基于滤波残差多方向差分的中值滤波取证技术

图像处理中应用广泛的中值滤波可用于图像反取证技术、隐秘通信技术,因此中值滤波取证受到了研究者的关注.文中提出了一种基于中值滤波残差及其差分(Median Filtering Residual Difference,MFRD)的鲁棒中值滤波取证技术.首先根据方向性和对称性将多方向MFRD分组,然后分别建立自回归模型(Auto-Regressive model,AR)并提取其模型参数和直方图特征,最后将所有分组特征组合成中值滤波检测特征.作者证明了在一定条件下p阶AR模型等价于一个p阶马尔科夫模型,因而采用AR参数代替转移概率可以大大降低信息取证特征的维数.MFRD减少了来自图像内容和JPEG压缩块效应痕迹的干扰,因而增强了提出方法的鲁棒性.在多个图像数据库组成的混合图像库上的测试结果和多个图像库之间的泛化测试结果都表明作者提出的算法能有效地辨别JPEG压缩图像及小尺寸图像是否经过中值滤波操作,其检测错误率远低于现有的一些中值滤波取证技术,并且检测结果不依赖于训练图像.

基于多方向差分的重采样取证技术

重采样操作常用于数字图像篡改,重采样的盲取证受到了研究者的关注.已有的重采样取证算法主要关注取证检测器的有效性,而忽略了检测器的安全性,即恶意攻击者对检测器的攻击.目前,针对重采样取证的攻击已出现.该攻击使得基于周期性"指纹"的重采样取证检测器失效.本文提出了一种基于多方向差分的重采样取证技术.它同时考虑了重采样取证的有效性与安全性.首先根据方向性和对称性将多方向差分分组,然后分别建立自回归模型(auto-regressive model,AR)并提取出自回归系数和直方图特征,最后将所有分组特征组合成重采样检测特征.在由多个图像数据库组成的混合图像库上的测试结果表明所提出的算法既能有效地检测重采样操作,也能检测已有的恶意攻击.此外,本文提出的算法也大幅度地提升了下采样操作的检测准确率以及针对JPEG压缩的鲁棒性.篡改图像上的检测结果也证实所提算法兼顾了有效性与安全性.