数字图像取证技术

数字图像取证技术（通用8篇）

数字图像取证技术 篇1

随着计算机技术、网络技术、多媒体技术的迅速发展, 数字图像已在我们工作生活中发挥着越来越重要的作用, 与此同时, 高质量数码相机的普及和功能日益强大的图像处理软件的广泛应用, 使得人们不需要特殊的专业技术即可对数字图像进行非常逼真的修改, 处理效果很难通过人眼分辨。大多数人对数字图像的修改只是为了增强表现效果或为了好玩, 但也不乏有人出于各种目的故意篡改, 甚至恶意地利用、传播经过精心伪造的数字图像, 这严重的影响了科学发现、保险和法庭证物等, 无疑会对政治、军事和社会的各方面会产生恶劣的影响。因此, 面向真实性检测的数字图像盲取证技术是迫切需要的一种技术, 潜在的应用领域广泛, 涉及新闻媒体、电子票据、文档签名、法庭犯罪取证、保险事故调查、军事情报分析等领域, 有着广泛的应用前景, 正逐步成为多媒体数据安全领域新的研究热点。

1 数字图像取证

数字图像取证技术是一个多学科综合的研究问题, 它涉及计算机视觉、信号处理、计算机图形学、机器学习、成像传感器、模式识别等领域的知识。数字图像取证技术要解决的问题主要包括以下几个方面:能否确认一幅图像是真实 (原始) 图像, 还是经过篡改操作处理后的伪造图像;能否确认伪造图像的篡改区域和篡改程度;能否确认图片是由成像设备拍摄的照片, 还是由计算机生成的图片;能否确认拍摄照片的成像设备的类型或品牌。

目前, 通常有两种取证技术一是数字图像主动取证技术 (数字签名、数字水印) , 另一种是数字图像被动取证技术, 也通常称为数字图像盲取证技术。

数字签名技术, 它提取原始图像的内容摘要作为签名, 在图像使用端通过比对接收图像的内容摘要和签名文件, 从而验证图像的真实性。数字水印技术它利用数字作品中普遍存在的冗余数据与随机性把版权信息或内容信息嵌入到数字作品本身, 从而起到保护数字产品版权或真实性的目的, 用于数字图像检测的数字水印一般可以分为两类:脆弱水印和半脆弱水印。脆弱水印是一种在图像发生任何形式的改变时都会被损坏掉的水印;半脆弱水印是指能够容忍图像进行诸如JPEG压缩、加少量噪声的偶然修改, 但会被图像内容的恶意篡改损坏的水印。在图像使用端通过检测水印信号的修改情况, 判断出图像被篡改的位置以及被篡改的严重程度。数字签名和数字水印检测技术的一个共同特点是内容提供方必须对图像进行预处理, 提取签名或嵌入水印。换句话说, 只有所有的数字图像在发布之前都实现了签名提取或水印嵌入, 相应的鉴别技术才能真正有效, 而在实际应用中, 绝大多数数字图像事先并没有预处理, 这就大大限制了这两种数字图像检测技术的使用范围。

数字图像盲取证技术是指在不依赖任何预签名提取或预嵌入信息的前提下, 根据待取证数字图像自身的一些特征判断其是否经过篡改、合成和润饰等伪造处理, 判断识别及其可能的来源。

2 国内外的研究现状

基于数字图像盲取证技术是近几年发展起来的, 其研究还处于初级阶段, 挑战性高, 创新空间大, 因此许多高校和科研机构都投入到该领域的研究中来。如美国著名的Dartmouth学院、Binghamton大学、Columbia大学和Polytechnic大学等分别成立了专门的数字媒体检测技术研究小组。相比国外, 国内在该领域的研究起步较晚, 但由于该项研究在法律、公安实务中有重要的应用性, 所有国内许多大学, 尤其是公安类院校也开展了大量的研究工作, 主要有中山大学、国防科技大学、同济大学和北京邮电大学等。吴启[1]详细阐述了各种利用Photoshop软件对数字图像进行篡改的技术, 然后分析了各种伪造方法的缺陷, 以及从细节上识别这些篡改图像的方法。王渝霞[2]从图像光照一致性、各种物体的比例关系、色彩反差一致性、局部分辨率、边缘特征等方面阐述了静态图像原始性检验技术。吴琼[3]提出了一个数字图像盲取证技术的基本框架, 它包括图像建模、特征提取与特征分析、算法设计、测试与验证、图像盲取证技术定位与图像分类、相关的图像源特性以及图像数据库等主要组成部分。这些研究从各个方面阐述数字图像盲取证技术的一般方法, 但是这些方法大都是经验性的, 检测结果与检验操作者的熟练程度和经验。对于这一研究领域, 国际上近几年研究有较大的进展, 发展了一系列检测图像篡改的技术。主要有利用图像块之间的相关性可以检测克隆性图像篡改、拼接性图像篡改;利用图像放大、缩小重采样时像素之间的相关性可以检测替换性图像篡改;利用图像中数码相机的色彩滤镜矩阵的不一致性可以用来检测拼接性、替换性图像篡改;利用图像中数码相机的传感器噪声模式的不一致性, 也可以检测拼接性、替换性图像篡改;利用图像中色彩的偏差可以用来检测拼接性、替换性图像篡改;利用透视几何技术可以用来检测篡改图像中不符合透视几何原理的现象;图像拼接时光照条件是最难处理的环节, 利用光照的不一致性或不均匀性可以检测篡改图像[4,5,6,7,8,9,10,11]。

3 数字图像篡改的主要方法

目前数字图像篡改主要有以下几种篡改方法:一是图像区域替换, 篡改者通常将图像中的某一部分用另外一副图像的相应部分替换, 替换后图像边缘部分经过拼合模糊, 使得看起来比较完整。二是图像拼接, 通常是将两副照片按照一定规律连接成一副完整的图像, 并经过色阶调整、色彩平衡、色相以及饱和度调整, 使两张图像看起来比较协调。三是图像克隆, 将数字图像中的某些部分进行复制, 并粘贴到同一张图像中的另一个位置, 以加强图像中的某些效果。四是图像删减, 就是将图像上的某一区域剪切掉或删除掉某些内容。五是图像修复, 对图像上信息缺损区域、移走目标物体留下的信息空白区域进行信息填充, 并且使观察者无法觉察到图像曾经缺损或已被修复。其典型方法是基于样本纹理合成的修复技术, 该技术可以用来去除图像中的大目标。六是图像增强, 包括改变图像特定区域的颜色和对比度等, 这种操作明显地改变图像内容, 但可以模糊或突出某些细节, 或者改变照片的明暗程度等。任何形式的篡改操作都会不可避免地引起数字图像数据内部特征的变化。

4 数字图像盲取证技术

根据数字图像取证中所使用的检测特征依据不同, 可将数字图像盲取证技术分为三类:基于图像篡改过程遗留痕迹特征的取证技术;基于图像内在统计特性的取证技术;基于成像设备一致性的来源取证技术, 下面分别介绍。

4.1 基于图像篡改过程遗留痕迹特征的取证技术

该类技术通过寻找并利用图像篡改操作在伪造图像中的遗留痕迹对图像进行原始性检测, 这种遗留痕迹单凭人眼通常很难发现。不同的篡改手段会产生不同的伪造遗留痕迹, 如JPEG双重压缩操作会导致图像DCT变换系数的直方图产生周期性模式, 重采样操作会导致图像像素之间的相关性发生变化, 复制-粘贴操作会导致图像不同区域之间产生异常的相似性等。目前研究的方法主要包括JPEG双重压缩检测、重采样检测、复制-粘贴检测、照明条件不一致性检测和模糊检测等。

4.2 基于图像内在统计特性的真实性检测

篡改图像的手段多种多样, 大多数情况下从视觉上难以察觉图像是否被伪造过。但是, 篡改和伪造必然在一定程度上影响和破坏图像的内在统计特性, 基于这一观点, 基于图像内在统计特性的盲取证方法首先提取对图像篡改敏感的统计特性, 以形成区分性的特征向量, 然后构建分类器对待检测图像进行分类。该类技术的核心是提取作为区分性特征向量的图像统计特性, 然后依靠分类器来做出决策。目前研究的方法中提取的特征包括双相干特征、边缘百分比特征、图像质量度量特征和二元相似性度量特征等。

4.3 基于成像设备一致性的真实性检测

自然图像通常是由数字采集设备获取的, 不同的采集设备具有不同的特性, 如镜头的光学畸变不同、相机使用的颜色滤波阵列CFA (Color Filter Array) 和相应的插值算法不同等。而由同一设备采集的图像通常具有特殊的一致性规律以反映该设备的特性, 这些一致性的规律可用来确定图像的来源和检测图像是否被篡改。

