数字图像篡改盲检测检测技术研究

崔磊　宋凯

摘  要：数字图像已普及到人们日常生活的各个角落，成为我们获取信息的主要途径之一。然而，人们使用图像编辑工具（如Photoshop、ACDseed等），可以很容易对图像内容进行修改或者合成，这使得图像所承载的信息变得不再可靠。因此，对数字图像的真实性和完整性的验证，已经成为信息安全领域亟待解决的问题。该文针对不同的图像篡改手段，提出了相应的检测方法。

关键词：数字图像  信息安全  图像篡改

中图分类号：TP391    文献标识码：A 文章编号：1672-3791（2020）04（a）-0012-02

1  数字图像篡改检测技术的分类

数字图像篡改检测技术可分为两大类，分别被称为主动检测技术和被动盲检测技术。主动检测技术采用的是主动的方式，预先向图像中嵌入标志信息，在检测时从图像中提取标志信息验证其真实性和完整性，就可以判断图像是否遭到篡改。被动盲检测技术，是在除图像本身外不知道其他任何先验信息的情况下，被动地检测图像的真实性和完整性。被动盲检测技术没有一种通用的检测方法，一般来讲，只能是根据不同的篡改方式来制定不同的检测策略。

2  图像篡改的手段

常见的图像篡改手段有很多，美国Dartmouse大学的Hany Farid教授将篡改手段分为变种、润饰、增强、合成、计算机生成和绘画。

（1）变种。图像的变种操作，在图像处理中属于一种几何变换，它改变了图像中某一对象的形状或者姿态。变种操作既可以通过改变图像本身的一些特殊点的位置，再通过插值得到一幅新图像，也可以按照一幅特定的图像结构形状，将图像进行几何变换转化为与之具有相似结构的篡改图像。

（2）润饰。图像的润饰操作，一般是发生在图像拼接操作后，为了消除拼接篡改操作遗留下的痕迹，使图像看起来更加自然的一种操作。图像润饰技术的主要手段包括模糊、锐化、缩放、修补等。

（3）增强。图像增强操作是一种为了突出图像中某些特殊对象或图像中某些特殊位置的技术。一般来讲，它不会改变图像中的内容，只会改变图像中特定对象的亮度、色彩、背景、对比度等，模糊或者锐化某些特定的细节。

（4）合成。图像合成是将图像中的某一特定区域，用其他的特定区域来代替，用来隐藏图像的信息或者增加虚假的信息，起到混淆视听的作用。替换区域的来源可能是图像自身的内容，也可能来自其他的图像。

（5）计算机生成。这种篡改手段是从图像的来源入手，利用计算机图形制作软件来生成图像的技术，所生成的图像与真实图像相差无几。

（6）绘画。绘画操作是通过图像处理软件，对原始图像进行绘画加工形成新的图像。

3  被动盲检测技术

为了使篡改后的图像达到以假乱真的程度，操作者通常需要综合使用图像篡改的6种基本方法。拼接篡改和复制粘贴篡改使篡改技术中最常见的，下面我们来分析这两种篡改的检测策略。

3.1 拼接篡改检测技术

所谓的拼接篡改，就是将两幅或者两幅以上图像组合在一起，形成一幅新的伪造的图像。针对图像拼接篡改的特点，可以制定一系列的检测方案。

由于篡改图像是由多幅图像组成，而很多时候它们来自不同的相机，因此相机参数不能保持一致。数字图像在形成过程，会经过颜色滤波矩阵（CFA），对传递进来的信号进行插值，不同的相机有不同的插值，此外不同相机的噪声特性也有所不同，我们可以通过检测CFA插值后留下的特征和噪声特性来判断。

拼接篡改引入的其他图像的特性，改变了平滑性、规律性、不连续和或周期性，图像像素之间的相关性也会发生变化。这种改变相当于在图像中引入加性噪声，改变了图像的局部频率分布，我们可以提取能够表征图像局部频率改变的特征。

拼接篡改过程中会伴有旋转、缩放等润饰操作，这改变图像的重采样特性。同时，由于不同的图像光照条件不同，拼接篡改后图像的光照方向也会不一致。我们可以通过检测图像的内在重采样特性，光照一致性来检测。

3.2 复制-粘贴篡改检测技术

复制-粘贴篡改指的是，从原始图像中复制某一个对象，粘贴到该图像的某一区域，达到隐藏原始图像的某些内容的目的。复制-粘贴篡改技术，主要应用到篡改手段中的合成操作，有时也用到润饰操作。

由于复制-粘贴篡改技术，是在同一图像上复制-粘贴完成的。所以我们的检测策略是，检测图像中某些区域间的匹配度，当这些区域之间的匹配度达到一定程度，就被认为是经过复制-粘贴篡改。图像匹配的方法主要有图像块匹配和特征点匹配两种方法。

块匹配策略首先将图像划分为互不重叠的小图像块，然后提取每一个图像块的特征计算它们之间的匹配度量。我们可以计算每个图形块的DCT变换系数矩阵，然后对DCT系数进行字典排序计算匹配度。几何不变矩，如Hu矩、Blur矩和Zernike矩等，不受尺度影响和不受旋转、平移的操作影响的特征矩，也可以作为匹配的度量。此外，还可以局部二值化LBP算法计算图像块的纹理特征，LBP算法有抗几何变换和對噪声有很好的鲁棒性等优点。

特征点匹配策略主要是提取图像中的关键点，如使用sift、surf算法提取具有尺度不变性、光照不变性和旋转不变性的特征点。这些特征点的邻域的梯度方向统计，可以作为特征点的描述符。我们通过计算关键点描述符所组成特征向量的欧氏距离，可以得到它们之间匹配的度量。为了提高匹配的准确率，我们还需要剔除错误匹配点。RANSAC算法可通过迭代方式估计数学参数模型，从而去除远离参数模型的外点。

4  结语

该文系统地介绍了数字图像篡改检测技术的分类，归纳了篡改图像的几种基本操作。根据拼接篡改和复制-粘贴篡改的特点，提出了相应的检测方法。

参考文献

[1] Huang H，Guo W，Zhang Y.Detection of Copy-Move Forgery in Digital Images Using SIFT Algorithm[C]//PACIIA 2008，Volume 2，2008 IEEE Pacific-Asia Workshop on Computational Intelligence and Industrial Application，19-20December 2008.Wuhan，China.IEEE，2008.

[2] Johnson M K，Farid H.Exposing digital forgeries in complex lighting environments[J].IEEE Transactions onInformation Forensics and Security，2007，2（3）：450-461.

基金项目：辽宁省自然科学基金指导计划项目《基于光照一致性的篡改图像检测技术研究》（项目编号：2019-ZD-0260）。

作者简介：崔磊（1987—），男，汉族，辽宁锦州人，硕士研究生，研究方向：图像处理与分析。

通讯作者：宋凯（1964—），男，汉族，辽宁辽中人，博士，教授/博导，研究方向：计算机视觉、智能检测与控制等，E-mail：songkai@sylu.edu.cn。