一種基于深度學習的雙JPEG圖像壓縮檢測算法

楚雪玲, 魏為民, 華秀茹, 李思纖, 栗風永

(上海電力大學 計算機科學與技術學院, 上海 200090)

盲取證技術在不知道原始來源的情況下,利用統計和幾何特征、插值效應或特征不一致可驗證圖像/視頻的真實性。由于JPEG壓縮可能會覆蓋數字篡改的某些痕跡,因此許多盲取證技術僅對未壓縮的圖像有效。然而,大多數媒體捕獲設備和后期處理軟件(如PHOTOSHOP),以JPEG格式輸出圖像,而且互聯網上的圖像大多是JPEG格式的。因此,對JPEG壓縮魯棒性研究的盲取證技術至關重要。原始JPEG圖像(質量因子為QF1)被篡改后通常需要重新壓縮,即將經過數字篡改后的偽造圖像以不同質量因子(QF2)的JPEG格式重新存儲,可能會引入雙重JPEG壓縮的證據。近年來,許多成功的雙JPEG圖像壓縮檢測算法被提出。文獻[1-2]分析了篡改前后的雙量化(Double Quantilization,DQ)效應,發現經過兩次量化的圖像區域的離散余弦變換(Discrete Cosine Transfrom,DCT)系數直方圖一般呈現周期性,不同于單量化區域的DCT系數直方圖。文獻[3]識別了DCT系數在時域與頻域的周期性壓縮偽跡,可以檢測塊對齊和非對齊的雙JPEG壓縮。文獻[4-5]提出單壓縮圖像的DCT系數一般遵循Benford定律,而雙壓縮圖像的DCT系數則違反了Benford定律。在文獻[5]中,采用DCT首位統計特征和支持向量機(Support Vector Machine,SVM)分類器相結合來對雙JPEG壓縮檢測。文獻[6]將雙JPEG壓縮應用于隱寫術,使用的特征是從低頻DCT系數的統計中得到的,不僅對普通的偽造圖像有效,而且對使用隱寫算法處理的圖像也有效。

然而,上面討論的算法有一個共同點,它們只估計圖像的壓縮歷史,而不能準確地指出操作了哪個區域?！?br>