【摘要】：隨著科學(xué)技術(shù)的蓬勃發(fā)展,越來越多功能強大的圖像編輯軟件在我們生活中普及開來,這樣導(dǎo)致數(shù)字圖像越來越容易被人為編輯和篡改,并且不留任何明顯的痕跡就可達到視覺上的逼真。當(dāng)篡改后的數(shù)字圖像再被應(yīng)用于醫(yī)保報銷、警務(wù)系統(tǒng)和法庭取證等方面時,其不再具有使用價值;虛假的圖像會對國家、社會產(chǎn)生巨大的危害,造成無法估量的損失。所以,數(shù)字圖像篡改取證技術(shù)成為當(dāng)下一個非常重要的研究課題。圖像篡改、偽造最常見的手段之一便是拼接操作,本文主要探討拼接篡改的被動取證技術(shù),通過對大數(shù)量已知真假的圖像進行分析,找出這些圖像在拼接篡改操作過程中一些敏感特征的變化規(guī)律,然后利用圖像變換和支持向量機進行拼接檢測。主要內(nèi)容及成果如下:1.闡述了數(shù)字圖像取證技術(shù)的研究背景與意義,當(dāng)前常見的數(shù)字圖像篡改、偽造手段,以及數(shù)字圖像取證技術(shù)的國內(nèi)外研究現(xiàn)狀;2.介紹了數(shù)字圖像拼接取證基本理論和相關(guān)技術(shù),包括圖像的具體拼接過程、拼接被動取證系統(tǒng)的基本框架、取證時涉及的一些圖像變換、支持向量機理論,最后介紹了一些典型拼接被動取證技術(shù)的具體方法;3.提出一種結(jié)合DTT變換、DCT變換和最小二乘支持向量機的圖像拼接檢測算法。算法首先對圖像分別做DTT變換和DCT變換;然后計算變換后DTT域和DCT域的馬爾科夫狀態(tài)轉(zhuǎn)移概率矩陣;將狀態(tài)轉(zhuǎn)移概率矩陣作為特征向量送入最小二乘支持向量機訓(xùn)練以獲得預(yù)測模型,依據(jù)該模型判別待測圖像是否經(jīng)過拼接篡改;最后分別在中國科學(xué)院自動化所篡改圖像檢測評估庫和哥倫比亞大學(xué)圖像拼接檢測評估庫進行實驗,與傳統(tǒng)算法做對比,實驗結(jié)果表明所提算法擁有更高的拼接檢測準(zhǔn)確率。4.提出一種基于對偶數(shù)復(fù)小波變換和最小二乘孿生支持向量機的圖像拼接檢測算法。算法首先將待測圖像進行對偶數(shù)復(fù)小波變換以獲得不同的子帶圖像,然后計算子帶圖像的馬爾科夫狀態(tài)轉(zhuǎn)移概率矩陣,將該概率矩陣作為拼接特征向量送入最小二乘孿生支持向量機訓(xùn)練以獲得預(yù)測模型,依據(jù)該模型判斷待測圖像是否經(jīng)過拼接篡改。在哥倫比亞大學(xué)無壓縮圖像拼接檢測評估庫和哥倫比亞大學(xué)圖像拼接檢測評估庫上分別進行實驗,與傳統(tǒng)算法做對比,實驗結(jié)果證明本章所提算法具有更高的拼接檢測準(zhǔn)確率。
[Abstract]:With the rapid development of science and technology, more and more powerful image editing software is popularized in our daily life, which makes digital images more and more easy to edit and tamper with. And can achieve visual lifelike without leaving any obvious trace. When the tampered digital image is applied to medical insurance reimbursement, police system and court evidence, it no longer has the use value; false images will cause great harm to the country and society, resulting in incalculable losses. Therefore, digital image tampering and forensics technology has become a very important research topic. One of the most common methods of image tampering and forgery is stitching. This paper mainly discusses the passive forensics technology of mosaic tampering, and analyzes a large number of known true and false images. The changes of some sensitive features of these images in the process of mosaic tampering are found out, and then the image transformation and support vector machine are used for stitching detection. The main contents and results are as follows: 1. This paper expounds the research background and significance of digital image forensics, the common methods of digital image tampering, forgery, and the research status of digital image forensics both at home and abroad. This paper introduces the basic theory and related technology of digital image stitching, including the process of image stitching, the basic frame of passive forensics system, some image transformation and the theory of support vector machine. In the end, some typical methods of passive forensics are introduced. An image mosaic detection algorithm based on DTT transform and least squares support vector machine (LS-SVM) is proposed. Firstly, DTT transform and DCT transform are performed on the image, then the Markov state transition probability matrix in DTT domain and DCT domain is calculated. The state transition probability matrix is fed into the least squares support vector machine (LS-SVM) as the eigenvector to obtain the prediction model, according to which the image to be tested is judged whether the image is tampered with or not. Finally, the experiments were carried out in the tampered image detection and evaluation database of Chinese Academy of Sciences and Columbia University image mosaic evaluation database, and compared with the traditional algorithm. The experimental results show that the proposed algorithm has a higher accuracy rate of stitching detection. 4. An image mosaic detection algorithm based on dual complex wavelet transform and least square twin support vector machine is proposed. The algorithm firstly performs even number complex wavelet transform to obtain different sub-band images, and then calculates Markov state transition probability matrix of sub-band images. The probability matrix is put into the least square twinning support vector machine as the splicing feature vector to obtain the prediction model. The model is used to determine whether the image under test has been spliced and tampered with. Experiments were carried out on Columbia University uncompressed image mosaic evaluation database and Columbia University image mosaic detection evaluation database respectively. The experimental results show that the proposed algorithm has a higher detection accuracy compared with the traditional algorithm.
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 何紅太,王秀美,全茜;刑事犯罪現(xiàn)場的圖像拼接設(shè)計與實現(xiàn)[J];計算機工程與科學(xué);2004年12期

