毕业论文课题相关文献综述

一、课题的研究背景和应用价值

图像篡改被定义为：以恶意误导人的感知为目的，对图像进行处理的操作。随着科学技术的进步，各类高级图像处理算法和相应图像处理软件的相继出现，人们可以更容易和频繁地对图像进行篡改。虽然在使用传统相机的时代，就已经存在利用暗房技巧在胶片上进行图像篡改的技术，但这种利用暗房在胶片上进行篡改的技巧需要很高的技术水平且花费大量时间，在当时实现困难。而到数字时代，数字图像处理软件却使图像篡改变得容易起来，在对图像进行修改后，再运用数字彩扩等后处理技术进一步消除了篡改痕迹,使人们对图像篡改进行的判别越加困难，图像篡改问题日益严重[1]。目前，数字图像的真实性问题已经成为涉及到诸如图像媒体的版权、个人隐私、法律取证中图像的真实性等相关的社会问题，伪造图像正威胁着整个社会，诸如：羚羊事件、广场鸽接种禽流感疫苗、华南虎事件等事件不断发生[2]。如今网络上流传的各式各样图片,人眼已很难判定其真伪。若虚假的图片被肆意滥用,这将对我们的社会、个人生活等带来极大的负面影响。辨别图像的真伪，减少假图片对社会造成的不良影响，图像篡改检测及定位将成为了重要的研究课题。

二、课题研究的发展与现状

图像篡改最常用的方式即复制-粘贴篡改。针对复制-粘贴型图像篡改的检测及定位的原理：利用在自然图像中二个或更多空域中连贯区域匹配的概率非常小，所以可以基于被篡改图像中的复制区域和对应的粘贴区域基本相似这一特点，通过寻找图像是否存在相似区域来做检测。但考虑到篡改者往往会在复制-粘贴后利用图像处理软件做模糊、加噪、JPEG压缩等操作，因此检测算法也应该具有抵抗这些攻击的能力。

前人针对复制-粘贴图像篡改伪造技术做过许多研究。国际上[3-6]，JessicaFridirch提出基于DCT系数的数字图像检测法，即对图像进行分块，然后DCT系数量化后进行字典排序这些图像分块，寻找相似块从而找出复制区域的算法。但是这种方法仅讨论了JPEG后处理的情况，整幅图像的逐像素滑窗操作的复杂性高，可行性较差。所以Popescu等提出PCA法(主成分分析法)，提取图像特征并进行降维处理。此外LiGH等人将待检测图像进行DWT变换，按Fridrich的方法将变换后图像进行分块，提取分块的奇异值作为特征，利用字典排序检测复制-粘贴篡改块。该算法图像分块数少，能对经过高度压缩和边缘处理的图像进行检测和定位。BabakMahdian等提出模糊不变矩块匹配法，其特点是图像的特征对模糊的操作具有不变性的特点，并能抵抗图像噪声、边界效应，其算法可以检测出经过一定程度的模糊操作的复制块。

在国内，魏为民等人将图像进行两种不同的分块：不重叠分块和单像素滑动重叠分块，对两组分块进行haar小波变换，在两组小块之间使用小波变换的低频子带进行Pearson相关系数的计算进行相似分块的匹配检测。刘潘梅等人还提出在以上方法的基础上对haar小波变换后的低频子带再次进行PCA降维，得到的1结果作为分块特征向量进行Pearson相关系数的计算[8]。

近年来，基于图像本身性质的盲认证技术亦引起了国际上学者们的重视。此技术假设：在自然图像中存在着某些统计上的性质，倘若我们对图像数据进行修改则改变其潜在的统计上的规律。这一假设也是我们判定一个图像是否被修改和进行篡改定位的依据。国际上对盲认证已有一些初步的研究。尽管如此，盲认证在国内外仍处于起步阶段,很多问题还有待解决。

三、PCA和copy图像篡改检测及定位的介绍

PCA是主成分分析(principalcomponentanalysis)，又称K-L变换，被认为是最成功的线性鉴别分析方法之一，目前仍然被广泛地应用在人脸等图像识别领域。基于PCA变换的copy图像篡改检测及定位，就是利用PCA减少图像特征维数，并利用块特征向量的字典排序进行比较，查找出图像中特征相同区域，即为复制-粘贴篡改区域，将该区域标示出来，与之前复制-粘贴的结果进行比较。即通过特征比较判断图像是否被篡改及篡改位置定位[11]。而基于PCA检测算法[14]最早由A1inCPopescu等人提出，核心思想是对图像块的特征向量进行主成分分解，使用分解后的主成分来代表图像块，以实现达到降低图像特征维数的目的，此法无论对人为的噪声添加或是有损压缩都有着相对不错的鲁棒性，其方法大致过程仍旧是先进行特征向量排序，待完成此过程之后进行匹配筛选。

复制-粘贴篡改是图像篡改最常用的方式，它包括同幅图复制-粘贴篡改(也称克隆)和不同图之间的复制-拼接篡改。前者是复制图像的一部分以覆盖同一幅图像中的人或者物；后者是两张或者多张图像中的人或物体的不同部分拼接到一起，以期达到制造假象的目的。本课题主要研究同一幅图的复制-粘贴篡改。

四、课题研究方法