论文部分内容阅读
随着图像获取设备及处理软件功能日趋强大,丰富多彩的数字图像逐渐充斥着人们的视野,给生活和工作带来了极大地便利,然而,数字图像安全隐患问题也随之而来。因此,开展数字图像取证技术的研究具有重要的应用价值,成为信息安全领域的研究热点。数字图像取证技术源于计算机取证,是对取证数据进行收集、分析识别并出示法庭的过程。其研究的核心是根据数字图像固有特征,验证图像来源、内容完整性以及是否被篡改等。本文回顾了已有数字图像取证技术的经典算法,讨论了自然图像和计算机生成图像来源取证研究的理论基础。在现有研究技术的基础上,重点研究了图像CFA插值特性、PRNU特性及回归分析残差图像的多重分形谱特性,提出了两种鉴别自然图像和计算机生成图像来源的算法。本文的主要研究成果如下:1)提出了一种基于CFA插值对PRNU相关性影响的自然图像和计算机生成图像来源取证算法。首先分析了CFA插值对图像邻域相关性的影响。并根据自然图像成像过程,PRNU的产生位于CFA插值前,因而这种邻域相关性特征将在PRNU中表现。从而提取图像PRNU邻域方差直方图特征。最后采用SVM对两类图像进行来源鉴别,平均鉴别率达99.43%。实验分析表明算法能有效抵抗缩放、JPEG压缩、旋转和加噪等攻击。2)提出了一种基于回归分析和多重分形的自然图像和计算机生成图像来源取证算法。首先分析了自然图像和计算机生成图像对多元线性回归模型的拟合度差异,指出自然图像能较好地拟合多元线性回归模型,在此基础上提取图像的拟合度特征。然后分析了两类图像回归分析所得残差图像的差异,并对残差图像做直方图统计及多重分形分析,提取残差直方图特征及残差多重分形谱特征。共提取24维分类特征来鉴别两类图像。采用SVM分类,平均鉴别率达98.69%,且算法能有效抵抗JPEG压缩、旋转、加噪等攻击。但缩放操作对算法平均鉴别率存在一定的影响。本文提出的算法能有效鉴别自然图像和计算机生成图像,在数字图像被动取证研究领域具有广泛的应用前景。