1、針對篡改圖像的被動檢測方法 摘要：在使用到數(shù)字圖像的任何領(lǐng)域中，圖像安全都是一個關(guān)鍵性的問題。而圖像更是法醫(yī)研究、法律執(zhí)行的一部分，例如，罪犯的圖像，罪犯現(xiàn)場的圖像，生物特征圖像等等。隨著數(shù)字影像的發(fā)展，數(shù)字圖像在特殊領(lǐng)域中的作用更是不言而喻的。數(shù)字圖像處理的快速發(fā)展雖然促使了法醫(yī)研究中很多新技術(shù)的產(chǎn)生，但同時也使得圖像篡改更加容易。時至今日，很多圖像處理軟件如光影魔術(shù)手，美圖秀秀的日益商業(yè)化，數(shù)字圖像的真實性，完整性，可靠性便成為一大問題。所以，對圖像篡改檢測工具的需求就不可避免。本文主要介紹了幾種被動檢測篡改圖像的方法。被動取證，即在對圖像或圖像的來源沒有任何預知信息的前提下，檢測出圖像是

2、否造假，通過對圖像特性（光照特性）的改變，或數(shù)字圖像的數(shù)學特征的改變等方面的檢測來實現(xiàn)目的。關(guān)鍵詞：圖像取證，圖像篡改，圖像偽造，偽造檢測，圖像鑒定1、 引言數(shù)字圖像是對人、物、藝術(shù)、場所或數(shù)據(jù)等的二維呈現(xiàn)，它與真實世界有一定的相似性，并且在0-1秒內(nèi)即可成像。它廣泛應(yīng)用于印刷媒體和電子媒體。數(shù)字圖像在醫(yī)療診斷、法庭做證、商業(yè)廣告、報刊雜志、休閑娛樂、教育教學等方面有廣泛的應(yīng)用，其中大多數(shù)的應(yīng)用比較敏感，例如，基于圖像的醫(yī)學診斷，基于圖像為證據(jù)的法庭判決。圖像在法醫(yī)實驗中有著至關(guān)重要的作用，因為圖像是用來記錄犯罪現(xiàn)場的證據(jù)。當將這些圖像呈現(xiàn)在法庭上作為證據(jù)時，圖片的完整性就很重要。圖像偽造已經(jīng)

3、成為繼數(shù)字媒介迅速發(fā)展滯后的一個威脅。早前使用模擬圖像時，篡改圖像是不可能的。但在當今的數(shù)字時代，圖像編輯工具的逐漸普及，不留下明顯篡改痕跡，視覺痕跡而改變數(shù)字圖像的信息卻是既容易又有可能的。正是由于如此，數(shù)字圖像的完整性或真實性成為一個問題，這種問題的出現(xiàn)更是對篡改檢測的方法有著魯棒性和可靠性方面的強烈要求。篡改取證方法可大致分為主動取證和被動取證。數(shù)字圖像主動取證技術(shù)是指事先向待取證的圖像嵌入圖像，在取證的過程中對嵌入信息進行認證的技術(shù)，這種技術(shù)主要有數(shù)字水印和數(shù)字簽名等，但因需要事先在圖像中添加額外信息，而待確認圖像常常不含有這些信息，所以其實用性很有限，因此，這種檢測不適于處理不明圖像

4、或不可靠來源的圖像。被動取證技術(shù)，或者說盲取證技術(shù)是檢測篡改圖像最好的方法。為檢測篡改的痕跡，盲取證的思路是從圖像的功能和偽造的事實（可能會帶入圖像的特定的可檢測到的變化）入手達到檢測的目的，這種技術(shù)更有應(yīng)用價值，但難度相對的也會更大。在本文中將簡要介紹圖像篡改檢測的盲取證技術(shù)的近期發(fā)展，以及一些現(xiàn)有檢測方法的優(yōu)缺點比較。 2、 圖像篡改數(shù)字圖像可能以很多方式被修飾、編輯或篡改。其中大多數(shù)方式列舉如下:（1） 拼接其篡改原理是選取圖像的一部分拼接到該圖像或其他圖像場景中以達到遮掩或造成假象的效果。它可以分為同幅圖像的合成篡改和不同幅圖像之間的合成篡改。圖1是不同幅圖像的拼接篡改的例子。圖1 拼

5、接圖像示例（2） 圖像修飾圖像修飾大多用于雜志封面，通過改變其背景使得畫面質(zhì)量差的圖像能夠更加自然，美觀，舒適，或者通過改變圖片的色度使得照片更吸引人的眼球，見圖2所示。 圖2 圖像修飾示例（3） 幾何變換有些圖畫中的一部分以常見的幾何變換平移、縮放、旋轉(zhuǎn)改變。篡改者將圖畫中的某一部分進行復制，并對其進行幾何改變，以達到自己想要的效果。示例見圖三所示。圖3（a） 原始圖像圖3（b） 篡改圖像（4） 粘貼復制粘貼復制常用于掩蓋圖像中的部分區(qū)域或移除不想要的部分，圖像中的某部分也可能是在圖像中其他部分的粘貼和復制所得，見圖4所示。圖4（a）原始圖像圖4（b）粘貼復制后的圖像圖4（c）復制區(qū)域3、