5 数字图像盲取证方面存在的问题

近几年, 数字图像盲取证研究已经成为一个热点问题, 但随着各种各样的数字图像处理软件的不断进步和发展, 数字图像篡改技术也越来越成熟, 被动式的数字图像取证也越来越难, 从总体上来说, 数字图像盲取证技术的发展还处于初级阶段, 需要进一步深入研究。具体体现在以下两个方面。

5.1 现有的检测方法适用性差, 检测结果认可度不高

数字图像盲取证技术取得了一些研究成果和检测方法, 但目前大多数字图像盲取证检测方法是在很多约束条件下成立的, 其应用对象还存在一定的局限性, 算法依赖性高, 通用性差, 适用性低, 检测结果不够理想, 不能像指纹一样, 定性的检测数字图片是否被篡改, 很多方法只能作为篡改伪造的辅助证明手段, 还没有成为一个具有公信力的技术手段。

5.2 数字图像盲取证技术的体系不完善、缺乏对检测标准的研究

现有的数字图像检测方法大多数还是强调人的主观作用, 不论是那类检测方法, 都没有统一的检测标准, 强调人在检测中的主观判断作用, 而忽略了对这些检测手段的量化, 没有建立标准图像数据库和相关检测评价指标。

由于数字图像本身的复杂性和多样性, 数字图像的盲取证技术是一项难度很大的创新工作, 虽然已经成为当前多媒体信息安全领域研究的一个热点问题, 但取证检测毕竟是随着数字图像发展而带来的一项新课题, 取证检测中的许多问题还需要我们进一步深入研究和探索。

摘要：数字图像盲取证作为一种不依赖任何预签名提取或预嵌入信息来鉴别图像真伪和来源的新课题, 正逐步成为多媒体安全领域新的研究热点, 本文首先介绍了这一领域当前的研究现状和进展, 接着从图像篡改遗留痕迹特征、图像内在统计特性、成像设备一致性三个方面阐述了当前图像盲取证技术的主要方法, 并分析了不足之处。

关键词：数字图像取证,篡改检测

参考文献

[1]吴启.浅谈计算机伪造照片的检验[J].中国人民公安大学学报:自然科学版, 2005, (4) :73-75.

[2]王渝霞, 论静态图像的原始性检验[J].刑事侦查, 2006, 18 (1) :68-67.

[3]Wang J, Bhat P, Colburn R A, et al.Interactive video cutout.ACM Transactions on Graphics (SIGGRAPH'05) , 2005, 24 (3) :585~594.

[4]http://w w w.cs.da rtm outh.edu/fa rid/resea rch/digitaltampering/.

[5]Zhu B B, Swanson M D, Tewfik A H.When seeing isn't believing.IEEE Signal Processing Magazine, 2004, 21 (2) :40~49.

[6]Lin C Y, Chang S F.Semi-fragile watermarking for authentication JPEG visual content.Proceedings of SPIE, San Jose, CA, USA, 2000, 3971:140-151.

[7]Ng T T, Chang S F, Sun Q B.Blind detection of photomontage using higher order statistics.Proceedings of IEEE International Symposium on Circuits and ystems (ISCAS04) , Vanco uver, Canada, 2004, 5:688~691.

[8]Menezes A J, Oorchot P V, Vanstone S.Handbook of applied cryptography.BocaRaton, FL:CRC Press, 1997.

[9]吴金海, 林福宗.基于数字水印的图像认证技术.计算机学报, 2004, 27 (9) :1153-1161.

[10]Lin C Y.Watermarking and digital signature techniques for multimedia authentication and copyright protection.Doctor Thesis, Columbia University, 2000.

[11]Lin C Y, Chang S F.A robust image authentication method distinguishing JPEG compression from malicious manipulation.IEEE Transactions on Circuits and Systems for Video Technology, 2001, 11 (2) :153~168.

对数字图像处理技术的浅析 篇2

【关键词】数字图像处理；内容；特点；关键技术；应用；展望

【中图分类号】TP391.41【文献标识码】A【文章编号】1672-5158（2013）02-0129-02

1.数字图像处理技术的内容及特点

1.1 研究内容

不管应用到哪个领域的图像处理图像数据都要输入、加工和输出图像，其研究内容：

（1）获取、表示和表现图像——把图像信号转化为计算机可以识别的形式，并把数字图像显示和表现出来。

（2）图像复原——已知图像发生退化的缘由时，对图像进行修复，关键是建立退化模型。复原是以模型和数据的图像恢复为基础，消除退化的影响。

（3）图像增强——对图像质量的常规改善。当不知道图像退化原因时，还可用此技术比较主观的改善图像。

（4）图像分割——人类视觉系统可以轻松地将观察到的对象区分开来，但计算机却很难。分割的基本问题目前是将各种方法融合使用，以此提高处理的质量。

（5）图像分析——检测和测量图像中的目标，获取其客观信息，是从图像到数据的过程。

（6）图像重建——指从数据到图像的处理。

（7）图像压缩编码——为减少数据容量、降低数据率、压缩信息量，在不影响其效果的前提下减少图像的数据量。

1.2 数字图像处理技术的特点

（1）图像再现性好——不会因为对图像的变换操作而影响到图像质量；

（2）图像处理精度高——可以将图像数字处理为任意大小的数组；

（3）适用面宽——来自不同信息源的图像被变换为数字编码形式后，都可以用数组来体现灰度图像。

（4）灵活性高——图像处理可完成线性及非线性处理。

2.应用领域

数字图像处理技术被应用到越来越多的领域中，如医疗保健、航空航天、交通通信、军事、工业、农业、林业等。下面选取几方面进行分析：

（1）试听资料证据——视听资料证据是重要的诉讼证据，在司法诉讼活动中发挥着越来越重要的作用，数字图像处理技术是视听资料证据中图像证据资料技术性司法鉴定的常用手段，是图片原始性、真伪性、相关性认定的基本方法，如名捕监控录像模糊图像处理系统，该系统是手印、足迹、枪弹痕迹、工具痕迹、印章检验、文件检验以及录像带处理等痕检、文检、视频图像处理工作的必备工具；以及实时视频降噪仪，能够实时处理现场录像流，增强视频的清晰度，该在录像安全系统中加强监视录像的清晰度，或者在警方实地调查拍摄录像后回到警署再进行降噪。

（2）电子商务——当前的电子商务中，图像处理技术也大有可为，如身份认证、产品防伪和水印技术等。

（3）军事公安领域——军事的目标是侦察、制导和警戒系统和自动灭火器的控制及反伪装；公安部门的现场照片、指纹、手迹、印章和人像等的处理和辨识；历史文字和图片档案的修复和管理等。而数字图像处理技术将数码摄影和图像处理技术结合起来以其独特的优势在公安领域中逐步开始担当重任，在刑事摄影、档案管理、痕迹检验、文件检验、法医、物证提取以及公安教学或宣传中发挥着巨大作用，为广大的公安人员开阔了视野、拓展了思维空间，为执法的公正性提供了有力保证，应用提高了工作效率，减少了人、财、物的消耗，大大提高了工作效率。

（4）智能交通——图像处理具有算法柔性大、适应能力强等特点，在智能交通系统中取得了广泛的应用价值，例如车牌识别（车牌定位、车牌倾抖校正与字符分割、车牌字符识别变换等）和车辆检测与跟踪系统（包括感兴趣区域提取、车辆检测、车辆跟踪等），智能车辆导航、车型识别、交通控制等。

（5）航空航天通信——包括图像传输、电视电话和视会议等，主要是进行图像压缩甚至理解基础上的压缩。

（6）遥感技术——航空航天和卫星摇撼图像获取中和获取后都要用图像处理技术进行加工处理，提取出有利用价值的信息。主要用来对地形地质、矿藏资源搜索以及农业、水利、森林和海洋等资源调查研究，对自然灾害进行预测预报、检测环境污染、处理气象卫星云图以及识别地面军事目标。

（7）生物医学领域——图像处理在医学界的应用非常广泛，图像处理首先应用于细胞分类、染色体分类和放射图像等，临床诊断和病理研究中都大量接住了图像处理技术。它的直观、安全方便、无创伤的优点受到医生和患者的青睐。

（8）工业生产中的应用——在生产线中对产品及部件进行无损检测

（9）机器人视觉——机器视觉相当于智能机器人的重要感觉器官，可以对三维景物进行理解，医院、工厂、邮政以及家庭中的智能机器人，识别和定位装配线工件，太空机器人的自动操作。

（10）视频及多媒体系统——目前，电视制作系统中广泛使用图像处理、变换和合成技术，使电视效果更佳。在多煤体系统中广泛使用静止图像和动态图像的采集、处理、存储、传输和压缩，以达到使用者的目的。

