發(fā)布時(shí)間：2020-09-23 09:20

　　 隨著信息技術(shù)的發(fā)展和數(shù)碼相機(jī)設(shè)備的普及,圖像已成為一類(lèi)重要的信息載體。與此同時(shí),圖像編輯工具的廣泛使用使圖像的真實(shí)性、原始性和完整性受到極大的挑戰(zhàn),惡意地篡改圖像會(huì)對(duì)社會(huì)造成嚴(yán)重的負(fù)面影響。為了有效遏制圖像造假行為,數(shù)字圖像取證技術(shù)應(yīng)運(yùn)而生。圖像來(lái)源取證作為數(shù)字圖像取證的重要分支,在版權(quán)保護(hù)、圖像溯源等方面都具有重要意義。本文從圖像來(lái)源取證算法的準(zhǔn)確性、安全性和適用性等方面進(jìn)行了研究與分析,主要成果性工作包括:(1)提出一種基于生成對(duì)抗網(wǎng)絡(luò)的重獲取取證攻擊算法。該工作從攻擊者的角度出發(fā),提出了一種重獲取圖像轉(zhuǎn)換方案,達(dá)到既能消除重獲取操作引入的紋理痕跡又能使圖像不被經(jīng)典的重獲取取證算法檢測(cè)到的目的。該方案基于生成對(duì)抗網(wǎng)絡(luò)的基本框架,根據(jù)重獲取圖像的特點(diǎn)設(shè)計(jì)了生成器和判別器的網(wǎng)絡(luò)結(jié)構(gòu),并且創(chuàng)造性的提出了一項(xiàng)新的目標(biāo)函數(shù)約束項(xiàng)來(lái)避免轉(zhuǎn)換后圖像內(nèi)容發(fā)生較大畸變。實(shí)驗(yàn)結(jié)果表明該方案可以從視覺(jué)效果和統(tǒng)計(jì)特征兩方面對(duì)重獲取圖像進(jìn)行轉(zhuǎn)換,達(dá)到對(duì)人類(lèi)視覺(jué)和圖像來(lái)源取證算法的雙重欺騙。(2)提出了一種基于深度學(xué)習(xí)的重獲取取證算法。該工作從算法安全性的角度出發(fā),旨在設(shè)計(jì)一種能夠有效抵抗對(duì)抗樣本攻擊的方案。根據(jù)對(duì)抗樣本的產(chǎn)生原理,該方案在一般深度學(xué)習(xí)框架的基礎(chǔ)上,提出兩項(xiàng)安全性改進(jìn)策略。首先在損失函數(shù)上添加一項(xiàng)約束項(xiàng)來(lái)控制交叉熵?fù)p失對(duì)輸入樣本的梯度平滑性。其次采用了正常樣本和對(duì)抗樣本融合訓(xùn)練策略來(lái)訓(xùn)練網(wǎng)絡(luò)。實(shí)驗(yàn)結(jié)果表明,該方案能夠在保持正常樣本高分類(lèi)準(zhǔn)確率的前提下,對(duì)對(duì)抗樣本也能夠較好的分類(lèi),增強(qiáng)了算法安全性。(3)提出一種針對(duì)重獲取圖像的相機(jī)源取證算法。該工作將相機(jī)源取證技術(shù)應(yīng)用到重獲取圖像中,擴(kuò)大了相機(jī)源取證技術(shù)的適用性。由于重獲取操作會(huì)為圖像引入大量的噪聲,干擾了原有的和相機(jī)設(shè)備相關(guān)的特征,普通的相機(jī)源取證算法不再完全適用。為了提取到更豐富的相機(jī)特征,該方案采用子網(wǎng)絡(luò)并聯(lián)的網(wǎng)絡(luò)結(jié)構(gòu),不同的子網(wǎng)絡(luò)采用不同的高通濾波核做預(yù)處理,然后將每個(gè)子網(wǎng)絡(luò)提取的特征合并在一起進(jìn)入到分類(lèi)模塊。實(shí)驗(yàn)結(jié)果表明,該方案能夠有效提升重獲取圖像的相機(jī)源取證分類(lèi)效果。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類(lèi)】：TP391.41;TP18
【部分圖文】：

