论文部分内容阅读
随着信息技术和渲染技术的快速发展,图形图像处理软件的功能日趋强大。这些先进的图像处理技术在给人们提供很好视觉效果的同时,也为图像伪造提供了可能。功能强大、操作简单的3D建模软件如3DMax,Lightscape,Maya等已能生成高度真实的图像,人们已无法用肉眼辨别其真伪。倘若这些图像被用于新闻报道、保险或法庭证物,将会给社会的和平安定带来严重的负面影响。因此,确保数字图像真实性、原始性和完整性的数字图像取证技术已成为目前研究的一个热点。文章首先介绍了数字图像取证技术的研究背景、意义和国内外研究现状,结合相关理论知识,分析和比较了几种常用的PRNU(Photo-response Non-uniformity Noise)提取算法的性能。然后根据自然图像(Photographic Images,PIM)与计算机生成图像(Photorealistic Computer Graphics,PRCG)成像渠道的差异,提出了一种基于PRNU多重分形谱特征的自然图像与计算机生成图像来源鉴别算法,并针对此算法设计和开发了一个来源鉴别系统。论文的主要贡献如下:对几种常见的PRNU提取算法在相机来源取证中的性能进行了比较和分析。目前,PRNU提取方法种类繁多,常用的PRNU提取方法主要包括小波域维纳滤波法、基于上下文模型的空域自适应阈值去噪法和最大似然估计法。本文选取ROC(Receiver Operating Characteristic)曲线下的面积(Area Under the Curve,AUC)、真阳性率(True Positive Rate,TPR)和假阳性率(False Positive Rate,FPR)作为性能评价指标,对以上三类PRNU提取方法的性能进行比较和分析。实验结果表明,综合性能和计算复杂度两方面考虑,小波域维纳滤波法不仅能取得较好的分类效果,且计算复杂度较低,是一种有效的PRNU提取方法。提出了一种基于PRNU多重分形谱特征的自然图像与计算机生成图像来源鉴别算法。该方法利用自然图像与计算机生成图像成像渠道不同,导致这两类图像在纹理特性上存在很大差异,首先分析了自然图像与计算机生成图像的PRNU多重分形谱差异,然后提取小波域的8维多重分形谱特征作为鉴别特征,最后采用SVM(Support Vector Machine)进行分类,平均鉴别率达到98.99%。实验分析表明,该算法不仅对样本比例因子不敏感,且在一定程度上能抵抗加噪、JPEG压缩和运动模糊等攻击,即使对纹理简单的图像也能获得较高的鉴别率。设计并实现了一个自然图像与计算机生成图像来源鉴别系统,验证了本文算法的有效性。