摘 要

随着数字图像在人们工作与生活中的普及，数字图像篡改对人们造成的影响也越来越显著，鉴别图像是否被篡改，需要提取区别于正常图像和篡改伪造图像的特征并进行检测，随着图像识别技术的发展，不断有新的图像特征被提出。在图像篡改检测中，根据不同特征来检测篡改操作，其效果有优有劣，选择一个合适的特征或特征向量对图像篡改检测的效果有着重大影响。图像拼接是一种常见的图像篡改方式，本文利用支持向量机分类的方法来检测拼接篡改图像，提取了3种图像特征用于分类，并进行分析与比较，最后提出一种组合特征向量，用于分类拼接图像与自然图像，其分类性能良好，为后来的研究者提供参考。

本文的主要研究内容如下：

（1）研究了数字图像取证技术的研究背景与意义，对数字图像取证技术、数字拼接篡改图像检测技术的国内外研究现状进行了分析；

（2）研究了数字图像的变换域，包括小波变换和DCT变换，并利用将图像转换到变换域，进行系数抽取再重构的方法，来去除图像的背景等低频信息，提高拼接检测的分类准确率。最后，通过实验验证了对图像进行小波重构与BDCT重构预处理的效果；

（3）研究了图像灰度共生矩阵统计特征、图像游程长度统计特征、图像边缘统计特征的形成原理与提取方法，并进行了MATLAB编程实现。对以上3种特征用于分类拼接图像与自然图像的分类性能进行了分析与对比，并分析了图像重构处理对特征分类效果的影响；

（4）将从差分BDCT重构图像中提取的72维灰度共生矩阵特征，与图像差分BDCT系数矩阵的12维信息熵特征组合成特征向量，用于分类拼接图像与自然图像，测试其分类准确率达到87.3%。

关键词：数字图像盲取证；拼接图像；变换域；统计特征；分类识别

Abstract

With the popularity of digital images in people's work and life, the impact of digital image tampering is becoming more and more significant. To identify whether the image is tampered or not, it is necessary to extract features that are different from natural images and tampered images. With the development of image recognition technology, there have been new image features presented. In the image tampering detection, using different features to detect tampering operation has different effects.Choosing a suitable feature or feature vector has a significant impact on image tampering detection effects. Image splicing is a common image tampering method. In this paper, I use SVM to detect the tampering image.I extracted three kinds of image features for classification, and compared, and finally proposed a combination of features for classifying splicing images and natural images, the classification is of good performance to provide a reference for later researchers.

The main contents of this paper are as follows:

(1) The background and significance of digital image forensics technology is studied, and some of the existing research findings of digital image forensics technology and image splicing tampering detection is analyzed.

(2) The transformation domain of digital image, including wavelet and DCT transform, are studied. And I use the method of transforming the image to transform domain, to delete the low frequency information such as the background of the image to improve the classification accuracy of splicing detection. Finally, the effect of wavelet reconstruction and BDCT reconstruction is verified by experiments.

(3) The statistical characteristics of image gray level co-occurrence matrix, the statistical characteristics of image run length, the image edge statistical features are studied, and the MATLAB programming is carried out. And using the three kinds of characters to classify splicing images and natural images,then the classification performance is analyzed,and the effect of image reconstruction on the feature classification is analyzed too.

(4)The 72-dimensional gray-level covariance matrix feature extracted from the differential BDCT reconstructed image and the 12-dimensional information entropy feature of the image differential BDCT coefficient matrix are combined, then using the eigenvector for classifying splicing image and natural image ,and testing its classification accuracy which reaches 87.3%.

Key words:Digital image blind forensics; Splicing image; Transform domain; Statistical features;Classification recognition

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 课题研究的目的及意义 1

1.2 国内外研究现状 1

1.2.1 数字图像盲取证技术研究现状 1

1.2.2 数字拼接篡改图像检测研究现状 2

1.3 论文内容与结构安排 3

第2章 拼接篡改图像及其检测方法分析 4

2.1 拼接篡改图像特点分析 4

2.2 常用图像拼接篡改检测方法分析 5

2.3 支持向量机与分类 6

2.3.1 支持向量机 6

2.3.2 LibSVM用于分类 6

2.4 本章小结 7

第3章 图像变换域与图像重构的实现 8

3.1 离散小波域 8

3.1.1 二维离散小波变换 8

3.1.2 小波重构 10

3.2 DCT域 11

3.2.1 DCT变换 11

3.2.2 逆DCT变换 12

3.3 本章小结 13

第4章 图像统计特征提取算法分析与实现 14

4.1 图像灰度共生矩阵统计特征提取 14

4.1.1 灰度共生矩阵 14

4.1.2 灰度共生矩阵统计特征提取 14

4.2 图像边缘统计特征提取 15

4.2.1 图像边缘检测 15

4.2.2 统计矩 16

4.2.3 边缘统计特征提取 17

4.3 图像游程长度统计特征提取 17

4.3.1 等灰度游程长度矩阵 17

4.3.2 直方图 18

4.3.3 游程长度统计特征提取 18

4.4 本章小结 19

第5章 图像拼接检测所用特征的性能分析与选择 20

5.1 三种统计特征用于拼接图像检测 20

5.1.1 图像重构预处理 20

5.1.2 拼接图像检测步骤 21

5.2 不同特征用于分类的结果比较与分析 21

5.2.1 分类性能评价指标 22

5.2.2 不同特征用于分类的性能分析 23

5.3 基于组合特征向量的拼接篡改图像检测 25

5.3.1 组合特征向量的形成 25

5.3.2 拼接检测结果及分析 26

5.4 本章小结 27

第6章 总结与展望 28

6.1 论文工作总结 28

6.2 未来工作展望 28

参考文献 30

致 谢 31

第1章 绪论