本文關(guān)鍵詞：基于數(shù)字圖像篡改的被動取證方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：數(shù)字圖像取證技術(shù)是對數(shù)字圖像改動進(jìn)行檢測的技術(shù),廣泛應(yīng)用在真實(shí)性鑒別以及法院證據(jù)等。數(shù)字圖像取證技術(shù)就是對改動進(jìn)行檢測,找出人為修改的地方,然后標(biāo)記出修改的地方。相比于數(shù)字圖像主動取證需要對驗(yàn)證圖片作預(yù)先嵌入信息,數(shù)字圖像被動取證技術(shù)是在不預(yù)先加入驗(yàn)證密碼的情況下,即可對數(shù)字圖像的內(nèi)容人為修改做出鑒別的方法,應(yīng)用更為廣泛,有更高的研究價值。近年來,修圖軟件發(fā)展迅速,功能強(qiáng)勁。然而,數(shù)字圖像被動取證并沒有與之匹配的發(fā)展速度,這樣的滯后也是理所當(dāng)然的。因?yàn)?只有新的篡改手段的出現(xiàn),才會促使人們?nèi)パ芯吭趺礃訖z測出篡改的地方。這樣的發(fā)展也符合研究的基本過程,發(fā)現(xiàn)問題到解決問題的過度。這樣的狀況,也暴露了取證技術(shù)針對性較強(qiáng),一對一的檢測效率較低。同時,檢測的準(zhǔn)確性一直是現(xiàn)在檢測技術(shù)的軟肋,在多種篡改手段綜合應(yīng)用在一幅數(shù)字圖像上時,單一的檢測算法檢測的準(zhǔn)確性確實(shí)不能令人滿意。本文針對數(shù)字圖像修改檢測進(jìn)行研究,涉及復(fù)制-粘貼篡改的數(shù)字圖片被動取證和基JPEG圖片篡改的被動取證方法,對已有算法進(jìn)行實(shí)驗(yàn)分析與總結(jié),根據(jù)已有方法的不足之處,提出了兩種改進(jìn)的數(shù)字圖像被動取證算法,基于保局投影算法的復(fù)制-粘貼篡改被動取證研究和基于隨機(jī)抽樣的最大似然估計的JPEG圖像被動取證方法研究。本文的工作主要基于下面兩個研究：本文針對圖像塊的特征提取和降維處理展開研究,提出保局投影算法對特征向量進(jìn)行降維,其目標(biāo)是尋找一個轉(zhuǎn)換矩陣P,將高維空間中的數(shù)據(jù)集映射到地位空間。投影矩陣P是在相似度矩陣S的約束下求解的,后面對Y進(jìn)行字典排序,找出篡改部分并精確定位。最后,本文提出一個基于隨機(jī)抽樣最大似然估計(RSMLE)的方法,首先對濾波器進(jìn)行優(yōu)化,得到改進(jìn)型增強(qiáng)交叉差分濾波器,以加強(qiáng)塊效應(yīng)和減少來自圖像邊緣和紋理的干擾,然后集成隨機(jī)抽樣,投票兩種方法對最大似然法進(jìn)行改進(jìn),得到新的塊估計方法,即基于隨機(jī)抽樣最大似然估計(RSMLE),以提高塊大小估計的準(zhǔn)確性。
【關(guān)鍵詞】：數(shù)字圖像被動取證 復(fù)制-粘貼 保局投影算法 字典排序 抽樣最大似然估計
【學(xué)位授予單位】：上海應(yīng)用技術(shù)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;D918.2
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-16
• 1.1 數(shù)字圖像取證技術(shù)的研究背景10-12
• 1.2 數(shù)字圖像取證的國內(nèi)外研究現(xiàn)狀12-14
• 1.3 存在的問題分析14
• 1.4 主要研究內(nèi)容與論文結(jié)構(gòu)14-16
• 第二章 數(shù)字圖像取證技術(shù)概述16-22
• 2.1 數(shù)字圖像取證技術(shù)16-17
• 2.2 數(shù)字圖像主動取證17
• 2.2.1 數(shù)字簽名17
• 2.2.2 數(shù)字水印17
• 2.3 數(shù)字圖像被動取證技術(shù)17-21
• 2.3.1 基于圖像內(nèi)容的被動取證18-19
• 2.3.2 基于成像過程的被動取證19
• 2.3.3 基于物理過程的被動取證19
• 2.3.4 基于EM算法的被動取證方法介紹19-21
• 2.4 本章小結(jié)21-22
• 第三章 基于LPP算法的復(fù)制-粘貼篡改被動取證研究22-31
• 3.1 復(fù)制-粘貼篡改22
• 3.2 復(fù)制-粘貼篡改的被動取證方法22-24
• 3.2.1 窮舉搜索23
• 3.2.2 字典排序算法23-24
• 3.3 基于LPP算法的復(fù)制粘貼篡改的被動取證24-27
• 3.4 實(shí)驗(yàn)結(jié)果與分析27-30
• 3.4.1 本文檢測方法的驗(yàn)證27-28
• 3.4.2 幾種檢測方法對比28-30
• 3.5 本章小結(jié)30-31
• 第四章 基于RSMLE塊大小估計的JPEG圖像被動取證方法31-42
• 4.1 引言31
• 4.2 圖像的JPEG的壓縮和篡改31-32
• 4.2.1 圖像的JPEG壓縮31-32
• 4.2.2 圖像的雙重JPEG篡改32
• 4.3 基于隨機(jī)抽樣的最大似然估計RSMLE的JPEG圖像被動取證32-37
• 4.4 實(shí)驗(yàn)結(jié)果與分析37-41
• 4.4.1 在同幅JPEG圖像復(fù)制-粘貼篡改檢測中的對比38
• 4.4.2 在不同JPEG圖像間的復(fù)制-粘貼篡改檢測中的對比38-39
• 4.4.3 在JPEG圖像中的篡改檢測對比39-40
• 4.4.4 在圖像合成篡改中的檢測對比40-41
• 4.5 本章小節(jié)41-42
• 第5章 總結(jié)與展望42-45
• 5.1 工作總結(jié)42-43
• 5.2 展望43-45
• 參考文獻(xiàn)45-50
• 致謝50-51
• 攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文51

  本文關(guān)鍵詞：基于數(shù)字圖像篡改的被動取證方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：306134