全文总字数：7563字

1. 研究目的与意义及国内外研究现状

科学研究表明，人脑获取的信息60%由视觉系统提供，图像由于其直观生动的特性，自古在人类生活中得到广泛运用。21世纪以来，随着电子技术的飞速发展，高分辨率的数码相机等设备迅速普及，数字图像已经渗透到每个人的生活中，发挥着不可或缺的作用。各类图像处理软件如雨后春笋般出现，以acdsee、photoshop、iphoto等为代表的图像处理软件，功能强大且使用方便，普通用户可以利用这些工具轻易修改数字图像的内容。多数用户对数字图像的修改是合理且合法的，比如掩盖人像的部分瑕疵。但是人们在享受图像处理技术带来的便捷的同时，数字图像的真实性也面临着严峻挑战[1]。

乘着科学技术发展的东风，数字犯罪以一种远远超过其防御手段的速度发展。身处互联网时代的我们，面对生活中充斥的大量数字图片信息，肉眼缺乏精准的识别能力。如果篡改者带有恶性目的，擅自修改用于政治、新闻、军事、司法取证、医学鉴定等敏感领域的数字图像，其后果不堪设想。2004年，小布什为赢得美国第55届总统大选，在竞选期间对宣传画移花接木，成为他政治生涯的黑历史[2]；2006年，《青藏铁路为野生动物开辟生命通道》等新闻图片造假事件就造成了一定的社会混乱，严重影响了社会和谐稳定[3]； 2011 中国四川官员曾因发 “悬浮视察”的虚假照片而公开向民众道歉[4]。类似的图像篡改事件近十几年在国内外各个领域屡见不鲜，其影响大到国家政治，小到个人权益，人们对于数字图像的信任度降到了冰点。自视听资料、电子数据成为法定证据种类以来，由各种成像设备拍摄的数字图像广泛运用在司法活动的侦查、监督和审判等许多环节，但是各类功能强大的图像处理软件的广泛使用，削弱了数字图像内容的真实性和可信度，司法机关对数字图像的取证要求越来越严苛，没有可靠的取证分析，法院不接受数字图像和视频作为证据。

数字图像渗透了生活的方方面面，杜绝恶意篡改的数字图像给个人和社会带来的危害是紧迫而重要的任务。因此，鉴别数字图像真实性的相关研究具有深远社会意义。

2. 研究的基本内容

本课题将结合深度学习相关知识，提出一种具有高鲁棒性的拼接定位算法。

考虑到深度残差网络（resnet）网络借鉴了高速网络的思想，在构造网络时加入shortcut连接，在训练时加上网络当前层以前的先验特征，使每层的输出不是传统神经网络中输入的映射，而是映射和输入的叠加，加强了网络中信息的传递。本算法提出用残差结构改造全卷积神经网络（fcn），进一步优化网络结构。

综合上述分析，篡改者对于粘贴的图像块进行拼接操作后，常伴有缩放、旋转、模糊润饰等后处理操作，考虑国内外拼接定位研究缺少对上述后处理攻击的抵抗性，本算法增加了一个攻击网络，针对拼接后的常用处理如缩放、旋转、模糊、压缩等进行训练，加强算法整体的鲁棒性。算法模块流程图如下图所示。

3. 实施方案、进度安排及预期效果

（1）实施方案

所提算法使用python语言编写，基于google的tensorflow框架，运用pycharm软件实现，在公

开数据集casia v2.0上进行网络训练和测试。

4. 参考文献

[1] 唐鸿燊. 基于深度学习的数字图像操作取证研究[d]. 北京：北京交通大学，2018.

[2] 杜建红. 数字图像拼接检测盲取证研究[d]. 山西：中北大学，2015.

[3] 甘艳芬. 数字图像篡改检测关键技术研究综述[j]. 赤峰学院学报，2017，33(12)：17-19．