隨著修圖軟件的普及使得照片的編輯處理更為容易,滋生了造假圖片的溫床。造假圖片的傳播可能會給社會穩(wěn)定帶來一些不良影響,同時也給司法公正帶來了潛在的威脅。圖像盲取證技術和以數(shù)字水印為代表的主動取證技術都取得了比較不錯的研究成果,這些傳統(tǒng)方法對特征的提取往往需要靠專家的經(jīng)驗來判斷,依賴于專業(yè)的圖像知識和特征提取能力。深度學習已經(jīng)在圖像分類和識別、語音識別等領域取得了豐碩的成果,但是在圖像取證領域的應用才剛剛開始。深度學習在自動學習特征方面有著得天獨厚的優(yōu)勢,將深度學習技術與數(shù)字圖像取證技術進行結合,有助于解決傳統(tǒng)取證技術遇到的難題,有很重要的研究價值。本文分析了圖像取證技術的研究現(xiàn)狀,結合深度學習技術提出了基于深度學習的圖像篡改取證技術方案,主要工作如下:1.在非對稱裁剪篡改檢測方面,提出了基于相機標定參數(shù)優(yōu)化的圖像篡改鑒定技術。本課題利用了相機標定的成像原理來解決圖像裁剪篡改鑒定問題,減少了過多的相機內(nèi)部參數(shù)假設。保留原本相機五個內(nèi)部參數(shù)中的四個參數(shù),經(jīng)過一定的近似處理,實現(xiàn)了單幅圖片中含有兩個不共面的規(guī)則標志物就能計算主點坐標,并以此主點坐標的偏移量為依據(jù)對圖像中的非對稱裁剪篡改行為進行... 

【文章來源】：北京郵電大學北京市211工程院校教育部直屬院校

【文章頁數(shù)】：110 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 數(shù)字圖像取證技術研究現(xiàn)狀
        1.2.1 傳統(tǒng)數(shù)字圖像取證技術的研究現(xiàn)狀
        1.2.2 基于深度學習的圖像取證技術研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容及章節(jié)安排
        1.3.1 本文主要研究內(nèi)容
        1.3.2 本文章節(jié)安排
第二章 相關研究綜述
    2.1 常見的數(shù)字圖像篡改
        2.1.1 復制-粘貼篡改
        2.1.2 圖像拼接篡改
        2.1.3 非對稱裁剪篡改
    2.2 基于深度學習的圖像篡改
        2.2.1 深度學習相關概念
        2.2.2 深度學習相關模型
        2.2.3 深度學習篡改
    2.3 圖像取證技術發(fā)展趨勢
第三章 基于相機標定的非對稱裁剪篡改鑒定技術
    3.1 相機標定
    3.2 基于參數(shù)優(yōu)化的非對稱裁剪篡改檢測
        3.2.1 估計單應矩陣
        3.2.2 利用參數(shù)優(yōu)化方法估計相機參數(shù)
    3.3 實驗及分析
        3.3.1 誤差分析
        3.3.2 檢測效果
    3.4 本章小結
第四章 基于全卷積網(wǎng)絡的圖像區(qū)域篡改鑒定技術
    4.1 全卷積網(wǎng)絡
    4.2 基于全卷積網(wǎng)絡的圖像篡改區(qū)域檢測
        4.2.1 正負樣本制作
        4.2.2 全卷積網(wǎng)絡模型的改造及訓練
    4.3 評判標準
        4.3.1 F_1標準
        4.3.2 MCC標準
    4.4 實驗及分析
        4.4.1 實驗環(huán)境介紹
        4.4.2 實驗結果分析
    4.5 本章小結
第五章 基于DeepLabv3+與SRM的拼接篡改鑒定技術
    5.1 隱寫分析豐富模型(SRM)
    5.2 基于DeepLabv3+和SRM的圖像拼接檢測
        5.2.1 DeepLabv3+網(wǎng)絡
        5.2.2 基于DeepLabv3+的拼接檢測算法
        5.2.3 DeepLabv3+和SRM的關聯(lián)算法
    5.3 實驗及分析
        5.3.1 實驗設置及圖像庫
        5.3.2 實驗分析
    5.4 本章小結
第六章 基于深度學習的人臉圖像鑒定技術
    6.1 VGG網(wǎng)絡及稀疏表達
    6.2 深度學習與約束稀疏表達結合的遮擋人臉鑒定算法
        6.2.1 提取人臉特征及特征降維
        6.2.2 約束稀疏表達匹配
    6.3 基于深度學習的AI造假人臉圖像鑒定算法
    6.4 實驗及分析
        6.4.1 LFW與AR數(shù)據(jù)庫介紹
        6.4.2 實驗分析
    6.5 本章小結
第七章 總結和展望
    7.1 論文工作總結
    7.2 圖像取證工作未來展望
參考文獻
致謝
論文發(fā)表情況和參與科研項目


【參考文獻】：
期刊論文
[1]有遮擋人臉識別綜述:從子空間回歸到深度學習[J]. 李小薪,梁榮華.  計算機學報. 2018(01)
[2]玻爾茲曼機研究進展[J]. 劉建偉,劉媛,羅雄麟.  計算機研究與發(fā)展. 2014(01)
[3]基于人臉色溫的拼接圖像篡改檢測[J]. 楊健梅,黃添強,江偉堅.  山東大學學報(工學版). 2013(05)
[4]基于相機標定的非對稱裁剪檢測算法[J]. 孟憲哲,牛少彰,吳小媚,李葉舟.  電子與信息學報. 2012(10)
[5]利用顏色濾波矩陣估計原圖的拼接定位盲取證方法[J]. 王波,孔祥維,尤新剛.  電子與信息學報. 2012(01)
[6]利用模式噪聲主分量信息的源相機辨識技術[J]. 胡永健,俞兵華,簡超.  計算機應用. 2010(01)

博士論文
[1]盲環(huán)境下數(shù)字圖像篡改鑒定的關鍵理論與技術研究[D]. 孟憲哲.北京郵電大學 2013

碩士論文
[1]分塊SRC算法在遮擋人臉圖像識別中的應用研究[D]. 劉丹.五邑大學 2013
[2]基于平面約束的CCD相機標定方法改進[D]. 孟海崗.吉林大學 2009



本文編號：3631873