盲審提交數(shù)字圖像區(qū)域復(fù)制篡改

數(shù)字圖像已經(jīng)成為社會承載和信息的最主要之一。同時，隨著金融、等行業(yè)時，將會帶來不可估量的損失。為了鑒別圖像的真實(shí)性和完整本文的主要研究內(nèi)容是數(shù)字圖像篡改檢測技術(shù)中的區(qū)域篡改檢測技術(shù)。區(qū)域篡是一種常的圖像篡方式，是指將圖像的某一塊域后，粘貼到同圖的其他區(qū)域。由于區(qū)域和粘貼區(qū)域來自同一張圖像，所以有較好的隱藏性，很難被察覺，并且易于操作。針對數(shù)字圖像區(qū)域篡改，本文首先對已有的檢測方法進(jìn)行介紹和綜合分析，然后提出了兩種檢測方法：首先，針對當(dāng)前一些檢測方法效率低、計算和消耗大的問題，提出了基于離散小波變換(DiscreteWavelet,DWT)和ORB算法(oFASTandrBRIEFAlgorithm)的區(qū)域篡改檢測方法。該方法首先使用DWT將圖像分解為低頻(LL)、水平方向(HL)、垂直方向(LH)、對角線方向(HH)四部分；然后ORB算LLrBRIEF；最后使用漢明距基于多尺度Gabor不變特征點(diǎn)的區(qū)域篡改檢測方法。該方法首先使用多尺度用隨機(jī)抽樣一致性(RandomSampleConsensusRANSAC)算法進(jìn)行誤匹配刪除。實(shí)驗證明，該方法對區(qū)域篡改圖像有較高的檢測正確率和更好的實(shí)時性，同時 ：篡改檢測，區(qū)域，離散小波變換，ORB算法，Gabor小Digitalimageshave eoneofthemostimportantmediatocarryandspreadinformation.Atthesametime,withtherapiddevelopmentofimageprocessingandInternettechnology,peoplecantamperthecontentofimagesinanyformeasily,anddistributethemovertheworldthroughtheInternet.Whentheseimagesareusedinjournalism,law,finance,insuranceandotherindustries,itwillbringimmeasurableloss.Inordertoidentifytheauthenticityandintegrityoftheimage,thedigitalimageforgerydetectiontechnologyatthehistoricmoment,andbecamearesearchfocusinrecentyears.Themaincontentofthispaperistoexplorethecopy-moveforgerydetectionmethodsofblinddigitalimageauthentication.Copy-moveforgeryisacommonwayofimagetampering,it’susuallyreferredtotheimagemanipulationthataregionofimageiscopiedandpastedtoanotherregionofthesameimage.Asthecopiedareaandpastedareaarefromthesameimage,theyhavebetterconcealmentandnoteasytobeperceived,buteasytooperate.Forcopy-moveforgery,firsttheexistingdetectionmethodsareintroducedandyzed,andthentwodetectionmethodsareproposedthisFirstly,inordertosolvetheproblemthatsomeexistingmethodshavelowefficiencyandstorageconsumption,itputsforwardacopy-moveforgerydetectionalgorithmbasedonDiscreteWavelet(DWT)andORBalgorithm(oFASTandrBRIEF).FristlyDWTisappliedonanimageto poseitintoLL,LH,HLandHH;nextORBalgorithmisappliedonLLparttoextractthekeypoints,andconstructbinarydescriptorvector—rBRIEF;finally,toachievethepurposeoftamperdetection,hammingdistanceisappliedtomatchsimilarkeypoints.Theexperimentresultsshowthatthemethodcaneffectivelydetectthistypeoftamperingforimages,andthematchingtimeisfasterandstoragetypeislessthanSIFTalgorithm.Secondly,inordertosolvetheproblemthatsomeexistingmethodsarenotsensitivetorotationandscaling,itputsforwardacopy-moveforgerydetectionalgorithmbasedoninvariantfeaturedetectorofmulti-scaleGabor.Firstmulti-scaleGaborfilterbankisappliedonanimagetoextractthekeypoints,andthedirectionofkeypointiscomputedbyintensitycentroid;thenbinarydescriptorvectorareconstructedtodescribekeypoints,andhammingdistanceisappliedtomatchsimilarkeypoints;finally,thefalsematchesareremovedbyRandomSampleConsensus(RANSAC)algorithm.Theexperimentresultsshowthatthemethodcaneffectivelydetectcopy-moveforgery,andhasbetterreal-timeperformance.Atthesametime,ithasbetterrobustnessagainstrotationandscaling.Finally,theremainingproblemsofthepaperandthenextresearchdirectionarediscussed,andurgentproblemsinthisfieldarelisted.:forgerydetection,copy-move,discretewavelet,orbalgorithm, 第1章緒 研究背景及意 數(shù)字圖像篡改檢測技術(shù)發(fā)展現(xiàn) 數(shù)字圖像取證概 國內(nèi)外研究現(xiàn) 數(shù)字圖像篡改檢測技術(shù)問 主要研究內(nèi)容和章節(jié)安 研究內(nèi) 章節(jié)安 第2章數(shù)字圖像區(qū)域篡改及檢測技 數(shù)字圖像篡改方 數(shù)字圖像區(qū)域篡改概 數(shù)字圖像拼接篡改原 數(shù)字圖像區(qū)域篡改原 數(shù)字圖像區(qū)域篡改檢測常見方 基于圖像塊匹配的區(qū)域篡改檢測技 基于關(guān)鍵點(diǎn)匹配的區(qū)域篡改檢測技 基于JPEG特征的區(qū)域篡改檢測技 實(shí)驗數(shù)據(jù) 本章小 第3章基于DWT和ORB的圖像區(qū)域篡改檢測方 引 圖像的離散小波變 特征提取(ORB算法 oFAST：帶方向的FAST關(guān)鍵 rBRIEF：旋轉(zhuǎn)感知型 DWT和ORB相結(jié)合的檢測方 實(shí)驗結(jié)果和對比分 實(shí)驗結(jié) 對比分 結(jié) 第4章基于多尺度Gabor不變特征點(diǎn)的篡改檢測方 引 多尺度Gabor不變特征點(diǎn)提 多尺度Gabor不變特征 提取步 特征描 二進(jìn)制描述 旋轉(zhuǎn)不變特 特征匹配與誤匹配消 特征匹 誤匹配消 實(shí)驗結(jié)果和對比分 實(shí)驗結(jié) 對比分 結(jié) 第5章總結(jié)與展 總 展 參考文 致 攻讀期間從事的科研工作及取得的成 第1章緒論1在網(wǎng)絡(luò)和多技術(shù)蓬勃發(fā)展的社會，數(shù)字圖像已經(jīng)成為我們生活中不互聯(lián)網(wǎng)普及率高達(dá)50.3%。同時該報告也列出了網(wǎng)頁中多信息的分類情況，如1.1 前廣泛使用的圖像處理軟件很多，相對較為專業(yè)的有Adobe公司的Photoshop、 第1章緒論較為簡單的美圖秀秀，Snapseed，Lightroom等。即使是不具備專業(yè)技能的用戶使任意格式圖像。同時，在很短的時間內(nèi)可以將處理好的通過互聯(lián)網(wǎng)在多數(shù)情況下，人們對圖像進(jìn)行篡改，只是為了吸引眼球，起到一定的果篡改圖像被用在中，那么的真實(shí)性將遭到質(zhì)疑，造成對事實(shí)的一些；如果篡改圖像被用在學(xué)術(shù)研究中，那么科學(xué)研究的客觀性將被，導(dǎo)致一些學(xué)術(shù)；如果篡改圖像被用在行業(yè)中，那么公司的利益將被損交等方面，那么國家的穩(wěn)定將受到，可能造成、等嚴(yán)重的。從在2007年有可能是的。如圖1.1所示，兩個圓圈中所圈出的鴿子完全相同。