圖像拼接檢測(cè)的被動(dòng)取證方法研究綜述

◆張思博

網(wǎng)絡(luò)犯罪與取證

圖像拼接檢測(cè)的被動(dòng)取證方法研究綜述

◆張思博

（北華航天工業(yè)學(xué)院計(jì)算機(jī)學(xué)院 河北 065000）

伴隨著高分辨率數(shù)碼設(shè)備的推廣、圖像處理技術(shù)的日益成熟以及各種圖像處理軟件的廣泛應(yīng)用，圖像拼接帶來(lái)的圖像篡改問(wèn)題層出不窮，圖像拼接檢測(cè)的被動(dòng)取證受到極大關(guān)注。本文從圖像拼接檢測(cè)的研究現(xiàn)狀展開，分析被動(dòng)取證方法的優(yōu)勢(shì)，歸納了五類流行的被動(dòng)取證方法，對(duì)應(yīng)分析了每一類方法對(duì)應(yīng)的幾種典型算法，并從基本原理、檢驗(yàn)效果和應(yīng)對(duì)場(chǎng)合等方面對(duì)幾種算法作比較。最后進(jìn)行了總結(jié)與思考，分析了圖像拼接檢測(cè)被動(dòng)取證方法面臨的挑戰(zhàn)和難題，并討論了其在未來(lái)信息安全領(lǐng)域的研究方向。

圖像篡改；圖像拼接檢測(cè)；被動(dòng)取證；信息安全

1 引言

隨著數(shù)字圖像處理技術(shù)的日漸成熟，高清完美的圖像給人們的生活帶來(lái)很多美好與便利的同時(shí)，也伴隨著圖像篡改問(wèn)題的產(chǎn)生，其在政治、醫(yī)學(xué)、軍事、外交等各方面給社會(huì)和人們的生活都造成極大危害，損失更是不可估量。基于此，針對(duì)圖像拼接和篡改的取證方法的研究受到信息安全領(lǐng)域?qū)＜覍W(xué)者的廣泛關(guān)注。圖像的檢測(cè)可以取得犯罪取證的突破，利于加強(qiáng)個(gè)人隱私保護(hù)不給犯罪分子可乘之機(jī)，在軍事情報(bào)分析和醫(yī)學(xué)鑒定領(lǐng)域也發(fā)揮著積極作用。通過(guò)檢測(cè)盡最大可能從源頭上避免虛假圖像信息的傳播，圖像篡改檢測(cè)技術(shù)的迫切需要也使其成為信息安全研究領(lǐng)域中一個(gè)重要分支。

2 圖像拼接檢測(cè)方法

圖像篡改方法多種多樣，使得圖像拼接檢測(cè)算法并不統(tǒng)一，接下來(lái)本文對(duì)其中比較流行的基于人工模糊、噪聲特征不一致性、成像機(jī)理不一致性、重采樣痕跡不一致性以及JPEG壓縮痕跡不一致性等五種檢測(cè)方法在檢測(cè)原理、實(shí)驗(yàn)難點(diǎn)、算法適用性方面對(duì)國(guó)內(nèi)外學(xué)者的研究現(xiàn)狀進(jìn)行闡述。

2.1 基于人工模糊的檢測(cè)

拼接圖像的模糊操作是手段之一，為了使拼接邊緣更逼真，往往會(huì)進(jìn)行一定程度的模糊操作。若想要全面地考慮圖像偽造過(guò)程中對(duì)圖像特性的影響，精確度可以提高同時(shí)也伴隨著難度的提升。周琳娜等[1]提出一種利用同態(tài)濾波和形態(tài)學(xué)濾波的算法，分析并利用離焦模糊和人工模糊的邊緣特性實(shí)現(xiàn)對(duì)篡改圖像偽造的取證從而有效地檢測(cè)出偽造圖像的模糊處理痕跡。王睿和方勇[2]提出另一種檢測(cè)算法，該算法按照像素級(jí)搜索機(jī)制，對(duì)圖像中各像素所在位置計(jì)算頻域系數(shù)的對(duì)數(shù)相關(guān)性，以此表達(dá)出該區(qū)域的模糊程度，與預(yù)設(shè)閾值相比較，可實(shí)現(xiàn)圖像中局部模糊區(qū)域的檢測(cè)。Bahrami等[3]設(shè)計(jì)出一種基于局部模糊類型不一致性的模糊圖像拼接定位框架，利用區(qū)域的模糊類型差異來(lái)追蹤拼接定位的不一致性。該方法能有效地檢測(cè)分類離焦和運(yùn)動(dòng)模糊類型，不過(guò)這種方法只適用于模糊圖像偽造。

2.2 基于噪聲特征不一致性檢測(cè)

