT1/2，而檢測(cè)準(zhǔn)確率并沒(méi)有4.3SIFT算法1/16SUF1/84.5是本章算法用到的一些IA室外、建筑、紋理等圖像。圖4.6是本章算對(duì)IA數(shù)據(jù)庫(kù)中區(qū)域篡改圖像檢測(cè)的檢測(cè)結(jié)果。4.5CASIA 圖4.6區(qū) 表4.2本章算法與SIFT、SURF平均時(shí)間準(zhǔn)確率數(shù)表4.3本章算法與SIFT數(shù) 本章算 本章描述了一種利用關(guān)鍵點(diǎn)二進(jìn)制描述子的圖像區(qū)域篡改檢測(cè)算法。該Harris算子獲得均勻分布的關(guān)鍵點(diǎn)，然后利用二進(jìn)制描述子對(duì)每個(gè)關(guān)鍵結(jié)果表明，該算法極大地減少了匹配時(shí)間和空間的花銷，使本章算法不僅可以運(yùn)行在計(jì)算機(jī)這種處理能力和容量較大的設(shè)備上，而且該算法還可以運(yùn)行在移動(dòng)終端這種處理能力和容量都較低的設(shè)備上。同時(shí)，該算法也存網(wǎng)技術(shù)的飛速發(fā)展，使得普通用戶可以方便地獲得、修改、數(shù)字圖像。所以對(duì)數(shù)字圖像取證技術(shù)的研究對(duì)于規(guī)范數(shù)字圖像在法律、保險(xiǎn)、攝影、科研等重點(diǎn)分析了目前對(duì)不同幅圖像間篡改的檢測(cè)方法、同幅圖像區(qū)域篡改檢測(cè)方Harris角點(diǎn)的篡改圖像檢測(cè)技術(shù)和一種基于關(guān)鍵點(diǎn)二進(jìn)制描述子的區(qū)域篡改圖像檢測(cè)技術(shù)。本文的主要工提出了一種能夠有效檢測(cè)粘貼篡改的算法，通過(guò)大量實(shí)驗(yàn)發(fā)現(xiàn)，復(fù)Harris算子進(jìn)行改進(jìn)，以使其更適合篡改區(qū)域發(fā)生在平95%的檢測(cè)正確率，解決了目前提出了一種基于二進(jìn)制描述子的區(qū)域篡改圖像檢測(cè)算法，解決了目前算法中關(guān)鍵點(diǎn)描述子占用空間大的問(wèn)題，利用二進(jìn)制描述子進(jìn)行特征匹配不僅獲得理想的檢測(cè)效果，而且將算法的應(yīng)用范圍擴(kuò)展到低運(yùn)算能力、低容情況下，高水平的篡改圖像一般都集合了多種篡改，這種篡改圖像很難通過(guò)多樣化，音/等也應(yīng)該受到的關(guān)注。構(gòu)建統(tǒng)一的標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)集。數(shù)據(jù)集是研究測(cè)試提出算法有效性和經(jīng)過(guò)三年緊張的學(xué)習(xí)，隨著的撰寫完成，階段的學(xué)習(xí)即將結(jié)束。作為整個(gè)階段的總結(jié)，也是階段的最后一次學(xué)習(xí)任務(wù)，我從中收獲頗多。在此，我要向所有關(guān)心、支持、幫助過(guò)老師、同學(xué)、朋友、本的研究工作是在導(dǎo)師教授的悉心指導(dǎo)下完成的。從研究方向的選擇、研究課題的確定、研究方法的理論分析和實(shí)驗(yàn)證明、小的撰寫投稿一直到的最終完成，鄭老師始終給予我細(xì)心的指導(dǎo)和不懈的支持。雖然鄭老師平日教學(xué)和教務(wù)工作繁忙，但是他都會(huì)定期檢查我的完成進(jìn)度，認(rèn)真指導(dǎo)理論證明、仿真實(shí)驗(yàn)以及撰寫，并常常運(yùn)用他淵博的專業(yè)知識(shí)親自示范指導(dǎo)，我很多科研方法，指導(dǎo)我尋找新的思路。鄭老師率真和的待人方式深深了我！也正是由于他在百忙之中多次審閱，對(duì)細(xì)節(jié)感謝攻讀期間的所有老師，是他們的孜孜教誨強(qiáng)化了專業(yè)知識(shí)，豐富了知識(shí)層面，也為專業(yè)方向打開(kāi)了一個(gè)新的天地；感謝計(jì)算機(jī)學(xué)院研究生輔導(dǎo)員趙莉莉老師和夏淑芳老師，在日常生活和學(xué)習(xí)工作上給予關(guān)心和感謝三年來(lái)和我朝夕相處，共同學(xué)習(xí)、探討的的同門：王宇、周明、、郝萬(wàn)瑞等師兄，、廖平、、、等師弟師妹。感謝共同提高、共同進(jìn)步。感謝他們?cè)谖依碚撜撟C、實(shí)驗(yàn)驗(yàn)證以及撰寫過(guò)程中與感謝好朋友陳頫費(fèi)舜青樓越芳湯宏靜、。