起初作者不承認(rèn)自己的存在，當(dāng)時也沒威的鑒定方法來驗證其真?zhèn)?，所以這件事便不了了之。到2008年4月2日，該領(lǐng)域?qū)＜也捎眉夹g(shù)證明了中一只鴿子是由另一只而來。至此，這場在攝影界乃至全社會都倍受關(guān)注的“廣場鴿”打假落下帷幕。1.1 第1章緒論該展示的是以色列對黎巴嫩首都郊區(qū)進(jìn)行轟炸后的景象。如圖1.2所示，圖(a)為當(dāng)時登在路透社相關(guān)上的。從圖(a)可以看出，郊區(qū)受到非常嚴(yán)重的轟炸，濃烈的黑煙從大面積的建筑上空冒出。但有人，哈吉對濃煙進(jìn)行相關(guān)處理，目的是為了讓的效果更強(qiáng)烈，路透社經(jīng)過發(fā)現(xiàn)(a)圖像篡 (b)真實(shí)圖2008年7月9日、10日，伊朗連續(xù)兩天試射，之后發(fā)布了試射的。不過在事后，《》的發(fā)現(xiàn)，這張發(fā)射了四枚的中PS后的產(chǎn)物，以夸大其的。圖1.3(a)，紅色框和黃色框分別為《紐約》的試射中可能的區(qū)域。問題被披露后不久，伊朗國家衛(wèi)隊將換成了原，如圖1.3(b)所示。(a)篡改圖 (b)真實(shí)圖圖1.3伊 第1章緒論除以上案例外，隨著一些篡改和修飾技術(shù)的越來越成熟，網(wǎng)絡(luò)中很多篡改圖像具有不可思議的真實(shí)感，人們識別圖像真?zhèn)蔚哪芰κ艿娇涨暗?。如何判斷?shù)字圖像是否被篡改或者直接就是的？這不僅是個技術(shù)難題，同時也是有一定的震懾作用，可以篡改圖像的。如果把數(shù)字圖像篡改比喻為“”，那么就可以把數(shù)字圖像篡改檢測比作數(shù)字圖像取證概數(shù)字圖像主動取證數(shù)字圖像主動取證是利用數(shù)字水印[23]或數(shù)字簽名[45]鑒別圖像的原始性和完整性的取證技術(shù)。其中，數(shù)字水印是利用數(shù)字圖像中存在的冗余數(shù)據(jù)和隨機(jī)性，圖像是否篡改的依據(jù)是水印是否保持完整。而數(shù)字簽名是在圖最終將通過對比圖像的特征集是否一致，來判斷圖像是否發(fā)生篡改[1]。 第1章緒論數(shù)字簽名需要第機(jī)構(gòu)進(jìn)行與認(rèn)證。第四，兩種方法能夠檢測的篡改數(shù)字圖像盲取證目前，數(shù)字圖像盲取證的研究工作主要集中在三個方面研究，同時一些著名國際期和會議上也不斷涌現(xiàn)相關(guān)課題的研究成果，這些都 第1章緒論在國外，的大學(xué)和科研機(jī)構(gòu)可謂是圖像取證領(lǐng)域研究的佼佼者。Fririch在SYinghmton大學(xué)組建了一圖像取證研究的團(tuán)隊，該團(tuán)隊是一支較早研究圖像取證領(lǐng)域的團(tuán)隊，并取得了一些令人矚目的成果。其中，最具代表性的是水印主動取證技術(shù)和基于相機(jī)圖像傳感器(hreoupledvic,D)模式噪音的取證技術(shù)[7]。nyFrid的rtmouth大學(xué)里組建了自己的圖像取證科研團(tuán)隊。首先，他們根據(jù)拼接篡改在光照方向上的不一致性，提出了一種通過單一光源方向來鑒別圖像是否存在篡改的理論[8]圖像取證領(lǐng)域的發(fā)展具有開拓性的意義。然后，他們提出了一種基于主成分分析(Prinipalomponent i,P)的篡改測方法[9]，降低了區(qū)域篡改檢測的時間復(fù)雜度，并大大的提高了檢測方法的魯棒性。hihfuhngolumbia大學(xué)科研團(tuán)隊使用基于相機(jī)本身特性響應(yīng)函數(shù)(mraponeFuntion,)來檢篡改，圖像的真?zhèn)问峭ㄟ^評估圖像的相機(jī)響應(yīng)函數(shù)來做出判斷[10]。同時，他們還建立了用來進(jìn)行圖像區(qū)域篡改檢測的數(shù)學(xué)模型[112]，該檢測模型是利相干性信號(iohrn)來對可能存到75%~8%的正確率，但對篡改邊緣經(jīng)過后處理的篡改圖像的魯棒性較差。一些著名國際期和會議同樣有EEEEEETrntiononnfrmtionFrnicsndSurity》和國際會議nterntionlnformationHdingorkhop、MultimiandSurityorkhop、iitlFornicsrhorkhop等。的有：郵電大學(xué)、大連理工大學(xué)、中山大學(xué)、同濟(jì)大學(xué)、大學(xué)等。同時關(guān)注計算機(jī)取證技術(shù)以來我國在2005年和2006年先后兩次在舉辦了第一、二屆計算機(jī)取證技術(shù)。同時，隨著以數(shù)字圖像主動取證為專題的第六屆國際水印學(xué)術(shù)會議在中山大學(xué)的召開，我國對圖像取證的研究變得越來越積極。2007年，在舉辦了第七屆信息隱藏暨多大會，當(dāng)時在新澤西理工學(xué)院任教的和取證專家施云慶教授出席了本次會議，并在會議上做了 第1章緒論的重視，掀起了國內(nèi)研究數(shù)字圖像取證技術(shù)的熱潮，為推動世界數(shù)字圖像取證技術(shù)地發(fā)展做了重要貢獻(xiàn)[]會上，的國外數(shù)字圖像取證技術(shù)的專家越來越多，會議上的征文范圍也在215大辦十息暨多學(xué)術(shù)研討會上，征收到的研討已達(dá)到70余篇，其中14篇被優(yōu)秀，一些成果。但是，相對于強(qiáng)大的圖像處理軟件和圖像越來越強(qiáng)的反取證意內(nèi)外期和會議上也了一定數(shù)量的研究成果。但是，在檢測方法的魯棒性和取證方法的計算和消耗較大計算消耗和空間，這使得檢測系統(tǒng)的實(shí)時性很差，同時也使得系統(tǒng)移植到移動設(shè)備上巨大的。這與人們對加快檢測速度的需求和移動設(shè)備上進(jìn)行 第1章緒論研究內(nèi)由于數(shù)字圖像主動取證技術(shù)的使用條件非常受限制，所以數(shù)字圖像取證息的取證技術(shù)，它地已經(jīng)成為數(shù)字圖像取證取得突破性進(jìn)展的主要技術(shù)。本文在充分了解圖像篡改的基礎(chǔ)上，將較為常用的區(qū)域篡改作為針對數(shù)字圖常見的區(qū)篡改式和實(shí)特征提取要，本文結(jié)合()BT、H、H、H四部分；BLrEF后使用漢明距離匹配相似關(guān)鍵點(diǎn)，達(dá)到檢測圖像篡改的目的。實(shí)驗結(jié)果證明，該方法不僅可以有效地檢測出區(qū)域篡改圖像，同時對平移、旋轉(zhuǎn)、噪音和綜合和更少的空間。針對目前的一些檢測方法對尺度和旋轉(zhuǎn)不敏感的情況，提出了一種基于多尺度Gabor不變特征點(diǎn)的數(shù)字圖像區(qū)域篡改檢測方法。該方法采用多Gabor鍵點(diǎn)方向，保證檢測方法的尺度和旋轉(zhuǎn)不變性。然后，采用二進(jìn)制描述符BREIFRANSAC算法進(jìn)行誤匹配的刪除。實(shí)驗證明，該方法對區(qū)域篡改圖像有較好的檢測結(jié) 第1章緒論章節(jié)安 本依托于一項數(shù)字圖像真實(shí)性鑒別技術(shù)相關(guān)的科研項目，主要內(nèi) 并分析了現(xiàn)存取證方法存在的問題，最后給出本主要的研究內(nèi)容和整體第二章：介紹了數(shù)字圖像區(qū)域篡改及其現(xiàn)存檢測技術(shù)，首先對數(shù)字圖像篡改方式進(jìn)行介紹，然后重點(diǎn)討論了區(qū)域篡改形式，最后介紹了一些現(xiàn)存的區(qū)域篡改檢測方法，并分析這些方法的優(yōu)點(diǎn)和不足。第三章：介紹了本文一種結(jié)合使用DWT和ORB算法的數(shù)字圖像區(qū)域第四章：本章在第三章的基礎(chǔ)上，繼續(xù)對圖像的區(qū)域篡改進(jìn)行研究，提出基于多尺度Gabor不變特征點(diǎn)的圖像區(qū)域篡改檢測方法，詳細(xì)介紹了該方 第2章數(shù)字圖像區(qū)域篡改及檢測技術(shù)第2章數(shù)字圖像區(qū)域篡改及檢測技合成為兩類：一類是通過一幅或多幅圖像中的某一或多個區(qū)域，并粘貼到另一幅圖像中，以達(dá)到篡改的目的，此類篡改是將兩幅或者的圖像進(jìn)行拼接后完成 (b)原始圖像 (c)合成圖像 (d)合成圖像 第2章數(shù)字圖像區(qū)域篡改及檢測技術(shù)這種篡改方式在動畫設(shè)計和生成計算機(jī)的過程中較常被用到，在篡改過程中2.22.2變種篡改示例圖像進(jìn)行修補(bǔ)操作，達(dá)到美化圖像的效果，因此潤飾常被用在藝術(shù)照的處理過程中。潤飾技術(shù)一般不需要其他圖像參與篡改過程，它常常與區(qū)域篡改技術(shù)結(jié)紋和暗斑的皮膚進(jìn)行，遮蓋掉有皺紋和暗斑的部分，經(jīng)過潤飾以后，圖像中 (b)潤飾后圖2.3潤飾篡改示例 第2章數(shù)字圖像區(qū)域篡改及檢測技術(shù) 圖2.4增強(qiáng)篡改示例計算機(jī)生成(ComputerGenerated,成圖像變得越來越真，甚至與數(shù)碼相機(jī)拍攝出來的相差無幾，用肉眼很難2.5 第2章數(shù)字圖像區(qū)域篡改及檢測技術(shù)隨著人們的創(chuàng)作水準(zhǔn)的提高和圖像處理技術(shù)的發(fā)展，繪畫圖像也能達(dá)到肉眼難以分辨的效果(如圖2.6)，所以它也在數(shù)字圖像取證的范圍內(nèi)。2.6在2.1節(jié)介紹的6種圖像篡改方式中，合成篡改最為常見，也是本文主要的研究對象。合成篡改主要分為兩種：拼接和區(qū)域。為了方便后文的研究工作，數(shù)字圖像拼接篡改原f1(x, (x,y)f2(x, (x,y)f(x,y)fn(x, (x,y)D