（11）科学可视化——图像处理和计算机图形学的紧密结合，使科学研究得各个领域有了更为新颖的研究工具。

（12）宇宙探测——由于探索太空的需要和太空技术的快速发展，需要用数字处理技术来处理从外太空获取的大量星体照片。

（13）地质勘探——近年来发展起来的以数字图像处理技术为基础、综合多门学科知识的地学信息处理新技术的多源地学信息综合图像处理，使用一些特定的图像处理方法，实现了多源地学信息综合图像处理，用来辅助地质填图，构造地质研究，进行寸产资源的预测和评估，成为当前地质工作者正在研究和探讨的一个问题。

由图像处理技术在以上几个领域中的应用可以看出，图像处理技术在各领域中的重要程度：计算机图像生成技术在航空航海中可以充当仿真训练系统，还可以应用到广告和动画制作，跟友人将其应用到网游中；图像传输与通信还可在多媒体教学、网络视频领域得到广泛应用；在医学上，医学图像处理和材料分析也日益重要，如超声成像、X光成像、Y光成像以及核磁共振成像，对医生工作产生了巨大的辅助；图像跟踪和光学制导在战略技术武器中发挥了重要作用。

3.发展方向

随着计算机的发展，图像处理技术将越来越成熟，对各领域的影响也越来越大，总的来说，图像处理技术的发展有以下几个趋势：

（1） 在目前的基础上，图像处理速度越来越快，分辨率越来越高，多媒体应用光来月广泛，标准化、立体化程度越来越高，并产生智能化的趋势；

（2） 在目前二维基础上将出现多维成像的趋势；

（3） 芯片广泛运用到图像处理技术中，使用起来更加方便；

（4） 将出现新的算法与理论。

图像处理技术在各个领域的应用与发展，大大降低了相应领域的工作难度，效率更高，质量也无可挑剔，使人类受益匪浅。日后图像处理技术将进一步根据人类需求，在相关科研人员的努力奋斗下而实现新的突破，在更为广阔的领域造福人类事业。

参考文献

[1] 李红俊，韩冀皖.数字图像处理技术及其应用. 计算机测量与控制，2009.

[2]W.K.Pratt.DIGITAL IMAGE PROCESSING.Johnwiley & Sons，inc， 2008.

[3]杨枝灵，王开.Visual C++数字图像获取、处理及实践应用.人民邮电出版社，2003

[4] 聂颖，刘榴娣. 数字信号处理器在可视电话中的应用.光电工程， 1997.24（3）：67～70

[5] 侯遵泽，杨文采. 小波分析应用研究.物探化探计算技术，1995. 17（3）：1 ～9

数字图像取证技术 篇3

在时下的数字多媒体时代中,网络、电视上随处可见各类数字图片,并且随着数码相机和电子计算机的日趋发达, 以及图形图像处理软件功能的日益强大,则使得获取、编辑和修改图像变得十分容易。但先进的技术往往是把“双刃剑”,在方便、娱乐人们的同时,也给不法分子以可乘之机,从而对社会生活安全带来了严重不良影响。

基于此,即使得人们对图像真实性的鉴定和取证问题产生了高度重视,越来越多的国内外技术专家相继投入到图像鉴定取证技术的研究中,且已获得初步的进展与成就。

1图像鉴定取证技术

数字图像鉴定取证技术是计算机取证技术的一个分支, 是使用逻辑推导、统计分析等方法对数字图像的某些特征进行识别、提取、收集、分析、验证、确认,以达到鉴定和认证数字图像是否发生了篡改操作的目的,并进一步用以确保数字图像内容的原始性、真实性和完整性的一种技术[1],主要应用于信息安全、保险举证、版权保护等方面。

数字图像鉴定取证技术分为主动取证和被动取证两类[2]。其中,数字图像主动取证技术是指提前将验证信息嵌入到原始数字图像中,通过提取验证信息来验证数字图像是否篡改、并评估来源信息,主要包括: 用以保证信息保密传输、数据交换完整、交易身份确认的数字签名技术,用以保证数字图像版权、完整性的数字水印技术等; 而数字图像被动取证技术( 数字图像盲取证技术) 则是当下的数字领域的前沿研究热点,应用范围更广,并不需要提前将验证信息嵌入到原始数字图像中,仅仅利用图像本身的统计特征变化来辨别真伪,主要包括图像篡改检测鉴定取证技术、图像隐秘分析鉴定取证技术、图像来源鉴定取证技术三个方面。

2数字水印

数字水印是数字图像主动取证技术的重要代表,涵盖多媒体技术、图像信息处理、模式识别、密码学、数字通信等多学科领域,广泛应用于版权保护、隐蔽通信和篡改认证。这种技术利用数字作品中普遍存在的随机性和冗余数据,在不破坏图像显示效果的前提下,将作品的作者、版本号、出版单位等水印信息经过特定算法处理后预先嵌入到未经篡改过的原始数字图像中,需要对图像进行鉴别时,再通过逆算法提取水印,以判别对象是否受到保护,监视被保护数据的传播、真伪鉴别和非法拷贝、解决版权纠纷并为法庭提供证据。

根据识别篡改的能力和容忍图像被修改的程度,目前有三种水印类型: ( 1) 鲁棒水印; ( 2) 易碎水印; ( 3) 半易碎水印。这三种类型的主要区别是数字图像经过裁切、润色、特效等多种技术处理后水印信号能否被完整检测和提取出来[3]。具体来说,鲁棒水印的目标就是在经过诸如噪音、滤波、JPEG压缩、重采样等各种信号处理之后,水印信息不被破坏,仍能被检测和提取出来。鲁棒水印抗干扰能力非常强,能够承受大量的、不同的物理和几何失真,主要应用于数字作品的版权保护; 而易碎水印则对图像处理改动具有非常强的敏感性,不允许对数字作品进行修饰、增强、裁切等操作,一旦在图像中存在较小的变化就足以破坏加入的水印。 易碎水印可以准确定位图像被篡改的区域,甚至可以恢复被篡改区域,主要应用于多媒体数据的精确认证; 敏感性位于以上两者之间的即是半易碎水印,其中只有少数允许的处理操作不会改变水印信号的原貌,但对常见的图像篡改手段比如双JPEG压缩、去噪处理以及图像格式的转换等非常不敏感,主要应用于信息的鲁棒性认证。

3基于数字水印的图像鉴定取证模型研究

3.1系统概述

系统采用B/S( 浏览器/服务器) 结构,具有分布性强、功能扩展容易、维护简单方便、共享性高等特点; 采用微软的 . net平台,具有跨语言、跨平台、安全以及对开放互联网标准和协议的支持等优点; 选用普适性的C + + 语言,表现出有效性、灵活性、便于移植等诸多优点,同时又添加了面向对象编程的支持,提供了强大的编程功能,可方便地构造出模拟现实问题的实体和操作; 而且,选用高性能的Oracle数据库作为系统后台的数据库,因而又为系统集成了稳定性强、安全性能高、支持大量多媒体数据等出众优点。

基于数字水印的图像鉴定取证模型如图1所示。

该系统主要包括五个模块: 用户管理模块、水印处理模块、版权认证模块、结果显示模块和数据库模块。在此,给出各个组成模块的功能解析,具体如下:

( 1) 用户管理模块控制账号信息,包括新用户注册、用户登录、用户信息设置和修改、密码修改等功能;

( 2) 水印处理模块利用算法将水印嵌入图像中或从待检测图像中提取水印;

( 3) 版权认证模块对提取水印进行认证,确定版权信息;

( 4) 结果显示模块,显示图像认证结果,如版权信息、作者信息、出版社信息等;

( 5) 数据库模块记录版权信息、编码信息和水印信息的对应关系,记录合法用户的信息。

3.2水印处理模块

系统中,水印处理模块的设计是整个系统的重点。在水印算法的选择上,对比了目前主流的多种水印算法,如基于DCT( 离散余弦变换) 域的自适应数字水印算法、基于JPEG压缩标准的数字水印算法和基于DWT( 离散小波变换) 的数字水印算法等,由此可知DWT小波变换具有良好的时域和频域局部定位特性,能保证在JPEG的有损压缩下水印具有一定的鲁棒性,也能在一定压缩比的条件下检测出是否发生篡改并精确定位位置,消除了马赛克现象,并且克服了传统傅立叶变换和余弦变换无法很好表现图像时频特性的缺点,使得DWT离散小波变换域水印算法具有广阔的研究和应用前景。

3.2.1水印嵌入

水印嵌入的实现过程如图2所示。

步骤如下:

( 1) 将彩色水印图像进行二值化处理,即将图像上的点的灰度置为0或255,也就是整个图像将呈现出明显的黑白效果;

( 2) 用DWT对宿主图实行二维小波变换;

( 3) 如果二值化后的水印图像对应像素值为0,则在宿主图像小波变换后的对角高频相应位置嵌入信息,并用密钥标注嵌入位置;

( 4) 将二维DWT逆变换后,即可得到已嵌入水印后的图像[4]。

3.3.2水印提取

水印提取的实现过程如图3所示。

步骤如下:

