基于统计特征的数字图像拼接检测技术研究

发布时间：2017-06-06 01:17

  本文关键词：基于统计特征的数字图像拼接检测技术研究，，由笔耕文化传播整理发布。

【摘要】：伴随着互联网、计算机技术和数码设备的急速发展和普及,数码相机和丰富多彩的图像已经广泛融入人们的日常生活中。同时,相应的数字图像编辑工具也大量出现,对数码照片、图像进行处理、修饰变得越来越简单,从视觉上已经不易察觉出自然图像和篡改图像。对数字图像的伪造篡改变得随心所欲,其安全性受到前所未有的考验,若虚假图片被随意使用在新闻媒体、法律案件、军事领域等重要场合,这将会引起个人偏激行为的产生,同时也会对社会和谐稳定发展产生影响。因此,通过技术手段鉴定数字图像的真实性与可靠性很有实际意义,对该技术的研究成为近年数字图像取证的热点。本文对数字图像取证的研究背景、取证技术、相关的研究机构和目前面临的问题进行了较为详细的介绍。重点对数字图像被动取证中的篡改伪造技术、取证算法、被动取证系统和合成篡改图像特征等四个方面进行了总结归纳。重点分析了目前主流的被动取证算法,在前人研究的基础上,提出一种新的基于统计特征提取的拼接检测算法作为本文创新点。本文主要工作如下:(1)研究数字图像拼接被动盲取证思路,对目前不同的被动取证进行了学习,对取证算法的分类、模型和被动取证过程中所使用的具体特征做了全面介绍。(2)结合现有数字图像被动盲取证的理论模型,根据盲取证的不同算法,归结出一个基于统计特征的被动取证的理论模型。(3)由于传统的图像拼接检测方法存在识别率低和提取特征维度高的缺陷,本文对图像特征提取中的特征维度与拼接检测精度两者之间的关系进行了学习和研究。基于图像是由众多像素组合而成,图像的篡改必定引起图像像素改变的思路,提出以像素为基础的改进特征维度的思想,提出将数字图像的信息熵和差分激励特征融合的数字图像拼接检测算法。在该方法中,首先对原图像提取信息熵和差分激励;其次采用差分直方图进行特征融合;再次使用v-SVM(v-Support Vector Machine)分类器建立模型;最后判定图像是否经过篡改操作。经过实验平台仿真,在哥伦比亚拼接图像库中本文提出的算法在特征维度和检测精度方面具有一定优势,为实现快速拼接检测提供了依据。
【关键词】：图像拼接 统计特征 信息熵 差分激励 支持向量机
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-6
• Abstract6-11
• 1 绪论11-22
• 1.1 研究背景和意义11-14
• 1.2 取证技术的分类14-19
• 1.2.1 数字图像主动取证15-17
• 1.2.2 数字图像被动取证17-19
• 1.3 取证技术的研究现状19-20
• 1.4 被动取证面临的挑战20-21
• 1.5 本文的研究内容和结构安排21-22
• 2 数字图像被动取证技术22-32
• 2.1 数字图像篡改技术22-25
• 2.2 数字图像取证技术25-27
• 2.2.1 数字图像篡改检测25-27
• 2.2.2 数字图像来源认证27
• 2.2.3 数字图像隐密分析检测27
• 2.3 数字图像被动取证系统27-30
• 2.4 拼接篡改图像取证的特征30-31
• 2.5 本章小结31-32
• 3 拼接被动盲取证算法32-42
• 3.1 数字图像拼接操作32-35
• 3.1.1 数字图像拼接过程32
• 3.1.2 拼接图像的统计特征32-34
• 3.1.3 拼接图像库34-35
• 3.2 基于统计特征的检测算法35-37
• 3.2.1 基于自然图像统计模型的拼接检测算法35
• 3.2.2 基于图像评价量的拼接检测算法35-36
• 3.2.3 基于二元相似性度量的拼接检测算法36-37
• 3.3 基于块匹配的复制粘贴检测算法37-41
• 3.3.1 遍历搜索法37-38
• 3.3.2 图像块自相关匹配法38-39
• 3.3.3 块离散余弦变换法39-40
• 3.3.4 主成分分析算法40-41
• 3.4 特征点匹配的检测方法41
• 3.5 本章小结41-42
• 4 信息熵和差分激励融合的图像拼接检测算法42-53
• 4.1 特征提取42-47
• 4.1.1 信息熵42-44
• 4.1.2 差分激励44-47
• 4.2 特征融合47-49
• 4.3 支持向量机的多特征检测49-52
• 4.4 本章小结52-53
• 5 实验结果和实验数据分析53-58
• 5.1 样本的选取53
• 5.2 实验参数选择53
• 5.3 实验结果及分析53-57
• 5.3.1 特征维数54-55
• 5.3.2 实验对比55-57
• 5.4 本章小结57-58
• 6 总结与展望58-60
• 6.1 本文总结与创新58-59
• 6.2 下一步的研究工作59-60
• 参考文献60-66
• 攻读硕士学位期间发表的论文及所取得的研究成果66-67
• 致谢67-68

