數字圖像真偽鑒別技術研究

貴州師范大學求是學院 鄧 堅

1 引言

隨著數字圖像篡改技術的日益盛行，數字圖像真實性檢測成為當今研究的熱點。雖然經過篡改偽造后的圖像從肉眼上看很難發現異常，但這些篡改操作不可避免地會在圖像的統計特性上產生變化。而圖像真實性檢測就是依據圖像內部的變化特性為依據進行檢測的。本文針對常見的幾類篡改操作的檢測方法進行分析總結。首先對圖像的偽造進行簡單的介紹，其次對復制-粘貼檢測、JPEG壓縮檢測、重采樣檢測、模糊潤飾檢測進行分析，最后展望了數字圖像真偽鑒別技術的發展。

2 圖像篡改操作

篡改者制作偽造圖像時，篡改過程通常采用如下方法：

(1)復制粘貼操作。如果想要從一幅圖像移除一個人或物體，篡改者通常會把這幅圖像的其它區域復制到該區，如果把拼接處做得不易察覺，那么復制區域就很難發現。

(2)重采樣操作。在圖像的合成偽造篡改操作中往往會伴隨有對圖像塊的大小尺度，角度等的變換，這些操作即對圖像進行了重采樣。

(3)模糊操作。為使篡改不留下痕跡，對偽造塊的邊緣進行模糊等平滑操作是必不可少的。

(4)JPEG壓縮。經過數字圖像處理軟件偽造的圖像往往在保存時會進行JPEG壓縮。

3 篡改操作的檢測方法

3.1 復制粘貼檢測方法

經過在同一幅圖中進行粘貼篡改的數字圖象中的復制粘貼區域有很大的特征相似性，這種復制區域可通過匹配算法進行檢測和定位圖像篡改偽造的區域。復制粘貼檢測方法主要分為遍歷查詢法以及塊特征匹配法兩種。遍歷查詢法是主要是對圖像進行像素塊劃分，然后分別以這些圖像塊為模板進行圖像遍歷查詢，以此來查找圖像中的相似區域。這種方法計算量大，并且在篡改中往往容易引入噪聲，該方法對噪聲不具有魯棒性。特征匹配方法是在分塊的基礎上，提取出圖像塊的特征值，然后通過尋找相近的特征值來判斷復制粘貼區域。例如根據圖像塊離散余弦變換(DCT)系數進行模糊匹配，采用主成分分析(PCA)設計檢測方法，以及利用幾何不變矩進行檢測等。特征匹配方法較遍歷搜索法提高了計算效率且對噪聲具有更強的魯棒性。

3.2 重采樣檢測方法

圖像重采樣操作往往會引起像素間的相關性發生變化，此特性可以作為檢測重采樣的依據。目前重采樣的檢測方法主要是基于以下兩類特性，一類是基于插值信號的像素間存在一定的相關性，第二類是基于插值信號的二階導數的周期性為依據進行檢測。

基于重采樣圖像二階導數的統計方差具有周期性，且周期與重采樣倍數呈線性關系這一特點可以檢測縮放操作，但不能檢測旋轉操作。Wei[1]在此的基礎上進行擴展提出了可以估計旋轉因子的算法并成功應用于圖像篡改檢測，但該方法對于壓縮圖像不具有魯棒性。文獻[2]先對JPEG 圖像 進行再次重采樣，削弱壓縮帶來的影響，然后再利用插值信號的二階導數具有周期性為依據進行檢測，該算法對JPEG壓縮具有一定抵抗壓縮能力。針對篡改圖像過程中往往會引入噪聲，影響重采樣檢測及篡改判斷，文獻[3]基于重采樣操作導致的離散余弦變換(DCT)系數之間相關性的變化，提出了一種新的圖像重采樣篡改檢測方法，該方法對于加噪重采樣圖像具有一定的魯棒性。但這些方法主要針對單一重采樣操作檢測，在實際圖像篡改偽造過程中，常需要對偽造圖像進行再一次的尺度大小變換，此時篡改區域與背景區域會同時受到重采樣操作的影響，上述方法不能有效地區分出篡改區域，故如何設計出一種對多重復雜的篡改操作兼具魯棒性的重采樣檢測方法成為下一步探索的方向。