( 1) 用DWT对含有水印的图像实行二维小波变换,得到近似分量、对角细节分量、垂直细节分量、水平细节分量;

( 2) 在分解后的对角细节分量中根据密钥提取水印信息;

( 3) 将还原后的对角细节分量变维,利用函数实行小波逆变换,得到还原后的宿主图。

4结束语

数字图像取证技术 篇4

【关键词】数字图像 修复技术 文物领域

我国科技的迅速发展，科学家对计算机技术也在进行深入研究，这样在很大程度上推动了信息化时代的进步。从目前来看，数字图像技术应用已经进入寻常百姓家，在书籍、报纸、手机、电视等媒体上随处可见。如今的信息技术可将实体物通过数码相机、扫描仪等设备转化为数字图像，这些数字图像在计算机系统中进行加工等一系列步骤可显示在多媒体上进行展示。近几年，数字图像技术的应用愈加广泛，数字图像领域逐渐发展出新型的图像复原技术。

一、数字图像修复技术的文物虚拟修复的概念及意义

数字图像修复技术中的文物虚拟修复技术就是对一些文物数字图像中所缺失、损坏的部分，应用现今的图像信息，根据一定的修复原则进行修复。其主要目的是复原损坏之前的文物，使修复后的数字图像无限接近原视图的视觉效果。单纯从数学角度来看，图像修复技术就是根据空白区域周围的信息将图像添入到空白区域中。很多科研人员认为，图像修复属于病态问题，由于缺少足够的信息并不能保证很好地恢复被损坏的部分。因此，只能从视觉方面来具体分析，从而提出一系列的假设来解决这一问题。在文物领域中，会有很多历史因素及其他客观因素等影响，出土的文物和存放时间长的文图表面会有很多的缺失，如裂缝、咬色、生锈、霉变等情况，这样使文物信息大量缺失，从而对文物的欣赏及研究有很大影响。在以往的文物修复过程中，一般是修复工作者通过对文物补色、刷洗等方法对文物进行简单修复。但是在如今的文物修复中，文物修复主要由具有想象力的修复专家在文物本体上进行处理。这种处理方法一旦形成便很难更改，如稍有大意，存留下来的历史文明将不复存在。因此，此种修复方法风险性极高。文物修复过程中，由于不同的修复专家主观意念会给文物复原造成一定的差异性。为了更好解决上述问题，我们根据计算机虚拟修复技术，对需要修复的文物及数字图像进行仔细评估，充分利用统计学理论及微积分方程建立预测模型，再用图像已知区域信息对缺失区域进行评估，这样便可更好地对数字文化图像进行虚拟修复。还可以更加便捷、快速地提出修复方案，使文物修复的工作周期大大缩短，有效地预防手工修复过程中对文物产生的二次伤害，避免受到人工修复中主观因素的影响，能最大限度修复所有文物缺失信息，使文物重现。

二、数字图像修复技术的文物修复技术内容及路线分析

数字图像修复技术是最近几年才发展起来的图像处理技术，所以，在文物修复应用研究中相对少见。根据数字图像修复技术自身的特征和文物自身特征，充分结合计算机应用及数字图像采集技术，在文物信息缺失的基础上，由容易到复杂、由浅入深形成数字图像修复技术和文物修复技术的基本内容及路线。

三、数字图像修复技术的文物虚拟修复成功实验案例

人们日常生活中所创造使用的物质形成了现今复杂多样化的历史文物。陶瓷类、石器类、金属类、壁画类等文物病害情况各不相同，文物表面的病害形式多种多样。但是，我们可以根据不同的数字图像修复技术，将一系列的病害造成的文物信息缺陷进行汇总。在汇总完成后，再根据不同种类进行分类，从数字图像的角度按照病害形状及大小的不同，可以采用相对应的图像修复算法进行修复。在众多的修复算法中，有一种是以微积分方程为依据的方法，这种算法对图像内容有光线延伸的图像及破损较小的图像修复效果较好，并且微积分方程修复效率极高。另一种是根据样本图像特点进行修复算法，其主要是基于纹理合成算法模型的延伸，主要对一些图像信息严重缺失的文物修复效果最佳。

在文物虚拟修复实验中，任何情况的信息缺失在修复过程中均需遵循文物保护“修复如初”的基本修复原则。比如现存于世的西安碑林博物馆中唐昭陵六骏中的“清骓”石雕。该项石雕就采用了基于变分PDE的修复模型进行了原型修复，该修复方法对图像中的裂痕进行了严密合理的计算估计，并根据所得周围像素的数值对裂隙处的像素进行了填算，从而在一定程度上填补了缝隙中缺失的相关信息，促使修复后效果较为连续且十分自然（见图1）。

陕西蓝田水陆庵明殿明代泥塑普贤菩萨的修复采取了基于样本的图像修复模型，其主要是利用像素样本块缺失情况来进行修补，这样在很大程度上保证了图像本身的色彩及复古气息，图像的历史沧桑感犹存，使视觉效果及欣赏价值提升了许多（见图2）。四川新津观音寺毗卢殿北墙明代壁画中的一些部分，因为保存时间较长，破损情况比较复杂，不但有很多细小的划痕，还有很大的像素缺失。所以，应用变分PDE模型和样本修复模型相结合的方法来对图像进行修复，这样更有利于原图像的修复如初。

除此之外，在文物修复过程中，还有一个很重要的原则，即通过已知信息不能对缺失部分进行判断时，并且查阅不到相关资料证明其缺失情况时，不能依照人的主观意念对文物进行修复。在文物虚拟修复时，一定要给计算机发出相应的指令，对图像进行对照分析，标记出图像中可以进行虚拟修复的位置，对不能判断出的则不需要进行标记，如不这样做，计算机就会进行错误的修复。

四、数字图像修复技术在文物领域中的应用展望

随着信息时代的到来，不同的信息应用不断出现，从而使数字图像在社交网络、微博、电子商务中的需求越来越大。在文物领域，通过网络来对文物信息进行传播已经成为新趋势。在这种趋势的影响下，虽然数字图像修复技术的研究并不透彻，但相信以后这门技术将会广泛地应用在文物保护领域、文物考古领域、文物展陈领域等。例如，在文物保护领域，通过文物虚拟修复技术而获得修复后的效果图，并将效果图应用在文物保护方案中，经过文物专家的不断完善，将会为文物的实体修复提供有效的依据。在文物考古领域，考古专家们发掘的文物大多是残破的古物，这些残破的陶瓷器、青铜器想要恢复原貌就要依靠修复工作。应用数字图像技术来进行修复工作，不仅可以获得更多的考古资料，还可以促进考古工作的顺利完成。

总结：数字图像修复技术虽然在文物领域应用研究的时间还不长，但是，随着我国科技的不断创新，计算机技术及数字图像技术的继续发展，三维数字图像修复技术的不断成熟，相信数字图像修复技术将会发展得更好。

参考文献：

[1]张红英，彭启琮.数字图像修复技术综述[J].中国图象图形学报，2011（01）.

[2]陈卿，王慧琴，吴萌.基于纹理特征的自适应图像修复算法[J].计算机应用，2011（06）.

[3]王展，王慧琴，吴萌等.数字图像修复技术在文物领域的应用展望[J].文博，2012（06）.

数字图像取证技术 篇5

数字图像取证技术可以分为主动取证和盲取证两大类。数字水印技术[1,2,3]是主动取证中的主要标志性技术,但这是一种主动取证方法,需要对图像进行预先处理,大大限制了其应用范围。数字图像盲取证技术[4,5]因为其更广泛的应用范围而受到越来越多的重视,盲取证技术不需要预先向图像中加入标识版权的先验信息,而是直接对取自各种来源的数码图像进行真实性和原始性的鉴别。

细缝裁剪( Seam-carving) 方法[6]是由Avidan, Shai提出的一种基于内容的图像缩放技术。这种技术通过计算各个像素的能量值来有目的的选择“细缝”(Seam),通过复制或移除细缝来达到放大或缩小图像的目的。细缝的选择标准决定了复制或移除细缝对图像重要细节的影响最小,从而达到视觉上的失真最小。细缝裁剪技术因其独有的优势而迅速被承认并且大面积使用,比如,该项技术已经加入到Adobe Photoshop CS4中使得一般操作者也能更容易的使用。细缝裁剪技术还可以通过删除经过指定区域的细缝来实现对图像中某个物体的移除而达到篡改的效果。但是迄今为止针对采用细缝裁剪技术进行图像篡改的相应的检测技术还没有被更多的重视和开发。在仅有的文献中,Min Wu提出了一种基于哈希的预测判别方法[7],这是一种主动取证方法, 应用受到一定限制;Fillion C提出了一种融合特征后用于SVM ( Support Vector Machine) 训练的方 法[8],但是识别的准确率和成功率不高。

