基于解压缩模块的JPEG同步重压缩检测

现有的基于深度学习的同步JPEG(JointPhotographic ExpertsGroup)重压缩检测算法大多使用解压缩过程中产生的截断和舍入误差作为分类依据,在检测框架前都存在降低特征提取难度的预处理层,无法实现端到端.同时,现有的量化底表是根据人为经验所设计的,无法取得解压缩过程的最优解,限制了JPEG重压缩检测算法的精度上限.针对这些问题,本文提出了一种基于解压缩模块的JPEG重压缩检测方法,该方法利用卷积模拟JPEG解压缩过程,设计了解压缩模块,将JPEG解压缩过程并入网络中从而实现端到端,省去了繁重的预处理步骤;同时,利用深度学习能够自动优化参数的特性,自动去寻找解压缩过程的最优解,减少了由于人工处理导致的图像信息的二次损失,进一步提升了JPEG重压缩检测算法的性能上限.实验结果表明,本文所提出的JPEG同步重压缩检测算法在超过半数的实验组上都取得了较好的取证表现,在UCID数据集上比现有方法平均精度最多提高1.8%.