引言逡逑２００７年１０月３日，中國(guó)陜西省村民周正龍聲稱(chēng)在神洲灣發(fā)現(xiàn)了瀕危物種野生逡逑華南虎，并拍攝了照片，如圖１－５邋（ａ）所示，該事件引起了省林業(yè)局的高度重視。逡逑但當(dāng)這張照片公之于眾后，其真實(shí)性受到了許多質(zhì)疑。后來(lái)照片被發(fā)現(xiàn)與一張年畫(huà)逡逑上的老虎極為相似，如圖１－５邋（ｂ）。最終周正龍承認(rèn)華南虎照片是通過(guò)將年畫(huà)中的逡逑老虎裁剪下來(lái)擺拍而成的，目的是為了獲得高額獎(jiǎng)金。逡逑（ａ）造假圖像邐（ｂ）原始圖像逡逑圖�。等A南虎圖像造假事件。（ａ）造假圖像；（ｂ）原始圖像逡逑Ｆｉｇｕｒｅ邋１－５邋Ｃａｓｅ邋ｏｆ邋ｉｍａｇｅ邋ｆｒａｕｄ邋ｏｆ邋Ｓｏｕｔｈ邋Ｃｈｉｎａ邋ｔｉｇｅｒ，邋（ａ）邋ｆａｋｅ邋ｉｍａｇｅ；邋（ｂ）邋ｏｒｉｇｉｎａｌ邋ｉｍａｇｅ逡逑２00９年，第八屆中國(guó)攝影金像獎(jiǎng)的獲獎(jiǎng)作品中有四幅被網(wǎng)友指出涉嫌剽竊，逡逑圖１－６邋（ａ）是其中一幅獲獎(jiǎng)作品《霧罩天池》，圖１－６邋（ｂ）中是己發(fā)表的作品《天逡逑池奇觀》（網(wǎng)友翻拍），兩幅照片畫(huà)面一致，時(shí)間一致，機(jī)位一致。最終，獲獎(jiǎng)?wù)弑诲义先∠双@獎(jiǎng)資格且免除了攝影協(xié)會(huì)的職務(wù)。逡逑—．辱邐……邐——ａ—邋邐逡逑（ａ）《霧罩天池》邐（ｂ）《天池奇觀》逡逑圖丨－６攝影獲獎(jiǎng)作品剽竊案件。（ａ）《霧罩天池》；（ｂ）《天池奇觀》逡逑Ｆｉｇｕｒｅ邋１－６邋Ｃａｓｅ邋ｏｆ邋ｐｌａｇｉａｒｉｓｍ邋ｏｆ邋ａｗａｒｄｅｄ邋ｐｈｏｔｏｇｒａｐｈｉｃ邋ｗｏｒｋｓ