(x,y) 第2章數(shù)字圖像區(qū)域篡改及檢測技術(shù)其中(x,y)為圖像中像素點(diǎn)的坐標(biāo)，f(x,y)為原圖像的像素值。在彩像中f(xyRGB各顏色通道的像素值所組成的一個三維向量。f(xy為經(jīng)篡改的圖像的像素值，Di(i1,2,n為篡改圖像中第ifi(xy為篡改圖像中對應(yīng)篡改區(qū)域Di的像素值。2.7數(shù)字圖像區(qū)域篡改原區(qū)域篡改又稱為-粘貼(copy-move)篡改，它是將圖像的某個區(qū)域，f(x,y)f(x, (x,f(x,y)f(xd,yd (x,y) 其中(x,y)為圖像中像素點(diǎn)的坐標(biāo)，f(x,y)為原圖像的像素值，在彩像中，f(x,yRGB各顏色通道的像素值所構(gòu)成的三維向量。D為篡改區(qū)域，d1和d2分別指粘貼區(qū)域在水平和垂直方向上的位移，f(x,y)為篡改后圖像的像素值。制后粘貼得來的。從篡改過程可以看出，經(jīng)區(qū)域篡改后的圖像，圖像中會出現(xiàn)至少兩處非常相似的區(qū)域，而這種現(xiàn)象在自然圖像中屬于小概率。所以，篡改。但區(qū)域篡改往往還伴隨著縮放、旋轉(zhuǎn)和模糊等處理以及多重壓縮等操作，這些很大程度上加大了檢測難度。由于本文將區(qū)域篡改做為主要研究對象，所以在下一節(jié)將介紹一些常見的區(qū)域篡改檢測技術(shù)。 第2章數(shù)字圖像區(qū)域篡改及檢測技術(shù)2.8近年來，國內(nèi)外研究人員對于數(shù)字圖像區(qū)域篡改方式提出了很多檢測方關(guān)鍵點(diǎn)匹配的篡改檢測技術(shù)；③基于JPEG特征的篡改檢測技術(shù)?；趫D像塊匹配的區(qū)域篡改檢測技在區(qū)域篡改中，源和目標(biāo)區(qū)域都位于同一張圖像上，因此篡改圖像中至判斷是否存在篡改的檢測方法，其檢測流程如圖2.9所示。 第2章數(shù)字圖像區(qū)域篡改及檢測技術(shù)被用于一些檢測方法中[15-18]。在這些方法中，圖像一般會被從左上角向右下滑動的大小為ss的窗口劃分為或不的方塊。而在另外一些方法中，則使用相應(yīng)的內(nèi)切圓對圖像進(jìn)行塊的圓形劃分，來完成對圖像的分塊[19,20]。如圖圖2.10的44方形劃分和圓形劃Fridrich等人[21]2004年提出了一種基于自相關(guān)矩陣的檢測方法，該方法原小為MN的圖像自相關(guān)性如2.3定義：Mrk,lxi,jxik,jl,i,k0,...,M j,l0,...,N i1 第2章數(shù)字圖像區(qū)域篡改及檢測技術(shù)且對添加噪音和無損壓縮都具有魯棒性。Zhao等人[22]在上述方法的基礎(chǔ)上進(jìn)行了改進(jìn)，他們用局部線性嵌入(LLEPCA算法，達(dá)到了更好的檢測結(jié)果。Zhao方法的實(shí)現(xiàn)方式與[23]中方法的實(shí)現(xiàn)方式很相似，Gan等人在[23]中提出了果，該方法對不高于60度的旋轉(zhuǎn)具有魯棒性。Cao等人[24]將每個內(nèi)切圓圖像塊用離散余弦變換(DCT)表示出來。接下來，4的特每個塊各自的三個顏色通道上RGB(RGB顏色系統(tǒng))上，同時也被用在亮度部分Y(YUV系統(tǒng))上。通過計算每個通DCT系數(shù)和平均強(qiáng)度值得出一個長9的Bashar等人[26]將二維離散小波(2D-DWT)應(yīng)用在每個圖像2上。在每一層上，從各自的四個已獲取的子帶上獲取5個特征，分別是平均值、1范式、2范式、標(biāo)準(zhǔn)差和平均剩余，最終形成特征向量來鑒別是否被篡改。Sarode等人[27]將差和塊中像素的平均剩余，得到每個圖像塊的一個特征向量。這種方法對模糊和邊緣銳化操作具有魯棒性。Muhd等人[28]首先對圖像進(jìn)行分塊，然后用二進(jìn)2LL、LH子帶上的結(jié)構(gòu)相似性來判斷基于關(guān)鍵點(diǎn)匹配的區(qū)域篡改檢測技 第2章數(shù)字圖像區(qū)域篡改及檢測技術(shù)常用的提取算法有SIFT[29]、SURF[30]等。角點(diǎn)是指能夠通過某種具體定義檢測出Harris[31]、FAST[32]等。圖2.12SIFTFAST算法的關(guān)鍵點(diǎn)提取結(jié)果。 第2章數(shù)字圖像區(qū)域篡改及檢測技術(shù)尺度不變特征變換(ScaleInvariantFeatureTransform,SIFT)算法是由DavidLowe在1999年的ICCV會議上提2004年完它對仿射、噪音、JPEG壓縮等都具有很好的魯棒性[29]。步驟1.選取極值點(diǎn)。首先對圖像用不同標(biāo)準(zhǔn)差的函數(shù)進(jìn)行處理，生成高斯金字塔，將金字塔中相鄰兩層圖像相減后得到差分金字塔，在其中選23×3272.篩選關(guān)鍵點(diǎn)。為了得到具有穩(wěn)定特征的關(guān)鍵點(diǎn)，需要去除偏移向量大.如2.5和式2.6m(x,y)