6、圖像篡改檢測在圖像的被動檢測中，已有幾種方法提出。各種被篡改的圖像在盲檢測后會產(chǎn)生不同的結(jié)果。（1） 幾何轉(zhuǎn)換圖像的檢測大多數(shù)被篡改的圖像中都有兩部分或兩部分以上相同的區(qū)域，而這些區(qū)域則是以幾何方式改變的。篡改時常用的方法是縮放和旋轉(zhuǎn)，使用縮放的方法改變的是物體的大小，而改變大小通常會產(chǎn)生沒有變化的錯覺。旋轉(zhuǎn)改變的則是物體在圖像對齊的角度。任何幾何變換都有兩個基本步驟。第一步：利用空間轉(zhuǎn)換對圖像中像素進行重新布置；第二步：使用插值濾波器在像素強度值改變的地方進行插值。轉(zhuǎn)換中這樣的步驟會產(chǎn)生周期性的特征，而圖像中的這些特征是可以使用濾波器組檢測出來的。圖5展示了篡改圖像是如何通過重采樣檢測出來的

7、。這種方法適用于低階插值多項式，高階多項式會讓檢測變得困難。不同的插值多項式也會造成不同的復雜相關(guān)性。此外，如果偽造者添加噪聲來掩蓋篡改的痕跡，用這種方法來鑒定篡改也不是很有效的。圖5（a）圖像和矩形研究區(qū)域圖5（b）重采樣檢測的輸出（2） 局部噪聲不一致的檢測篡改圖像通常會用局部噪聲來掩飾其篡改部分，添加隨機噪聲也是很常見的方法。如果噪聲衰減，不管是主動取證還是被動檢測，都會會影響篡改圖像檢測方法的結(jié)果。Babak Mahdian和Stanislav Saic主張檢測圖像不同程度的噪聲，將圖像分割成有不同程度噪聲的分塊，基于非重疊塊最高分辨率平鋪小波系數(shù)估計局部噪聲。在分塊中使用中值法檢測噪

8、聲偏差，若圖像中存在異常的噪聲偏差，就代表圖像是被篡改過的，見圖6所示。圖6 圖3（b）中噪聲不一致檢測的結(jié)果然而，大多數(shù)圖像中都有不同噪聲水平的孤立區(qū)域，這些都可以檢測出其不一致性。鑒于人們對這種結(jié)果的解釋，這種檢測噪聲水平的方法可作為其他檢測篡改方法的補充。（3） 循環(huán)平穩(wěn)方法 循環(huán)平穩(wěn)過程的信號具有統(tǒng)計性能隨時間周期性變化的特點。循環(huán)平穩(wěn)過程可看做是多個交錯的靜止過程。 Babak Mahdian和Stanislav Saic認為，產(chǎn)生縮放變化的圖像包含隱藏的循環(huán)平穩(wěn)特性，而這是可以被檢測出來的，循環(huán)平穩(wěn)特性在每一個縮放圖像中引入插值的概念；循環(huán)平穩(wěn)信號的光譜成分中存在著特定的關(guān)系，通過

9、檢測圖像中的這些特征，就可以檢測出采樣的痕跡，以及變換參數(shù)。見圖7。圖7（a） 分析圖像圖7（b）相關(guān)性圖 這種方法只適用于檢測發(fā)生圖像大小變換的圖形。任何如旋轉(zhuǎn)、仿射的幾何變換不能檢測采用循環(huán)平穩(wěn)性。針對于圖像大小變換檢測的這種方法也可以用于圖像取證。（4） 視覺線索檢測拼接拼接是圖像變換技術(shù)歷史最悠久的一種，所以至今為止，檢測拼接圖像的方法有很多種。曲振華、邱國平和黃繼武等提出基于人類視覺系統(tǒng)的一種方法，這是一種基于邊緣的方法，其原理是檢測邊緣附近被拼接的痕跡。分析師試圖查找圖像中物體邊緣的異常，以此來檢測圖像拼接。專家們認為通過視覺的分析，圖像拼接可以人為的檢測出來?；谶@個前提，HVS

10、的研究已被開發(fā)為圖像拼接檢測的程序。固定的可視化算法用于預測前幾個可視點，可通過檢測拼接邊緣和可視點之間的聯(lián)系對拼接圖像進行檢測，見圖8所示。圖8 在拼接圖像上的實際圖像測試 為隱藏圖像的拼接，圖像被模糊化處理或加入噪聲后，這種分析邊緣銳度的檢測方法就變得不再適合，邊緣結(jié)構(gòu)、對噪聲和模糊度的敏感等優(yōu)勢變得不再存在。（5） CFA插值檢測 攝影時，色彩濾鏡陣列（CFA），或色彩濾鏡馬賽克（CFM）是由放置在圖像傳感器上的像素傳感器中的微小的彩色濾鏡捕捉顏色信息的。大多數(shù)相機只有一個CCD或CMOS傳感器，所以一個像素只有一個通道顏色。而要獲取色彩豐富的圖像還需要CFA得到每個像素點另外兩個顏色通

