基于伪造痕迹的数字图像盲检测综述

王晨璐,朱婷鸽

(1.西安高新第一中学,陕西 西安 710065;2.西安邮电大学 通信工程学院,陕西 西安 710071)

基于伪造痕迹的数字图像盲检测综述

王晨璐1,朱婷鸽2

(1.西安高新第一中学,陕西 西安 710065;2.西安邮电大学 通信工程学院,陕西 西安 710071)

随着数字图像处理技术的发展,人们对于数字图像的编辑越来越容易,这给数字图像的安全带来较大的挑战。因此,数字图像伪造盲检测成为了图像安全领域的研究热点。文中对数字图像盲取证的研究现状进行分析;并根据伪造图像盲检测技术的特点,对常见的几类数字图像盲检测进行简单的分析;并最终探讨了未来的研究方向。

图像伪造;盲检测;伪造痕迹

数字图像和视频在人们的日常生活中应用越来越广泛。强大的图像编辑软件,一方面使得出现的图像更精美、逼真;另一方面却也为伪造者提供了便利。当那些伪造的图像用于媒体时,会给社会稳定带来一定的负面影响,若用于法庭取证,则给犯罪分子提供有利证据。因此,数字图像的安全问题日益突出。为了保证数字图像的安全,采用以下技术对图像进行安全保护:(1)数字图像加密。(2)数字签名。(3)数字水印。以及新发展的数字图像盲取证技术。数字图像加密隐藏了图像的真实信息,使得信息不被泄露;而数字签名和数字水印对图像进行版权保护,但是要对图像进行预处理,例如插入消息摘要或者水印数字。但是实际中,大量的图像并没有被预处理,而文中需要对其真实性进行鉴定,数字图像的盲检测就此应运而生。

目前数字图像盲检测是图像安全领域研究的热点,国内外众多机构均对其展开了研究,由此产生了较多的盲检测方法。虽然这些方法都解决了一些篡改检测,并能精确的定位伪造位置,但仅是针对某种篡改类型的检测。本文针对常见的几类检测进行分析总结。首先对图像的伪造进行简单的介绍,其次对基于伪造痕迹的图像盲检测进行分析,主要是对常见的基于复制粘贴的盲检测、基于数字图像物理特征不一致的盲检测和基于Jpeg压缩图像的盲检测方法进行分析总结,最后展望了数字图像盲检测技术的发展。

1 数字图像伪造介绍

伪造图像,如图1所示的种类繁多,按照Hany Farid的分类[1],伪造图像分为6类。合成是常见的篡改方法,这类方法是复制一副或多幅图像中的某一部分,粘贴到另一副图像中,或在同一副图像中,将某一目标复制到这幅图像别的地方,以此来隐藏图像的重要信息。再进行后期的处理,使得人眼难以识别篡改的痕迹。变种的篡改方法是将目标图像和原图像的对应特征点,以不同的权值叠加生成另一幅图像。润饰其实就是一种图像修补操作,会使拍出的照片漂亮。改变图像的某一部分颜色,对比度和背景的颜色,达到突出显示某一目标或者细节的目的,这就是增强。利用3Ds MAX、Softimage-xsi等软件生成图像,而且可以达到以假乱真的地步。最后一类是绘画,虽这类图像和真实的场景有差异,但是这些绘画中的某些画经过高精度的扫描以后得到的图像,也是难以区分。

图1 两个来自Internet的伪造例子

因图像伪造的方法很多,导致对于伪造图像的检测难以有某一种方案可检测所有的伪造图像。对于图像盲取证一般涉及到以下两个主要问题:(1)能否确认一幅图像是经过伪造处理还是计算机生成。(2)能否确认伪造区域。针对这两个问题,国内外研究人员提出了一些解决方案,但这些方案均是针对某一种篡改操作进行。下面就针对这些常见的伪造图像检测的算法进行介绍分析。

2 基于复制粘贴图像方法的盲检测

最常见的伪造方法是复制粘贴,其可在同幅图像间进行复制粘贴,对于一幅图像而言,大面积纹理相似的背景容易被人们忽略,例如白色的墙壁,平静的海面,绿色的草地等等。这些纹理简单的背景被复制粘贴后人眼不容易直接识别。照片中移去不需要的人和物,然后用背景进行填充移去的部分就是一个典型的例子。另外一种就是复制同幅图像中一些目标,粘贴在图像中另外一些位置,例如典型的“广场鸽”、“藏羚羊”案例。复制粘贴也可在不同幅图像之间进行,目的是为了隐藏图像中的一些重要信息,或伪造一些原本不存在的背景或者物体目标。针对同幅与不同幅图像间的复制粘贴伪造,研究人员提出了较多的检测方案[2-9]。