L(x,y,)G(x,y,)f(x,y) (x,y)tan1((L(x,y1)L(x,y1))/(L(x1,y)L(x1, 2.4中為函數(shù)標(biāo)準(zhǔn)差，G(x,y,為二維函數(shù)，f(x,y為像素值，為.近年來，SIFT關(guān)鍵點(diǎn)在圖像區(qū)域篡改檢測領(lǐng)域得到了廣泛的應(yīng)用[33,34]。Huang等人[33]在2008年首次提出了將SIFT算法用于區(qū)域篡改檢測的檢測方得搜索過程具有較高的效率。算定，如果當(dāng)前特征向量的最近鄰距離與次近 第2章數(shù)字圖像區(qū)域篡改及檢測技術(shù)Amerini等人[34]HuangSIFT的檢測方法進(jìn)行了改進(jìn)。主要在兩個方面進(jìn)行改進(jìn)：第一，拓展了使用范圍，將檢測算法拓展至多組粘貼Huang等人僅通過比較比值來查找相似向量不同，該方法通過計算序列中所有相鄰元間的比值得到新的比值序列，如果判斷出其中某內(nèi)元素小于3的類內(nèi)的匹配點(diǎn)，最終實(shí)現(xiàn)減少誤匹配。檢測方法。例如，Shivakumar等人[35]一種基于SURF(SpeededUpRobust基于JPEG特征的區(qū)域篡改檢測技JPEG(JointPhotographicExpertsGroup)是由國際標(biāo)準(zhǔn)化組織(InternationalStandardizationOrganization,IOS)和國際電報咨詢(ConsultationCommitteeofTheInternationalephoneandegraph,CCITT)制定的第一個靜態(tài)壓縮標(biāo)準(zhǔn)[40]。因為數(shù)字圖像自身的屬性，同時也是為了節(jié)省空間，實(shí)際常見也是最成圖像壓縮標(biāo)準(zhǔn)。如今，在多數(shù)圖像設(shè)備中生成圖像的過程都要經(jīng)過JPEG壓縮，而且互聯(lián)網(wǎng)上的數(shù)字圖像也大部分是JPEG格式。區(qū)域篡改檢測方法。He等人[41]運(yùn)用JPEG重壓縮量化的變化規(guī)律有效地檢測出圖像的區(qū)域篡改，并定位出了篡改區(qū)域。該方法的依據(jù)是，篡改后的圖像在成新的JPEG圖像時會被第二次JPEG壓縮量化二次壓縮量化后的圖像，DCT系數(shù)的直方圖會呈現(xiàn)出周期性模式。Popescu等人[9]JPEG 第2章數(shù)字圖像區(qū)域篡改及檢測技術(shù)這會使得圖像中像間的相關(guān)性發(fā)生變化，圖像是否被篡改可以通過檢測重采等人[42]人的基礎(chǔ)之上提出了一種基于JPEG圖像的塊效應(yīng)的檢測利用篡改后圖像塊效應(yīng)網(wǎng)格失配現(xiàn)象(如圖2.13)，檢測和定位出JPEG圖像中的區(qū)域為了對本文檢測方法進(jìn)行評估，本文主要使用了兩個區(qū)域篡改圖像數(shù)據(jù)庫。其中一個的CASIA篡改圖像取證評估數(shù)據(jù)庫，該數(shù)據(jù)庫是由中國的數(shù)字圖像取證團(tuán)隊制作，是國內(nèi)較為的對篡改檢測算法進(jìn)行評估的數(shù)據(jù)庫。CASIA800925幅 第2章數(shù)字圖像區(qū)域篡改及檢測技術(shù)5120張圖像，為其命名為CMI-120。圖2.15是CMI-120數(shù)據(jù)集中部分篡改圖像。 第2章數(shù)字圖像區(qū)域篡改及檢測技術(shù)在本文中，使用準(zhǔn)確率(TureProbability,TP)和虛警率(FalseProbability,FP)對本文檢測方法進(jìn)行性能評估。設(shè)測試圖像集為，篡改圖像集為M，其中檢測出的篡改圖像的個數(shù)為1。那么，原始圖像集為M圖像的個數(shù)為2，則該檢測方法的TP和FP可表示為2.7與2.8TP=FP=

