基于深度学习的数字图像取证关键理论与技术研究
发布时间：2022-02-19 00:50
随着修图软件的普及使得照片的编辑处理更为容易,滋生了造假图片的温床。造假图片的传播可能会给社会稳定带来一些不良影响,同时也给司法公正带来了潜在的威胁。图像盲取证技术和以数字水印为代表的主动取证技术都取得了比较不错的研究成果,这些传统方法对特征的提取往往需要靠专家的经验来判断,依赖于专业的图像知识和特征提取能力。深度学习已经在图像分类和识别、语音识别等领域取得了丰硕的成果,但是在图像取证领域的应用才刚刚开始。深度学习在自动学习特征方面有着得天独厚的优势,将深度学习技术与数字图像取证技术进行结合,有助于解决传统取证技术遇到的难题,有很重要的研究价值。本文分析了图像取证技术的研究现状,结合深度学习技术提出了基于深度学习的图像篡改取证技术方案,主要工作如下:1.在非对称裁剪篡改检测方面,提出了基于相机标定参数优化的图像篡改鉴定技术。本课题利用了相机标定的成像原理来解决图像裁剪篡改鉴定问题,减少了过多的相机内部参数假设。保留原本相机五个内部参数中的四个参数,经过一定的近似处理,实现了单幅图片中含有两个不共面的规则标志物就能计算主点坐标,并以此主点坐标的偏移量为依据对图像中的非对称裁剪篡改行为进行...
【文章来源】：北京邮电大学北京市211工程院校教育部直属院校
【文章页数】：110 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 数字图像取证技术研究现状
1.2.1 传统数字图像取证技术的研究现状
1.2.2 基于深度学习的图像取证技术研究现状
1.3 本文主要研究内容及章节安排
1.3.1 本文主要研究内容
1.3.2 本文章节安排
第二章 相关研究综述
2.1 常见的数字图像篡改
2.1.1 复制-粘贴篡改
2.1.2 图像拼接篡改
2.1.3 非对称裁剪篡改
2.2 基于深度学习的图像篡改
2.2.1 深度学习相关概念
2.2.2 深度学习相关模型
2.2.3 深度学习篡改
2.3 图像取证技术发展趋势
第三章 基于相机标定的非对称裁剪篡改鉴定技术
3.1 相机标定
3.2 基于参数优化的非对称裁剪篡改检测
3.2.1 估计单应矩阵
3.2.2 利用参数优化方法估计相机参数
3.3 实验及分析
3.3.1 误差分析
3.3.2 检测效果
3.4 本章小结
第四章 基于全卷积网络的图像区域篡改鉴定技术
4.1 全卷积网络
4.2 基于全卷积网络的图像篡改区域检测
4.2.1 正负样本制作
4.2.2 全卷积网络模型的改造及训练
4.3 评判标准
4.3.1 F_1标准
4.3.2 MCC标准
4.4 实验及分析
4.4.1 实验环境介绍
4.4.2 实验结果分析
4.5 本章小结
第五章 基于DeepLabv3+与SRM的拼接篡改鉴定技术
5.1 隐写分析丰富模型(SRM)
5.2 基于DeepLabv3+和SRM的图像拼接检测
5.2.1 DeepLabv3+网络
5.2.2 基于DeepLabv3+的拼接检测算法
5.2.3 DeepLabv3+和SRM的关联算法
5.3 实验及分析
5.3.1 实验设置及图像库
5.3.2 实验分析
5.4 本章小结
第六章 基于深度学习的人脸图像鉴定技术
6.1 VGG网络及稀疏表达
6.2 深度学习与约束稀疏表达结合的遮挡人脸鉴定算法
6.2.1 提取人脸特征及特征降维
6.2.2 约束稀疏表达匹配
6.3 基于深度学习的AI造假人脸图像鉴定算法
6.4 实验及分析
6.4.1 LFW与AR数据库介绍
6.4.2 实验分析
6.5 本章小结
第七章 总结和展望
7.1 论文工作总结
7.2 图像取证工作未来展望
参考文献
致谢
论文发表情况和参与科研项目
【参考文献】：
期刊论文
[1]有遮挡人脸识别综述:从子空间回归到深度学习[J]. 李小薪,梁荣华. 计算机学报. 2018(01)
[2]玻尔兹曼机研究进展[J]. 刘建伟,刘媛,罗雄麟. 计算机研究与发展. 2014(01)
[3]基于人脸色温的拼接图像篡改检测[J]. 杨健梅,黄添强,江伟坚. 山东大学学报(工学版). 2013(05)
[4]基于相机标定的非对称裁剪检测算法[J]. 孟宪哲,牛少彰,吴小媚,李叶舟. 电子与信息学报. 2012(10)
