王建剛　魏君　紀(jì)東升

（1甘肅廣播電視大學(xué)，甘肅　蘭州　730000）

（2蘭州交通大學(xué)附屬小學(xué)，甘肅　蘭州　730000

基于色彩濾鏡陣列的圖像篡改盲檢測(cè)研究

王建剛1魏君2紀(jì)東升1

（1甘肅廣播電視大學(xué)，甘肅蘭州730000）

（2蘭州交通大學(xué)附屬小學(xué)，甘肅蘭州730000

圖像篡改檢測(cè)研究中，利用篡改后JPEG圖像量化表不一致的特性，提出一種針對(duì)JPEG圖像的篡改盲檢測(cè)新方法。通過智能選取若干圖像塊，迭代估計(jì)出待測(cè)圖像的原始量化表，大致定位出篡改區(qū)域。然后用估計(jì)出的原始量化表對(duì)篡改區(qū)域再進(jìn)行一次JPEG壓縮，由壓縮前后圖像像素值的差值最終確定篡改位置。實(shí)驗(yàn)表明，所提方法具有較高的性能。

數(shù)字圖像取證篡改檢測(cè)CFA噪聲分析

1　引言

本文主要針對(duì)圖像篡改技術(shù)研究，在此我們使用一種寬泛意義上的定義，任何對(duì)圖片的后期操作都被視為圖像篡改。在過去的幾年中，許多圖像篡改檢測(cè)技術(shù)被提出；這些技術(shù)都針對(duì)一些特定類型的圖像篡改做出檢測(cè)，例如重新壓縮［1］、克?。?］、拼接、調(diào)整大小等。這些技術(shù)并不一定確定哪些操作被執(zhí)行了，但僅僅當(dāng)整個(gè)圖像被處理后才得知，我們稱這些技術(shù)為通用篡改檢測(cè)技術(shù)。通過檢測(cè)是否存在傳感器噪聲頻譜圖、色差、亮度、色彩濾鏡陣列去馬賽克偽影局部不一致的情況判斷圖像是否被篡改，我們稱這些技術(shù)為局部篡改檢測(cè)技術(shù)。

本文中提出色彩濾鏡陣列去馬賽克的篡改檢測(cè)技術(shù)，可以用來檢測(cè)局部或全局的圖像篡改操作?；驹硎腔谶@樣一個(gè)事實(shí)，以一種可測(cè)量的方法來證明圖像被篡改后改變了CFA去馬賽克偽影。CFA偽影技術(shù)的缺點(diǎn)或CFA檢測(cè)技術(shù)的弱點(diǎn)表明存在全局或局部的篡改行為?；谔卣鞯腃FA可以用來檢測(cè)局部或全局的圖像篡改，而不需要使用高維分類器。

2　基于CFA特性的描述

2.1特性1：CFA模式個(gè)數(shù)估計(jì)

第一種方法主要基于源數(shù)碼相機(jī)的CFA篡改模式的估計(jì)過程，在此，為識(shí)別一幅圖像的CFA圖案，該圖像以幾種候選的CFA模式被重新插值，對(duì)于每一個(gè)候選的模式，計(jì)算原始圖像與重新插值圖像間的均方差。對(duì)于一個(gè)2×2維的CFA，在每一個(gè)潛在的候選的CFA模式中有36種不同的過濾器裝置，然而，市場(chǎng)上的數(shù)碼相機(jī)一般使用其中一個(gè)4種Bayer顏色濾波陣列裝置的36個(gè)可能性，因此，計(jì)算均方差值僅有4種Bayer模式的作為候選。

為了更好的估計(jì)CFA插值［3］的存在，圖像被分割成W× W的子塊，且只有非光滑塊被用于CFA特性計(jì)算。進(jìn)一步講，選擇了去馬賽克算法，且f是雙線性的。然而，采用雙三次插值并未能顯著地改變估計(jì)的結(jié)果。