2.50GHz、CPUIncorei54G的個人計算機(jī)和VisualStudio2010應(yīng)用開發(fā)環(huán)境。篡改方式進(jìn)行詳細(xì)講解。然后介紹了區(qū)域篡改目前已有的檢測方法，具重慶郵電大學(xué)第3章基于DWT和ORB的圖像區(qū)域篡改檢測方近些年，由于較好的實(shí)時性，一些基于關(guān)鍵點(diǎn)匹配的檢測方法成為數(shù)字圖像區(qū)域篡改檢測領(lǐng)域的研究熱門。例如，Amrini用SFT算法提取圖像特征點(diǎn)來檢測圖像是否被篡改的方法[34]SFT復(fù)區(qū)域的幾何變換。例如，Li等人[43]提出了一種應(yīng)用本地二進(jìn)制模式檢測區(qū)域篡改的有效方法。原始圖像經(jīng)濾波處理后，將其劃分成的圓塊，然后使用二進(jìn)制模式來計算這SIFTDWTLL、LH、HL、HH四個LLSIFT算法提取特征，并最終通過尋找相尺度和添加噪音具有良好的魯棒性。Ethan等人[45]提出了一種高效的特征提取算法——(rietdFTndotatdE)EF[46]相對于依賴于檢測和匹配代價高的描述符的一些特征提取算法，該算法在匹配效率和空間上具有明顯優(yōu)勢。同時，它還具有旋轉(zhuǎn)不變性且對噪音有較好的魯棒性。本章總結(jié)上述工作，提出了一種基于關(guān)鍵點(diǎn)匹配的數(shù)字圖像區(qū)域篡改檢HL、HHORBLL部分，提取關(guān)鍵點(diǎn)，構(gòu)建二進(jìn)制描重慶郵電大學(xué)第3章基于DWT和ORB的圖像區(qū)域篡改檢測方分析的各個領(lǐng)域[47]。S.Mallat在[48]中基于多分辨率分析理論，提出了離散小波變Mallat算法)，使得小波變換計算不再那么復(fù)雜。在NNN1Nj

j XLL(n1,n2)G(i1)G(i2)XLL(2n1i1,2n2i2)i10i2 N1NXj(n,n) G(i)H(i)

j1(2ni,2ni) i10i2N1N

,

Xj(n,n)H(i)G(i)Xj1(2ni,2ni) i10i2

2N1Nj

jXHH(n1,n2)H(i1)H(i2)XLL(2n1i1,2n2i2i10i2 在3.1中，G(z)和H(z)分別為低通和高通小波分解濾波器，Xj(n,n)為低 現(xiàn)圖像整體的灰度變化；Xj(nn Xj(nnX0 輸入信號，j為變換級數(shù)，其Jlog2N3.1提供了對圖像數(shù)據(jù)進(jìn)行小波變3.2a圖是原圖像，b圖是經(jīng)的邊緣、輪廓、紋理等細(xì)節(jié)信息，會被直接輸出。LL重慶郵電大學(xué)第3章基于DWT和ORB的圖像區(qū)域篡改檢測方XXXXXXXXXX (c)分解示意圖圖3.2離散小波變換處理圖像實(shí)例ORB算法具有較好的旋轉(zhuǎn)不變性和抗噪能力，常被用于提取圖像特征[49,50]。SIFTSIFT的兩倍[45]。ORB特征提取過程分為兩部分：關(guān)鍵點(diǎn)提取(oFAST)和關(guān)鍵點(diǎn)描述(rBRIEF)。重慶郵電大學(xué)第3章基于DWT和ORB的圖像區(qū)域篡改檢測方oFAST：帶方向的FAST關(guān)鍵SIFTSURF，F(xiàn)AST關(guān)鍵點(diǎn)，然后計算關(guān)鍵點(diǎn)方向，操作步驟如下。1.給定一個灰度圖像I(xy)，如果以坐標(biāo)為(xy像素點(diǎn)為圓心，3像素為半徑16116依次進(jìn)行編號，示意圖如圖3.3所示。如果在圓周上有連續(xù)K個像素點(diǎn)的值比圓心像素點(diǎn)的值加上閾值t還要大，或者比圓心像素點(diǎn)的值減去閾值t還要小，則該圓心像素點(diǎn)就是FAST算法沒有一個關(guān)鍵點(diǎn)的度量機(jī)制，并且存在大量的邊緣響應(yīng)，這HarrisFAST關(guān)鍵點(diǎn)進(jìn)行過濾。Harris角點(diǎn)響應(yīng)函數(shù)R(x,y)為：Rx,ydetMktr2MM為像素Ix,y2階自相關(guān)矩det表示矩陣的行tr步驟2.關(guān)鍵點(diǎn)方向的確定

重慶郵電大學(xué)第3章基于DWT和ORB的圖像區(qū)域篡改檢測方mpqxpyqIx,x,cpq是非負(fù)整數(shù)。則圖像塊質(zhì)心為Cxyc

m10ym01m m

鍵點(diǎn)O到圖像塊的質(zhì)心C的向量記作OC，如圖3.4所示。那么向量方向點(diǎn)方向，記作arctanm01rBRIEF：旋轉(zhuǎn)感知型1.二進(jìn)制描述符BRIEF描述符是用一系列二進(jìn)制灰度測試構(gòu)建的比特串來描述圖像塊。將一塊經(jīng)過光滑過后的圖像塊記作p，二進(jìn)制測試就被定義為：(p;x,y) p(x)p(y