2 張顯全;唐振軍;盧江濤;;基于線匹配的圖像拼接[J];計算機科學(xué);2005年01期

3 孫瀚,黃大貴;基于十字形區(qū)域搜索法的圖像拼接方法[J];計量與測試技術(shù);2005年01期

4 李波;一種基于小波和區(qū)域的圖像拼接方法[J];電子科技;2005年04期

5 陳世哲;胡濤;劉國棟;謝凱;劉炳國;浦昭邦;;基于光柵的快速精確圖像拼接[J];光學(xué)精密工程;2006年02期

6 王靖;高雷;;圖像拼接的檢測[J];計算機安全;2006年07期

7 王長纓;周明全;;一種基于局部金字塔分解的圖像拼接[J];西北大學(xué)學(xué)報(自然科學(xué)版);2006年03期

8 馮桂蘭;田維堅;屈有山;張宏建;葛偉;;嵌入式高速DSP在視頻圖像拼接系統(tǒng)的應(yīng)用[J];彈箭與制導(dǎo)學(xué)報;2006年S8期

9 田瑞娟;;圖像拼接融合技術(shù)在網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)中的應(yīng)用探究[J];兵工自動化;2009年03期

10 劉偉;解凱;;基于對齊與優(yōu)化的圖像拼接[J];電腦知識與技術(shù);2010年08期

相關(guān)會議論文 前10條

1 田宏亮;王俊妮;岳鵬;;一種基于邊界閾值的圖像拼接融合算法[A];2013年（第五屆）西部光子學(xué)學(xué)術(shù)會議論文集[C];2013年

2 鄭金鑫;杜軍平;;基于Levenberg-Marquardt算法的圖像拼接研究[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

3 易端陽;唐萬有;郝健強;;印品檢測中相似測度算法在圖像拼接中的對比研究[A];顏色科學(xué)與技術(shù)——2012第二屆中國印刷與包裝學(xué)術(shù)會議論文摘要集[C];2012年

4 謝凌霄;張茂軍;王云麗;高輝;;基于特征匹配的無縫圖像拼接方法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

5 高冠東;賈克斌;肖珂;;一種新的基于特征點匹配的圖像拼接方法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

