计算机生成图像和翻拍图像取证关键技术研究

发布时间：2021-12-29 01:36

　　当今网络飞速发展,在如此庞大的数字网络中,不可避免会涉及图像的传输,这些以数字化形式存在于网络上的文字及图像可以轻易的被复制、修改和添加,并被不法人员所利用进行恶意破坏。虽然可以从技术上判断图像是否被修改,但是随着计算机和智能手机的飞速发展,产生了新的图像攻击方式,即计算机生成图像和翻拍图像攻击。高质量的篡改图像已经给我们带来了巨大威胁,2007年发生在中国陕西的华南虎事件所造成的影响已经敲响了警钟,即使真正由数码设备获取的图像也不一定是真实的。因此,在网络信息安全中,对真实图像和篡改图像的鉴别取证就具有非常重要的意义。本文主要工作:1.总结图像的成像原理,提出真实图像和计算机生成图像、翻拍图像的成像原理差异,提出真实图像和翻拍图像成像差异的数学模型;提出真实图像和翻拍图像的高频信息和低频信息在频率域上的差异。2.提出基于亚像素理论和LTP算法的计算机生成图像取证算法。利用真实图像和计算机生成图像在纹理上的差异,本文提出亚像素原理和Hough直线检测算法,提取图像边缘直线信息,并计算差分亚像素特征、梯度方向亚像素特征以及梯度方差亚像素特征。本文中亚像素特征主要针对图像的边缘信息进行检测... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：120 页

【学位级别】：博士

【部分图文】：

伊朗军方发布的伪造照片

计算机生成图像

第 1 章 绪论图 1.4 中的图像都是计算机生成图像，这类图像和其它篡改图像不同，它们是由计算机软件合成出来的。虽然生成方式不同，但还是可以利用图像取证技术进行鉴别。随着数码相机和智能手机的飞速发展，出现了一种新的篡改图像，即翻拍图像，翻拍图像是利用数码相机对已有图像重新成像。由于用这种方式所形成的图像仍属于“真实图像”，所以翻拍图像可以轻松绕过目前现有的图像检测算法。随着翻拍图像的逼真程度逐渐提高，单凭肉眼很难区分真实图像和翻拍图像，如图 1.5 所示。

【参考文献】：
期刊论文
[1]基于块效应网格偏移的重获取JPEG图像篡改检测[J]. 黄维,黄添强,张雪莉,肖辉.  网络与信息安全学报. 2017(12)
[2]具有几何不变性的图像复制-粘贴盲鉴别算法[J]. 吕颖达,申铉京,陈海鹏.  电子学报. 2016(11)
[3]基于统计特征的图像篡改评价模型[J]. 申铉京,范子龙,吕颖达,陈海鹏.  吉林大学学报(工学版). 2016(04)
[4]基于LBC的计算机生成图像盲鉴别算法[J]. 申铉京,李梦臻,吕颖达,陈海鹏.  计算机科学. 2015(06)
[5]视频帧内运动目标复制-粘贴篡改检测算法[J]. 张璐波,孙锬锋,蒋兴浩.  上海交通大学学报. 2015(02)
[6]基于同态补偿翻拍图像的方向预测方法[J]. 谢哲,王让定,严迪群,刘华成.  计算机应用. 2014(09)
[7]基于韦伯局部特征的图像拼接检测[J]. 刘晓霞,李峰,熊兵.  计算机工程与应用. 2013(12)
[8]基于SIFT和HSI模型的彩色图像复制-粘贴盲鉴别算法[J]. 申铉京,朱叶,吕颖达,陈海鹏.  吉林大学学报(工学版). 2014(01)
[9]基于VAM和E-HMM的图像拼接盲鉴别算法[J]. 申铉京,李响,吕颖达,陈海鹏.  吉林大学学报(工学版). 2014(02)
[10]基于图像表面梯度的翻拍检测[J]. 卢燕飞,冯莉,李兴华,荆涛.  北京交通大学学报. 2012(05)

博士论文
[1]数字图像复制—粘贴篡改盲取证关键技术研究[D]. 朱叶.吉林大学 2017
[2]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LTCP特征的计算机生成图像盲鉴别算法[D]. 范子龙.吉林大学 2016
[2]基于小波变换和分形维数的计算机生成图像鉴别算法[D]. 李礼.吉林大学 2015
[3]基于局部纹理特征的计算机生成图像盲鉴别算法[D]. 李梦臻.吉林大学 2015
[4]基于分形维数的自然图像盲鉴别算法研究[D]. 万国富.吉林大学 2013
[5]基于数字图像镜面反射和表面梯度的翻拍取证研究[D]. 冯莉.北京交通大学 2013
[6]基于图像背景噪声特性的数字图像盲取证研究[D]. 鞠娅莉.北京交通大学 2013
[7]基于PRNU的自然图像和计算机生成图像来源取证[D]. 刘娟.湖南大学 2012
[8]自然图像和计算机生成图像检测方法研究[D]. 郭克.宁波大学 2012
[9]数字图像合成篡改盲鉴别算法的研究[D]. 吕颖达.吉林大学 2010
[10]图像区域复制粘贴检测技术研究[D]. 冯占磊.天津大学 2008



本文编号：3555137