[發(fā)明專利]基于抽樣型最大似然估計的JPEG圖像被動取證方法

有效

• 申請?zhí)枺?/td>: 201610031728.X
• 申請日: 2016-01-18
• 公開（公告）號: CN105701831B
• 公開（公告）日: 2019-04-30
• 發(fā)明（設計）人: 陳穎;曹廣成;宗蓋蓋
• 申請（專利權(quán)）人: 上海應用技術學院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13
• 代理公司: 上海漢聲知識產(chǎn)權(quán)代理有限公司 31236
• 代理人: 胡晶

本發(fā)明提供了一種基于抽樣型最大似然估計的JPEG圖像被動取證方法，包括：采用增強型交叉濾波器對灰度圖像進行過濾，得到圖像邊緣檢測的噪聲譜后對其進行水平和垂直方向的分解，對水平分量或垂直分量求導，從求導結(jié)果中提取周期信號，計算原始圖像的塊大小的最大似然估計B，再采用RSMLE計算原始圖像塊大小估計將噪聲譜分為多個不重疊的子塊，在約束條件下采用RSMLE對各子塊進行塊大小估計得到B′；判斷所述B′和是否相同，若B′和相同，則B′為非篡改區(qū)域；若B′和不同，則其對應的塊為篡改區(qū)域；對初步篡改區(qū)域進行細化，以去掉錯檢塊，并增加漏檢塊。該方法有效克服圖像邊界和紋理對檢測的影響，提高篡改區(qū)域的檢測精度和穩(wěn)定性。

技術領域

本發(fā)明涉及計算機數(shù)字圖像處理技術領域，特別涉及一種基于抽樣型最大似然估計的JPEG圖像被動取證方法。

背景技術

隨著計算機技術的發(fā)展，圖像的篡改操作變得更加容易，使得真?zhèn)舞b別變得越發(fā)困難。數(shù)字圖像取證技術是近年發(fā)展起來的一個新的研究領域，它的主要目的是對數(shù)字圖像內(nèi)容的真實性和完整性進行鑒別。數(shù)字圖像取證技術分為主動取證和被動取證兩種。數(shù)字圖像主動取證技術主要包括數(shù)字簽名和數(shù)字水印，然而數(shù)字簽名和數(shù)字水印都具有一定的局限性，數(shù)字簽名不能夠?qū)㈣b別數(shù)據(jù)與原始數(shù)據(jù)相融合，嵌入水印則會導致圖像質(zhì)量下降，并且圖像的主動取證技術需要第三方認證，所以數(shù)字圖像主動取證的局限性很大。

數(shù)字圖像被動取證技術也叫數(shù)字圖像盲取證技術(Passive Blind ImageForensics),在不依賴任何先驗信息的條件下對圖像的內(nèi)容的真?zhèn)涡院蛨D像來源進行鑒別。所以數(shù)字圖像被動取證技術具有更高的應用價值。現(xiàn)有的數(shù)字圖像被動取證分為三類：基于圖像內(nèi)容的被動取證、基于成像過程的被動取證、基于物理過程的被動取證。

基于JPEG篡改和復制-粘貼的數(shù)字圖像篡改是一類最為常見的篡改偽造手段，是基于圖像內(nèi)容的被動取證中的方法之一。復制粘貼篡改分為同一幅圖像復制粘貼篡改和不同圖像的復制拼接篡改兩大類。針對同一幅圖像之間的復制-粘貼篡改操作，主要檢測依據(jù)是篡改圖像中存在完全相同或者相似的兩個以及兩個以上的區(qū)域。

目前，幾種基礎的針對JPEG壓縮圖像的方法被提出。已有技術表明，從JPEG的壓縮過程中，塊狀信息是非常有用的JPEG圖像篡改方法。對稱性、周期性和一致性在JPEG圖像篡改時，會遭到破壞?，F(xiàn)有的研究已經(jīng)研究了雙重問題壓縮檢測，量化表估計和篡改區(qū)域定位。JPEG圖像壓縮兩次即二次壓縮，即篡改，然后再次壓縮。雖然，當前已經(jīng)可以利用JPEG塊效應的周期性噪聲檢測圖像的篡改和重壓縮。然而，篡改檢測的準確性對于圖像內(nèi)容是很敏感的，并很依賴于算法圖像分割，是一個待解決問題?，F(xiàn)有的基于塊狀網(wǎng)格提取BAG的方法，可以有效檢測和定位篡改區(qū)域，但實驗顯示，其仍很大程度上收到圖像內(nèi)容的影響，并且在復雜紋理和邊界的情況下，會產(chǎn)生很高的誤檢率。因此，針對基于內(nèi)容的JPEG篡改檢測方法，并且對于圖像邊界和紋理等圖像內(nèi)容有很好檢測結(jié)果的方法，也是亟待解決的。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于抽樣型最大似然估計的JPEG圖像被動取證方法，以解決現(xiàn)有的JPEG圖像被動檢測方法中所存在的在復雜紋理和邊界的情況下，會產(chǎn)生很高的誤檢率，檢測精度和穩(wěn)定性均較差的問題。

為實現(xiàn)上述目的，本發(fā)明提供了一種基于抽樣型最大似然估計的JPEG圖像被動取證方法，其特征在于，包括以下步驟：

S1：將待檢測的JPEG圖像轉(zhuǎn)換為灰度圖像；

S2：采用增強型交叉濾波器對所述灰度圖像進行過濾，得到圖像邊緣檢測的噪聲譜BBNM；

S3：對所述噪聲譜BBNM進行水平和垂直方向的分解，得到水平方向分量及垂直方向分量，隨后對所述水平方向分量或垂直方向分量進行求導，并從求導結(jié)果中提取周期部分信號；