本文采用提取正常图像和经过细缝裁剪篡改后的图像的马尔科夫特征,并用SVM进行训练,来达到区分正常图像和细缝裁剪篡改图像的目的,实验结果表明本文所提方法取得了良好的的检测效果。

1细缝裁剪方法

细缝裁剪就是通过复制或者移除“细缝”来实现图像缩放的目的,所谓“细缝”是根据能量值来选定的一条竖直方向或水平方向的一条线,以垂直细缝为例,这条线是从上至下的一条曲线,该曲线在图像每一行都有且仅有一个像素,曲线上相邻2个像素之间是八连通的,这保证了是一条连续的曲线。 关于细缝需要说明以下两点:1细缝的选择是基于像素能量的大小来选取,这里选用式(1) 计算所得出的能量值来进行比较选取;2之所以要细缝上相邻像素八连通从而实现整条细缝是一条连续的曲线,而不是直接选取每一行(以垂直细缝为例)的能量值最低的像素直接复制(放大时)或者删除掉(缩小时),是因为每列能量值最小的像素一般分散分布,直接复制或删除这些像素将会产生比较严重的不连续视觉效果,造成很明显的人为失真痕迹。

对于大小为N1× N2大小的图像,用式(2) 定义一条垂直细缝:

式中,某条竖直细缝包含的像素集由s表示。该竖直细缝含有N1个像素,{ai,bi}iN=11表示N1个像素的坐标集((a,b)代表图像中第a行第b列)。

根据式(2),可以用Is= {I(si)}iN=11= {I(i,x( i)}iN=11来表示细缝的所有像素,那么在若干条细缝中,通过式(3)求得在缩放过程中起关键作用的最优细缝, 也就是总能量值最小的细缝:

细缝的查找过程采用动态编程技术实现,从第2行开始对每个像素( i,j) 计算其M( i,j) 的值:

通过式(4)可以看出,首先逐一检查上一行与当前像素八连通的3个相邻像素的能量值,找到值最小的像素,将当前元素能量值与该像素能量值相加作为当前像素的最终能量值,依次按照以上策略进行计算并记录路径,这样当计算到最后一行的时候,该行每个像素的能量值就是某条细缝的能量累加值,通过对最后一行像素的能量值的遍历可以找到总能量值最低的细缝在最后一行像素的位置,通过此像素进行回溯,就可以找到整条细缝,这种能量值最低的细缝将在图像缩放过程中发挥最大的作用。

当图像需要放大时,通过复制最优细缝来实现。 如果细缝中的某个像素是a2,它的复制决定于它附近的2个像素,比如{a1,a2,a3},复制细缝后为{a1b1,b2,a3},b1 、b2通过式(5)求得:

如果a2恰好处在图像的边缘,比如{a1,a2},则复制细缝后为{a1,b,a2},b的值由式(6)求得:

图像通过插值和细缝剪缩放后的效果对比如图1所示。

通过图1可以看出细缝裁剪技术在图像缩放方面体现出的优越性。用插值方法得到的缩放图像对使得图像的细节发生了变形和失真,而使用细缝裁剪方法得到的缩放效果在最大程度上保证了图像细节不发生变化,因此视觉效果最好。

2基于马尔科夫特征的细缝裁剪篡改检测

2. 1特征提取

一般来讲,通过数码设备获取的数字图像,相邻像素之间存在一定的关联关系。细缝裁剪通过细缝的插入和删除来实现图像的缩放,这个过程必然会明显的影响插入或删除细缝相应区域的相邻像素的相关性。

马尔科夫过程可以很好的描述像素间的相关性以及空间上的连续性变化。通过计算图像频域(比如DCT域)的马尔科夫转移概率矩阵,提取相应特征,加以训练,使其能够用以区分正常图像和经过细缝裁剪篡改后图像,具体步骤如下:

1对源图像进行8 × 8块离散余弦变换从而得到DCT系数矩阵。

2 DCT系数矩阵取整,然后取绝对值( 得到矩阵F)。

3计算F的差矩阵( 水平、竖直、对角线、反对角线4个方向):

4设置阈值T(正整数),对Fh、Fv、Fd、Fm中的所有元素值验证,> T或者 < - T,则改为T或者 - T。

5对Fh、Fv、Fd、Fm分别求各自对应方向的转移概率矩阵:

式中,i,j∈{-T,-T +1,-T +2,…0,…,T -2,T -1,T};su, sv表示图像的原始行数和列数,当括号内条件成立时 δ ( ·) = 1,否则 δ( ·) = 0。

6将式(8)所求得的转移概率矩阵的所有元素作为特征。维数为(2T +1) × (2T +1) ×4 =324(T =4)。

2. 2分类训练

由于支持向量机(SVM)[9]在小样本高维数据的分类表现出很好的性能。本文采用使用RBF核的LIBSVM[10,11]。分类过程将所有未经篡改的正常图像标为“- 1”,所有经过细缝裁剪篡改的图像标为“1”,从而将问题转化为一个二值分类问题。 使用LIBSVM首先对混合图像集进行训练,该训练集包含原始图像和篡改图像。将训练的结果用于含正常图像和按各种比例缩放的篡改图像的测试集进行分类测试。

3实验结果分析

实验对灰度图像和彩色图像两大类进行分别测试。针对灰度图像的实验采用在数字图像取证领域最广泛使用的哥伦比亚大学图像库,该图像库由933张正常图片和912张拼接图片组成。由于图像库涵盖了11大类各种纹理情况的图像,因而在此图像库上的实验结果具有很好的可信性。11类图像的具体纹理特征如表1所示。

实验采用11大类共933张正常图片作为正常图像库并针对每一类正常图像使用细缝裁剪技术产生篡改图像库。其中,分别对正常图像进行0. 5、0. 8比例的缩小和1. 2、1. 5比例的放大。共得到包含4 × 933 = 3 732张篡改图像的篡改图像集。包含933张的正常图像集和3 732张的篡改图像集将为SVM的训练和分类测试提供所有需要的图像。图片实例如图2所示。

彩色图像采用CASIA 2. 0,该库包含7 491张正常图像和5 123张篡改图像。图像大小从240 × 160到900 × 600不等,并且包含未压缩图像和不同压缩比例因子的JPEG压缩图像。7 491张正常图像都是自然图像,包含场景、动物和建筑等9大类。图片实例如图3所示。

软件平台采用Matlab R2009a,硬件平台采用Intel E7500 2. 93 GHz,2 G内存的台式机。大量实验表明,差矩阵和转移概率矩阵求取时取T = 4可以达到最好的效果。

针对灰度图像库,对含有正常图像和篡改图像各300幅(随机挑选)的训练集进行训练,然后对11大类图像逐一选取正常和篡改后各100幅图像(随机挑选)分别检测正确率,结果如表2所示。

TPR( True Positive Rate) 代表在所有待检测篡改图像中 正确检出 的比率; TNR ( True Negative Rate) 代表在所有待检测正常图像中正确检出的比率。Accuracy代表所有待检测正常和篡改图像总的正确检出比率。Total代表所有11 × 100 × 2 = 2 200幅测试图像总的检测正确率。

针对彩色图像库,在9大类共7 491张正常图片中,每类随机选取200张图片,共200 × 9 = 1 800张;每类中随机选取50张并用细缝裁剪进行比例为50% 、80% 、120% 和150% 的缩放,共得到50 × 9 × 4 = 1 800张缩放篡改图片; 每类随机选取50张并使用细缝裁剪移除部分图片细节,得到50 × 9 = 450张篡改图片:训练集即由1 800张正常图片和1 800 + 450 = 2 250张篡改图片组成。测试集由所有7 491张正常图片和2部分篡改图片组成:一部分是每类中随机选取200张并按50% 、80% 、120% 和150% 比例缩放后的200 × 9 × 4 = 7 200张;一部分是每类中随机选取50张并用细缝裁剪方法去除部分图像细节的共50 × 9 = 450张。测试结果如表3所示。

从表2和表3可以看出,基于马尔科夫特征的检测方法检测经过细缝裁剪篡改过的图像具有很高的准确率。从表2可以看出,算法针对纹理较强的图像表现出更高的识别准确率,针对平滑图像表现略差,原因是纹理丰富的图像像素间的变化更显著, 体现在相关性上就更强,在转移概率矩阵中也就具有更明显的特征。考虑到篡改图像基本都是纹理较为复杂的图像,所以本算法在实际应用中应该具有很强的分辨识别能力。从表3可以看出,算法在彩色图像库的检测结果比灰度图像库略差,这应该归因于彩色图像库的图像大小变化和不同压缩比例的JPEG图像的影响。

