本文關(guān)鍵詞： 數(shù)字圖像 盲取證 離散余弦變換系數(shù) Benford定律 無序度　出處：《南京郵電大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

【摘要】：人們可以通過聽覺、視覺、味覺等多種途徑獲得外界信息,其中來自于視覺的信息大約占80%。數(shù)字圖像作為視覺信息最為常見的載體,它傳遞出來的信息比通過其它途徑獲取的信息更為準(zhǔn)確和真實(shí)。然而隨著數(shù)碼相機(jī)、個(gè)人電腦的普及,人們看到的圖片可能是經(jīng)過圖像編輯軟件惡意偽造和篡改后的圖片,因此人們獲取可靠和真實(shí)信息的重要途徑受到嚴(yán)重威脅。數(shù)字圖像盲取證是一種在待測圖像未嵌入數(shù)字水印、數(shù)字簽名、數(shù)字指紋等先驗(yàn)知識的情形下對其真實(shí)性以及來源進(jìn)行鑒別的技術(shù)。本文研究了數(shù)字圖像統(tǒng)計(jì)特征對數(shù)字圖像盲取證的影響以及提出了一種新的自然圖像和計(jì)算機(jī)生成圖像的盲取證算法。首先,通過Benford定律研究了離散余弦變換(Discrete Cosine Transform,DCT)系數(shù)的選擇對自然圖像和計(jì)算機(jī)生成圖像鑒別的影響,仿真結(jié)果表明:在使用相同判據(jù)和最佳閾值的情況下,自然圖像和計(jì)算機(jī)生成圖像的分類準(zhǔn)確率隨著選擇的圖像DCT高頻系數(shù)的增多而先提高,然后達(dá)到最大值,之后隨著DCT低頻系數(shù)逐漸增多,分類準(zhǔn)確率下降,因此體現(xiàn)圖像細(xì)節(jié)的DCT高頻系數(shù)更有益于圖像分類準(zhǔn)確率的提高;在使用最佳判據(jù)和最佳閾值的情況下,利用灰度圖對自然圖像和計(jì)算機(jī)生成圖像進(jìn)行分類,其準(zhǔn)確率最高,圖像的綠色(green,G)通道次之,紅色(red,R)通道和藍(lán)色(blue,B)通道都較差。然后,研究了DCT系數(shù)的選擇對拼接圖像鑒別的影響,仿真結(jié)果表明:從最高頻往低頻選擇DCT系數(shù),隨著低頻分量的增加,兩類圖像的分類準(zhǔn)確率變化不大;從最低頻往高頻選擇DCT系數(shù),隨著能夠捕捉拼接圖像銳利邊緣的高頻細(xì)節(jié)分量增加,兩類圖像的分類準(zhǔn)確率有較大的改善;當(dāng)選擇相同數(shù)量的DCT系數(shù)時(shí),從最高頻向低頻選擇DCT系數(shù)方案的分類準(zhǔn)確率普遍優(yōu)于從最低頻向高頻選擇DCT系數(shù)方案的分類準(zhǔn)確率。最后,提出了一種基于圖像分層模型無序度的自然圖像和計(jì)算機(jī)生成圖像的盲取證算法。通過提取數(shù)字圖像的每個(gè)二進(jìn)制圖層的無序度特征,用這些特征訓(xùn)練支持向量機(jī)并對待測數(shù)字圖像的類別進(jìn)行預(yù)測,仿真結(jié)果表明:通過將二進(jìn)制圖層劃分為合適長度的子序列計(jì)算圖層的無序度,上述兩類圖像的分類準(zhǔn)確率可達(dá)82.80%,受試者工作特征曲線(receiver operating characteristic curve,ROC)下面積(area under the ROC curve,AUC)值為0.8982,分類器性能屬于良好,逼近優(yōu)秀,對自然圖像和計(jì)算機(jī)生成圖像具有較好的分類效果。
[Abstract]:People can obtain external information through auditory, visual, taste and other channels, among which the information from vision accounts for about 80%. Digital image as the most common carrier of visual information. It conveys information that is more accurate and truthful than it is otherwise. However, with the advent of digital cameras, personal computers have become more popular. People may see images that have been maliciously forged and tampered with by image editing software. Therefore, the important way to obtain reliable and true information is seriously threatened. Blind digital image forensics is a kind of digital watermarking and digital signature that is not embedded in the image under test. In this paper, the influence of statistical features of digital image on blind forensics of digital image is studied, and a new natural image and calculation is proposed. Computer generated image blind forensics algorithm. First. Discrete Cosine Transform is studied by means of Benford's law. The influence of the selection of DCT coefficients on the identification of natural images and computer-generated images is discussed. The simulation results show that the same criteria and optimal thresholds are used. The classification accuracy of natural image and computer-generated image increases with the increase of the selected image DCT high frequency coefficient, then reaches the maximum, and then increases with the DCT low frequency coefficient. The classification accuracy is decreased, so the DCT high frequency coefficient, which reflects the image details, is more beneficial to the improvement of the image classification accuracy. In the case of using the best criterion and the best threshold, the grayscale image is used to classify the natural image and the computer-generated image, and the accuracy is the highest, followed by the green green GG channel of the image. The red squid R) channel and the blue blue blue B) channel are poor. Then, the influence of the selection of DCT coefficients on the stitching image identification is studied. The simulation results show that the classification accuracy of the two kinds of images varies little with the increase of the low-frequency components when the DCT coefficients are selected from the highest frequency to the low frequency. Selecting the DCT coefficient from the lowest frequency to the high frequency, the classification accuracy of the two kinds of images is improved greatly with the increase of the high frequency detail component which can capture the sharp edge of the stitched image. When the same number of DCT coefficients are selected, the classification accuracy of selecting DCT coefficients from the most high frequency to the low frequency is generally better than that of the DCT coefficients from the lowest frequency to the high frequency. Finally. This paper presents a blind forensics algorithm for natural images and computer-generated images based on the disorder degree of image stratification model. The feature of disorder degree of each binary layer of digital image is extracted by extracting the disordered degree features of each binary layer of digital image. These features are used to train support vector machines and predict the types of digital images. The simulation results show that the disorder degree of the layer is calculated by dividing the binary layer into sub-sequences of appropriate length. The classification accuracy of the two kinds of images can reach 82.80%. Receiver operating characteristic curve. The area area under the ROC curveAUC value is 0.8982, the performance of classifier is good and the approximation is excellent. It has good classification effect on natural image and computer generated image.
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;D918.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前8條