邐３Ｄ作品邐３Ｄ作品逡逑圖１－８計(jì)算機(jī)生成圖像的視覺(jué)效果展示。（ａ）邋Ｐ－ＧＡＮ生成圖像；（ｂ）邋Ｂｉｇ－ＧＡＮ生成圖像；逡逑（ｃ）邋Ｍａｒｃｉｎ邋Ｇｒｕｓｚｃｚｙｋ邋３Ｄ邋作品；（ｄ）邋Ｍａｒｅｋ邋Ｄｅｎｋｏ邋３Ｄ邋作品逡逑Ｆｉｇｕｒｅ邋１－８邋Ｔｈｅ邋ｄｉｓｐｌａｙ邋ｏｆ邋ｓｏｍｅ邋ｃｏｍｐｕｔｅｒ邋ｇｅｎｅｒａｔｅｄ邋ｉｍａｇｅｓ．邋（ａ）Ｇｅｎｅｒａｔｅｄ邋ｉｍａｇｅ邋ｂｙ邋Ｐ－ＧＡＮ；逡逑（ｂ）邋Ｇｅｎｅｒａｔｅｄ邋ｉｍａｇｅ邋ｂｙ邋Ｂｉｇ－ＧＡＮ；邋（ｃ）邋Ｍａｒｃｉｎ邋Ｇｒｕｓｚｃｚｙｋ’ｓ邋３Ｄ邋ｗｏｒｋ；邋（ｄ）邋Ｍａｒｅｋ邋Ｄｅｎｋｏ’ｓ邋３Ｄ邋ｗｏｒｋ逡逑１．３．２重獲取圖像取證逡逑重獲取圖像取證也是圖像來(lái)源取證的一個(gè)重要分支，它的研宄目的是判斷待逡逑測(cè)圖像是拍攝的真實(shí)自然場(chǎng)景還是對(duì)屏幕顯示或打印的圖像進(jìn)行翻拍得到的。重逡逑獲取圖像的生成過(guò)程如圖１－９所示，原始圖像首先被投影到新的媒介上，如：電腦逡逑屏幕、手機(jī)屏幕或打印紙，然后對(duì)投影后的圖像進(jìn)行重新拍攝，得到重獲取圖像。逡逑由該過(guò)程可知，重獲取圖像和原始圖像的內(nèi)容來(lái)源不同，因此也可以被逡逑列為一種圖像來(lái)源造假的類(lèi)型。逡逑對(duì)重獲取圖像進(jìn)行取證有著很重要的現(xiàn)實(shí)意義。首先，重獲取取證具有版權(quán)保逡逑護(hù)功能。一張具有極高價(jià)值的圖像，例如戰(zhàn)地記者冒著生命危險(xiǎn)拍攝的戰(zhàn)爭(zhēng)照片，逡逑若被其他人進(jìn)行翻拍并宣稱(chēng)是自己拍攝的

ＬＳＴＭ）等。生成器的學(xué)習(xí)目標(biāo)是生成盡可能接近真實(shí)的數(shù)據(jù)，使判別器無(wú)法區(qū)分。逡逑而判別模型的學(xué)習(xí)目標(biāo)是準(zhǔn)確區(qū)分輸入樣本是真實(shí)數(shù)據(jù)還是生成數(shù)據(jù)。逡逑生成器和判別器的整個(gè)博弈過(guò)程如圖２－１所示，假設(shè)Ｇ表示生成器，￡＞表示逡逑判別器，ｚ表示隨機(jī)噪聲，Ｇ可以將隨機(jī)噪聲２轉(zhuǎn)化為生成樣本Ｇ（ｚ；），Ｚ）的輸入是逡逑生成樣本和真實(shí)樣本ｘ，Ｄ的輸出是［０，１］范圍內(nèi)的一個(gè)實(shí)數(shù)，表示對(duì)應(yīng)輸入逡逑樣本是真實(shí)數(shù)據(jù)的概率。訓(xùn)練過(guò)程中，生成器希望生成樣本Ｇ（ｚ；）被判斷為真實(shí)標(biāo)逡逑簽的概率盡可能大，而判別器的目標(biāo)是盡可能有效區(qū)分真實(shí)數(shù)據(jù)和生成數(shù)據(jù)。當(dāng)模逡逑型通過(guò)極小極大博弈達(dá)到了納什均衡時(shí)，訓(xùn)練過(guò)程完成。用Ｐ，和＆分別代表真實(shí)數(shù)逡逑據(jù)和生成數(shù)據(jù)的分布，則模型的目標(biāo)函數(shù)表示如下：逡逑ｍｉｎＧｍａｘＤＶ（Ｄ，Ｇ）＝Ｅ＾ｐ（ｘ）邋＾ｌｏｇＤ（ｘ）￣＼逡逑＾Ｐｇ（ｚ）［ｌｏｇ｛ｌ－Ｄ｛Ｇ｛ｚ）））＼邐（２＿１）逡逑真實(shí)數(shù)據(jù)邋一邋邐逡逑邐邋邐邋＾邋Ｔ邋＾逡逑隨機(jī)噪聲三—邋生成器（３邐—邐ｆ￣邐！逡逑邐邐ｃｒｒｒｒｉ邐］邐！逡逑圖２－１生成對(duì)抗網(wǎng)絡(luò)的基本框架逡逑Ｆｉｇｕｒｅ邋２－１邋Ｔｈｅ邋ｆｒａｍｅｗｏｒｋ邋ｏｆ邋ｇｅｎｅｒａｔｉｖｅ邋ａｄｖｅｒｓａｒｉａｌ邋ｎｅｔ逡逑２．２．２相關(guān)ＧＡＮｓ介紹逡逑（１）條件生成對(duì)抗網(wǎng)絡(luò)（Ｃｏｎｄｉｔｉｏｎａｌ邋ＧＡＮ