[5]利用颜色滤波矩阵估计原图的拼接定位盲取证方法[J]. 王波,孔祥维,尤新刚. 电子与信息学报. 2012(01)
[6]利用模式噪声主分量信息的源相机辨识技术[J]. 胡永健,俞兵华,简超. 计算机应用. 2010(01)
博士论文
[1]盲环境下数字图像篡改鉴定的关键理论与技术研究[D]. 孟宪哲.北京邮电大学 2013
硕士论文
[1]分块SRC算法在遮挡人脸图像识别中的应用研究[D]. 刘丹.五邑大学 2013
[2]基于平面约束的CCD相机标定方法改进[D]. 孟海岗.吉林大学 2009
本文编号：3631873
【文章来源】：北京邮电大学北京市211工程院校教育部直属院校
【文章页数】：110 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 数字图像取证技术研究现状
1.2.1 传统数字图像取证技术的研究现状
1.2.2 基于深度学习的图像取证技术研究现状
1.3 本文主要研究内容及章节安排
1.3.1 本文主要研究内容
1.3.2 本文章节安排
第二章 相关研究综述
2.1 常见的数字图像篡改
2.1.1 复制-粘贴篡改
2.1.2 图像拼接篡改
2.1.3 非对称裁剪篡改
2.2 基于深度学习的图像篡改
2.2.1 深度学习相关概念
2.2.2 深度学习相关模型
2.2.3 深度学习篡改
2.3 图像取证技术发展趋势
第三章 基于相机标定的非对称裁剪篡改鉴定技术
3.1 相机标定
3.2 基于参数优化的非对称裁剪篡改检测
3.2.1 估计单应矩阵
3.2.2 利用参数优化方法估计相机参数
3.3 实验及分析
3.3.1 误差分析
3.3.2 检测效果
3.4 本章小结
第四章 基于全卷积网络的图像区域篡改鉴定技术
4.1 全卷积网络
4.2 基于全卷积网络的图像篡改区域检测
4.2.1 正负样本制作
4.2.2 全卷积网络模型的改造及训练
4.3 评判标准
4.3.1 F_1标准
4.3.2 MCC标准
4.4 实验及分析
4.4.1 实验环境介绍
4.4.2 实验结果分析
4.5 本章小结
第五章 基于DeepLabv3+与SRM的拼接篡改鉴定技术
5.1 隐写分析丰富模型(SRM)
5.2 基于DeepLabv3+和SRM的图像拼接检测
5.2.1 DeepLabv3+网络
5.2.2 基于DeepLabv3+的拼接检测算法
5.2.3 DeepLabv3+和SRM的关联算法
5.3 实验及分析
5.3.1 实验设置及图像库
5.3.2 实验分析
5.4 本章小结
第六章 基于深度学习的人脸图像鉴定技术
6.1 VGG网络及稀疏表达
6.2 深度学习与约束稀疏表达结合的遮挡人脸鉴定算法
6.2.1 提取人脸特征及特征降维
6.2.2 约束稀疏表达匹配
6.3 基于深度学习的AI造假人脸图像鉴定算法
6.4 实验及分析
6.4.1 LFW与AR数据库介绍
6.4.2 实验分析
6.5 本章小结
第七章 总结和展望
7.1 论文工作总结
7.2 图像取证工作未来展望
参考文献
致谢
论文发表情况和参与科研项目
【参考文献】：
期刊论文
[1]有遮挡人脸识别综述:从子空间回归到深度学习[J]. 李小薪,梁荣华. 计算机学报. 2018(01)
[2]玻尔兹曼机研究进展[J]. 刘建伟,刘媛,罗雄麟. 计算机研究与发展. 2014(01)
[3]基于人脸色温的拼接图像篡改检测[J]. 杨健梅,黄添强,江伟坚. 山东大学学报(工学版). 2013(05)
[4]基于相机标定的非对称裁剪检测算法[J]. 孟宪哲,牛少彰,吴小媚,李叶舟. 电子与信息学报. 2012(10)
[5]利用颜色滤波矩阵估计原图的拼接定位盲取证方法[J]. 王波,孔祥维,尤新刚. 电子与信息学报. 2012(01)
[6]利用模式噪声主分量信息的源相机辨识技术[J]. 胡永健,俞兵华,简超. 计算机应用. 2010(01)
博士论文
[1]盲环境下数字图像篡改鉴定的关键理论与技术研究[D]. 孟宪哲.北京邮电大学 2013
硕士论文
[1]分块SRC算法在遮挡人脸图像识别中的应用研究[D]. 刘丹.五邑大学 2013
[2]基于平面约束的CCD相机标定方法改进[D]. 孟海岗.吉林大学 2009
本文编号：3631873
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3631873.html