任何同幅图像的复制粘贴,都会有图像原始部分和伪造部分图像块的相似性,基于这个特点来对图像进行被动检测。这样如何鉴定这幅图像真实性的问题,就转化为如何在一副图像中寻找两个或者多个相似图像块的问题。则可全图遍历搜索,寻找相似的图像块。虽然简单,但是由于图像运算量大,导致运算速度慢。另外,也可用图像块的相关矩阵法来进行检测,虽运算量稍少,但只能检测出大面积复制的结果。图像相似度查找研究人员提出方案最多的就是图像块的匹配查找。通过离散余弦变换变化系数、主成分分析、小波系数等等来提取图像块的特征,对图像块的的特征进行字典排序,以此来判定图像的复制粘贴区域。

虽然同幅图像的篡改简单,且需要的后期处理少,但在同一副图像中不同幅图像的复制粘贴还是让人较为容易觉察,因此大部分的复制粘贴是从不同幅图像得到的,相比较前者,后者需大量的后期处理,这样就为研究人员提供了解决的思路。因为从别的图像复制粘贴后,对于被修改后的图像,粘贴部分的边缘的会被羽化、模糊处理,使得原本不连续的边缘变得并不突出,与原图的过度平缓,同时原图本身所具有的特征和粘贴部分也是不一致的。因此,通过对羽化的分析来寻找伪造部分,或者通过图像本身的特征来寻找伪造部分。

3 图像光照条件不一致的盲检测

图像篡改中,将不同图像中的目标合成在一幅图像中,而对于不同图像而言,拍摄时的光照条件不同,因此伪造的图像中,不同目标的光照效果难以达到一致。研究人员就根据这种不一致特点作为图像真实性鉴定的依据[10]。对于不同的图像来说,光源的方向是不一致的,因此根据光源方向是否一致方向来检测图像的真实性[11-15]。另外,对于不同的图像来说,不同的场景,因不同目标图像的光源不同,因此光源的颜色也不相同,所以图像中不同目标反应的光源颜色也可作为被动取证的依据。在图像拍摄的过程中,会产生图像的阴影,对于不同的图像来说目标遮挡所产生的阴影的形状或者大小是不一致的,因此这种不一致也被作为图像真实性鉴定的依据。

虽基于光照条件的不一致可作为检测的依据,但对于这种检测来说也存在着问题,因算法的实用性并不强,因在实际的拍摄中,光照环境比较复杂,则在对光照条件的检测时,就需要考虑复杂的光照条件,例如光源是单光源还是多光源、无限光源还是局部光源等。另外,阴天时又该如何处理,因此基于光照条件不一致性的判定有着较大地局限性。

4 基于JPEG压缩图像的盲检测

JPEG压缩是图像压缩常用方式之一,众多图像也是以JPEG形式存储,解决这类图像篡改的思路,研究人员主要关注在JPEG双重压缩质量和图像重采样[16-19]。

图像被存储成JPEG图像时,会被压缩量化,当图像被篡改后,再次存储为JPEG图像时,会经历第二次压缩量化。又因JPEG压缩是分块进行的,各个块之间是相关,因此研究人员提出了利用图像块之间的不一致性来寻找伪造部分。另外当图像经过两次压缩量化后DCT系数会发生周期变化,因此研究人员根据系数的周期性特点来检测图像的真实性。接着有研究人员通过研究压缩图像,从而估计出原始的量化表,以此来检测图像的真伪。JPEG压缩是一种有损压缩,当多次压缩后,图像质量变低。根据这个特点,研究人员可根据这个来分析图像块质量,当某一部分的图像质量低于别的部分时,就可认定此处为伪造部分。

图像被伪造后,为了使得人们视觉上不能发现伪造痕迹,从而不会对这幅图像怀疑,一般对于图像的伪造部分都会经过一些后处理,例如旋转、缩放等,这其实就是图像被重采样的一个过程。虽然我们视觉上不发现伪造,但是伪造以后会遗留一些伪造痕迹。当被重采样后,图像的各个像素间有特殊的相关性,通过检测这种相关性,来检测图像是否被篡改过。

对于重采样来说,为了抵御检测,篡改者会对整幅图像进行重采样,这样会使得图像的整体特征趋于一致,从而降低检测。而对于JPEG图像来说,实际中因为存储空间的原因,我们可能经过多次压缩。因此,这两种方法只能作为辅助手段与别的检测一起进行。

