数字图像取证

摘要： 图像修复检测是数字图像取证领域中一个非常具有挑战性的问题,为了使图像在被修复后依然保持视觉上的光滑性,常用基于样本块的修复方法来填充被篡改部分。本文提出一种融合注意力机制与全卷积神经网络(Full Convolution Network,FCN)的图像修复取证方法,首先对修复图像进行深度特征提取,再对最终的特征图进行权值分配,以获取最有效的特征图,提高检测效果。为了验证本文方法的可行性,创建了一个修复图像数据库,并通过不同性能指标来评估所提出取证网络的性能。

摘要： 针对相机来源取证中的开放环境问题,本文提出一种自适应聚类优化包络的相机来源取证方法,解决了现有方法在训练相机模型数量少的恶劣情况下检测精度低的问题.首先,通过手肘法得到每一类相机数据的聚类个数,并以该聚类数为参照进行k-means聚类;然后将得到的相机模型子类数据分别进行支持向量数据描述以刻画其子包络,并根据所属相机模型类别将子包络合成一个更具细节特征的特征包络;最后通过判决法则将来自未知相机模型的图像排除,并将判断为已知来源的图像分类溯源,进而实现开放环境下的相机来源鉴别.实验结果表明,在Dresden和SOCRatES两个公开数据集上,本文提出的算法具有更优的鲁棒性和扩展性,与已有方法相比,在KACC,UACC和OACC三个评估指标和时间复杂度上均表现出更优越的性能.

摘要： 随着社交网络和媒体中高质量虚假图像的指数级增长,能够鉴别伪造内容的识别算法被迫切的需要。最常见的图像编辑类型之一包括复制图像区域,称为Copy-move技术,该类伪造手段是将图像中的一个区域复制并粘贴到同一图像的另一个区域中。提出一种有效的Copy-move篡改检测方法,该方法首先基于颜色不变SIFT在被分析的图像中提取关键点,使用二进制描述符来刻画被提取的关键点,在匹配阶段基于KD-tree的最近邻搜索方法匹配特征向量,RANSAC算法被用来查询正确的对,最后去均值归一化积相关(NNPROD)技术和形态学方法对重复的区域进行定位和标记。大量的实验证明所提算法在时间的复杂度、检测的可靠性以及精确度方面具有优秀的性能。

摘要： 本文着眼于数字图像取证技术的研究成果,对数字图像取证技术的研究进展进行了系统的论述.从光学一致性、传感器规律一致性、图像篡改时留下的痕迹或成像时留下的痕迹以及统计特征一致性四个方面对基于内在一致性的传统数字图像取证技术进行了概述;从简单的模型迁移、对模型输入层的修改以及模型架构的修改三个方面对深度学习的图像取证技术进行了阐述.最后,本文对现在数字图像取证技术存在的挑战进行了概括,并展望了取证技术的发展方向.在各种媒体环境中充斥着效果逼真的伪造图像的环境中,对图像取证技术的了解可以让人们更加理性地认识"眼见为实"的观念,提高人们的媒体安全意识.

摘要： 如今,数字图像编辑技术和软件已经被广泛应用于各行各业,但是图像编辑技术被滥用的案例也层出不穷,造成严重的后果与不良的社会影响.为了证明和维护数字图像的真实性,防止图像编辑技术被滥用,数字图像取证技术已成为与社会生活息息相关的重要技术和多媒体信息安全领域的重要研究方向.本文针对数字图像取证中图像操作检测任务,归纳图像操作检测的基本原理,并介绍在单一操作检测、通用操作检测、操作链检测等多个取证场景下,操作痕迹分析、传统手工取证特征以及深度学习检测器等的最新研究进展,最后对当前图像操作取证研究和挑战进行了总结,并对今后可能的研究方向做了展望.

摘要： 日益进步的图像处理技术让数字图像编辑的门槛变得越来越低.利用触手可及的图像处理软件,人们可以方便地改动图像内容,而篡改后的图像往往十分逼真,以至于肉眼难以辨认.这些篡改图像已对个人隐私、社会秩序、国家安全造成了严重的威胁.因此,检测及定位图像中的篡改区域具有重要现实意义,并已成为多媒体信息安全领域中的重要研究课题.近年来,深度学习技术在图像篡改定位中得到了广泛的应用,所取得的性能已显著超越了传统的篡改取证方法.本文对基于深度学习的图像篡改定位方法进行了梳理.介绍了图像篡改定位中常用的数据集及评价标准,以在篡改定位中应用的不同网络架构为依据分析了现有方法的技术特点和定位性能,并讨论了图像篡改定位面临的挑战和未来的研究方向.

