基于数字图像统计特征的盲取证技术研究-电子与通信工程专业论文.docx

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 人们可以通过听觉、视觉、味觉等多种途径获得外界信息，其中来自于视觉的信息大约 占 80%。数字图像作为视觉信息最为常见的载体，它传递出来的信息比通过其它途径获取的 信息更为准确和真实。然而随着数码相机、个人电脑的普及，人们看到的图片可能是经过图 像编辑软件恶意伪造和篡改后的图片，因此人们获取可靠和真实信息的重要途径受到严重威 胁。数字图像盲取证是一种在待测图像未嵌入数字水印、数字签名、数字指纹等先验知识的 情形下对其真实性以及来源进行鉴别的技术。本文研究了数字图像统计特征对数字图像盲取 证的影响以及提出了一种新的自然图像和计算机生成图像的盲取证算法。 首先，通过 Benford 定律研究了离散余弦变换（Discrete Cosine Transform, DCT）系数的 选择对自然图像和计算机生成图像鉴别的影响，仿真结果表明：在使用相同判据和最佳阈值 的情况下，自然图像和计算机生成图像的分类准确率随着选择的图像 DCT 高频系数的增多而 先提高，然后达到最大值，之后随着 DCT 低频系数逐渐增多，分类准确率下降，因此体现图 像细节的 DCT 高频系数更有益于图像分类准确率的提高；在使用最佳判据和最佳阈值的情况 下，利用灰度图对自然图像和计算机生成图像进行分类，其准确率最高,图像的绿色（green， G）通道次之，红色（red, R）通道和蓝色（blue，B）通道都较差。 然后，研究了 DCT 系数的选择对拼接图像鉴别的影响，仿真结果表明：从最高频往低频 选择 DCT 系数，随着低频分量的增加，两类图像的分类准确率变化不大；从最低频往高频选 择 DCT 系数，随着能够捕捉拼接图像锐利边缘的高频细节分量增加，两类图像的分类准确率 有较大的改善；当选择相同数量的 DCT 系数时，从最高频向低频选择 DCT 系数方案的分类 准确率普遍优于从最低频向高频选择 DCT 系数方案的分类准确率。 最后，提出了一种基于图像分层模型无序度的自然图像和计算机生成图像的盲取证算法。 通过提取数字图像的每个二进制图层的无序度特征，用这些特征训练支持向量机并对待测数 字图像的类别进行预测，仿真结果表明：通过将二进制图层划分为合适长度的子序列计算图 层的无序度，上述两类图像的分类准确率可达 82.80%，受试者工作特征曲线(receiver operating characteristic curve, ROC)下面积（area under the ROC curve, AUC）值为 0.8982，分类器性能 属于良好，逼近优秀，对自然图像和计算机生成图像具有较好的分类效果。 关键词: 数字图像， 盲取证， 离散余弦变换系数， Benford 定律， 无序度 I Abstract There are many ways to get information for human, such as hearing, sight and taste. The information provided by eyes accounts for about 80%. Digital image, as the most common carrier of visual information, can obtain more accurate and true information than that obtained by other ways. However, with the popularity of digital cameras and personal computers, people get the pictures which could have