數(shù)字圖像是當(dāng)今時代圖像存儲和傳輸?shù)闹饕问?隨著視覺采集設(shè)備的快速發(fā)展和便捷使用,幾乎每個人都有能力記錄和存儲數(shù)字圖像。過去人們對圖像的真實性堅信不疑,而各種圖像編輯軟件的出現(xiàn)導(dǎo)致篡改圖像變得簡單,偽造圖片不易被察覺,甚至能以假亂真。雖然生活中人們對圖像的操作多數(shù)是為了美化或者娛樂,但是惡意篡改甚至傳播篡改過的圖像,將會對國家安全、社會穩(wěn)定、人民的正常生活秩序帶來嚴(yán)重的不良影響。因此,研究圖像的篡改檢測意義重大。數(shù)字圖像盲取證是一種不需要簽名或水印等信息預(yù)處理的技術(shù),是當(dāng)今取證技術(shù)的熱門研究方向。本文針對JPEG圖像合成篡改的檢測進行研究,以機器學(xué)習(xí)為基礎(chǔ)模型,著重于研究篡改區(qū)域的定位問題�；诓煌臋C器學(xué)習(xí)模型和圖像特征,分別研究探討了基于樸素貝葉斯分類的雙JPEG壓縮篡改檢測方法、基于深度卷積神經(jīng)網(wǎng)絡(luò)的雙JPEG壓縮篡改檢測方法和基于深度卷積神經(jīng)網(wǎng)絡(luò)的塊效應(yīng)不一致性檢測方法。主要工作包括:(1)基于樸素貝葉斯分類的雙JPEG壓縮篡改檢測方法,主要針對合成過程中的雙JPEG壓縮操作,利用樸素貝葉斯分類實現(xiàn)篡改區(qū)域的定位。本文設(shè)計了"基于DCT系數(shù)量化映射關(guān)系的檢測算法"和"基于DCT系數(shù)首位統(tǒng)計特性的檢測算法",其中"基于DCT系數(shù)量化映射關(guān)系的檢測算法"通過分析DCT系數(shù)在量化過程中的數(shù)值映射情況,提出基于直方圖區(qū)間映射關(guān)系的條件概率模型;"基于DCT系數(shù)首位統(tǒng)計特性的檢測算法"通過分析篡改后DCT系數(shù)首位概率分布的變化情況,提出基于Benford定律的條件概率模型。這兩種概率模型體現(xiàn)了雙JPEG壓縮過程中圖像統(tǒng)計特征的變化情況,結(jié)合樸素貝葉斯分類方法可以實現(xiàn)篡改區(qū)域的定位。(2)基于深度卷積神經(jīng)網(wǎng)絡(luò)的雙JPEG壓縮篡改檢測方法,針對雙JPEG壓縮操作,利用深度學(xué)習(xí)模型實現(xiàn)篡改區(qū)域的定位。相比傳統(tǒng)模型,深度學(xué)習(xí)擁有優(yōu)異的特征表達能力,能挖掘數(shù)據(jù)內(nèi)部隱藏的本質(zhì)信息。本文設(shè)計了一種深度卷積神經(jīng)網(wǎng)絡(luò),通過提取DCT系數(shù)的直方圖,在沒有人工精心設(shè)計特征的前提下,用深度網(wǎng)絡(luò)自動學(xué)習(xí)篡改前后直方圖特征最本質(zhì)的變化。實驗結(jié)果顯示,基于深度學(xué)習(xí)的檢測方法的準(zhǔn)確率要高于其他傳統(tǒng)算法。(3)基于深度卷積神經(jīng)網(wǎng)絡(luò)的塊效應(yīng)不一致性檢測方法,利用JPEG圖像的塊效應(yīng)特性,結(jié)合深度學(xué)習(xí)模型實現(xiàn)篡改區(qū)域的定位。塊效應(yīng)不易提取,且受圖像內(nèi)容和紋理影響較大�；诖藛栴},本文設(shè)計了一種簡單的基于像素相關(guān)性的特征來描述篡改過程中壓縮和裁剪操作對局部塊效應(yīng)的影響,結(jié)合深度卷積神經(jīng)網(wǎng)絡(luò)將篡改區(qū)域微弱的塊效應(yīng)變化學(xué)習(xí)出來,從而識別篡改區(qū)域。實驗結(jié)果顯示,算法不僅能準(zhǔn)確識別篡改區(qū)域,而且對旋轉(zhuǎn)、縮放都具有魯棒性。綜上所述,本文在機器學(xué)習(xí)這個基礎(chǔ)模型上研究了 JPEG圖像篡改區(qū)域的定位問題。圍繞JPEG壓縮圖像篡改檢測的兩個主要方向:雙JPEG壓縮檢測和塊效應(yīng)檢測,分別提出基于樸素貝葉斯分類模型和基于深度卷積神經(jīng)網(wǎng)絡(luò)模型的具體方法。實驗結(jié)果顯示,這些方法能有效地提高了 JPEG圖像篡改區(qū)域的定位的準(zhǔn)確性,并且對JPEG壓縮、幾何旋轉(zhuǎn)、縮放等操作都具有魯棒性。
【學(xué)位單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2017
【中圖分類】：TP391.41
【部分圖文】：

（ａ）伊朗公布的照片邐化）實際照片來源逡逑圖１．１伊朗無人機造假圖片逡逑＇Ａｖ邐／邐／逡逑

本文編號：2831576