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮桂蓮;;曲率驅(qū)動(dòng)擴(kuò)散圖像邊緣形態(tài)復(fù)合濾波方法仿真[J];計(jì)算機(jī)仿真;2019年09期

2 張錦華;孫挺;;引入像點(diǎn)融合度修補(bǔ)的圖像邊緣化參差拼接實(shí)現(xiàn)[J];微電子學(xué)與計(jì)算機(jī);2014年08期

3 翟逸飛;;基于FPGA的圖像邊緣處理研究[J];企業(yè)技術(shù)開(kāi)發(fā);2013年12期

4 顧長(zhǎng)友;妙用Photoshop處理圖像邊緣[J];電腦知識(shí)與技術(shù);2003年08期

5 濮群,余桂;用線(xiàn)性模型檢測(cè)圖像邊緣[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年01期

6 宋建中;;噴霧圖像的自動(dòng)分析[J];光學(xué)機(jī)械;1988年04期

7 高華;;關(guān)于古建筑圖像中破損點(diǎn)優(yōu)化提取仿真[J];計(jì)算機(jī)仿真;2017年11期

8 劉娟娟;劉斌;;低照度非線(xiàn)性光學(xué)圖像邊緣自適應(yīng)增強(qiáng)裝置設(shè)計(jì)[J];激光雜志;2017年03期

9 許志強(qiáng);張婷;;數(shù)字式多媒體場(chǎng)景圖像準(zhǔn)確分類(lèi)方法仿真[J];計(jì)算機(jī)仿真;2019年07期

10 張琳梅;;基于圖像邊緣增強(qiáng)的改進(jìn)方法[J];信息系統(tǒng)工程;2016年03期

相關(guān)會(huì)議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

2 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國(guó)圖象圖形學(xué)會(huì)第十屆全國(guó)圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國(guó)虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

3 王亮亮;李明;高昕;;強(qiáng)模糊空間目標(biāo)圖像邊緣獲取方法研究[A];第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

4 陳煒;張陽(yáng)陽(yáng);孟慶勛;;一種基于Curvelet變換的圖像邊緣增強(qiáng)方法[A];國(guó)家安全地球物理叢書(shū)（十）——地球物理環(huán)境與國(guó)家安全[C];2014年

5 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強(qiáng)[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（1）[C];2008年

6 孫增國(guó);師蕊;;基于L_(1/2)范數(shù)的高分三SAR圖像的非局部均值降斑[A];第五屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)論文集[C];2018年

7 楊文秀;陸常周;;最優(yōu)小波問(wèn)題探討[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊(cè)）[C];2001年

8 趙恩良;姜盈帆;孫麗華;曹康敏;金瑞巧;;一種基于變窗口的圖像去噪算法研究[A];第十六屆沈陽(yáng)科學(xué)學(xué)術(shù)年會(huì)論文集（理工農(nóng)醫(yī)）[C];2019年

9 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測(cè)系統(tǒng)研究[A];中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

