图像seam carving的被动取证研究

发布时间：2022-10-18 17:58

　　随着图像编辑软件的兴起,新手也可轻易篡改图像内容而不留下明显痕迹。考虑到图像真实性的重要性,图像时常作为新闻、科研成果发表,医疗应用以及司法证据,其中混入篡改图像,后果难以想象。因此,证实图像的真实性的篡改检测十分有必要。Seam carving能够有效缩放图像,并且缩放后的图像不会有肉眼可见的线索。目前,人们可以通过Adobe Photoshop使用这一技术。同时,也被一些犯罪分子用来进行图像篡改,例如图像中特定对象的删除。现有的算法能够解决不同缩放比例的篡改检测,但是仍存在低缩放因子效果不理想以及鲁棒性问题。为了解决以上问题,本文提出了两种基于联合特征的检测算法。针对seam carving检测,提出了一种基于残差域的局部二值模式（LBP）的能量偏差特征以及Markov特征相结合的联合特征算法。其思路是:图像中相邻像素间存在一定相关。在seam carving操作时,每从图像中去除一条seam,则去除像素右侧相邻的像素必须左移填补移除像素位置。则图像去除seam相邻像素间的关系发生变化,像素间的大小关系可能发生变换。最终,将提取的联合特征输入到支持向量机（SVM）分类器,将提取的特... 

【文章页数】：55 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 基于图像缩放的国内外研究现状
    1.3 本文的主要研究内容及贡献
    1.4 本文的组织结构
第2章 基于图像内容感知技术的缩放技术
    2.1 引言
    2.2 Seam carving算法原理
    2.3 差分像素邻接矩阵特征
    2.4 局部二值模式
    2.5 Seam carving检测算法的评估指标
    2.6 本章小结
第3章 基于联合特征的seam carving篡改取证算法
    3.1 引言
    3.2 两项联合特征的提取算法
        3.2.1 Seam carving篡改检测分析
        3.2.2 基于联合特征模型的检测框架
        3.2.3 基于变换域的LBP特征
        3.2.4 基于块的Markov特征
        3.2.5 分类器
    3.3 实验结果与分析
        3.3.1 图像测试集的制作
        3.3.2 Seam carving的检测效果与分析
        3.3.3 JPEG图像seam carving的检测效果与分析
        3.3.4 讨论
    3.4 本章小结
第4章 改进的基于seam carving篡改检测
    4.1 引言
    4.2 三项联合特征的提取算法
        4.2.1 LBP特征及基于块的Markov特征
        4.2.2 差分像素邻接矩阵特征
    4.3 实验结果及分析
        4.3.1 Seam carving的检测效果
        4.3.2 Seam carving、JPEG-seam carving以及ori操作链检测效果
        4.3.3 结果分析
    4.4 本章小结
结论
参考文献
附录 A 攻读硕士学位期间发表论文目录
附录 B 攻读学位期间参与的研究项目
致谢


【参考文献】：
期刊论文
[1]一种基于LBP和马尔科夫特征的细缝裁剪取证方法[J]. 郭继昌,王秋子,赵洁,祁清.  电子科技大学学报. 2018(04)
[2]基于扩展马尔科夫特征的Seam-Carving篡改检测[J]. 盛国瑞,高铁杠,范礼,高琳,杨福圣,张顺.  通信学报. 2014(06)

博士论文
[1]数字图像盲取证技术研究[D]. 周琳娜.北京邮电大学 2007

硕士论文
[1]基于seam carving篡改技术的被动取证研究[D]. 顾文武.湖南大学 2018
[2]基于Seam carving篡改技术的被动取证研究[D]. 尹婷.湖南大学 2016
[3]基于样本合成图像修复的对象删除被动取证研究[D]. 梁早珊.湖南大学 2015



本文编号：3692786