【参考文献】

中国期刊全文数据库 前10条

1 樊晓婷;马巧梅;陈够喜;杨秋翔;;信息熵和差分激励融合的图像拼接检测[J];计算机工程与设计;2016年01期

2 盛国瑞;高铁杠;范礼;高琳;杨福圣;张顺;;基于扩展马尔科夫特征的Seam-Carving篡改检测[J];通信学报;2014年06期

3 朱新山;陈砚鸣;董宏辉;丁杰;;基于双域信息融合的鲁棒二值文本图像水印[J];计算机学报;2014年06期

4 王小龙;沈新宁;杜建洪;;基于梯度相关图的光照不变图像检索算法[J];计算机应用与软件;2014年06期

5 袁全桥;苏波;赵旭东;李生红;;基于高频小波子带马尔可夫特征的图像拼接检测[J];计算机应用;2014年05期

6 刘一;刘本永;;基于再采样的图像重采样伪作检测[J];计算机应用;2014年03期

7 仝威;赵旭东;王士林;李生红;;基于熵和多步马尔可夫特征的图像拼接检测[J];计算机工程;2014年01期

8 刘晓霞;李峰;熊兵;;基于韦伯局部特征的图像拼接检测[J];计算机工程与应用;2013年12期

9 胡然;张天骐;高洪兴;;基于离散小波变换和离散余弦变换域的扩频水印盲提取算法[J];计算机应用;2013年01期

10 段新涛;方勇;;基于稀疏分解的置换混叠图像盲分离[J];高技术通讯;2012年04期

中国博士学位论文全文数据库 前3条

1 王波;利用成像引入特征的数字图像被动盲取证研究[D];大连理工大学;2010年

2 赵珊;基于内容的图像检索关键技术研究[D];西安电子科技大学;2007年

3 周琳娜;数字图像盲取证技术研究[D];北京邮电大学;2007年

中国硕士学位论文全文数据库 前6条

1 王洪姣;图像质量评价方法的研究及实现[D];西安电子科技大学;2014年

2 文昌;鲁棒性数字水印和脆弱性数字水印的研究[D];华中师范大学;2013年

3 龙春琳;基于颜色信息熵与边缘信息熵的图像检索技术研究[D];西安电子科技大学;2010年

4 郭大洲;基于韦伯局部特征和形状上下文的图像识别与匹配算法[D];天津大学;2010年

5 陡春妮;用于认证的图像数字签名技术研究[D];西安理工大学;2010年

6 陆宇光;用于版权保护的数字指纹技术的研究[D];苏州大学;2009年

  本文关键词：基于统计特征的数字图像拼接检测技术研究，由笔耕文化传播整理发布。

本文编号：425077