10 胡昌偉;屈小波;郭迪;寧本德;陳忠;;基于邊緣加權(quán)的l_1-l_2范數(shù)MRI欠采重建[A];第十七屆全國(guó)波譜學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

相關(guān)重要報(bào)紙文章 前7條

1 侯杰;國(guó)產(chǎn)芯片進(jìn)軍移動(dòng)多媒體市場(chǎng)[N];人民郵電;2003年

2 吳飛;無(wú)邊距照片打印三部曲[N];中國(guó)電腦教育報(bào);2003年

3 成嶺;消除Premiere中慢鏡頭的圖像抖動(dòng)[N];電腦報(bào);2003年

4 ;體驗(yàn)決定一切[N];中國(guó)計(jì)算機(jī)報(bào);2003年

5 Wang JS;摳圖又有新招[N];電腦報(bào);2002年

6 徐和德;從實(shí)戰(zhàn)出發(fā)選擇合適鏡頭[N];中國(guó)攝影報(bào);2019年

7 ;令挑剔的人也刮目相看[N];中國(guó)電子報(bào);2001年

相關(guān)博士學(xué)位論文 前10條

1 張玲;圖像光照恢復(fù)與分解技術(shù)研究[D];武漢大學(xué);2017年

2 蔡博侖;圖像去霧與增強(qiáng)算法的研究[D];華南理工大學(xué);2019年

3 宋偉先;基于深度學(xué)習(xí)的豬只目標(biāo)檢測(cè)及狀態(tài)分析[D];東北農(nóng)業(yè)大學(xué);2019年

4 吳迪;光學(xué)遙感圖像典型目標(biāo)檢測(cè)方法研究[D];哈爾濱工業(yè)大學(xué);2019年

5 王瑤;復(fù)雜天氣下的道路識(shí)別方法研究[D];哈爾濱工業(yè)大學(xué);2019年

6 劉飛;透混沌介質(zhì)偏振成像技術(shù)[D];西安電子科技大學(xué);2016年

7 李永軍;圖像與視頻低復(fù)雜度壓縮算法研究[D];西安電子科技大學(xué);2017年

8 何人杰;圖像去霧與去湍流方法研究[D];西北工業(yè)大學(xué);2017年

9 張文靜;光場(chǎng)成像技術(shù)在天空偏振模式測(cè)量和湍流圖像清晰化中的應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

10 左承林;圖像非局部均值去噪方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 張傳敏;低質(zhì)量圖像自適應(yīng)增強(qiáng)算法研究與實(shí)現(xiàn)[D];北京交通大學(xué);2019年

2 王冰;基于高斯模型與圖像風(fēng)格遷移的QR碼美化算法研究[D];杭州電子科技大學(xué);2019年

3 曹旨昊;基于深度學(xué)習(xí)的圖像推薦算法研究與實(shí)現(xiàn)[D];山東農(nóng)業(yè)大學(xué);2019年

4 蔣亞杰;視頻監(jiān)控系統(tǒng)圖像清晰化研究[D];華北水利水電大學(xué);2019年

5 張震;基于深度學(xué)習(xí)的圖像隱寫(xiě)分析算法研究[D];北京交通大學(xué);2019年

6 趙維;基于深度學(xué)習(xí)的圖像來(lái)源取證研究[D];北京交通大學(xué);2019年

7 王建明;光場(chǎng)圖像新視點(diǎn)生成算法研究[D];江南大學(xué);2019年

8 徐曉宇;高壓輸電線(xiàn)路巡檢圖像缺陷檢測(cè)算法研究[D];杭州電子科技大學(xué);2019年

9 張麗園;基于CT圖像的肝部腫瘤的自動(dòng)分割算法研究[D];電子科技大學(xué);2019年

10 譚秀蘭;高分辨SAR圖像海面目標(biāo)檢測(cè)與識(shí)別方法研究[D];電子科技大學(xué);2019年

本文編號(hào)：2825142