数字图像真伪鉴别技术研究

贵州师范大学求是学院 邓 坚

1 引言

随着数字图像篡改技术的日益盛行，数字图像真实性检测成为当今研究的热点。虽然经过篡改伪造后的图像从肉眼上看很难发现异常，但这些篡改操作不可避免地会在图像的统计特性上产生变化。而图像真实性检测就是依据图像内部的变化特性为依据进行检测的。本文针对常见的几类篡改操作的检测方法进行分析总结。首先对图像的伪造进行简单的介绍，其次对复制-粘贴检测、JPEG压缩检测、重采样检测、模糊润饰检测进行分析，最后展望了数字图像真伪鉴别技术的发展。

2 图像篡改操作

篡改者制作伪造图像时，篡改过程通常采用如下方法：

(1)复制粘贴操作。如果想要从一幅图像移除一个人或物体，篡改者通常会把这幅图像的其它区域复制到该区，如果把拼接处做得不易察觉，那么复制区域就很难发现。

(2)重采样操作。在图像的合成伪造篡改操作中往往会伴随有对图像块的大小尺度，角度等的变换，这些操作即对图像进行了重采样。

(3)模糊操作。为使篡改不留下痕迹，对伪造块的边缘进行模糊等平滑操作是必不可少的。

(4)JPEG压缩。经过数字图像处理软件伪造的图像往往在保存时会进行JPEG压缩。

3 篡改操作的检测方法

3.1 复制粘贴检测方法

经过在同一幅图中进行粘贴篡改的数字图象中的复制粘贴区域有很大的特征相似性，这种复制区域可通过匹配算法进行检测和定位图像篡改伪造的区域。复制粘贴检测方法主要分为遍历查询法以及块特征匹配法两种。遍历查询法是主要是对图像进行像素块划分，然后分别以这些图像块为模板进行图像遍历查询，以此来查找图像中的相似区域。这种方法计算量大，并且在篡改中往往容易引入噪声，该方法对噪声不具有鲁棒性。特征匹配方法是在分块的基础上，提取出图像块的特征值，然后通过寻找相近的特征值来判断复制粘贴区域。例如根据图像块离散余弦变换(DCT)系数进行模糊匹配，采用主成分分析(PCA)设计检测方法，以及利用几何不变矩进行检测等。特征匹配方法较遍历搜索法提高了计算效率且对噪声具有更强的鲁棒性。

3.2 重采样检测方法

图像重采样操作往往会引起像素间的相关性发生变化，此特性可以作为检测重采样的依据。目前重采样的检测方法主要是基于以下两类特性，一类是基于插值信号的像素间存在一定的相关性，第二类是基于插值信号的二阶导数的周期性为依据进行检测。

基于重采样图像二阶导数的统计方差具有周期性，且周期与重采样倍数呈线性关系这一特点可以检测缩放操作，但不能检测旋转操作。Wei[1]在此的基础上进行扩展提出了可以估计旋转因子的算法并成功应用于图像篡改检测，但该方法对于压缩图像不具有鲁棒性。文献[2]先对JPEG 图像 进行再次重采样，削弱压缩带来的影响，然后再利用插值信号的二阶导数具有周期性为依据进行检测，该算法对JPEG压缩具有一定抵抗压缩能力。针对篡改图像过程中往往会引入噪声，影响重采样检测及篡改判断，文献[3]基于重采样操作导致的离散余弦变换(DCT)系数之间相关性的变化，提出了一种新的图像重采样篡改检测方法，该方法对于加噪重采样图像具有一定的鲁棒性。但这些方法主要针对单一重采样操作检测，在实际图像篡改伪造过程中，常需要对伪造图像进行再一次的尺度大小变换，此时篡改区域与背景区域会同时受到重采样操作的影响，上述方法不能有效地区分出篡改区域，故如何设计出一种对多重复杂的篡改操作兼具鲁棒性的重采样检测方法成为下一步探索的方向。

3.3 JPEG压缩检测方法

目前已有很多学者针对JPEG压缩提出了多种检测方法。篡改后的合成图像在存储成新的JPEG 图像后往往会受到第二次JPEG压缩操作，受到第二次JPEG压缩量化的图像DCT系数的直方图会出现一定的周期性，该特性可以作为检测 JPEG压缩痕迹的依据[4]。此外，如果伪造合成图像是由两幅不同的JPEG图像组合而成，那么由于合成图像内部存在不同的压缩历史痕迹，因此该图像的DCT系数的方差将会出现局部接近于零的情况，Farid 称此特性为JPEG Ghost，此特性可以作为检测图像不同压缩痕迹的依据[5]。另外还有学者发现了以下特性，即合成图像中如果存在不同的压缩痕迹，那么该图像内将会存在质量因子以及压缩分块位置的不一致性[6]，可以利用这两种不一致性作为检测JPEG 合成图像的证据。在图像伪造过程中，往往需要进行缩放等重采样操作，而此动作将会破环JPEG压缩特性，使检测变得困难，因此该方法须和重采样检测方法一起使用才能得到较好检测效果。

3.4 模糊痕迹的检测方法

为是篡改不留下痕迹，对伪造块的边缘进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与其周围景物的色彩或边界等平滑过渡，消除区域的不连续性。然而这一操作可能在平滑像素与其邻域像素之间引入某种线形或非线性的关系，即通过此线索可以设计出相应的检测算法定位出篡改的区域。模糊痕迹的检测可以为图像伪造提供检测依据。

4 总结

在图像的实际伪造篡改过程中，一幅伪造图像往往是经历了一系列篡改操作而得到的，而目前的真伪检测方法主要还是针对单一篡改模式进行研究讨论，并且对有损压缩、随机噪声叠加等的鲁棒性较差，距离实际应用依然遥远。因此还需不断引入各种篡改模式进行讨论并提高其检测方法的鲁棒性，使其能应用于实际的伪造图真伪鉴别中。同时，目前图像真伪鉴别技术的研究还存在一些困难，例如缺乏公用的伪造图像测试数据库，没有统一的图像真伪鉴别性能评价方法，对各种图像真伪鉴别技术的性能没办法进行定量比较等，因此还需深入研究并形成较全面的鉴别系统。

[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]刘一,刘本永.基于再采样的图像重采样伪作检测[J].计算机应用,2014,34(3):815-819.

[3]周治平,胡成燕,朱丹.基于Markov过程和伪极坐标快速傅里叶变换的重采样篡改检测[J].计算机应用,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.