摘要： 图像源辨识取证是数字图像被动取证的一个重要研究方向,旨在从图像本身的特性出发对图像的相关来源进行识别和检测.图像源辨识取证主要包括:相机源识别、计算机图形学方法生成图像取证、AI合成图像的取证以及重获取图像的取证.其中相机源识别主要包括对采集图像所用相机的品牌、型号或个体进行识别.计算机图形学方法生成图像取证、AI合成图像的取证以及重获取图像的取证都属于非自然图像(包括生成、合成、重获取图像)与自然图像间的溯源分析.近年来,在图像源辨识取证方面的研究已经取得了一些研究成果.现有的研究方法大致分为两类,包括传统的基于模型的方法和基于深度学习的方法.本文整理了图像源辨识取证领域的研究方法,主要对研究框架和基本思路以及常用的评价指标、数据集进行了介绍,最后总结了当前图像源辨识取证的研究现状.

摘要： 随着数字图像篡改技术不断的革新换代,传统的取证方法已经无法对抗最新的多媒体篡改手段和技术,尤其是深度造假及深度学习技术带来的全新挑战.总结提炼了包括图像预处理模块、特征提取模块及分类结果后处理模块的通用数字图像取证框架,并在提出的框架基础之上分析现有相关研究的优缺点,同时归纳了数字图像取证面临的挑战并指明未来的发展方向.

摘要： 平滑处理是数字图像去噪和产生模糊效果的重要手段,经常被用于美化润饰"伪造"图像,因此对各种平滑滤波实施检测是十分有必要的.针对常见的图像平滑处理,文中提出了一种新的基于差分直方图中尾部信息的平滑滤波检测算法.首先,针对待检测图像,基于不同差分步长和方向构建多个差分绝对值直方图;然后,提取直方图中差分值为0和1的出现频率,以及直方图尾部从大到小若干个差分值及其出现频率构建多维检测特征;最后,构建SVM分类器对图像实施检测.在图像库中实施了平滑处理检测以及区分不同平滑滤波的实验,实验结果表明,所提算法对3种常见的空域平滑滤波(中值滤波、均值滤波、高斯滤波)均有优异的检测性能.此外,该算法能够有效地将平滑滤波与锐化、缩放、压缩等其他数字图像操作进行区分,并且在JPEG压缩图像中具有鲁棒性.

摘要： 复制-粘贴篡改检测(Copy-Move Forgery Detection,CMFD)是数字图像篡改的一种常见方式,近年来已成为多媒体取证领域一个重要的研究方向.本文提出一种鲁棒的复制-粘贴篡改检测算法,基于构造波动函数自适应获取阈值的方法均匀提取图像特征点,可在篡改区域小或平滑的情况下进行鲁棒检测.引入DBQ-LSH匹配算法进行特征匹配,降低了时间复杂度.提出基于不变矩LBP图像的定位方法,在图像受到噪声攻击和JPEG压缩攻击下能精准定位篡改位置.实验结果表明,该算法具有优良的检测正确率(图像级)和检测精度(像素级).

摘要： 针对数字图像取证中常见的复制-粘贴图像伪造，提出了一种有效的基于相位相关的图像区域复制篡改取证算法.首先对给定图像进行一级小波分解，然后提取低频子带系数中所有滑窗覆盖块的6维特征向量，通过字典排序和相位相关方法实现图像区域复制篡改取证.实验与分析表明，该算法针对图像区域复制篡改在检测率和误检率之间具有较好的平衡性，且能有效抵抗高斯模糊、高斯白噪声以及严重JPEG有损压缩等后处理攻击.

