圖像拼接檢測的被動取證方法研究綜述

◆張思博

網絡犯罪與取證

圖像拼接檢測的被動取證方法研究綜述

◆張思博

（北華航天工業學院計算機學院 河北 065000）

伴隨著高分辨率數碼設備的推廣、圖像處理技術的日益成熟以及各種圖像處理軟件的廣泛應用，圖像拼接帶來的圖像篡改問題層出不窮，圖像拼接檢測的被動取證受到極大關注。本文從圖像拼接檢測的研究現狀展開，分析被動取證方法的優勢，歸納了五類流行的被動取證方法，對應分析了每一類方法對應的幾種典型算法，并從基本原理、檢驗效果和應對場合等方面對幾種算法作比較。最后進行了總結與思考，分析了圖像拼接檢測被動取證方法面臨的挑戰和難題，并討論了其在未來信息安全領域的研究方向。

圖像篡改；圖像拼接檢測；被動取證；信息安全

1 引言

隨著數字圖像處理技術的日漸成熟，高清完美的圖像給人們的生活帶來很多美好與便利的同時，也伴隨著圖像篡改問題的產生，其在政治、醫學、軍事、外交等各方面給社會和人們的生活都造成極大危害，損失更是不可估量。基于此，針對圖像拼接和篡改的取證方法的研究受到信息安全領域專家學者的廣泛關注。圖像的檢測可以取得犯罪取證的突破，利于加強個人隱私保護不給犯罪分子可乘之機，在軍事情報分析和醫學鑒定領域也發揮著積極作用。通過檢測盡最大可能從源頭上避免虛假圖像信息的傳播，圖像篡改檢測技術的迫切需要也使其成為信息安全研究領域中一個重要分支。

2 圖像拼接檢測方法

圖像篡改方法多種多樣，使得圖像拼接檢測算法并不統一，接下來本文對其中比較流行的基于人工模糊、噪聲特征不一致性、成像機理不一致性、重采樣痕跡不一致性以及JPEG壓縮痕跡不一致性等五種檢測方法在檢測原理、實驗難點、算法適用性方面對國內外學者的研究現狀進行闡述。

2.1 基于人工模糊的檢測

拼接圖像的模糊操作是手段之一，為了使拼接邊緣更逼真，往往會進行一定程度的模糊操作。若想要全面地考慮圖像偽造過程中對圖像特性的影響，精確度可以提高同時也伴隨著難度的提升。周琳娜等[1]提出一種利用同態濾波和形態學濾波的算法，分析并利用離焦模糊和人工模糊的邊緣特性實現對篡改圖像偽造的取證從而有效地檢測出偽造圖像的模糊處理痕跡。王睿和方勇[2]提出另一種檢測算法，該算法按照像素級搜索機制，對圖像中各像素所在位置計算頻域系數的對數相關性，以此表達出該區域的模糊程度，與預設閾值相比較，可實現圖像中局部模糊區域的檢測。Bahrami等[3]設計出一種基于局部模糊類型不一致性的模糊圖像拼接定位框架，利用區域的模糊類型差異來追蹤拼接定位的不一致性。該方法能有效地檢測分類離焦和運動模糊類型，不過這種方法只適用于模糊圖像偽造。

2.2 基于噪聲特征不一致性檢測

在對拼接篡改圖像進行篡改區域定位時，由拼接篡改區域與原始圖像噪聲水平不同作為檢測目標，這一類算法由于易于實現且放寬了某些特定于操作的假設而備受關注，難點在于提高定位精度和算法的魯棒性。李思纖等[4]提出一種檢測方法，對圖像塊進行局部噪聲水平估計，利用估算的噪聲水平進行聚類結果定位出被篡改的區域。該方法能夠較好地定位拼接篡改區域，精確地保留拼接區域的邊緣信息。Zeng等[5]結合最近發展起來的噪聲級估計算法，采用基于主成分分析（PCA）的算法對測試圖像進行分塊噪聲水平估計，該方法在圖像原始區域和拼接區域之間噪聲差較小的情況下表現出良好的性能。張德鵬等[6]等則是通過奇異值分解和改進的拉普拉斯算子計算噪聲特點，從而利用模糊聚類求出閾值，拼接區域與原區域的噪聲差異較小時，該算法也有效，且對后處理操作也具有較好魯棒性。

2.3 基于成像機理不一致性檢測

從圖像的獲取來源出發，每個數字設備有自身參數特性，包括設備品牌、設備類型、設備個體等，可以根據設備的參數確定圖像來源，以檢測圖像是否偽造[7]。王洋和謝權威[8]總結了兩種檢測方法，其一為gama型相機響應函數，原理是根據六維特征向量利用支持向量機作為分類器進行圖像真偽鑒別；另一種則是通過相機響應逆函數進行圖像盲檢測。Ferrara等介紹了一種能夠區分原始圖像和偽造區域圖像的取證算法，假設圖像是用彩色濾光片陣列獲得的，加上抑制器可以消除偽造。該算法可以在不需要知道位置的情況下篩選出偽造圖像。曹剛等提出一種基于階躍型邊緣顏色濾波陣列內插特征一致性分析的快速檢測算法，根據成像過程中內插規律的分析找到異常顏色濾波陣列（CFA）內插特征，然后利用局部邊緣直方圖辨別圖像的真偽并定位拼接位置。該算法能抵抗一定程度的JPEG壓縮和模糊等后處理，對高分辨率圖像的拼接操作具有準確的快速檢測和定位能力。

