JPEG图像被动取证研究进展综述

数字图像被动取证是利用图像的固有属性对其真实性认证、拼接区域定位及篡改历史分析的技术。由于大多数图像都需要进行JPEG压缩以便存储和传输,基于JPEG格式的数字图像被动取证越来越受到关注。为了更加全面地对现有取证方法进行梳理与归纳,本文着重对JPEG图像相关的取证技术进行介绍,详细论述了双重JPEG压缩检测、量化矩阵估计和拼接检测与定位方法中的关键技术,分析现有方法存在的问题与面临的困难,并对未来发展方向进行展望。

数字图像取证技术的发展

随着图像处理技术的快速发展,数字图像被广泛地应用于互联网.与此同时,视觉上难以觉察的篡改图像也日益泛滥.数字图像被动取证作为一种不依赖任何预签名提取或预嵌入信息来鉴别图像真伪和来源的技术,正成为多媒体安全领域新兴的研究热点,有着广泛的应用前景.

利用JPEG压缩特性的合成图像检测

提出一种利用压缩特性进行JPEG合成图像检测的方案.由多幅JPEG图像内容拼接而成的合成图像中往往存在质量因子不一致性或分块位置不一致性,这两种不一致性可以作为检测JPEG合成图像的有力证据.该文所提方案先对待检测图像进行尝试性的再压缩并考察失真程度,以估计主要内容曾经历过的压缩情况,然后根据再压缩在不同区域引起的失真程度的起伏变化识别合成图像.该方法还可区分合成图像内容的不同来源,并分析质量因子不一致性或分块位置不一致性,为揭示图像伪造行为提供辅助信息.

基于非局部自相关的复制粘贴检测算法

针对数字图像复制-粘贴篡改无法区分目标与来源的问题,文中通过改进相似度匹配算法和利用非局部自注意力机制,在定位出篡改区域的前提下,解决了篡改源区域和目标区域的分类问题。总体框架为双分支检测网络,主分支采用经典U-net分割篡改区域像素,副分支通过孪生网络进行特征提取并计算自相关性,从而分割出篡改目标与源区域像素。将双分支融合后进行端到端训练,最终网络预测出三分类结果。实验结果表明,文中算法检测定位目标区域时的像素级分类精确率达到了80.47%,且F1值及准确度均优于对比算法。可视化结果和鲁棒性实验也表明文中算法具有良好的泛化性能。

基于条件共生概率矩阵的移位JPEG双压缩检测

针对合成JPEG图像的小区域移位JPEG双压缩(SD-JPEG压缩)篡改问题,提出一种基于条件共生概率矩阵(CCPM)的SD-JPEG压缩篡改检测算法。为了减小图像内容的影响,增强SD-JPEG压缩效应,首先对JPEG量化的离散余弦变换(DCT)系数的幅度矩阵进行水平、垂直、主对角和副对角4个方向差分和阈值化处理,然后使用CCPM对这4个阈值化的差分矩阵进行建模,选取CCPM的元素作为特征数据,并用主分量分析(PCA)对其降维处理,最后通过支持向量机(SVM)技术判决图像块是否经过SD-JPEG压缩。实验结果验证了本文算法的有效性。