摘要： 现有图像来源辨识算法很少讨论测试图像在受到轻微图像处理后算法检测准确率的变化。本文以平板扫描仪所获得的数字图像为研究对象，提出一种鲁棒的源扫描仪辨识技术，并利用支持向量机，对源扫描仪辨识算法的性能和鲁棒性进行了分析。实验结果表明，本文算法能有效地辨识扫描仪的品牌/型号，具有较好的鲁棒性。

摘要： 现有图像来源辨识算法很少讨论测试图像在受到轻微图像处理后算法检测准确率的变化。本文以平板扫描仪所获得的数字图像为研究对象，提出一种鲁棒的源扫描仪辨识技术，并利用支持向量机，对源扫描仪辨识算法的性能和鲁棒性进行了分析。实验结果表明，本文算法能有效地辨识扫描仪的品牌/型号，具有较好的鲁棒性。

摘要： 现有图像来源辨识算法很少讨论测试图像在受到轻微图像处理后算法检测准确率的变化。本文以平板扫描仪所获得的数字图像为研究对象，提出一种鲁棒的源扫描仪辨识技术，并利用支持向量机，对源扫描仪辨识算法的性能和鲁棒性进行了分析。实验结果表明，本文算法能有效地辨识扫描仪的品牌/型号，具有较好的鲁棒性。

摘要： 现有图像来源辨识算法很少讨论测试图像在受到轻微图像处理后算法检测准确率的变化。本文以平板扫描仪所获得的数字图像为研究对象，提出一种鲁棒的源扫描仪辨识技术，并利用支持向量机，对源扫描仪辨识算法的性能和鲁棒性进行了分析。实验结果表明，本文算法能有效地辨识扫描仪的品牌/型号，具有较好的鲁棒性。

摘要： 针对现有的复制粘贴图像篡改检测算法需要某些先验信息、对后处理操作失效且计算量大等问题，本文提出了一种新的针对复制粘贴篡改的检测模式。采用SURF（Speed Up Robust Feature)提取图像的几何不变量特征，KNN（最近邻）进行特征匹配，待鉴定图像的匹配点对用点与点之间连线标记,如果图像被篡改过，所标记的线段将明显集中于某两个区域之间，采用CASIA图像集，通过Matlab仿真实验，验证了该算法不但可以适应平移、旋转及缩放等几何变换，而且有效的抵抗噪音污染、有损JPEG压缩等攻击，检测的速度也得到了很大的提高，检测速度是经典检测算法的十倍以上。

摘要： 针对现有的复制粘贴图像篡改检测算法需要某些先验信息、对后处理操作失效且计算量大等问题，本文提出了一种新的针对复制粘贴篡改的检测模式。采用SURF（Speed Up Robust Feature)提取图像的几何不变量特征，KNN（最近邻）进行特征匹配，待鉴定图像的匹配点对用点与点之间连线标记,如果图像被篡改过，所标记的线段将明显集中于某两个区域之间，采用CASIA图像集，通过Matlab仿真实验，验证了该算法不但可以适应平移、旋转及缩放等几何变换，而且有效的抵抗噪音污染、有损JPEG压缩等攻击，检测的速度也得到了很大的提高，检测速度是经典检测算法的十倍以上。

摘要： 针对现有的复制粘贴图像篡改检测算法需要某些先验信息、对后处理操作失效且计算量大等问题，本文提出了一种新的针对复制粘贴篡改的检测模式。采用SURF（Speed Up Robust Feature)提取图像的几何不变量特征，KNN（最近邻）进行特征匹配，待鉴定图像的匹配点对用点与点之间连线标记,如果图像被篡改过，所标记的线段将明显集中于某两个区域之间，采用CASIA图像集，通过Matlab仿真实验，验证了该算法不但可以适应平移、旋转及缩放等几何变换，而且有效的抵抗噪音污染、有损JPEG压缩等攻击，检测的速度也得到了很大的提高，检测速度是经典检测算法的十倍以上。

摘要： 针对现有的复制粘贴图像篡改检测算法需要某些先验信息、对后处理操作失效且计算量大等问题，本文提出了一种新的针对复制粘贴篡改的检测模式。采用SURF（Speed Up Robust Feature)提取图像的几何不变量特征，KNN（最近邻）进行特征匹配，待鉴定图像的匹配点对用点与点之间连线标记,如果图像被篡改过，所标记的线段将明显集中于某两个区域之间，采用CASIA图像集，通过Matlab仿真实验，验证了该算法不但可以适应平移、旋转及缩放等几何变换，而且有效的抵抗噪音污染、有损JPEG压缩等攻击，检测的速度也得到了很大的提高，检测速度是经典检测算法的十倍以上。