1 魏為民;胡勝斌;趙琰;;數(shù)字圖像取證技術(shù)的發(fā)展[J];上海電力學(xué)院學(xué)報(bào);2012年04期

2 崔祥龍,申川,李廉三;數(shù)碼相機(jī)拍攝指紋制作指定比例照片的方法[J];刑事技術(shù);2003年06期

3 陳春濤;鄭霞;;利用相機(jī)固定噪聲認(rèn)定數(shù)字圖像的來源[J];警察技術(shù);2013年04期

4 高強(qiáng);張華熊;;基于人工神經(jīng)網(wǎng)絡(luò)的數(shù)字圖像盲取證[J];浙江理工大學(xué)學(xué)報(bào);2011年05期

5 單大國;董巖;馮泊;;基于數(shù)字圖像EXIF信息進(jìn)行原始性檢驗(yàn)研究[J];甘肅警察職業(yè)學(xué)院學(xué)報(bào);2008年04期

6 惠喜樂;李波陽;;Photoshop軟件在公安實(shí)踐中的應(yīng)用[J];法制博覽(中旬刊);2013年09期

7 趙俊紅;;數(shù)字圖像被動(dòng)取證技術(shù)綜述[J];計(jì)算機(jī)工程與設(shè)計(jì);2011年08期

8 ;[J];;年期

相關(guān)會(huì)議論文 前10條

1 孟如松;蔡瑞康;趙廣;周付根;姜志國;趙宇;;皮膚數(shù)字圖像定量技術(shù)對育發(fā)類產(chǎn)品臨床功效評價(jià)的研究與應(yīng)用[A];第九屆中國體視學(xué)與圖像分析學(xué)術(shù)會(huì)議論文集[C];2001年

2 張震;任遠(yuǎn);平西建;蔣斌;;數(shù)字圖像盲取證中重復(fù)區(qū)域的檢測[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

3 俞立平;江天云;吳大方;潘兵;;基于智能手機(jī)相機(jī)和參考試樣補(bǔ)償法的高精度二維數(shù)字圖像相關(guān)測量[A];北京力學(xué)會(huì)第20屆學(xué)術(shù)年會(huì)論文集[C];2014年

4 楊高波;金煒;;中子數(shù)字圖像散射抑制算法[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

5 David Riley;Jessie Whitsides;;在建筑業(yè)中數(shù)字圖像照像技術(shù)的應(yīng)用[A];勘察設(shè)計(jì)企業(yè)信息化建設(shè)研討會(huì)資料匯編[C];2003年

6 羅毅;;淺析數(shù)字圖像資料的管理[A];中華醫(yī)學(xué)會(huì)醫(yī)學(xué)工程學(xué)分會(huì)第二次醫(yī)學(xué)影像設(shè)備應(yīng)用技術(shù)研討會(huì)論文集[C];2001年

7 陳金龍;胡小艷;張曉川;;擴(kuò)展數(shù)字圖像相關(guān)法及其應(yīng)用研究[A];第十二屆全國實(shí)驗(yàn)力學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2009年