p(xi)p(yi其中，p(xpxuv)T處的灰度值，(xyp fn(p)2i1(p;xi,yi

重慶郵電大學(xué)第3章基于DWT和ORB的圖像區(qū)域篡改檢測方中它的性能最好，采用的向量長度n為256[45]。BRIEFrBRIEF 述符。由于BRIEF特征是設(shè)置在本地(xi,yi)上進(jìn)行n次二進(jìn)制測試，所以我們可以定義一個2n的矩陣S ,xn。那么，就可以使用塊的方向和相應(yīng)的 y , nRcossinS，即SRS。只要關(guān)鍵點(diǎn)方向 sin cos 這樣得到的BRIEF描述符具有一定的旋但與普通BRIEF描述符相間的不相關(guān)性降低。為了解決這個問題，ORB算法引入了一種貪心學(xué)習(xí)算法，通過學(xué)習(xí)識別并移除高方差BRIEF，得到最終的rBRIEF描述符。ORB算法提取特征，最后通過匹配相似點(diǎn)來檢測是否被篡改，具步驟2.離散小波變換(DWT)對測試圖像進(jìn)行離散小波變換，由于圖像在每層都要進(jìn)行下采樣，所以在圖像在每層都會變小，這起到了一定的降維作用。測試圖像在其各層被簡化為L、、HL子圖上，即被認(rèn)為是一張圖像的近似。FAST重慶郵電大學(xué)第3章基于DWT和ORB的圖像區(qū)域篡改檢測方BRIEF對關(guān)鍵點(diǎn)進(jìn)行描述，再結(jié)合關(guān)鍵點(diǎn)方向，得到具有旋轉(zhuǎn)不變性的二進(jìn)制描述符rBREIF。探測局部敏感哈希(LSH)搜索，距離使用漢明距離。多重探測LSH由傳統(tǒng)LSH發(fā)展而來，是在一個降序排列的查詢描述符集合中尋找相鄰的桶[51]。最終，設(shè)定合適FASTrBRIEF，不僅提高檢測方法的檢測速度，同時也降低了檢測過程中的消耗。本文檢測方法將DWT和ORBDWTORB算法的優(yōu)勢更加明顯，實(shí)驗結(jié)CMI-120圖像集的圖像中，受到同表3.1區(qū)域篡改檢測結(jié)重慶郵電大學(xué)第3章基于DWT和ORB的圖像區(qū)域篡改檢測方(a)原圖像 (b)篡改圖像 (c)檢測結(jié)果圖圖3.5檢測結(jié)果展示CMI-120中的部分篡改圖像進(jìn)行檢測，用統(tǒng)計的方法評估本章方法面對不同的檢測性能。根據(jù)篡改類型將圖像分為四組，對不同均匹配時間。由于數(shù)據(jù)集中原圖像相同的篡改圖像的篡改區(qū)域都相同，所以統(tǒng)計3.2重慶郵電大學(xué)第3章基于DWT和ORB的圖像區(qū)域篡改檢測方對比分方法進(jìn)行比較。從中國的篡改圖像檢估數(shù)據(jù)庫CASIA中選取100幅區(qū)100100實(shí)驗效果圖示例，最終結(jié)果如表3.3。(a)原圖 (b)篡改圖 (e)ORB算 (f)本文方3.3可以看出，雖然本章的方法的正確率比[34]和[44]中方法略低，但是BRIEF所需要的空間是SIFT描述符的1/16。另外，相對于僅使用ORB算法的檢測方法，本章方法結(jié)合使用DWT后，檢測正確率明顯提高，虛警率明顯降低。重慶郵電大學(xué)第3章基于DWT和ORB的圖像區(qū)域篡改檢測方3.3635法具有計算消耗少，運(yùn)行速度快，需要的空間少的特點(diǎn)。通過實(shí)驗證明，本文檢測方法能夠穩(wěn)定地檢測出區(qū)域篡改圖像，即使是篡改過程中被額運(yùn)行速度更快，所需空間更小，同時也能保證一定的檢測正確率，更適合于重慶郵電大學(xué)第4章基于多尺度Gabor不變特征點(diǎn)的篡改檢測方區(qū)域篡改的簡單性和高效性，使得它成為最常被使用的圖像篡改方式。區(qū)域篡改檢測的主要目標(biāo)是檢測出區(qū)域和粘貼區(qū)域。由于源自同一張圖像，區(qū)域和粘貼區(qū)域有著幾乎完全相同的特征，所以這個檢測過程并不是一件簡單的事情。為了使得變的不明顯，會對粘貼前的區(qū)域或是整張篡改圖像，附加一些后處理操作。這些操作包括添加噪音、旋轉(zhuǎn)、尺度變換、有損壓縮、邊緣銳化、改變灰度等。其中尺度變換和旋轉(zhuǎn)最常見，但目前存在的25]。Gabor不變特征點(diǎn)的篡改檢測方法。該方Gabor濾波器組提取關(guān)鍵點(diǎn)，并使用計算效率較高二進(jìn)制描述BRIEF[46]，匹配采用漢明距離進(jìn)行相似性判斷，這使得本方法具有匹配刪除。檢測方法流程圖如圖4.1所示。匹匹描圖結(jié)4.1基于多尺度Gabor多尺度Gabor不變特征為了使圖像特征點(diǎn)具有尺度不變性，基于多尺度分析理論的尺度不變特征點(diǎn)檢測方法應(yīng)運(yùn)而生，其中最具代表性的有差分法(Do)[29]、ri-[56]、重慶郵電大學(xué)第4章基于多尺度Gabor不變特征點(diǎn)的篡改檢測方Gabor小波的局部尺度提取方法在一些文獻(xiàn)中Gabor變換中的極大值能夠反Gabor函數(shù) y2 22G(x,y,v,)2exp2v22v2expj2 x22 Lx,y,vl,mf(x,y)G(x,y,vl,m)Lx, f(xyL

提取步步驟1.建立尺度空間度vl上近似的各向同性分解：mLx,y,vlLx,y,vl,m

2.lL(x,y)Lx,y,vll

重慶郵電大學(xué)第4章基于多尺度Gabor不變特征點(diǎn)的篡改檢測方3.Xx,yL(x,y)L(xk,yk),(xk,yk)N(x, Nxy表示(xy的鄰域，極值點(diǎn)的搜索區(qū)域通常是33的鄰域。步驟4.選取最終點(diǎn)集3中提取的局部極大值點(diǎn)，并不都滿足整體的穩(wěn)定和顯著的特點(diǎn)，同 maxL(x,y)，則最終保留的點(diǎn)集為(x,X(x,y)L(x,y) y)X 其中T(0,1)表示閾值因子，X即為提取的尺度不變特征點(diǎn)集二進(jìn)制描述BRIEF是由Calonder2010年的ECCV會議上提出計算二進(jìn)制描述符的算法[46]。在該算法中，首先比較每個關(guān)鍵點(diǎn)鄰域內(nèi)n個隨機(jī)點(diǎn)對像素值的大小，然后將每個點(diǎn)對的比較結(jié)果記作一個二進(jìn)制位(01)n維二進(jìn)制描述向量。該描述符與一些常見的描述符不同，常見的描述符(SIFT等)的數(shù)據(jù)BRIEFp，定義二進(jìn)制測試(p;x,y) p(x)p(y

p(xi)p(yip(xpxuv)Tn fn(p)2i1(p;xi,yi

重慶郵電大學(xué)第4章基于多尺度Gabor不變特征點(diǎn)的篡改檢測方同性分布，同時向量長度n256。其取點(diǎn)對的選取模板如圖4.2所示。4.2旋轉(zhuǎn)不變特方向是由Rosin等人在1999年強(qiáng)度質(zhì)心[59]，它是指關(guān)鍵點(diǎn)到圖像塊質(zhì)心的偏mpqx,

xpyqIx, Cm1,0,m0,1 0,0關(guān)鍵點(diǎn)OS的質(zhì)心C的向量記作OC，那么向量方向就是關(guān)鍵點(diǎn)方向如公4.11。 上節(jié)提到，BRIEFn次點(diǎn)對(xiyi一個2n重慶郵電大學(xué)第4章基于多尺度Gabor不變特征點(diǎn)的篡改檢測方M xM y,

最終，描述符將表示如4.13。gn(p,)fn(p)|(xi,yi) 特征匹將上節(jié)得到的描述符集合記作Gn，由于Gn集合中的描述符是二進(jìn)制描述符，因此在描述符匹配地時候計算的是它們之間的漢明距離。假設(shè)di(x,y和dj(x,y集合Gn中的任意兩個描述符，i和j都屬于{1, ,N}，且i明距HD(di(x,ydi(xy為

