摘 要： 為了定位篡改區(qū)域，提出了一種新的方法來檢測這種篡改。首先利用JPEG圖像的塊效應來檢測是否經(jīng)過裁剪，然后利用篡改區(qū)域與未篡改區(qū)域的不一致性來檢測圖像篡改并且定位篡改區(qū)域。實驗結果表明，這種方法有非常好的效果，對圖像質(zhì)量因子較低的圖像同樣有效。
關鍵詞： 裁剪；合成；不一致
隨著科技的進步，人們的生活水平不斷提高，數(shù)碼相機的價格越來越低廉，同時操作簡單的圖像處理軟件的廣泛的應用，使得越來越多的人對圖片進行處理和修飾，一些別有用心的人也利用圖像處理軟件對數(shù)字圖片進行篡改、偽造，以達到惡意制造虛假新聞、攻擊他人等目的，以至于JPEG圖像篡改的研究成為熱點[1-2]。
針對JPEG壓縮特性，研究者提出了很多被動取證的方法。FARID H提出在像素域進行JPEG合成圖像檢測的方案[3]，將待檢測的JPEG合成圖像以不同的質(zhì)量因子重新壓縮，比較其與待檢測圖像的差別。洛維奇等提出一種新方法檢測圖像裁剪[4]，但是不能檢測裁剪4行4列的圖像。本文利用JPEG圖像在頻域下的塊效應能解決這種情況。參考文獻[5]利用量化后的DCT系數(shù)分布不同來區(qū)分是否經(jīng)過二次JPEG壓縮，同時也為本文剪裁的方法提供了有力的證據(jù)。很多學者利用塊效應來定位篡改區(qū)域[6-7]。Ye Shuiming[8]和李晟[9]則用一次壓縮的質(zhì)量因子對圖像進行再壓縮，篡改區(qū)域的壓縮失真會大于非篡改區(qū)域，通過度量這種失真的不一致性，實現(xiàn)JPEG圖像的篡改檢測。利用篡改區(qū)域與未篡改區(qū)域塊效應不一致性來定位篡改區(qū)域。參考文獻[10]~[12]則利用量化表來定位篡改區(qū)域，但是對最后一次壓縮質(zhì)量因子很小的情況檢測失效。本文利用篡改區(qū)域與非篡改區(qū)域是否錯位和塊效應不一致相結合的方法來定位篡改區(qū)域。本文提出的方法更有效，即使在最后一次壓縮質(zhì)量因子很小的情況下也能檢測并定位篡改區(qū)域。
1 JPEG圖像的合成偽作模型
篡改方式有很多種，主要有合成、變體潤飾、增強、計算機生成和繪畫，其中合成圖像是最常見的一種偽造手段。JPEG圖像剪裁即將一幅JPEG圖像裁剪成m行n列，從而使很多篡改算法失效，只有知道剪裁的行列數(shù)，才能精確定位篡改區(qū)域。裁剪模型如圖1所示。JPEG圖像合成即將一幅JPEG圖像中的某個區(qū)域復制粘貼到另外一幅JPEG圖像中的某個區(qū)域，然后再保存為JPEG格式的圖像。圖2所示為JPEG圖像的合成偽造模型，原始圖像1、原始圖像2和合成圖像的質(zhì)量因子分別為QF0、QF1和QF2，圖中的每個網(wǎng)格單元表示8×8的子塊，假設區(qū)域1的坐標為（x1，y1），區(qū)域2的坐標為（x2，y2），令m1=mod（|x1-x2|，8），m2=mod（|y1-y2|，8），假設m1、m2在[0，7]范圍內(nèi)服從均勻分布，那么p（m1=0&m2=0）=1/82=1.562 4%，說明區(qū)域1與區(qū)域2的8×8分塊位置一致的概率很低，且實際中為了獲得較好的拼接效果，往往要求將區(qū)域1放置在特定的位置，很難照顧到分塊位置的一致性。因此可以認為，在篡改區(qū)域普遍存在分塊位置不一致的問題。本文提出的方法正是利用這一點來檢測篡改區(qū)域。
在判斷圖像剪切的基礎上，提出了一種新的檢測圖像是否經(jīng)過篡改，定位篡改區(qū)域，并且有很好的效果。但是此算法的缺點是對篡改區(qū)域較小的圖像沒有作用，如果篡改區(qū)域與未篡改區(qū)域沒有錯位，將影響實驗效果，但這種概率很小，基本忽略不計。本文對篡改區(qū)域定位效果明顯，對質(zhì)量因子要求比同類算法低，并且有很好的效果。
參考文獻
[1] FARID H． Image forgery detection[J]． IEEE Signal Processing Magazine， 2009，26（2）：16-25.
[2] FRIDRIEH J． Digital image forensics[J]． IEEE Signal Processing Magazine， 2009，26（2）：26-37．
[3] FARID H． Exposing digital forgeries from JPEG ghosts[J]．IEEE Transactions on Information Forensics and Security，2009，4（1）：154-160．
[4] Luo Weiqi. A novel method for detecting cropped and recompressed image block[C]. Proceedings of ICASSP， 2007（2）：217-220.
[5] Chen Yilei， Hsu Chiouting. Detecting recompression of JPEG images via periodicity analysis of compression artifacts for tampering detection[J]. IEEE Transactions on Information Forensics and Security， 2011，6（2）：396-406.
[6] 吳首陽，俞能海，李衛(wèi)海.基于塊效應的合成圖像盲檢測[J].計算機研究與發(fā)展，2009，46（增刊）：196-199.
[7] 鄭二功，平西建.針對一類圖像篡改的被動盲取證[J].電子與信息學報，2010，36（2）：394-399.
[8] Ye Shuiming， Sun Qibin， Chang Eechien. Detecting digital image forgeries by measuring inconsistencies of blocking artifact[C]. IEEE International Conference on Multimedia and Expo Proceedings， 2009：12-15.
[9] 李晟，張新鵬.利用壓縮特性的合成圖像檢測[J].應用科學學報，2008，26（3）：281-287.
[10] BIANCHI T， ROSA A D， PIVA A. Improved DCT coefficient analysis for forgery localization JPEG images[C]. Proceedings ICSSSP， 2011： 2444-2447.
[11] LIN S， CHANG M， CHEN Y. A passive-blind forgery detection scheme based on content-adaptive quantization table estimation[J]. IEEE Transactions on Circuits System Video Technology， 2011， 21（4）：421-434.
[12] BIANCHI T， PIVA A. Image forgery localization via block-grained analysis of JPEG artifacts[J]. IEEE Transactions on Information Forensics Security， 2012，7（3）：1003-1017.