基於篡改評價模型的圖像真偽盲鑑別方法研究

《基於篡改評價模型的圖像真偽盲鑑別方法研究》是依託吉林大學，由陳海鵬擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於篡改評價模型的圖像真偽盲鑑別方法研究
• 項目類別：青年科學基金項目
• 項目負責人：陳海鵬
• 依託單位：吉林大學

項目摘要

圖像真偽問題已滲透到政治、經濟、軍事、文化等各大領域，嚴重影響了人們正常的生活和生產秩序。目前數字圖像盲鑑別算法需已知篡改手段，仍處於零散技術的研究階段。基於此，本項目深入研究基於篡改評價模型的圖像盲鑑別方法及套用。建立基於自然圖像特徵的篡改評價模型，定性分析篡改手段。針對重獲圖像，研究基於成像過程模型和物理特徵模型的盲鑑別算法；針對拼接篡改圖像，研究基於自然圖像特徵一致性模型的盲鑑別算法；針對複製貼上篡改圖像，構造SIFT關鍵點標記圖特徵向量，研究具有旋轉、縮放不變性的盲鑑別算法。將圖像篡改評價模型與盲鑑別算法相結合，在定性分析篡改手段的基礎上，精確定位篡改區域。 本項目的預期技術指標為：圖像篡改手段定性判斷的準確率達80%，盲鑑別算法的平均正檢率達85%。本項目不僅為數字圖像盲鑑別技術的研究開闢了新的視角，引入了新的理論框架，而且提高了數字圖像盲鑑別技術在司法取證等領域的實用性

結題摘要

本項目研究了基於篡改評價模型的圖像盲鑑別技術的基礎理論與方法，其主要成果包括： 1. 為了實現圖像篡改手段的定性分析，提取圖像的LTP三值模式特徵、LBP紋理特徵和WLD局部特徵，構造了基於圖像統計特徵的篡改評價模型，能夠在盲環境下實現對自然圖像、計算機生成圖像、複製-貼上圖像、拼接篡改圖像、重獲圖像的多分類。 2. 針對重獲圖像的盲鑑別，一方面分析其與真實圖像成像過程中所產生的差異，定義局部平面線性點，利用這些點的性質計算特徵向量。另一方面，分析重獲圖像與自然圖像的統計特徵差異，提取小波域特徵和噪聲特徵。分別利用SVM分類器實現了重獲圖像的盲鑑別。 3. 對於拼接篡改圖像的盲鑑別，為了提高算法的檢測率並降低計算複雜度，從以下三個方面提取圖像的統計特徵：(1) 利用視覺注意模型獲取圖像的關鍵特徵片段，並提取其擴展的DCT域的HMM特徵；(2) 對原始圖像、預測誤差圖像和基於離散小波變換的重構圖像，建立模糊遊程特徵向量；(3) 計算基於差分分塊離散餘弦變換矩陣的灰度共生矩陣(GLCM)，提取其二階矩、熵、對比度、自相關、逆矩和逆差矩六種紋理特徵。 4. 對於複製貼上圖像的盲鑑別，從特徵點匹配的角度，在SIFT關鍵點鄰域內構造基於最大視角的標記圖特徵向量，實現了複製貼上篡改的盲檢測。為了降低誤匹配，在高斯尺度空間提取oFAST特徵點和ORB特徵，取得了較好的檢測效果。為了提高算法對光照變換的魯棒性，利用混合灰度序模式(MIOP)特徵描述高斯差分區域，實現了魯棒性較好的盲鑑別算法。從圖像塊匹配的角度，定義圖像的灰度級別和灰度結構，以此定位可疑塊對，並利用對數極坐標變換，將複製-貼上區域的旋轉、縮放變換轉換成平移變換，實現了具有幾何不變性的盲鑑別算法。另外，針對隱蔽性複製貼上篡改, 將彩色信息與LBP紋理特徵的融合，並提取圖像塊的GLCM，實現了複製-貼上區域的精確定位。 5. 結合以上評價模型及相關算法，建立了圖像篡改盲鑑別系統的原型。 本項目的研究結果為數字圖像盲鑑別領域的研究提供新思路和理論依據。