ROC( Receiver Operating Characteristic Curve) 曲线能够直观地反映出算法分类的效果,采用TPR作为纵轴,FPR(被错认为篡改图像正常图像的数目占测试集中所有正常图像的比例)作为横轴。曲线的AUC( Area Under the Curve) 值越高表明分类的效果越好,分类测试所得ROC曲线如图4所示。通过图4可以看出,基于马尔科夫特征的算法ROC曲线有很好的AUC值,在实际分类中会取得很好的 效果。

4结束语

数字图像取证技术 篇6

关键词：计算机,生成图像,智能取证

前言

随着科技的发展和进步,信息技术开始深入到社会生产生活的各个领域当中,各种信息资源逐渐插着数字化的方向发展,数字图像是其中最具代表性的一种信息资源。作为一种获取和发布信息的方式,数字图像在网络和非网路领域都得到了有效的应用。真实性取证和完整信息保护是数字图像应用所面临的关键性问题,采用智能取证技术,有效鉴别数字图像的真伪,以保证图像信息的真实性和安全性。

1 图像智能取证技术应用的背景

当前,电磁存储媒介正逐渐取代纸质媒介,成为信息资源储存和传输的重要载体,数字图像开始广泛应用于各个行业领域,并发挥着相当重要的作用,在信息采集和发布方面,数字图像具有十分显著的优势,为人们的工作、学习和生活提供重要的信息服务。尤其在互联网当中,数字图像作为多媒体信息形式,得到有效的应用。科技是一把双刃剑,数字图像在信息资源服务方面具有很多优点,同样也存在着一定的不足和缺陷。

数字图像使信息资源的质量和精度更高,但是容易编辑和修改,通过常见的图像处理设备和编辑软件即可完成,往往在数字图像当中看不到编辑和修改的痕迹,难以辨别出图像的真伪。非正当途径编辑修改的数字图像往往会引发争议以及计算机犯罪,篡改数字图像内容以达到扰乱试听的作用。伪造数字图像的不正当应用,会严重影响社会的正常秩序。正是由于难以鉴别数字图像当中是否存在编辑和修改的痕迹,其真实性也难以准确的判断,图像取证的难度较大。智能取证技术的应用,起到了图像防伪的重要作用,利用先进的专业技术手段,进行图像的完整性取证,查找图像被编辑和修改的痕迹。更加真实、可靠的数字图像能够作为重要证据信息,有效解决图像取证所面临的难题。面向计算机生成图像,有效提升取证的真实性和准确性[1]。

2 图像取证技术方法及其分类

2.1 图像取证技术方法的分类

为了准确鉴别数字图像的真伪,采用有效的图像取证技术和方法是十分必要的,以实现真实性取证和完整信息保护。从技术层面着手,提升图像取证和鉴定的水平。图像取证技术方法主要分为主动图像鉴别和被动图像鉴别。主动图像鉴别是最常见的图像取证技术手段,主要针对水印和数字签名进行检测,多应用于版权保护以及证据篡改鉴定等多个方面。被动图像鉴别主要面向两个层面,分别是自然图像和计算机生成图像的鉴别。与主动图像取证方法不同,被动图像鉴别无需进行水印和签名的嵌入检验,而是直接进行数字图像的分析,寻找当中存在的问题,主要是编辑和篡改的痕迹,因此,被动图像鉴别取证的难度较大,对于技术性要求很高。当前在被动图像鉴别取证方面开发了多项先进技术,主要应用于新闻图片、法律证据以及金融数字档案等多个方面。

2.2 图像主动取证

数字图像主动取证的目的在于保证图像信息的完整性和真实性,主要利用数字水印进行图像完整性鉴别,方法有图像完整性取证的数字水印和图像内容篡改取证的数字水印。

2.2.1 图像完整性取证的数字水印

该方法与完全脆弱水印相一致,在面对攻击时,其敏感性极高,一旦比特改变,将无法通过取证。将一个视觉上有意义的二值水印嵌入空间域,将需要嵌入的水印的相关特征随机映射为0 或1,根据所形成的二维列表LUT,实现空间域像素的量化;在经过量化的DCT系数当中嵌入一个二值水印模式(有意义),采用JPEG量化矩阵;在经过SPINT压缩的小波系数当中,将水印加入其中,定位水印图像的篡改,并分析其特征;原始图像在经过JPEG量化后,经DCT低频系数进行编码,将得到的数据嵌入到图像有效位,进而达到恢复图像的效果。以上都是具有代表性的图像完整性取证的数字水印研究成果。

2.2.2 图像内容篡改取证的数字水印

图像内容篡改取证的数字水印是一种选择性取证,也可以称为内容取证或者模糊取证,与半脆弱水印大致相同具有鲁棒性(合法失真)和敏感性(不合法失真)。同时嵌入鲁棒水印和半脆弱水印,以有效保护图像版权,同时进行完整性取证;同时采用鲁棒水印和半脆弱水印进行拍照,保证数码相机拍摄图像的安全性;利用MSB-LSB半脆弱水印框架进行取证,基于格式编码技术及密码技术,有效应用于图像取证和版权保护当中,可对图像内容篡改进行识别。以上是具有代表性的图像内容篡改取证的数字水印研究成果。

2.3 图像被动取证

相比于自然图像篡改取证,计算机生成图像取证技术的开发和研究好有待于提高。面向计算机生成图像的被动取证技术,围绕着整数维空间和分数维空间来展开。在整数维空间,在小波域提取统计特征,需要参考空间域均值、方差、偏态、峰态等参数。采用特征向量方法进行分类。在分数维空间,由于计算生成图像和自然图像存在着差异性,通过图像被动取证来提取固有差异性特征,进而分析数字图像的特征,以辨别其真伪。根据图像物理特征一致性、图像几何特征一致性及图像统计特征一致性进行篡改取证都是主要的图像被动取证办法。然而图像被动取证在计算机生成图像取证方面的效果并不显著,其数学模型还有待于进一步改进,相关理论需要进一步的完善。

3 面向计算机生成图像的智能取证技术

3.1 基于高阶统计量的计算机生成图像检测取证算法

基于高阶统计量的计算机生成图像检测取证算法,明确了计算机生成图像与自然图像的区别,从中提取图像的特征并测试其特征值,输入到分类器当中,与自然图像和计算机生成图像进行对比,进而对图像进行判断,而判断的准确性与算法的精准度有关。利用技术特征函数的高阶统计量作为图像特征值,以提升计算机生成图像检测取证算法算法的准确性。计算机生成图像是利用计算机重现真实场景,进而获得具有真实感的图像,能够对真实物体进行模拟,达到仿真的效果,与自然图像的物理成像机理有着明显的区别。自然图像具有内在连续性和相关性,这是自然图像的特征,同样也是计算机生成图像所不具备的。基于高阶统计量的计算机生成图像检测取证算法,根据小波变换的多尺度和多分辨率,获得高阶统计量特征,有效区分自然图像和计算机生成图像。

3.1.1 Farid

Farid是一种基础的高阶统计量的检测算法,其根据根据特征提取算法,通过样本图像的计算,进而获得统计特征值。设计分类器模型,由所获得的统计特征值进行训练,所得到的分类模型可进行分类判决,进行图像的区分。Farid应用四镜像滤波器进行高阶统计量特征值的求取,通过小波变换、滤波等系列步骤,获得四个子带,选择低通子带重复操作,根据不同的子带得到的统计值进行统计分布描述,进而计算特征值。同时根据最优线性预测器准则获得另一组特征值,利用小波三次分解系数,能够准确的预测误差。SVM非线性分类器对提升检测精度和监测取证效率具有积极的影响,加上Ada Boost分类器的使用,输入高阶统计量特征值,可以根据得到的两类模型判决器进行图像区分,进而实图像的智能取证。

3.1.2 计算机生成图像取证检测算法的进一步改进

根据计算机生成图像的特征和Farid高阶统计量的检测算法,进一步对计算机生成图像取证检测算法进行改进,以弥补Farid高阶统计量的检测算法的缺陷,提升图像取证的准确性。计算机生成图像能够进行光照条件和物理成像的模拟,需要进行图像小波的高阶统计特征值的提取,以准确反映出图像受到CCD噪声的影响。在图像压缩、编码、去噪和纹理分析当中,图像的小波分解及分析得到了有效的应用,利用其多尺度多分辨率的优良特性,简单便捷的进行小波系数的统计和分析,有效找到特征提取模型,进而对计算机生成图像和自然图像加以区分和判断,提升其准确性。可以将图像的小波分解和分析看做识别CCD噪声模式的工具,再利用数学工具加以描述,自然图像和计算机生成图像的区别更加清晰,进而提升计算机生成图像检测取证的准确性,计算特征值,并将其输入Ada Boost分类器当中进行训练。

基于图像特征生提取模型,同样是增加计算机生成图像检测算法检测精度的有效途径,图像特征值的有效性十分关键,能够准确检测出自然图像或是计算机生成图像。在图像特征生提取模型当中输出特征向量,由Ada Boost训练器进行训练,更为准确的判断图像是否为计算机生成图像。相比于SVM非线性分类器,Ada Boost分类器的效率更高。

