论文部分内容阅读
随着数码设备和图像处理软件的快速发展,人们可以非常简单地修改数字图像。如果重要的图像被恶意篡改,那么将会对社会产生不良影响。数字图像被动认证技术相对于数字水印等主动认证技术来说,不需要任何先验信息,具有广泛的应用价值。本文主要研究基于统计建模的数字图像被动认证方法,将隐写分析领域提出的统计模型结合机器学习方法应用于图像篡改检测。针对拼接篡改会改变图像纹理的问题,采用纹理分析方法对统计模型特征提取过程进行改进,并成功用于图像拼接篡改检测。本文主要完成了以下工作：(1)研究图像统计建模的相关方法。首先分析隐写分析与图像篡改检测的关系,研究已成功用于隐写分析领域的相关统计模型。接着研究了常用的纹理分析方法,重点介绍了局部二值模式LBP技术和共生矩阵技术,它们都可提取紧凑且鲁棒的统计特征。然后介绍了用来计算残差图像的线性和非线性高通滤波器,统计特征的提取都要建立在残差图像的基础上。最后介绍了支持向量机SVM和集成分类器两种机器学习方法。(2)残差局部描述子特征提取模型及其在图像篡改检测中的应用研究。首先,深入研究了近来在隐写分析领域提出的残差局部描述子特征提取方法。接着,结合机器学习方法将其应用于图像拼接篡改检测和图像翻拍篡改检测。在拼接篡改检测实验中,根据每个残差局部描述子得到的AUC估值,选取AUC值较高的描述子特征进行组合。在翻拍篡改检测实验中,采用贪心组合策略,即通过穷举搜索,每次选取一个组合后检测准确率最优的特征进行组合。由于现实中图像篡改手段多样且残差局部描述子可能检测不出区域较小的篡改,在所提方法的后期阶段,使用基于Patchmatch的块匹配方法对前期检测结果为真的图像再进行一次拷贝粘贴篡改检测。(3)基于LBP和共生矩阵的图像拼接篡改检测研究。针对拼接篡改会引起图像纹理改变的问题,在残差局部描述子特征提取模型的基础上,提出一种基于纹理分析的图像拼接篡改检测方法。该方法将局部二值模式LBP和共生矩阵两种技术相结合,利用两种改进的LBP方法对残差图像局部纹理进行描述,然后借助两类共生矩阵技术提取不同的图像特征,通过对不同特征向量的组合来提高检测精度。提取特征后使用支持向量机SVM或集成分类器进行分类测试。