在對(duì)拼接篡改圖像進(jìn)行篡改區(qū)域定位時(shí)，由拼接篡改區(qū)域與原始圖像噪聲水平不同作為檢測(cè)目標(biāo)，這一類算法由于易于實(shí)現(xiàn)且放寬了某些特定于操作的假設(shè)而備受關(guān)注，難點(diǎn)在于提高定位精度和算法的魯棒性。李思纖等[4]提出一種檢測(cè)方法，對(duì)圖像塊進(jìn)行局部噪聲水平估計(jì)，利用估算的噪聲水平進(jìn)行聚類結(jié)果定位出被篡改的區(qū)域。該方法能夠較好地定位拼接篡改區(qū)域，精確地保留拼接區(qū)域的邊緣信息。Zeng等[5]結(jié)合最近發(fā)展起來(lái)的噪聲級(jí)估計(jì)算法，采用基于主成分分析（PCA）的算法對(duì)測(cè)試圖像進(jìn)行分塊噪聲水平估計(jì)，該方法在圖像原始區(qū)域和拼接區(qū)域之間噪聲差較小的情況下表現(xiàn)出良好的性能。張德鵬等[6]等則是通過(guò)奇異值分解和改進(jìn)的拉普拉斯算子計(jì)算噪聲特點(diǎn)，從而利用模糊聚類求出閾值，拼接區(qū)域與原區(qū)域的噪聲差異較小時(shí)，該算法也有效，且對(duì)后處理操作也具有較好魯棒性。

2.3 基于成像機(jī)理不一致性檢測(cè)

從圖像的獲取來(lái)源出發(fā)，每個(gè)數(shù)字設(shè)備有自身參數(shù)特性，包括設(shè)備品牌、設(shè)備類型、設(shè)備個(gè)體等，可以根據(jù)設(shè)備的參數(shù)確定圖像來(lái)源，以檢測(cè)圖像是否偽造[7]。王洋和謝權(quán)威[8]總結(jié)了兩種檢測(cè)方法，其一為gama型相機(jī)響應(yīng)函數(shù)，原理是根據(jù)六維特征向量利用支持向量機(jī)作為分類器進(jìn)行圖像真?zhèn)舞b別；另一種則是通過(guò)相機(jī)響應(yīng)逆函數(shù)進(jìn)行圖像盲檢測(cè)。Ferrara等介紹了一種能夠區(qū)分原始圖像和偽造區(qū)域圖像的取證算法，假設(shè)圖像是用彩色濾光片陣列獲得的，加上抑制器可以消除偽造。該算法可以在不需要知道位置的情況下篩選出偽造圖像。曹剛等提出一種基于階躍型邊緣顏色濾波陣列內(nèi)插特征一致性分析的快速檢測(cè)算法，根據(jù)成像過(guò)程中內(nèi)插規(guī)律的分析找到異常顏色濾波陣列（CFA）內(nèi)插特征，然后利用局部邊緣直方圖辨別圖像的真?zhèn)尾⒍ㄎ黄唇游恢谩Ｔ撍惴艿挚挂欢ǔ潭鹊腏PEG壓縮和模糊等后處理，對(duì)高分辨率圖像的拼接操作具有準(zhǔn)確的快速檢測(cè)和定位能力。

2.4 基于重采樣痕跡不一致性檢測(cè)

在圖像偽造過(guò)程中，常會(huì)伴有縮放和旋轉(zhuǎn)等幾何變化，檢測(cè)圖像重采樣技術(shù)也是圖像偽造檢測(cè)的有效途徑之一，難點(diǎn)在于一次重采樣的檢測(cè)方法無(wú)法區(qū)分出篡改區(qū)域，且同時(shí)檢測(cè)出縮放和旋轉(zhuǎn)的算法難度也較高，因此普通算法往往有一定的局限性。左菊仙和鄧堅(jiān)提出一種基于重采樣痕跡的圖像偽造檢測(cè)算法，將待測(cè)圖像重疊分塊，之后計(jì)算每塊的特征量并由其不一致性定位篡改區(qū)域。該算法能夠進(jìn)行篡改偽造圖像的自動(dòng)判斷與篡改區(qū)域定位，對(duì)再次重采樣操作具有一定的魯棒性。謝鵬程和李峰提出一種基于重采樣檢測(cè)JPEG圖像拼接篡改取證算法，JPEG圖像局部區(qū)域二階導(dǎo)數(shù)進(jìn)行Radon變換，并求其自協(xié)方差進(jìn)行快速傅里葉變換，從而去除JPEG壓縮的影響，從而判斷該局部區(qū)域是否存在重采樣操作。該算法使得JPEG壓縮對(duì)于檢測(cè)的影響減小，檢測(cè)的準(zhǔn)確度也得到提高。劉一和劉本永研究出一種基于再采樣的圖像重采樣檢測(cè)算法，該算法抗JPEG壓縮能力強(qiáng)，對(duì)于經(jīng)過(guò)不同縮放因子所得到圖像進(jìn)行拼接時(shí)的重采樣操作有明顯的檢測(cè)效果。

2.5 基于JPEG壓縮痕跡不一致性檢測(cè)