计算机生成图像检测算法需要经过训练和检测两个步骤,通过图像输入,进行格式解析和图像数据获取,获得图像序列源。然后提取图像特征,形成图像特征集,选取特征分析和最优特征组合,进行分类器识别,由判决器输出,检测和判断自然图像或计算机生成图像。结合仿真试验,以测试计算机生成图像检测算法的精度,并进行科学、合理的评估。

3.2 多维特征提取的计算机生成图像检测取证算法

多维特征提取的计算机生成图像检测取证算法是在空间域和变换域上共同提取图像特征,尤其对于3D工具生成图像,能够准确、有效的予以检测,但由于支持其的数学模型不够成熟,未能得到普及性应用。Farid的高阶统计量检测取证算法局限于小波域的计算,而忽略了时域特征,影响了检测精度。空间域和变换域提取图片的有效特征值所形成的多维特征向量,利用多维特征提取的计算机生成图像检测取证算法进行检测。该算法更加着重于图像的HSV上的颜色特征和边缘检测特征,其检测精度明显优于识别CCD噪声的方法。颜色是图像的基本特征,同样也是图像重要的组成部分,需要准确地进行颜色特征描述,获得合适的颜色空间,实现颜色特征表征量化,图像的空间域特征以向量的形式予以呈现,进而获得饱和度和亮度特征。平衡噪声抑制和边缘检测,其具体流程是将原始图像进行平滑滤波,增强其边缘,并进行阈值分割,进而获得边缘图像,完成边缘检测。基于高阶统计量的图像特征值,利用多维特征提取的计算机生成图像检测取证算法,使计算机生成图像特征更加清晰,以更好的与自然图像加以区分。结合仿真试验,以测试多维特征提取的计算机生成图像检测取证算法的精度,并进行科学、合理的评估[2]。

结论:

面向计算机生成图像的智能取证技术,用以保护图像信息的完整性和真实性,防止经过篡改和编辑的数字图像影响社会的正常秩序。结合计算机生成数字图像的特点,应用更为有效的计算机生成图像的智能取证技术。根据高阶统计量和多维特征提取两种计算机生成图像检测取证算法的研究,明确自然图像与计算生成图像的区别,随着图像检测取证算法的不断改进和完善,计算机生成图像检测与取证的准确性得到进一步的提升,实现科技服务于生活。

参考文献

[1]王勇亮,郑学通,戚鹏,郭艳.图像取证技术及其相关问题的研究[J].电子世界,2012,18:77-78.

ios平台的数字取证技术研究 篇7

1 i Phone的配置

IOS和Andriod是目前智能手机最常用的平台, 许多不同品牌的手机都会使用IOS平台, 但是不论是哪一种手机, 其最核心的部件都是相通的。比如说i Phone手机, 它所运行的操作系统便是MAC, 该系统与PC有着很多相似点, 但是也有着不少的不同。ARM i Phone用的处理器就与电脑的有着极大的不同。在硬件方面, 智能手机所用的硬件都是专门使用的, 相比之下, 智能手机所用的硬件与设备一定是最适合自身的。智能手机还有加速器, 屏幕一般也是触屏, 与台机相比其还可以连接至无线网络与无线设备上, 苹果的用户界面更加的灵活, 用手指点击屏幕就可以实现操作, 便捷程度远高于PC。i Phone手机一般是单核手机, 有效的保护了手机文件的数据。

2 智能手机的取证方法

2.1 取证的准备工作

为完成取证工作, 需要有相应的准备工作, 比如说, 首先要有一台安装了相应系统的电脑。为了能够将手机连接到进行取证工作的电脑上, 以完成恢复工具的安装并更好的对手机进行控制, 也需要手机的usb连线。对于手机来说, 苹果的i Tunes需要7.4.2以上的版本。 (这里提到的i Tunes程序实质上是一个管理界面, 而管理的对象就是苹果终端上的数字媒体播放器所能打开的内容。不仅如此, 通过i Tunes还能够能连线到i Tunes Store。而通过i Tunes Store可能从网络上购买并下载各种各样的音频文件、应用程序以及游戏软件等。在取证过程中, 手机硬盘中的信息是需要时刻进行备份的, 备份的目的不仅仅将文件复制, 更重要的是能够对手机进行数字恢复, 所以对此一定要有足够的硬盘容量, 可以存贮手机硬盘足够的信息。最后, 我们在将手机拿到手之后, 并不可以立即进行取证, 因为对于不同的手机可能会有不同的取证方式。手机使用的版本不同, 如果盲目的升级版本, 有可能会造成手机内的数据毁坏。

2.2 手机取证方法

手机在用户使用之后都会留下使用的痕迹, 这些痕迹都在手机的内存中储存着, 包括各种信息和数据, 像是通信记录、下载的音频、应用软件等等。而手机取证就是要将手机中储存的信息运用技术手段提取出来并进行分析, 然后形成有效的证据。手机取证的方法并不是千篇一律的, 者必须具体问题具体分析。不同的案件需要不同的信息来作为证据, 因此在取证之前必须要针对案件的具体情况来建立研究小组, 并进行分工, 根据每个人的技术方向来安排给合适的工作。项目的负责人必须要有这充足的经验, 才能为手机取证工作提供良好的保障。取证设备在取证之前必须要进行检查, 手机的各种状态都要做好记录, 手机的各类文件都要做好备份, 明确好本次手机取证的方向, 最后才能正式开始进行手机取证。

手机中的证据与常规的证据不同, 其是一种电子证据, 存在于手机的内置或者是外置的内存卡中, 除此之外, 就连用户所使用的SIM卡以及手机通信运营公司都可以作为证据获取的方式, 因为用户的部分或者全部的手机使用信息都在这些机构或工具中完好的保存着。我们需要明确, 在手机的内存一般都会分为两个区, i Phone手机的特殊点在于其使用了闪存, 因此并不是所有的文件都会保存在硬盘中, 而是保存在闪存中。其中, 第一个分区是300M的, i Phone的操作系统和应用程序都是安装在第一个分区里, 这个分区被默认为只读, 即可以读取但是并不可以有用户进行更改。第二个分区则保存着用户的个人信息, 像是通话记录、下载的音频等。第一分区一般保持出厂状态, 所以在第一分区安装取证工具是安全的, 第二个分区存储了用户的大量信息, 是我们取证工作的重点[1]。i Phone有很多不同的通信方式, 比如说串口通信, 802.11Wi-Fi通信以及蓝牙通信。在这些通信方式中, 蓝牙传输是不稳定的, 所以为了周全我们一般用串口通信和Wi-Fi。而文件的传输都是通过串口协议, 在文件传输之后就可以发送命令以进入恢复模式。

在取证过程中, 我们需要注意避免数据污染。在我们安装取证工具时, 接触操作系统, 不能毁坏用户的分区。目前尚无如同Encase那样的计算机取证软件直接备份手机内置存储, 需要通过手机厂家或操作系统厂商提供的接口与手机主板连接进行读取或者将手机拆解得到储存芯片再用专门设备进行读取, 由于手机的品牌、型号众多, 获取手机内置存储数据对取证的软硬件条件均有较高要求。相对于手机内置存储的取证, 扩展存储卡 (闪存卡) 的取证就要容易的多, 可直接使用设备接入计算机, 再用诸如Encase、Smart、Winhex等这样取证软件进行备份分析。

2.3 SIM卡取证

SIM卡为手机移动运营商提供的用户识别卡, 主要记录IMSI、MIN、PIN码、密钥Ki、加密算法和其他用户相关信息, 因此, SIM卡含有用户存储的电话号码、日程安排、动画、声音、日期与时间、上网缓存记录、通话记录、文本消息等电子证据。由于SIM卡是移动运营商统一提供, 是一种标准统一的智能卡, 可以用S I M C O N、Forensic SIM、SIM-Manager、TULP2G等软件分析取证[2]。

2.4 移动运营商网络取证

手机通讯需要移动运营商提供网络及技术支持, 故移动运营商网络也包含了很多手机用户有价值的数据信息, 手机取证要重点针对移动运营商CDR数据库进行提取, CDR数据库记录手机用户的主叫号码、被叫号码, 主叫、被叫手机的IMEI号及BTS (服务基站) 等信息。过滤CDR数据, 就可以获取SIM卡的通话记录, 分析BTS信息, 可以获取用户拨打、接听电话及发送、接受短信的精确地理位置。

3 结语

现在移动通信技术越来越发达, 人们的生活往往也离不开这个工具。手机的款式在飞速的更新换代, 使得智能手机飞入寻常百姓家。但是, 智能手机的广泛使用就像是一把双刃剑, 虽然其方便了我们的生活, 但是网络黑客的猖獗活动使得手机中的信息时刻面临着泄露的危险。本文中所提到的手机取证可以说是打击手机犯罪的重要途径, 但是现在我国的手机取证技术并不成熟。我们面临的情况较为严峻, 但是我们不能畏惧, 只有尽自己所能, 进一步完善手机取证的技术, 才是最好的解决方法。

参考文献

[1]秦海权, 史丽娟.智能手机取证内容及流程分析[J].警察技术, Police Technology, 2014, 05, 36-39.