6 胡社教;陳宗海;劉年慶;;基于圖像灰度特征的全景圖像拼接[A];'2003系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2003年

7 馮桂蘭;田維堅;張薇;鮑峗;張宏建;;基于DSP的圖像拼接系統(tǒng)研究[A];中國光學(xué)學(xué)會2006年學(xué)術(shù)大會論文摘要集[C];2006年

8 賴力;周代全;黎川;王新;;Innova4100血管機下肢靜脈跟蹤造影中的圖像拼接[A];2010中華醫(yī)學(xué)會影像技術(shù)分會第十八次全國學(xué)術(shù)大會論文集[C];2010年

9 李騁進;;DR全下肢圖像拼接成像技術(shù)的臨床應(yīng)用[A];2010中華醫(yī)學(xué)會影像技術(shù)分會第十八次全國學(xué)術(shù)大會論文集[C];2010年

10 周劍軍;歐陽寧;陳旭;黃先鋒;;一種基于Harris特征點的圖像拼接方法[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議專刊[C];2008年

相關(guān)重要報紙文章 前2條

1 山東 貓咪老爸;圖像拼接 天衣無縫[N];電腦報;2003年

2 本報記者 劉霞;放飛想象的翅膀(二)[N];科技日報;2014年

相關(guān)博士學(xué)位論文 前10條

1 姜代紅;煤礦監(jiān)控圖像拼接與識別的方法研究[D];中國礦業(yè)大學(xué);2015年

2 賈銀江;無人機遙感圖像拼接關(guān)鍵技術(shù)研究[D];東北農(nóng)業(yè)大學(xué);2016年

3 張樺;場景圖像拼接關(guān)鍵技術(shù)研究[D];天津大學(xué);2008年

4 邵向鑫;數(shù)字圖像拼接核心算法研究[D];吉林大學(xué);2010年

5 曾巒;基于不變特征的圖像拼接及軟同步直寫硬盤記錄技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2012年

6 馮桂蘭;車載夜視導(dǎo)航系統(tǒng)的研究[D];中國科學(xué)院研究生院（西安光學(xué)精密機械研究所）;2007年

7 李新娥;大視場多光譜相機圖像拼接與融合技術(shù)研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機械與物理研究所);2015年

8 朱云芳;基于圖像拼接的視頻編輯[D];浙江大學(xué);2006年

9 張德新;面陣航偵CCD相機系統(tǒng)設(shè)計及其圖像拼接技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2010年

10 趙凱;醫(yī)學(xué)影像中骨組織定量分析關(guān)鍵技術(shù)研究與應(yīng)用[D];東北大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 陳澤武;FPC光學(xué)缺陷檢測平臺中的關(guān)鍵圖像處理技術(shù)[D];華南理工大學(xué);2015年

2 殷娟娟;基于SIFT特征的巖石圖像拼接研究[D];西安石油大學(xué);2015年

3 岳昕;基于SIFT的全景圖像拼接方法研究[D];昆明理工大學(xué);2015年

4 徐忠洋;航拍圖像拼接算法的研究與實現(xiàn)[D];遼寧大學(xué);2015年

5 吳金津;改進的SIFT算法及其在圖像拼接中的應(yīng)用[D];湖南工業(yè)大學(xué);2015年

6 王鵬程;基于DSP的視頻拼接技術(shù)的研究[D];湖南工業(yè)大學(xué);2015年

7 宋佳乾;視頻圖像拼接優(yōu)化算法實現(xiàn)研究[D];寧夏大學(xué);2015年

8 王瑞霞;基于SIFT配準(zhǔn)算法的全景圖像拼接系統(tǒng)的FPGA實現(xiàn)[D];南京理工大學(xué);2015年

9 王迪;多傳感器圖像拼接、融合與系統(tǒng)實現(xiàn)[D];南京理工大學(xué);2015年

10 高琦;攝影測量系統(tǒng)中基于SIFT算法的柱面全景圖像拼接實現(xiàn)[D];華中師范大學(xué);2015年

，

本文編號：2133910