LHD(di(x,y),di(x,y))=(ekfkk

其中符號表示異或操作(XOR)，ekfkk01為描述符長度。因此描述符di(x,y)和dj(x,y)的相似度可以用4.15來度量HD(di(x,y),di(x,y))L

值，則認(rèn)為這兩個描述符是相似的。誤匹配消ConsensusRANSAC)來消除誤匹配，該算法在篡改檢測中常被用于消除誤匹配[34,60]。由于區(qū)域和其刪除。設(shè)(i,j)和(k,l)是一對匹配點(diǎn)，那么他們的仿射關(guān)系可以表示為：重慶郵電大學(xué)第4章基于多尺度Gabor不變特征點(diǎn)的篡改檢測方i jj j Hl

1 1 1a11 txaH a

y 1iWk

j 其中，W a12，t tT，這樣，選取3對不共線的匹配對就可以估 a y 22射矩陣H。,(i,j)TW(k,l)Tt 3.重復(fù)C31、2的過程，最后將n 實(shí)驗結(jié)本節(jié)展示本章區(qū)域篡改檢測方法的有效性。將數(shù)據(jù)集CMI-120中的圖像同一種篡改形式的分為一組，共分為6組。它們分別經(jīng)過平移、旋轉(zhuǎn)重慶郵電大學(xué)第4章基于多尺度Gabor不變特征點(diǎn)的篡改檢測方尺度變加噪音和綜合等篡改處圖像大小為384×256或256×384最終，通過每組圖像的檢測結(jié)果來判斷檢測方法對這些篡改方式是否有效。在檢測過程中，方法對平移、旋轉(zhuǎn)、尺度變化、添加噪聲都具有一定的魯棒性，下面將對本方法 圖4.3區(qū)域篡改(平移)檢測結(jié)果重慶郵電大學(xué)第4章基于多尺度Gabor不變特征點(diǎn)的篡改檢測方如圖4.4所示，a為原始圖像，b為篡改圖像。將圖像中的人物和狗進(jìn)行，旋轉(zhuǎn)20°后粘貼在圖像的其他區(qū)域。圖c為檢測結(jié)果，綠線是檢測到的 圖4.4區(qū)域篡改(旋轉(zhuǎn))檢測結(jié)果如圖4.5所示，a為原始圖像，b為篡改圖像。將原始圖像中羚羊 圖4.5區(qū)域篡改(尺度變化)檢測結(jié)果重慶郵電大學(xué)第4章基于多尺度Gabor不變特征點(diǎn)的篡改檢測方如圖4.6所示，a為原始圖像，b為篡改圖像。將原始圖像中的某一區(qū) 圖4.6區(qū)域篡改(添加噪音)檢測結(jié)果對比分在本節(jié)中將本章方法與基于SIFT算法的方法和基于SURF的方法進(jìn)行對比實(shí)驗，所使用的數(shù)據(jù)集是CASIA中的300幅經(jīng)過區(qū)域篡改過的圖像。實(shí)驗結(jié)果是本章檢測方法在檢測時間和描述符的空間方面要優(yōu)于前面兩種算法。其中4.7中給出了本章檢測方法對CASIA數(shù)據(jù)集進(jìn)行檢測的部分實(shí)驗結(jié)果，其中4.2準(zhǔn)確率重慶郵電大學(xué)第4章基于多尺度Gabor不變特征點(diǎn)的篡改檢測方BRIEF為模板，以強(qiáng)間和空間的花銷，同時也對旋轉(zhuǎn)和尺度變化具有較好的魯棒性。 第5章總結(jié)與展望5像的越來越大，特別是這些圖像被用于司法、攝影、取證、法律實(shí)施、索賠、醫(yī)學(xué)圖像時，會造成更加惡劣的影響。所以，數(shù)字圖像篡本文的主要研究工作針對一種比較常見的數(shù)字圖像篡改方式——區(qū)域篡狀、目前存在的問題做了簡要的介紹，使讀者能夠清晰了解本文的研究背景。第二章，介紹了常見的圖像篡改方式，并詳細(xì)介紹了區(qū)域篡改方式，最后描述特征。第三章和第四章，針對于區(qū)域篡改，提出了兩種檢測算法：一種基于DWT和ORB的數(shù)字圖像區(qū)域篡改檢測方法。該方法具有計算消耗少、運(yùn)算速度快、消耗空間小的特點(diǎn)，更適合于向智能移動端的LLORB算法進(jìn)行特征提取和特征描述，最和綜合都有良好的魯棒性，保證了一定的檢測正確率的同時，具有更高的檢前存在的一些檢測方法對尺度和旋轉(zhuǎn)不敏感的情況，采用多尺度Gabor濾波除，完成檢測過程。實(shí)驗證明，該檢測方法不僅能夠有效地檢測出區(qū)域篡改 第5章總結(jié)與展望檢測方法不具備普適性。本文所檢測方法均針對數(shù)字圖像區(qū)域復(fù)合成篡改也分為拼接和區(qū)域兩種。在實(shí)際生活中，高水平篡改圖像一般都集合了多種篡改，而本文的方法僅針對區(qū)域，在實(shí)際應(yīng)用中會很受限制。無法檢測出多組區(qū)域篡改。本文中所檢測方法均針對單組區(qū)域篡改檢測，當(dāng)出現(xiàn)多組區(qū)域篡改圖像時，檢測方法失效。下一步，應(yīng)該對檢測方法中的匹配算法做出改進(jìn)，特別是對二進(jìn)制描述符的匹配算法，使其不明顯時，判斷篡改區(qū)域變得更加。在下一步的研究工作中，應(yīng)該添加圖像 參考文周琳娜,.數(shù)字圖像取證技術(shù)[M].:郵電大學(xué),2008:0-222.DittmannJ,SteinmetzA,SteinmetzR.Content-baseddigitalsignatureformotionpicturesauthenticationandcontent-fragilewatermarking[C]//MultimediaComputingandSystems.1999IEEEInternationalConferenceon.Florence:IEEEPress,1999:209-213.LuChunShien,LiaoHongYuanMark.Multipurposewatermarkingforimageauthenticationandprotection[J].IEEETransactionsonImageProcessing,2001,10(10):1579-1592.SchneiderM,ChangShihFu.Arobustcontentbaseddigitalsignatureforimageauthentication[C]//ImageProcessing,1996Proceedings.InternationalConferenceon.Lausanne:IEEEPress,1996:227-230.LuChunShien,LiaoHongYuanMark.Structuraldigitalsignatureforimageauthentication:analdistortionresistantscheme[J].IEEETransactionsonMultimedia,2003,5(2):161-173.SencerHT,MemonN.StatisticalScienceandInterdisciplinaryResearch[M].USA:WorldScientificPublishing,2008:0-384.Luká?J,FridrichJ,GoljanM.Detectingdigitalimageforgeriesusingsensorpatternnoise[J].Security,2006,60(7):1-11.JohnsonMK,FaridH.Exposingdigitalforgeriesincomplexlightingenvironments[J].InformationForensicsandSecurity,IEEETransactionson,2007,2(3):450-461.PopescuAC,FaridH.ExposingDigitalForgeriesbyDetectingDuplicatedImageRegions[J].Comput.sci.dartmouthCollegePrivateIvyLeagueRes.univ,2004,3(1):646-657.NgTianTsong,ChangSshihFu,TsuiMaoPei.Cameraresponsefunctionestimationfromasingle-channelimageusingdifferentialinvariants[J].Tech.Rep.,ADVENT,2006,3(1):1-19.NgTianTsong,ChangShihFu,SunQibin.Blinddetectionofphotomontageusinghigherorderstatistics[C]//CircuitsandSystems,2004.ISCAS'04. Proceedingsofthe2004InternationalSymposiumon.Orlando:IEEEPress,2004:V-688-V-691.NgTianTsong,ChangShihFu,ChingYL,QibinS.Passive-BlindImageForensics:MultimediaSecurityforDigitalRights[M].Orlando:AcademicPress,2006:383-412.FaridH.Creatinganddetectingdoctoredandvirtualimages:Implicationstothechildographypreventionact[J].DepartmentofComputerScience,DartmouthCollege,TR2004-518,2004,13(1):1-13.Al-QershiOM,KhooBE.Passivedetectionofcopy-moveforgeryindigitalimages:State-of-the-art[J].Forensicscienceinternational,2013,231(1):284-SadeghiS,JalabHA,DadkhahS.EfficientCopy-MoveForgeryDetectionforDigitalImages[J].WorldAcademyofScienceEngineering&Technology,2012,17(