5 结束语

因图像的伪造手段多样化,使得图像被动检测也多样化。文中仅提到的是常见的几类伪造和检测手段,其均是对图像伪造后遗留的痕迹进行检测。还有诸多别的检测手段,例如基于成像设备的一致性以及基于自然图像的统计特性的检测。随着新的图像被动检测方案的提出,相应的伪造技术也会提升,继而会有新的解决方案的提出。但到目前为止,对于图像真伪性识别,均是有针对性的,只能针对某一种伪造方式来进行鉴定,还没有一个系统的解决方案,因此需要对于图像的盲检测做进一步的研究,完善取证技术的认证能力。

[1] Hany Farid.Creating and detecting doctored and virtual images:implications to the child pornography prevention act[R].USA:Dartmouth College,2012.

[2] 单薇.基于复制粘贴的数字图像篡改检测研究[D].苏州:苏州大学,2014.

[3] 杜振龙,杨凡,李晓丽,等.基于复合特征的复制粘贴伪造图像盲检测[J].计算机工程与设计,2012,33(11):4264-4267.

[4] 张静,冯占磊,苏育挺.基于像素匹配的图像“复制-粘贴”篡改检测算法[J].天津大学学报:自然科学与工程技术版,2009,42(8):713-720.

[5] 景丽,张慧娟.基于相位相关的图像区域复制篡改检测与定位[J].计算机应用,2013,33(3):660-662,687.

[6] 骆伟祺,黄继武,丘国平.鲁棒的区域复制图像篡改检测技术[J].计算机学报,2007,30(11):1998-2007.

[7] 巩家昌,郭继昌.利用CSURF的图像复制粘贴篡改检测[J].天津大学学报:自然科学与工程技术版,2014,47(9):759-764.

[8] 焦丽鑫,杜振龙.基于均值漂移的图像复制粘贴伪造盲检测[J].计算机应用,2014,34(3):806-809.

[9] 王俊文,刘杰光,张湛,等.图像区域复制篡改快速鲁棒取证[J].自动化学报,2009,35(12):1488-1495.

[10]杜宏业.基于光照条件的数字图像盲取证技术研究[D].苏州:苏州大学,2013.

[11]吕颖达,申铉京,陈海鹏,等.基于光照方向不一致性的图像盲鉴别方法[J].吉林大学学报:信息科学版,2009,27(3):293-298.

[12]张腾云.基于光照特性的图像篡改盲检测[D].北京:北京交通大学,2013.

[13]夏建磊.基于光源方向不一致性的图像真伪鉴定问题研究[D].郑州:中原工学院,2013.

[14]杜宏业.基于光照条件的数字图像盲取证技术研究[D].苏州:苏州大学,2013.

[15]韩洪立,李叶舟,牛少彰,等.多重JPEG压缩图像的压缩痕迹检测[J].应用科学学报,2014,32(6):596-604.

[16]岳红原,黄坚.基于双JPEG压缩统计特性的图像篡改检测方法[J].南京工程学院学报:自然科学版,2009,7(2),34-40.

[17]刘丽娟,林小竹.JPEG合成图像的盲篡改检测及定位[J].北京石油化工学院学报,2014,22(2):26-31.

[18]史芳玲.JPEG双重压缩图像检测及中值滤波检测研究[D].西安:西北大学,2012.

[19]孙国梓,刘力颖,杨一涛.基于JPEG特性的图像被动取证技术现状分析[J].北京交通大学学报,2013,37(5):112-118.

A Survey of Digital Image Blind Detection Based on Tampering Trace

WANG Chenlu1,ZHU Tingge2

(1.Xi’an Gaoxin No.1 High School,Xi’an 710065,China;2.Institute of Communication Engineering,Xi’an University of post and Telecommunications,Xi’an 710071,China)

With the development of digital image processing,it is more and more easy to edit image,which brings great challenge to the security of digital image.So blind detection has become a research hot spot in the field of image security.This paper firstly describes the analysis of research status of blind detection.Secondly,according to different forensic features,several blind detection techniques based on the traces left by the tampering process are analyzed.Finally the future direction is presented.

image forgery;blind detection;tampering trace

2015- 03- 16

朱婷鸽(1976—),女,硕士。研究方向:图像安全。E-mail:TGzhu114@163.com

10.16180/j.cnki.issn1007-7820.2015.04.050

TP391.41;TP309.7

A

1007-7820(2015)04-186-03