JPEG圖像篡改完成后，篡改者往往還以JPEG格式保存，該過(guò)程會(huì)引入圖像經(jīng)歷重壓縮時(shí)的某些數(shù)據(jù)特征，此時(shí)篡改痕跡已經(jīng)不明顯，很多根據(jù)數(shù)據(jù)特征進(jìn)行取證的方法因而受限。Bianchi等提出了一種區(qū)分JPEG圖像中原始區(qū)域和偽造區(qū)域的基本算法，假設(shè)被篡改的圖像呈現(xiàn)雙重JPEG壓縮，即對(duì)齊（A-DJPG）或未對(duì)齊（NA-DJPG），該算法基于一種改進(jìn)的單一統(tǒng)計(jì)模型，描述出現(xiàn)在對(duì)齊或非對(duì)齊中的偽影，自動(dòng)計(jì)算一個(gè)表示離散余弦變換塊概率的似然圖雙倍壓縮。韓洪立等提出一種根據(jù)不同分塊的壓縮痕跡進(jìn)行檢測(cè)的方法。該算法對(duì)多重JPEG壓縮檢測(cè)范圍的擴(kuò)展有不錯(cuò)的效果。李晟和張新鵬找出一種利用壓縮特性進(jìn)行JPEG合成圖像檢測(cè)的方案，主要根據(jù)再壓縮在不同區(qū)域?qū)е碌氖д娉潭茸兓M(jìn)行檢測(cè)。

3 總結(jié)與思考

圖像拼接檢測(cè)的被動(dòng)取證方法是圖像信息安全領(lǐng)域的一個(gè)重要分支，鑒于篡改數(shù)字圖像方法的多樣性以及復(fù)雜性，圖像拼接檢測(cè)的工作極具挑戰(zhàn)性。當(dāng)前圖像被動(dòng)取證研究還沒(méi)有達(dá)到技術(shù)成熟的階段，基于人工模糊的檢測(cè)算法復(fù)雜度往往較高，且不能有效地進(jìn)行局部模糊檢測(cè)；在圖像采集和傳輸中噪聲的干擾不可避免，噪聲差異檢測(cè)往往行之有效，但當(dāng)噪聲差異較小時(shí)該類算法的表現(xiàn)不能達(dá)到令人滿意的效果；基于成像機(jī)理不一致性的檢測(cè)算法往往是針對(duì)某一種篡改設(shè)計(jì)的，容易產(chǎn)生較大誤差，通用性有待提高；基于重采樣痕跡檢測(cè)的算法大部分針對(duì)的是單次重采樣，再次經(jīng)歷重采樣便很難定位篡改區(qū)域；JPEG圖像所占空間小且便于存儲(chǔ)運(yùn)輸，因而這種保存格式最為常見(jiàn)，基于JPEG壓縮痕跡的檢測(cè)算法也得到了廣泛應(yīng)用，但在定位精確度上還有待進(jìn)一步提升。

隨著信息時(shí)代發(fā)展，圖像拼接技術(shù)會(huì)日益成熟，而篡改者可能會(huì)抓住這個(gè)機(jī)會(huì)將多種篡改技術(shù)應(yīng)用于一幅圖像中，給圖像拼接檢測(cè)帶來(lái)新的難題。在對(duì)圖像進(jìn)行檢測(cè)時(shí)，不僅要從拼接后的處理方案原理等方面分析從而對(duì)癥下藥研究出相應(yīng)的認(rèn)證算法，接下來(lái)還要提高已有算法的精確度和魯棒性，不斷提高檢測(cè)技術(shù)。探索出能夠統(tǒng)一檢測(cè)多種篡改技術(shù)的算法，是未來(lái)圖像信息安全研究的一個(gè)重要方向。

[1]周琳娜，王東明，郭云彪，等. 基于數(shù)字圖像邊緣特性的形態(tài)學(xué)濾波取證技術(shù)[J]. 電子學(xué)報(bào)，2008（06）：1047-1051.

[2]王睿，方勇. 一種圖像局部模糊檢測(cè)方法及其在被動(dòng)圖像認(rèn)證中的應(yīng)用[J]. 高技術(shù)通訊，2009（07）：718-723.

[3] Bahrami K，Kot A C，Li L，et al. Blurred Image Splicing Localization by Exposing Blur Type Inconsistency[J]. IEEE Transactions on Information Forensics and Security，2017，10（5）：999-1009.

[4]李思纖，魏為民，楚雪玲，等.利用改進(jìn)的超像素分割和噪聲估計(jì)的圖像拼接篡改定位方法[J].華僑大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，41（2）：237-243.

[5]Zeng H，Zhan Y，Kang X，et al. Image splicing localization using PCA-based noise level estimation[J]. Multimedia Tools & Applications，2016：1-17.

[6]張德鵬，王曉峰，胡姣姣，等.噪聲水平不一致性的圖像拼接區(qū)域檢測(cè)方法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2019，28（2）：132-139.

[7]甘艷芬，鐘君柳，鄭媛裕. 數(shù)字圖像篡改檢測(cè)關(guān)鍵技術(shù)研究綜述[J]. 赤峰學(xué)院學(xué)報(bào)（自然科學(xué)版），2017，33（024）：17-19.

[8]王洋，謝權(quán)威. 基于相機(jī)響應(yīng)函數(shù)的圖像盲檢測(cè)技術(shù)研究[J]. 重慶工商大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，31（3）：55-61.