8 潘兵;俞立平;吳大方;;使用雙遠(yuǎn)心鏡頭的高精度二維數(shù)字圖像相關(guān)測量系統(tǒng)[A];北京力學(xué)會(huì)第19屆學(xué)術(shù)年會(huì)論文集[C];2013年

9 劉聰;陳振寧;丁里寧;吳剛;何小元;;全方位數(shù)字圖像相關(guān)測量系統(tǒng)在土木工程試驗(yàn)中的應(yīng)用[A];中國力學(xué)大會(huì)——2013論文摘要集[C];2013年

10 劉浩學(xué);黃敏;孟琳琳;解萌;;數(shù)字圖像色差的主觀評價(jià)實(shí)驗(yàn)及數(shù)據(jù)集的建立[A];中國光學(xué)學(xué)會(huì)2010年光學(xué)大會(huì)論文集[C];2010年

相關(guān)重要報(bào)紙文章 前6條

1 記者王朝霞;中美合作研制敦煌數(shù)字圖像檔案[N];甘肅日報(bào);2002年

2 記者 毛黎;人類可通過思維操縱數(shù)字圖像[N];科技日報(bào);2010年

3 本報(bào)記者 柴選;影像鑒定方法論[N];中國攝影報(bào);2008年

4 黃穎邋劉暢;積極參與文化創(chuàng)意產(chǎn)業(yè)發(fā)展[N];科技日報(bào);2007年

5 范明義;PDVD搶占市場 DVD面臨挑戰(zhàn)[N];中國電子報(bào);2000年

6 鐘建明;攝影學(xué)科建設(shè)呼喚理論之聲[N];中國攝影報(bào);2013年

相關(guān)博士學(xué)位論文 前10條

1 張榮;數(shù)字圖像真實(shí)性被動(dòng)取證技術(shù)研究[D];寧波大學(xué);2014年

2 樊少菁;數(shù)字圖像視覺真實(shí)感若干問題的研究[D];寧波大學(xué);2014年

3 劉鋒;數(shù)字圖像內(nèi)容取證的關(guān)鍵技術(shù)方法研究[D];浙江工業(yè)大學(xué);2015年

4 劉勁;面向真實(shí)性鑒別的數(shù)字圖像盲取證技術(shù)研究[D];華中科技大學(xué);2015年

5 申淑媛;數(shù)字圖像信息隱藏的數(shù)學(xué)基礎(chǔ)理論和關(guān)鍵技術(shù)研究[D];湖南大學(xué);2015年

6 王波;利用成像引入特征的數(shù)字圖像被動(dòng)盲取證研究[D];大連理工大學(xué);2010年

7 張蕊;數(shù)字圖像相關(guān)及其在若干工程測試中的應(yīng)用[D];華南理工大學(xué);2011年

8 王莘;數(shù)字圖像偽裝關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2012年

9 宋海鵬;數(shù)字圖像相關(guān)方法及其在材料損傷破壞實(shí)驗(yàn)中的應(yīng)用[D];天津大學(xué);2013年

10 王顯;考慮時(shí)/空連續(xù)性的數(shù)字圖像相關(guān)方法及其應(yīng)用[D];北京理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 尹瑞雪;基于數(shù)字圖像的車輛信息識別的研究與應(yīng)用[D];北京交通大學(xué);2016年

2 何廣龍;微尺度數(shù)字圖像相關(guān)方法和技術(shù)研究[D];江蘇大學(xué);2016年

3 范宏杰（Fadhel K.Jabor）;基于局部數(shù)字圖像采用匿名一次性密碼的雙認(rèn)證機(jī)制研究[D];華中科技大學(xué);2014年

4 單隴紅;基于數(shù)字圖像的GCr15軸承鋼中碳化物均勻性分析[D];蘭州理工大學(xué);2016年

5 王康;數(shù)字圖像隱寫技術(shù)研究[D];華南理工大學(xué);2016年

6 王露萌;《數(shù)字圖像取證》翻譯實(shí)踐報(bào)告[D];電子科技大學(xué);2016年

7 李繼德;數(shù)字圖像前景提取算法研究[D];上海大學(xué);2016年

8 施寅飛;基于數(shù)字圖像統(tǒng)計(jì)特征的盲取證技術(shù)研究[D];南京郵電大學(xué);2016年

9 田艷莉;自然圖像統(tǒng)計(jì)規(guī)律在數(shù)字圖像取證上的研究與應(yīng)用[D];北方工業(yè)大學(xué);2011年

10 吳瓊;可定位和恢復(fù)的數(shù)字圖像鑒別方法研究[D];國防科學(xué)技術(shù)大學(xué);2004年

，

本文編號：1487587