3.3 JPEG壓縮檢測方法

目前已有很多學者針對JPEG壓縮提出了多種檢測方法。篡改后的合成圖像在存儲成新的JPEG 圖像后往往會受到第二次JPEG壓縮操作，受到第二次JPEG壓縮量化的圖像DCT系數的直方圖會出現一定的周期性，該特性可以作為檢測 JPEG壓縮痕跡的依據[4]。此外，如果偽造合成圖像是由兩幅不同的JPEG圖像組合而成，那么由于合成圖像內部存在不同的壓縮歷史痕跡，因此該圖像的DCT系數的方差將會出現局部接近于零的情況，Farid 稱此特性為JPEG Ghost，此特性可以作為檢測圖像不同壓縮痕跡的依據[5]。另外還有學者發現了以下特性，即合成圖像中如果存在不同的壓縮痕跡，那么該圖像內將會存在質量因子以及壓縮分塊位置的不一致性[6]，可以利用這兩種不一致性作為檢測JPEG 合成圖像的證據。在圖像偽造過程中，往往需要進行縮放等重采樣操作，而此動作將會破環JPEG壓縮特性，使檢測變得困難，因此該方法須和重采樣檢測方法一起使用才能得到較好檢測效果。

3.4 模糊痕跡的檢測方法

為是篡改不留下痕跡，對偽造塊的邊緣進行模糊等平滑操作是必不可少的。模糊操作可以使新插入部分與其周圍景物的色彩或邊界等平滑過渡，消除區域的不連續性。然而這一操作可能在平滑像素與其鄰域像素之間引入某種線形或非線性的關系，即通過此線索可以設計出相應的檢測算法定位出篡改的區域。模糊痕跡的檢測可以為圖像偽造提供檢測依據。

4 總結

在圖像的實際偽造篡改過程中，一幅偽造圖像往往是經歷了一系列篡改操作而得到的，而目前的真偽檢測方法主要還是針對單一篡改模式進行研究討論，并且對有損壓縮、隨機噪聲疊加等的魯棒性較差，距離實際應用依然遙遠。因此還需不斷引入各種篡改模式進行討論并提高其檢測方法的魯棒性，使其能應用于實際的偽造圖真偽鑒別中。同時，目前圖像真偽鑒別技術的研究還存在一些困難，例如缺乏公用的偽造圖像測試數據庫，沒有統一的圖像真偽鑒別性能評價方法，對各種圖像真偽鑒別技術的性能沒辦法進行定量比較等，因此還需深入研究并形成較全面的鑒別系統。

[1]Wei W M,Wang S Z,Zhang X P,et al.Estimation of image rotation angle using interpolation-related spectral signatures with application to blind detection of image forgery[J].IEEE Transactions on Information Forensics and Security,2010,5(3):507-517.

[2]劉一,劉本永.基于再采樣的圖像重采樣偽作檢測[J].計算機應用,2014,34(3):815-819.

[3]周治平,胡成燕,朱丹.基于Markov過程和偽極坐標快速傅里葉變換的重采樣篡改檢測[J].計算機應用,2014,34(11):3323-3326.

[4]J.He,Z.Lin,L.Wang and X.Tang.“Detecting doctored JPEG images via DCT coef cient analysis”9th European Conference on Computer Vision Proceedings,Graz,Austria,20 06,pp.423-435.

[5]H.Farid.“Exposing digital forgeries from JPEG ghosts”IEEE Transactions on Information Forensics and Secu rity,vol.4,no.1,Mar.2009.pp.154-160.

[6]E.G.Zheng and X.J.Ping.“Passive-Blind Forensics for a Class of JPEG Image Forgery”Journal of Electronics &Information Technology,vol.32,no.2,Feb.2010,pp.394-399.