1):755-759.ZhaoJie,GuoJichang.Passiveforensicsforcopy-moveimageforgeryusingamethodbasedonDCTandSVD[J].Forensicscienceinternational,2013,233(1):ChaitawittanunN.Detectionofcopy-moveforgerybyclusteringtechnique[J].InternationalProceedingsofComputerScience&InformationTechnology,2012,50(1):1-6.RyuSJ,KirchnerM,LeeMJ,etal.RotationinvariantlocalizationofduplicatedimageregionsbasedonZernikemoments[J].InformationForensicsandSecurity,IEEETransactionson,2013,8(8):1355-1370.Bravo-SolorioS,NandiAK.Automateddetectionandlocalisationofduplicatedregionsaffectedbyreflection,rotationandscalinginimageforensics[J].SignalProcessing,2011,91(8):1759-1770.WangJunwen,LiuGuangjie,LiHongyuan,etal.Detectionofimageregionduplicationforgeryusingmodelwithcircleblock[C]//2009InternationalConferenceonMultimediaInformationNetworkingandSecurity.InternationalConferenceon.Hubei:IEEEPress,2009:25-29.FridrichBAJ,SoukalBD,Luká?AJ.Detectionofcopy-moveforgeryindigitalimages[J].ProceedingsofDigitalForensicResearchWorkshop,2003,15(1):1- ZhaoJunhong.Detectionofcopy-moveforgerybasedononeimprovedLLEmethod[C]//AdvancedComputerControl(ICACC).20102ndInternationalConferenceon.Shenyang:IEEEPress,2010:547-550.GanYanfeng,CangJing.Adetectionalgorithmforimagecopy-moveforgerybasedonimprovedcircularprojectionmatchingandPCA[J].Sensors&Transducers,2013,159(11):1-19.CaoYanjun,GaoTiegang,FanLi,etal.Arobustdetectionalgorithmforcopy-moveforgeryindigitalimages[J].Forensicscienceinternational,2012,214(1):WandjiND,XingmingSun,KueMF.Detectionofcopy-moveforgeryindigitalimagesbasedonDCT[J].arXivpreprintarXiv:1308.5661,2013,15(1):1-8.BasharMK,TakeuchiY,NodaK,etal.Wavelet-BasedMultiresolutionFeaturesforDetectingDuplicationsinImages[C]//ProceedingsoftheIAPRConferenceonMachineVisionApplications.IaprConferenceonMachineVisionApplications.Tokyo,Japan:IEEEPress,2007:264-267.SarodeTK,VaswaniN.Copy-moveforgerydetectionusingorthogonalwavelettransforms[J].InternationalJournalofComputerApplications,2014,88(8):41-MuhdN,HussainM,MuhdG,etal.Copy-moveforgerydetectionusingdyadicwavelettransform[C]puterGraphics,ImagingandVisualization(CGIV).2011EighthInternationalConferenceon.Singapore:IEEEPress,2011:103-108.LoweDG.Distinctiveimagefeaturesfromscale-invariantkeypoints[J].Internationaljournalofcomputervision,2004,60(2):91-110.BayH,TuyaarsT,GoolLV.SURF:SpeededUpRobustFeatures.[J].ComputerVision&ImageUnderstanding,2006,110(3):404-417.HarrisC,StephensM.Acombinedcornerandedgedetector[C]//Alveyvisionconference.InProcof AlveyVisionConference.UK:PlesseyResearchRokeManor,1988:147-152.RostenE,PorterR,DrummondT.Fasterandbetter:Amachinelearningapproachtocornerdetection[J].PatternysisandMachineInligence,IEEETransactionson,2010,32(1):105-119. HuangHailing,GuoWeiqiang,ZhangYu.Detectionofcopy-moveforgeryindigitalimagesusingSIFTalgorithm[C]putationalInligenceandIndustrialApplication,2008.PACIIA'08.Pacific-AsiaWorkshopon.Wuhan:IEEEPress,2008:272-276.AmeriniI,BallanL,CaldelliR,etal.Asift-basedforensicmethodforcopy–moveattackdetectionandtransformationrecovery[J].InformationForensicsandSecurity,IEEETransactionson,2011,6(3):1099-1110.ShivakumarBL,BabooLDSS.DetectionofregionduplicationforgeryindigitalimagesusingSURF[J].IJCSIInternationalJournalofComputerScienceIssues,2011,8(4):199-206.***,***.******************[J].JournalofComputationalInformationSystems,2014,**(*):**-**.***,***.******************[J].JournalofInformation&ComputationalScience,2014,**(*):**-**.***,**.******************[J].JournalofComputationalInformationSystems,2014,**(*):**-**.***,**,**.******************[J].JournalofComputationalInformationSystems,2015,**(*):**-**.勝國瑞.數(shù)字圖像取證與反取證技術(shù)研究[D].:大學(xué),HeJunfeng,LinZhouchen,WangLifeng,etal.DetectingdoctoredJPEGimagesviaDCTcoefficientysis[C]puterVision–ECCV2006.SpringerBerlinHeidelberg.Berlin:IEEEPress,2006:423-435.LiWeihai,YuanYuan,YuNenghai.PassivedetectionofdoctoredJPEGimageviablockartifactgridextraction[J].SignalProcessing,2009,89(9):1821-1829.LiLeida,LiShushang,ZhuHancheng.AnEfficientSchemeforDetectingCopy-moveForgedImagesbyLocalBinaryPatterns[J].HidingandMultimediaSignalProcessing,2013,4(1):46-57.HashmiMF,HambardeAR,KeskarAG.CopymoveforgerydetectionusingDWTandSIFTfeatures[C]//InligentSystemsDesignandApplications(ISDA).201313thInternationalConferenceon.Bangi:IEEEPress,2013:188- RubleeE,RabaudV,KonoligeK,etal.ORB:anefficientalternativetoSIFTorSURF[C]