数字图像取证技术 篇8

关键词：数字图像 像素 分辨率 马赛克 色彩范围 快速蒙版 Alpha通道

中图分类号：TP391.41 文献标识码：A文章编号：1673-1875(2009)04-024-02

随着数字化时代的到来，数字图像已经取代传统模拟图像，成为大众生活影像的主要载体。Photoshop是一种功能十分强大的图像处理软件，应用领域非常广泛，都市街头各类制作精美的车身广告、灯箱广告、大型户外广告、以及各种书籍杂志的封面、产品的精美包装、商场的广告招贴、电影海报等，这些平面广告作品，基本上都是使用Photoshop对图像进行处理的。

一、基本概念

1、什么是数字图像。图像是代表客观世界中某一对象的生动图形表达，它包含了描述其所代表的对象信息。数字图像是使用数字记录物体的形状和颜色信息。

2、什么是图形。图形是由数学对象定义的点和线构成，放大时边缘线条清晰。

3、数字图像的基本单位。像素是用来表示图像的亮度和色彩变换的一个小的方形的颜色块，是构成数字图像的基本单位。图像上每个像素都有自己的颜色、位置和位深度。

4、数字图像的分辨率。数字图像的分辨率指的是图像中每单位长度方向上包含的像素数量。通常情况下单位为“像素/英寸（ppi）”

5、模拟图像数字化。传统的模拟图像是用油墨网点来记录图像的，必须经数字化转换为数字图像后，才能被计算机处理。模拟图像的数字化要经过两个过程：空间坐标的离散化（空间采样）和颜色值的离散化（颜色值得量化）。

6、数字图像的颜色模式。Photoshop中的图像的颜色模式是用来表现颜色的一种数学算法，即一幅图像用什么样的方式在计算机中显示或打印输出。不同颜色模式的图像所描述和重现色彩的原理以及所能显示的颜色数量是不同的。

二、使用Photoshop CS3作数字图像的后期处理

1、图像尺寸。由于模拟图像尺寸较大，经数字化存储在计算机中所占资源也很大，需要将图像尺寸变小；有时，为了实际输出的需要，将原始小尺寸图像经Photoshop处理后放大以满足输出的需求。选择【图像】→【图像大小】，弹出“图像大小”命令对话框，在“文档大小”选项，在“宽度、高度”栏中，输入需要的数值即可。

2、图像修复。无论是家传的珍贵相片，还是用数码相机拍摄的相片，都因可能老化、破损而出现这样那样的问题。每幅相片中的人物也不是都能表现出最佳的一面，如面部皱纹、黑痣、红眼、黄牙等，都可能破坏照片的效果。图像修复就是利用photoshop提供的多种用于修复相片的工具和命令，如修复画笔工具、修补工具、仿制图章工具、红眼工具、消除杂色命令等在修复相片时都能起到一定的作用。

3、图像校正。再好的数码相机往往因拍摄环境的干扰而影响到相片的质量。如局部曝光不足或曝光过度、图像轮廓不清晰、细节不突出、图像整体偏色、图像的色调分布不均等都会造成图像在外观上的效果。校正图像就是对图像的色调和颜色进行细微的调整，从而改善图像的细节层次。选择【图像】→【调整】弹出调整子菜单：色阶、色彩平衡、色相/饱和度等命令。

4、图像合成。数字图像的优势在于能够利用Photoshop进行多次拷贝而不变形失真。数字图像经创意构思后，运用各种数码技术手段，将图像上的素材优化组合，从而将平淡化的图像化为神奇的具有创新的艺术作品。

5、特效制作。图像的特殊效果制作就是利用Photoshop中的图层样式和滤镜，通过不同方式改变图像中的像素数据，已达到对图像进行抽象、艺术化的特殊处理。

6、图像输出。数字图像处理的结果是要将其表现出来，如通过网络共享、网络传输、网页显示或将其打印、印刷输出等。

三、Photoshop CS3抠图技术

1、选择工具

（1）矩形/椭圆工具（M）：创建基于矩形或椭圆形状的规则型选区。

（2）套索/多边形套索/磁性套索工具（L）：用于创建不规则形状的选区。

（3）魔棒/快速选择工具（W）：此工具的键盘快捷键是W，Shift+W组合键可在其间切换。魔棒工具、快速选择工具创建基于图像色彩范围内的不规则形状的选区。此工具在抠取不规则图像时很有用。

（4）钢笔工具（P）：钢笔工具创建自由形状的基于路径的选区。钢笔工具创建选区的方法非常灵活，在抠图中被广泛应用。

2、选择命令

（1）全选（Ctrl+A）：【选择】→【全选】。创建基于当前图像画布边缘内的选区。

（2）加选/减选（Shift/Alt/Alt+Shift）：在创建选区后，按住Shift键可在原有选区的基础上加选某一区域；按住Alt键可在原有选区的基础上减选某一区域；按住Alt+Shift组合键可取原有选区和新选区的交叉部分。

（3）反向选择（Ctrl+Shift+I）：【选择】→【反向】。选取当前图层上未选取的区域。此项命令在选取图像时非常有用。

（4）取消选择（Ctrl+D）/重新选择（Ctrl+Shift+D）：【选择】→【取消选择】，取消当前的选择区域；【选择】→【重新选择】，可选择上一次被取消的区域。

（5）色彩范围(Alt+S+C)：【选择】→【色彩范围】。基于“容差”选取图像上颜色相似的区域。

（6）抽出滤镜(Ctrl+Alt+X)：【滤镜】→【抽出】，一种专业的用于抠取边缘复杂且内部不清晰的图像。

（7）路径转换为选区（Ctrl+Enter）：创建基于钢笔工具创建的路径的选区。

（8）进入快速蒙版（Q）：进入快速蒙版模式下创建和编辑选区。

（9）进入Alpha通道（Ctrl+4）：进入Alpha通道中创建和编辑选区。

“蒙版”通常为一种半透明的印刷模板，它可以保护被遮蔽的区域，对未被遮蔽的区域进行方便地编辑和修改。快速蒙版的实质在于创建一个临时的选区，完成对象的精确选取。进入快速蒙版编辑模式后，将前景色设置为黑色，然后用画笔涂抹以得到保护区域，如果发现涂抹出错，可以将前景色设置为白色，再修改保护区域。默认情况下，在快速蒙版上用黑色涂抹可增大蒙版，即缩小选区；用白色涂抹可以从蒙版中删除区域，既扩展选区，用灰色涂抹可以创建半透明区域，这有助于羽化或消除锯齿效果。蒙版与选区的功能基本相同，两者可以互相转换。

Alpha通道是计算机图形学中的术语，指的是特别的通道。Photoshop中制作出的各种特殊效果都离不开Alpha通道，它最基本的用处是保存选取范围。Alpha通道中将选区作为8位的灰度图像来保存，其中白色部分表示完全选中区域，黑色部分表示没有选中的区域，而灰色部分表示被不同程度选中的区域。通过通道创建选区是通道应用中最为广泛的操作之一，在【通道】面板中，选中要产生选区的通道，单击通道面板底部的【将通道作为选区载入】按钮即可。

四、辅助工具

1、移动工具（V）：用于移动选取图像到另一图像。使用移动工具移动图像，只需将选取的图像从一个窗口拖到另一窗口即可。

2、自由变换（Ctrl+T）：【编辑】→【自由变换】，用于自由变换选取的图像。对选区内的图像能够执行移动、缩放、倾斜、旋转、扭曲、透视、镜像和再制等操作。

3、羽化（Ctrl+Alt+D）：【选择】→【修改】→【羽化】。柔化选区的边缘。当抠取一个轮廓较复杂的图像时，通常在建立选区后，需要设定羽化值再移动图像。

4、去边：【图层】→【修边】→【去边】。去除图像边缘指定范围内的多余像素。

5、移去黑色杂边：【图层】→【修边】→【移去黑色杂边】。去除从黑色背景中提取出来的图像边缘的多余像素。

6、移去白色杂边：【图层】→【修边】→【移去白色杂边】。去除从白色背景中提取出来的图像边缘的多余像素。

在Photoshop中，对图像的某个部分进行色彩调整，就必须有一个指定的过程，这个指定的过程称为选取，选取后形成选区。选区是封闭的区域，可以是任何形状。选区一旦建立，大部分操作就只对选区范围内有效。

参考文献：

[1]刘元生.Photoshop CS3数字图像处理技术详解[M].北京：印刷工业出版社，2008