感謝他們對(duì)學(xué)習(xí)和生活提供的幫助，感謝他們陪我度過(guò)了美好的研究生生涯，回首這三年，也讓我們成為終生的朋友。特別感謝父母及家人，多年來(lái)無(wú)怨無(wú)悔的付出和支持，的鼓勵(lì)和無(wú)私是我追求學(xué)業(yè)的最大動(dòng)力。最后，特別感謝在百忙之中進(jìn)行評(píng)閱及參與答辯的各位教授！謝謝20144或即將的JimingZHENG,LiCHANG.DetectionTechnologyofTamperingImageBasedonHarrisCornerPoints[J].JournalofComputationalInformationSystems,2014,JimingZheng,LiChang.DetectionofRegion-duplicationForgeryinImageBasedonKeyPoints'BinaryDescriptors[J].JournalofInformationandComputationalScience,2014,11(11).(已錄用)BirajdarGK,MankarVH.Digitalimageforgerydetectionusingpassivetechniques:Asurvey[J].DigitalInvestigation,2013,10(3):226–245.FaridH.Exposingdigitalforgeriesinscientificimages[C].ACMMultimediaandSecurityWorkshop,Geneva,Switzerland,2006,AssociationforComputingMachinery,2006:29-36.新浪中心.黎巴嫩攝影師修改以軍空襲遭棄用 .cn/w/2006-08-07/07339676833s.shtml,鳳凰資訊.:伊朗齊射的疑經(jīng)“PS”做手腳[EB/OL]. /world/eh/200807/0711_2594_646341.shtml,2008.華聲 “懸浮照” 為何沒(méi)完沒(méi)了 .html,中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心.中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[R].中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心,2014.FaridH.Creatinganddetectingdoctoredandvirtualimages:implicationstothechildographypreventionact[R].TechnicalReport，TR2004-518，DartmouthCollege,2004..數(shù)字圖像盲取證技術(shù)研究[D].:郵電大學(xué),LuCS,LiaoHYM.StructuralDigitalSignatureforImageAuthentication:AnIncidentalDistortionResistantScheme[J].IEEETransactionsonMultimedia,2003,5(2):162-173.趙翔.數(shù)字簽名綜述[J].計(jì)算機(jī)工程與設(shè)計(jì),2006,27(2):195-王俊文.數(shù)字圖像內(nèi)容篡改盲取證研究[D].:理工大學(xué),TsaiJS,HuangWB,ChenCL,etal.AFeature-BasedDigitalImageWatermarkingforCopyrightProtectionandContentAuthentication[C].IEEEInternationalConferenceonImageProcessing,SanAntonio,TX,Unitedstates,2007,Piscataway,NJ:IEEEComputerSociety,2006:469-472.PandaJ,BishtJ,KapoorR,etal.DigitalImageWatermarkingInIntegerWaveletUsingHybridTechnique[C].InternationalConferenceonAdvancesinComputerEngineering,Bangalore,,201