基于扩展马尔科夫特征的SeamCarving篡改检测.docx

第35卷第6期通信学报、，01．35NO．62叭4年6月JournalonCOIIllIIUl2iCationsJune2014基于扩展马尔科夫特征的Seam-Carving篡改检测盛国瑞1,2，高铁杠1，范礼17高琳1，杨福圣1，张顺1(1．南开大学软件学院，天津300071；2．鲁东大学信息与电气工程学院，山东烟台264025)摘要：针对能够用于图像篡改的Seam—Carving技术，提出了一种基于扩展的马尔科夫特征的Seam—Carving篡改识别算法。该算法充分考虑了Seam—Carving操作导致的图像频域特征的变化，将传统的利用马尔科夫转移概率矩阵求取的图像特征和基于扩展的马尔科夫转移概率特征进行融合，而后利用支持向量机进行分类训练，从而达到有效识别基于Seam—Carving的图像篡改。实验结果表明，提出的方案性能优于传统的基于马尔科夫转移矩阵的特征选择方法以及现有的一些该类图像篡改检测方法。关键词：图像取证；图像篡改；Seam—Carving；马尔科夫特征；图像缩放中图分类号：TN911．7文献标识码：A文章编号：1000—436X(2014)06—0039—08Seam-CarvingforgerydetectionbasedonexpandedMarkovfeaturesSHENGGuo—ruil，，GAOTie—gan91，FANLil，GA0Linl，YANGFu—shen91，ZHANGShunl(1．CollegeofSoftware，NankaiUniversity，Tianiin300071，China；2．CollegeofInformationandElectricEngineering，LudongUniversity，Yantai264025，China)Abstract：TodealwiththedigitalimageforgeryusingSeam—Carving，adetectionalgorithmbasedonexpandedMarkovfeatureswasproposed．ThealgorithmtakesfullacountoftheimagefrequencydomainchangecausedbySeam—Carvingoperation，mergesthefeaturesbasedontraditionalandexpandsMarkov仃ansfer-probabilitymatrix．TrainedbySVM，themergedMarkovfeaturecanidentifytheSeam—Carvingforgerymoreeffectively．TheexperimentresultshowsthattheperformanceoftheproposedmethodisbetterthanthatofthemethodbasedontraditionalMaxkovfeaturesandotherexistingmethods．Keywords：imageforensics；imageforgery；Seam—Carving；Maxkovfeature；imageresizing目前，数字图像取证技术主要分为主动取证和1引言被动取证两大类。主动取证技术采取的手段是预先随着数字技术的快速发展，数字图像编辑工具在图像中加入先验信息，在需要检验图像真实性时如GIMP和AdobePhotoshop在为人们提供数字图提取这些信息并与原始嵌入信息进行比对，以此可像编辑便利性的同时，也为数字图像的篡改和滥用以确认图像真伪。数字图像常用的主动取证方法是提供了可能。而如果篡改和伪造的图像被大量地用数字水印技术u删，该技术主要利用数字图像中存于正式媒体、科学发现、保险和法庭证物等，将对在的冗余信息随机性地把版权信息嵌入其中，如社会稳定以及人们的正常生活秩序产生严重的影今，也有很多数码相机支持拍摄时自动嵌入水印。响，虚假照片不仅会歪曲事实和客观世界的本来面显然，对于海量的数字图像，有时并不能预先知道目，也有可能影响司法公正。因此，如何确认一幅哪一幅图片需要被辨别，因此，基于数字水印技术图像的真伪就显得非常重要，数字图像取证技术为的取证技术存在很大的局限性。而被动取证则不图像真伪的辨别提供了一种良好的技术手段。同，它不需要对图像预先进行任何处理，对于任意收稿B期：2013-06—27；修回B期：2013-08—26基金项目：天津市自然科学基金重点项目(11JCZDJCl6000)FoundationItem：TheKeyprojectofNationalNaturalScienceFoundationofTiaInjin(11JCZDJCl6000)万方数据通信学报给定的一幅图像