数字图像被动取证技术综述

为确保图像内容的真实性和信息安全性, 阐述了数字图像被动取证技术的应用领域, 分析了典型的数字图像来源设备取证、 拼接取证、 复制粘贴取证、 人工模糊取证和JPEG（Joint Photographic Experts Group）压缩取证算法的思路和步骤, 简要对其性能和适用性进行评价, 并对被动取证技术今后的技术路线和发展方向进行了展望。     

合成图像被动取证技术研究进展

合成图像取证是数字图像取证的一个重要研究内容,研究合成图像被动取证技术对确保数字图像的原始性和真实性有着极其重要的意义．根据合成图像被动取证技术研究角度不同．将现有的技术方法分为3大类：基于传统特征的合成图像取证、基于盲源分离的合成图像取证、基于稀疏表示的合成图像取证．然后分别介绍了3类取证技术的基本特征和典型算法．并对不同方法进行了分析比较和总结．最后指出当前研究中存在的一些主要问题．给出本领域未来的研究方向．     

数字图像区域复制篡改的盲取证技术研究进展

由于盲取证技术不需要任何预先嵌入的认证信息,而仅根据图像本身的统计特性就能鉴别数字图像的原始性、真实性和完整性,已经成为数字媒体安全领域的研究热点.文中介绍了数字图像中常见的区域复制篡改方式,分析实际篡改过程中可能涉及到的图像处理操作,总结归纳了区域复制篡改盲取证方法的一般流程.最后,指出现有目前方法存在的问题,并对盲取证技术未来的研究方向进行展望.     

设备网格溯源服务的应用

为解决设备网格中资源动态变化造成的实验重现的困难,引入溯源服务.溯源服务以Web服务形式存在,记录设备网格内实验过程中诸如服务调用时间、服务请求者、服务提供者及用户评价等重要信息,形成溯源信息.为提高用户的满意程度,使用模糊变量来描述用户对其实验结果的评价,将溯源信息用于设备池的设备选择算法,增加令用户满意的服务质量好的仪器设备的使用率.实验结果表明: 相对于随机调度算法,基于溯源信息的设备选择算法使得用户满意程度达80%.     

Arnold变换在图像置乱中的应用研究

作为一种重要的图像加密技术,数字图像置乱近年来已成为信息安全领域的研究热点.对基于Arnold变换在数字图像置乱中的应用进行了研究,实现了Arnold置乱算法和置乱度,利用其周期性对数字图像进行了置乱和恢复,并且对该算法进行了攻击实验,最后实验验证.结果表明,应用Amold置乱方法对图像加密,可以有效地提高图像的安全性...     

一种改进的基于小波变换的数字图像隐藏算法研究与实践

数字图像隐藏是近年非常热门的研究领域,小波变换作为图像隐藏中比较先进的技术,在图像隐藏中得到广泛的应用.通过对基于小波变换方法的分析研究,探讨了一种改进的基于小波变换的数字图像隐藏算法,并将算法进行了测试应用.     

基于向量机的数字图像鉴别技术研究

真实图像和计算机图像的鉴别是数字图像盲取证研究的重要问题之一.分析、研究了真实图像和计算机图像的成像原理,并发展了对这两类图像鉴别的数字方法.该方法从两类图像的高频信息及噪声形成的区别进行特征提取,并利用LIBSVM进行分类识别,实验表明此方法在鉴别图像类型中可以取得较好的分辨效果.     

数字图像拼接的基本算法

数字图像拼接是数字图像处理领域的一个重要研究方向,在数字视频、计算机视觉、计算机图形学、虚拟现实技术、遥感图像处理、医学图像分析等领域都有广泛的应用价值.本文将把常用的几种图像拼接算法进行分析和总结.最后展望新的图像拼接算法实现重叠图像正确、平滑的无缝拼接.     

数字图像中值滤波检测

在数字图像取证研究中，目前研究方向均着重于恶意篡改图像内容的检测，包括复制一粘贴操作、移走前景人物等。然而由于保持图像内容不变的后处理操作，如对比度增强、锐化、各类去噪滤波等，会对图像取证算法的准确性造成一定的影响。由于中值滤波的非线性特征，它被广泛用于各类反取证攻击中。通过提取简单而有效的特征，来检测数字图像是否经过了中值滤波。实验结果证明了算法的有效性。     

抗深度取证的多粒度融合图像修复网络

数字图像的真伪判别是图像安全领域中的基础问题,因数字媒体极易被攻击篡改,针对图像的取证技术得到了广泛的研究.另一方面,对图像篡改反取证技术的研究,不仅追求更逼真的图像篡改操作,也从相反的方向促进了取证技术的发展.图像修复作为基础的图像篡改操作,一直是国内外学者的研究热点.针对被修复篡改后的图像会被深度取证网络取证的问题,提出了一种抗深度取证的多粒度融合图像修复(multi-granularity fusion-based image inpainting network resistant to deep forensics,MGFR)网络.MGFR网络包括编解码器、多粒度生成模块以及多粒度注意力模块.首先,输入的破损图像被编码器编码成深度特征,深度特征通过多粒度生成模块生成3个不同粒度中间特征;然后,采用多粒度注意力模块来计算不同粒度中间特征之间的相关性并将其融合;最后,融合特征通过解码器生成输出结果.另外,所提出的MGFR网络被重建损失、模式噪声损失、深度取证损失以及对抗损失联合监督.研究结果显示,所提出的MGFR网络在拥有较好的修复性能的同时能成功规避深度取证网络的取证.     