摘要： 针对现有的复制粘贴图像篡改检测算法需要某些先验信息、对后处理操作失效且计算量大等问题，本文提出了一种新的针对复制粘贴篡改的检测模式。采用SURF（Speed Up Robust Feature)提取图像的几何不变量特征，KNN（最近邻）进行特征匹配，待鉴定图像的匹配点对用点与点之间连线标记,如果图像被篡改过，所标记的线段将明显集中于某两个区域之间，采用CASIA图像集，通过Matlab仿真实验，验证了该算法不但可以适应平移、旋转及缩放等几何变换，而且有效的抵抗噪音污染、有损JPEG压缩等攻击，检测的速度也得到了很大的提高，检测速度是经典检测算法的十倍以上。

摘要： 本发明涉及一种利用卷积神经网络集成的数字图像局部滤波取证方法。步骤为：一、先对图像集中图像进行预处理，包括裁剪和滤波；二、将预处理后的图片划分类别并划分训练集和测试集；三、由基础的卷积核互相卷积生成大量新卷积核，对每个卷积核的性能进行评估，筛选出最优的40个卷积核；四、构建特定的有滤波层的VGG网络；五、将训练集数据输入到构建好的网络中，进行神经网络训练，重复多次，每次都在筛选出的卷积核中随机选择组成不同的滤波层以产生多组差异性结果；六、将多组差异性结果输入集成分类器得到小尺寸图像分类结果，实际检测时将小尺寸图像的分类结果整合作为原图最终检测结果；本发明可以有效地方便地解决检测局部滤波图像的问题。

摘要： 本发明公开了一种基于数字图像处理技术的高空抛物预警及取证系统，包括底柱、信息处理箱和摄像头，所述底柱的顶端设置有电池箱，所述电池箱的顶端固定有信息处理箱，所述信息处理箱的顶端设置有防护结构，所述安装结构的顶端设置有调节座，所述调节座的顶端设置有调节头，所述调节头的顶端设置有摄像头。本发明通过在该高空抛物预警及取证系统的顶部安装有透明板，当高空的杂物落向该高空抛物预警及取证系统时，会落在透明板上，且透明板受力会向下移动，透明板与连接座之间的弹簧伸缩柱会起到一定的缓冲作用，可防止落物直接撞向该高空抛物预警及取证系统造成损坏，从而加强了该高空抛物预警及取证系统的防护性。

摘要： 本发明提供了一种基于残差学习卷积融合网络的数字图像设备取证系统。主要包括：数字图像输入单元、数字图像预处理单元、图像特征提取和分类单元、数字图像设备辨别结果输出单元；数字图像预处理单元对数字图像输入单元传输过来的数字图像进行残差学习滤波处理，图像特征提取和分类单元使用权值卷积和传统卷积融合网络对预处理后的数字图像进行底层特征和高层语义特征提取，数字图像设备辨别结果输出单元根据数字图像的高层语义特征得到设备相关特征，根据设备相关特征输出数字图像的设备取证结果。本发明实施例能够在小分辨率数字图像情况下有效地对数字图像进行设备取证，有效提升数字图像的设备辨别性能。

摘要： 本发明的数字图像编码装置如图2所示,具有把低分辨率结构信号Std进行差分编码的编码器1100b和把高分辨率结构信号Sth进行差分编码的编码器1100a,在把高分辨率结构信号Sth使用其预测信号进行差分编码时,通过上述编码器1100b中的补填器138,进行把在上述编码器1100b中再生了的低分辨率结构信号中的无意取样值置换为从其有意取样值得到的伪取样值的补填处理,根据实施了上述该补填处理的再生低分辨率结构信号生成对于上述高分辨率结构信号Sth的预测信号。在这样结构的图像编码装置中,由于根据实施了补填处理的再生低分辨率结构信号生成高分辨率结构信号Sth的预测信号,所以将抑制成为编码处理对象的块(单位处理区域)的高分辨率结构信号和其预测信号的差分的差分信号,能够在抑制编码效率恶化的同时把与位于物体边界部分的块对应的高分辨率结构信号进行差分编码。