11、道。CFA插值時利用已采集通道顏色的線性組合對其它缺失的通道顏色進行估計，這樣像素點之間就會產(chǎn)生一定的相關(guān)性，篡改圖像會破壞這種相關(guān)性，通過檢測這些變化，被篡改的區(qū)域就可以被驗證出來。圖9解釋了如何通過識別CFA檢測出被篡改區(qū)域。圖9（a） 原始圖像圖9（b）CFA模型檢測出的篡改區(qū)域 該方法用于檢測改變了大小、壓縮以及過濾等操作的圖像，然而，有些真實的圖像并沒有CFA值，這樣的圖像就不可以用來檢測其真實性。（6） DCT系數(shù)分析當今電子媒體使用的圖片大多數(shù)都是JPEG的格式，這些圖片在離散余弦變換系數(shù)直方圖上有波峰和波谷，這種現(xiàn)象就稱為DQ效應(yīng)。JPEG圖像的雙量化效應(yīng)是檢測盒發(fā)現(xiàn)JPEG圖

12、像篡改的重要線索之一。這種方案對比了用DCT系數(shù)直方圖計算未篡改區(qū)域后驗概率和用區(qū)間長度計算 未篡改區(qū)域后續(xù)概率之間的差異，提取能有效區(qū)分篡改塊和未篡改塊的特征，然后計算每個圖像塊的特征值。通過設(shè)置閾值，將特征值大于閾值的圖像塊判定為篡改塊，最后選取連通區(qū)域，標定出篡改區(qū)域。利用篡改過程中兩次JPEG壓縮造成的DCT系數(shù)直方圖周期性變化來檢測圖像是否經(jīng)過篡改，通過分析篡改過程中產(chǎn)生的雙量子化效應(yīng)，篡改的JPEG圖像就能檢測出來。圖10揭示了通過分析DQ效應(yīng)的變化如何檢測出篡改行為的。圖10（a） 篡改的JPEG圖像圖10（b）（a）的可能背景 圖10（c）（b）的分塊圖10（d）篡改區(qū)域 圖1

13、0（e）原始圖像這種方法有不受制于篡改方法的優(yōu)勢，并且，這種方法可以處理不完全解壓縮的圖像，因此達到快速檢測的目的。它唯一的缺點就是對圖像格式有限制，只能是JPEG格式。4、 結(jié)論本文分析列舉了盲取證的一些圖像篡改的方法，盡管上述所列舉的都能有效的檢測出圖像的真?zhèn)危渲杏行┓椒▍s需要特定的條件，例如，要求圖像是特定的格式或在特定的色彩區(qū)間。因此，未來在圖像篡改檢測方面的研究更應(yīng)該專注于研究出一種不受圖像格式限制的萬能的檢測方法。參考文獻1 Babak Mahdian and Stanislav Saic, Detection and Description of Geometrically

14、Transformed Digital Images, Media Forensics and Security. Edited by Delp, Edward J., III; Dittmann, Jana; Memon,Nasir D.; Wong, Ping Wah. Proceedings of the SPIE, Volume 7254(2009), pp. 72540J-72540J-9 (2009)2 Babak Mahdian and Stanislav Saic, Using noise inconsistencies for blind image forensics, I

15、mage and Vision3 Babak Mahdian and Stanislav Saic, A Cyclostationarity AnalysisApplied to Scaled Images, Lecture Notes in Computer Science, 2009, Volume 5864/2009, 683-690, DOI: 10.1007/978-3-642-10684-2_76.4 Zhenhua Qu, Guoping Qiu, and Jiwu Huang, Detect Digital Image Splicing with Visual Cues, In

16、formation Hiding: 11th International Workshop, IH 2009, Darmstadt, Germany, June 8-10, 2009,p 247-261.5 Ahmet Emir Dirik and Nasir Memon, Image Tamper Detection Based On Demosaicing Artifacts, Image Processing (ICIP), 2009 16th IEEE International Conference , Nov. 2009, p 1497 1500.6 Zhouchen Lina,

17、JunfengHe, XiaoouTang, Chi-KeungTang, Fast,automatic and fine-grained tampered JPEG image detection via DCT coefficient analysis, Pattern Recognition, Volume 42, Issue 11(November 2009), p 2492-2501.7 Tian-Tsong Ng, Shih-Fu Chang, Ching-Yung Lin, Qibin Sun,Overview of State-of-the-Art in Digital Image Forensics, Multimedia Security Technologies for Digital Rights, 2006.Computing, Volume 27,Issue 10, 2 September 2009, P 1497-1503.