基于小波变换的分块融合算法

目前许多关于图像融合的研究都在空域中进行,隐藏水印图像抗攻击的能力较差.本文采用了基于小波变换的图像融合技术,提出了基于小波变换的分块融合算法,使图像的鲁棒性得到很大提高,尤其是抗JPEG压缩和抗噪声干扰的能力较强,算法可应用于数字图像的版权保护和信息隐藏领域.     

一种改进的Arnold变换

基于置乱方法,针对载体图像为静态图像的信息隐藏技术进行研究,采用改进的Arnold变换对数字图像进行双向置乱,提高了置乱算法的效率,改善了置乱效果.通过在置乱算法中加入密钥,提高了算法的安全性.该算法简单易行,可作为数字图像信息隐藏和伪装的预处理工具.     

可自恢复的数字图像认证算法研究

数字图像认证算法是数字图像完整性保护的有效方式,它通过认证信息的生成、嵌入、提取和检测,实现对数字图像内容真实性的有效检测,对篡改区域的准确定位和一定程度的内容恢复.一直以来,图像认证都是学术界和工业界长期关注的焦点,为此,本文论述了图像认证的相关算法和基本机制,并结合当前信号处理发展的状况,对该领域有待进一步的研究方向和可能的解决方案给出一些建议.     

基于整数进制表示的数字图像信息隐藏方法

以图像信息安全问题为背景,介绍了整数的进制数表示法及其在数字图像信息隐藏中的应用,并给出了相应的算法和仿真实验结果.按照此方法,可将一幅灰度图像隐藏于一幅相同大小的彩色图像中,视觉上不影响该彩色图像的质量.隐藏的数据量大,算法简便易行,且可以无失真地恢复出原始图像.与数字图像置乱相结合,可进一步提高安全性.     

基于多尺度残差的数字图像超分辨率重建算法

针对目前数字图像采集传输过程中因受环境干扰出现低像素的图像,导致图像重建效果较差的问题,提出了基于多尺度残差的数字图像超分辨率重建算法。首先,采用双边滤波算法完成数字图像的去雾处理;其次,分类数字图像的亮度特征信息和色彩信息,采用距离阈值去噪方法分别对其进行去噪处理;并且设置多个尺寸的卷积核,将其引入图像特征提取过程中,获取数字图像特征,对其展开反向投影操作,在残差学习思想的基础上连接升采样和降采样过程提取的特征,实现数字图像超分辨率重建。实验结果表明,所提算法对图像重建的结构相似度高、峰值信噪比(PSNR:Peak Signal-to-Noise Ratio)高、重建效果好。     

一种基于Arnold变换的数字图像加解密算法

数字图像是重要的信息载体,数字图像加密是保护信息安全的重要方式.将Arnold变换应用到数字图像加密中,能有效地对图像进行置乱,使得未授权者无法获得有效信息.为提升加密的可靠性,通过将位置置乱和RGB颜色分量置乱相结合的方法对图像进行加密,经实验验证,算法加密效果良好.     

数字图像去模糊处理算法的对比研究

为获得图像反卷积的真实解,考虑到噪声和模糊函数对复原图像的影响,研究分析了几种常用的数字图像去模糊处理技术,提出基于Markov约束的Poisson最大似然法(MPML)的超分辨力图像复原处理算法,并进行实际处理图像比较分析.实验表明:MPML算法具有其他几种算法的优势,同时减少了对原有信息的丢失.尤其是在噪声小的情况下,复原图像效果震荡条纹很小且具有较强的超分辨力复原能力.在数字图像去模糊处理技术研究方面具有一定意义.     

基于ASIFT和圆投影特征的图像被动取证

文中针对图像篡改中最常见的复制粘贴篡改被动取证问题展开图像分析研究,提出了一种基于仿射尺度不变特征变换(ASIFT)和圆投影特征的算法,用于检测图像中是否存在复制粘贴篡改.实验结果表明:基于仿射尺度不变特征的算法对具有明显角点特征的篡改图像的取证效果较好,而基于改进圆投影特征的算法对不具备明显角点特征的篡改图像(如随机性纹理、平坦区域)的取证效果较好,因此联合使用基于这两种特征的算法对常见的复制粘贴型图像篡改进行被动取证能达到较好效果.     

一种用于图像信息隐藏反取证技术的算法EIP的设计

基于信息安全的需要,提出了一种新颖的用于研究计算机反取证中图像信息隐藏的算法EIP.通过使用该算法,能够有效地扩散及置乱待隐藏的信息,从而使得隐藏后的信息具有对二进制码流分析免疫的特性.该算法设计步骤明了,计算复杂度低,并具有较高的安全性.实验结果表明:基于EIP算法在图像载体中隐藏信息,能够对二进制码流的分析具有免疫...     

基于Python的夜间图像增强方法研究

数字图像广泛应用于生活娱乐、医学、交通等领域,由于光照不均匀和光照强度不够等自然环境、拍摄技术和设备的限制,有些获取的夜间图像对比度低、色彩偏暗、细节缺失严重,且含有大量噪声,影响图像的辨识度和质量,极大的影响了视觉体验.针对该问题,本文分析了基于Retinex和去雾理论的夜间图像增强算法,提高夜间图像的亮度和对比度,提升图像的可视化效果;运用Python语言实现了MSRCR、MSRCP以及基于去雾理论的增强算法.研究结果表明,对夜间图像进行增强处理后,能极大地提高图像的可视化效果.