圖像復制粘貼篡改檢測技術研究.pdf

1、在互聯(lián)網(wǎng)和多媒體如此繁盛的今天，圖像儼然已成為我們?nèi)粘Ｉ钪邢喈斨匾男畔⑤d體。然而隨著各種圖像編輯處理軟件的出現(xiàn)和廣泛應用，圖像能夠輕而易舉的被篡改，使得圖像的真實性和完整性受到破壞。如果被篡改過的圖像應用于醫(yī)學鑒定，司法證據(jù)，新聞媒體，科學研究等重要的領域，將有可能引起重大事故。因此，開展針對圖像篡改檢測技術的研究具有非常重要的意義。
　　圖像篡改檢測技術主要分為主動檢測技術和被動盲檢測技術，主動檢測技術簡單易實現(xiàn)，但由于成本

2、高、校驗繁瑣等原因使其應用有限，而被動盲檢測是在沒有先驗的情況下進行檢測，因此被動盲檢測成為篡改圖像檢測技術的熱點。
　　本文針對圖像復制粘貼篡改檢測技術進行分析和研究，主要研究工作包括：
　　（1）在圖像塊匹配方法中不同的特征提取方法會對檢測結果產(chǎn)生較大影響，針對現(xiàn)有算法中的特征提取方法造成對復制粘貼以及后處理操作圖像檢測的魯棒性較低的問題，本文提出了基于改進梯度方向直方圖（HOGOBP）的圖像復制粘貼篡改檢測算法。盡管梯

3、度方向直方圖（HOG）信息可以反映圖像的紋理等特征，但在檢測復制粘貼塊時，分塊大小和方式直接影響提取的HOG信息，采用不當?shù)姆謮K方式提取HOG信息是造成復制塊誤檢率較高的主要原因。本文的HOGOBP改進算法按照像素重疊對圖像分塊，提取的每一子塊HOG信息更精確，更適合圖像復制粘貼篡改檢測，仿真結果也表明該算法有效提高了圖像復制粘貼篡改檢測的正確率。
　?。?）雖然HOGOBP算法改善了復制粘貼塊的檢測正確率，但逐像素重疊分塊卻引起

4、信息提取和特征匹配的計算量增加，為進一步改進HOGOBP算法，本文利用K-means分類算法先對各塊的特征向量進行分類，在各類中再進行特征向量匹配，有效節(jié)省了計算開銷。同時，利用特征向量分布基本連續(xù)的特點，改進了K-means算法的初始化中心隨機分配機制，有效減少迭代次數(shù)，提高分類效率。
　?。?）本文不僅對灰度圖像、彩色圖像、不同篡改面積以及篡改形狀的圖像進行檢測，驗證本文算法設計的有效性，而且還對后處理操作包括模糊、亮度調(diào)整、