摘要： 本发明提供了一种基于数字图像转化和深度学习的数字取证文件碎片分类方法，先将文件碎片转换为灰度图像，然后利用深度学习提取图像的更多隐藏特征，以提高文件碎片分类的性能；其中，所述更多隐藏特征包括：不同的纹理特征，随机特征和用于分类的可压缩性；所述深度学习采用修改和优化的CNN模型，所述模型的第一层卷积层使用1x1比例的卷积核，它使用许多管道使网络结构复杂化；由于每个层中都有不同数量和尺度的滤波核，通过梯度下降和逆向训练来训练最佳匹配本分类模型特征图。本发明通过利用CNN的局部连接和权重共享的优点，提取文件碎片的高维特征，该方案对于以前方案中不易分类的文件，如复合文件和压缩文件，也能实现高精度的碎片分类。

摘要： 公开了一种数字图像内容的发布系统，一种再现数字图像内容的方法，以及一种记录了用于再现数字图像内容的程序的介质。该系统包括：第一发布装置(21)，用于发布数字图像数据(11)；第二发布装置(22)，用于发布次级数据(12)；第一再现装置(24)，用于再现数字图像数据(11)；第二再现装置(25)，用于再现次级数据(12)；以及输出装置(26)，用于叠加这两种再现的数据。次级数据(12)是利用标记语言来准备的以使再现起点和再现终点对应于用于指定数字图像数据(11)的一个图像的图像帧特定码，并且可从具有不同IP地址的一个不同的服务器发布的次级数据(12)被与数字图像数据(11)的再现相同步地再现。

摘要： 通过进行适应于数字图像编码时图像数据有无更新的图像数据转送得到消耗功率低的数字图像输出装置。数字图像输出装置包括解码编码的数字图像数据并输出图像数据更新信息V2的数字图像解码装置1a、根据图像数据更新信息V2指定编码时图像数据更新的部分并输出该指定结果VCT的图像数据转送区域控制部分7、根据图像数据转送区域控制部分7的输出信号VCT从数字图像解码装置1a向LCD用存储器4转送数字图像数据VlA的图像数据转送部分2a和存储数字图像数据VlA的LCD用存储器4。

摘要： 本发明公开了一种基于数字图像处理技术的高空抛物预警及取证系统，包括底柱、信息处理箱和摄像头，所述底柱的顶端设置有电池箱，所述电池箱的顶端固定有信息处理箱，所述信息处理箱的顶端设置有防护结构，所述安装结构的顶端设置有调节座，所述调节座的顶端设置有调节头，所述调节头的顶端设置有摄像头。本发明通过在该高空抛物预警及取证系统的顶部安装有透明板，当高空的杂物落向该高空抛物预警及取证系统时，会落在透明板上，且透明板受力会向下移动，透明板与连接座之间的弹簧伸缩柱会起到一定的缓冲作用，可防止落物直接撞向该高空抛物预警及取证系统造成损坏，从而加强了该高空抛物预警及取证系统的防护性。

摘要： 本发明涉及一种利用卷积神经网络集成的数字图像局部滤波取证方法。步骤为：一、先对图像集中图像进行预处理，包括裁剪和滤波；二、将预处理后的图片划分类别并划分训练集和测试集；三、由基础的卷积核互相卷积生成大量新卷积核，对每个卷积核的性能进行评估，筛选出最优的40个卷积核；四、构建特定的有滤波层的VGG网络；五、将训练集数据输入到构建好的网络中，进行神经网络训练，重复多次，每次都在筛选出的卷积核中随机选择组成不同的滤波层以产生多组差异性结果；六、将多组差异性结果输入集成分类器得到小尺寸图像分类结果，实际检测时将小尺寸图像的分类结果整合作为原图最终检测结果；本发明可以有效地方便地解决检测局部滤波图像的问题。

摘要： 本发明涉及一种基于卷积神经网络的数字图像局部滤波取证方法。本方法的操作步骤为：一、先对图像集中图像进行裁剪，对裁剪后的小尺寸图像分别进行五种滤波操作；二、将包括原图在内的六类图片划分出训练集和测试集；三、划分出训练滤波器的VGG网络的训练集和测试集；四、构建VGG网络以训练八个前置滤波器；五、构建特定的有前置滤波器的密集网络；六、将六类图片的训练集数据输入到密集网络中，进行神经网络训练；七、将训练好的神经网络对测试集的输出作为小尺寸图片分类结果，实际检测时将小尺寸图像的分类结果整合作为原图最终检测结果；本发明可以有效地方便地解决检测局部滤波图像的问题。