2.4 基于重采樣痕跡不一致性檢測

在圖像偽造過程中，常會伴有縮放和旋轉等幾何變化，檢測圖像重采樣技術也是圖像偽造檢測的有效途徑之一，難點在于一次重采樣的檢測方法無法區分出篡改區域，且同時檢測出縮放和旋轉的算法難度也較高，因此普通算法往往有一定的局限性。左菊仙和鄧堅提出一種基于重采樣痕跡的圖像偽造檢測算法，將待測圖像重疊分塊，之后計算每塊的特征量并由其不一致性定位篡改區域。該算法能夠進行篡改偽造圖像的自動判斷與篡改區域定位，對再次重采樣操作具有一定的魯棒性。謝鵬程和李峰提出一種基于重采樣檢測JPEG圖像拼接篡改取證算法，JPEG圖像局部區域二階導數進行Radon變換，并求其自協方差進行快速傅里葉變換，從而去除JPEG壓縮的影響，從而判斷該局部區域是否存在重采樣操作。該算法使得JPEG壓縮對于檢測的影響減小，檢測的準確度也得到提高。劉一和劉本永研究出一種基于再采樣的圖像重采樣檢測算法，該算法抗JPEG壓縮能力強，對于經過不同縮放因子所得到圖像進行拼接時的重采樣操作有明顯的檢測效果。

2.5 基于JPEG壓縮痕跡不一致性檢測

JPEG圖像篡改完成后，篡改者往往還以JPEG格式保存，該過程會引入圖像經歷重壓縮時的某些數據特征，此時篡改痕跡已經不明顯，很多根據數據特征進行取證的方法因而受限。Bianchi等提出了一種區分JPEG圖像中原始區域和偽造區域的基本算法，假設被篡改的圖像呈現雙重JPEG壓縮，即對齊（A-DJPG）或未對齊（NA-DJPG），該算法基于一種改進的單一統計模型，描述出現在對齊或非對齊中的偽影，自動計算一個表示離散余弦變換塊概率的似然圖雙倍壓縮。韓洪立等提出一種根據不同分塊的壓縮痕跡進行檢測的方法。該算法對多重JPEG壓縮檢測范圍的擴展有不錯的效果。李晟和張新鵬找出一種利用壓縮特性進行JPEG合成圖像檢測的方案，主要根據再壓縮在不同區域導致的失真程度變化進行檢測。

3 總結與思考

圖像拼接檢測的被動取證方法是圖像信息安全領域的一個重要分支，鑒于篡改數字圖像方法的多樣性以及復雜性，圖像拼接檢測的工作極具挑戰性。當前圖像被動取證研究還沒有達到技術成熟的階段，基于人工模糊的檢測算法復雜度往往較高，且不能有效地進行局部模糊檢測；在圖像采集和傳輸中噪聲的干擾不可避免，噪聲差異檢測往往行之有效，但當噪聲差異較小時該類算法的表現不能達到令人滿意的效果；基于成像機理不一致性的檢測算法往往是針對某一種篡改設計的，容易產生較大誤差，通用性有待提高；基于重采樣痕跡檢測的算法大部分針對的是單次重采樣，再次經歷重采樣便很難定位篡改區域；JPEG圖像所占空間小且便于存儲運輸，因而這種保存格式最為常見，基于JPEG壓縮痕跡的檢測算法也得到了廣泛應用，但在定位精確度上還有待進一步提升。

隨著信息時代發展，圖像拼接技術會日益成熟，而篡改者可能會抓住這個機會將多種篡改技術應用于一幅圖像中，給圖像拼接檢測帶來新的難題。在對圖像進行檢測時，不僅要從拼接后的處理方案原理等方面分析從而對癥下藥研究出相應的認證算法，接下來還要提高已有算法的精確度和魯棒性，不斷提高檢測技術。探索出能夠統一檢測多種篡改技術的算法，是未來圖像信息安全研究的一個重要方向。

[1]周琳娜，王東明，郭云彪，等. 基于數字圖像邊緣特性的形態學濾波取證技術[J]. 電子學報，2008（06）：1047-1051.

[2]王睿，方勇. 一種圖像局部模糊檢測方法及其在被動圖像認證中的應用[J]. 高技術通訊，2009（07）：718-723.

[3] Bahrami K，Kot A C，Li L，et al. Blurred Image Splicing Localization by Exposing Blur Type Inconsistency[J]. IEEE Transactions on Information Forensics and Security，2017，10（5）：999-1009.

[4]李思纖，魏為民，楚雪玲，等.利用改進的超像素分割和噪聲估計的圖像拼接篡改定位方法[J].華僑大學學報（自然科學版），2020，41（2）：237-243.

[5]Zeng H，Zhan Y，Kang X，et al. Image splicing localization using PCA-based noise level estimation[J]. Multimedia Tools & Applications，2016：1-17.

[6]張德鵬，王曉峰，胡姣姣，等.噪聲水平不一致性的圖像拼接區域檢測方法[J].計算機系統應用，2019，28（2）：132-139.

[7]甘艷芬，鐘君柳，鄭媛裕. 數字圖像篡改檢測關鍵技術研究綜述[J]. 赤峰學院學報（自然科學版），2017，33（024）：17-19.

[8]王洋，謝權威. 基于相機響應函數的圖像盲檢測技術研究[J]. 重慶工商大學學報（自然科學版），2014，31（3）：55-61.