在Bayer過濾器［4］去馬賽克存在的情況下，在CFA圖案估計(jì)誤差值應(yīng)該顯著小于其他的。因此，向量的均勻性，可用來作為可能去馬賽克操作的一個(gè)指標(biāo)。因此，估計(jì)向量均勻性的新度量標(biāo)準(zhǔn)被定義，如公式（2）所示：

為了更為準(zhǔn)確的表示一個(gè)給定的圖片，所有非平滑圖像子塊的U（i）值被計(jì)算。最終，U向量的中間值被作為最終的CFA跟蹤度量值，其中。CFA值越高，即F1的值越高，則給定的圖像則越有可能被執(zhí)行了CFA去馬賽克插值，且不會(huì)顯示出任何顯著地后處理或篡改操作。

2.2特性2：基于噪聲分析的CFA

為了顧及傳感器噪聲，基于小波變換的雙樹去噪算法將被運(yùn)用到給定圖像的綠色通道中。為從非內(nèi)插像素中分離出內(nèi)插像素，綠色通道過濾器值（Bayer模式過濾器=1，綠色通道=2）將被用于檢測(cè)兩個(gè)像素群的位置（圖1所示）。使用，內(nèi)插與非內(nèi)插像素集的噪聲殘留值將被放入兩個(gè)向量中，以A1和A2表示。最終，傳感器噪聲方法比值，如公式（3）所示：

在此，vax（A）是向量Ai的方差，max（x，y）代表求x與y中較大的那個(gè)值。特性2，表示為F2，在內(nèi)插像素與非內(nèi)插像素之間的噪聲方法不同是敏感的。如果他們的方差沒有任何明顯的差異，他們將收斂到一起。否則，度量值取正值。

3　實(shí)驗(yàn)與結(jié)果分析

3.1CFA痕跡檢測(cè)：是計(jì)算機(jī)合成的或真的

為了驗(yàn)證兩個(gè)特性F1和F2在CFA圖像上的檢測(cè)性能，針對(duì)真實(shí)圖像與計(jì)算機(jī)合成的圖像計(jì)算F1和F2的值，結(jié)果特性圖如圖1（a）所示，不論是F1還是F2在區(qū)分計(jì)算機(jī)合成圖像與真實(shí)圖像時(shí)都有較高的精度。F1和F2的誤報(bào)率分別是0.0026和0.0027.總檢測(cè)的準(zhǔn)確率分別是0.9963和0.9959.

圖1　針對(duì)真實(shí)圖片與計(jì)算機(jī)合成圖片集的篡改檢測(cè)

3.2篡改檢測(cè)

所提特性方法已經(jīng)在多種圖像處理技術(shù)上進(jìn)行了研究，如模糊、圖像縮放（向上或向下調(diào)整）、JPEG類型圖像再壓縮及旋轉(zhuǎn)等；實(shí)驗(yàn)采用了用10個(gè)不同照相機(jī)照出的1000張真實(shí)的圖片。然后對(duì)對(duì)1000張真實(shí)的圖片采用5種不同的圖像篡改操作（5×5模糊、10％的縮小、10％的擴(kuò)大、JPEG圖片Q50的再壓縮、1度的旋轉(zhuǎn)），那么6000張被篡改的圖片產(chǎn)生了，最終計(jì)算1000張真實(shí)圖像與6000張被篡改照片的特征。計(jì)算出的CFA特性如圖1（b）所示，采用線性閾值法計(jì)算不同篡改操作所對(duì)應(yīng)的TP和FP值。當(dāng)檢測(cè)CFA痕跡時(shí)仍輸出了較高的值，與此同時(shí)，F(xiàn)2收斂于一個(gè)小角度旋轉(zhuǎn)。

3.3局部篡改檢測(cè)

局部圖像篡改通常是在被篡改的圖像區(qū)域扭曲圖像特征，因此，可以預(yù)計(jì)的是被篡改的圖像區(qū)域與圖像的其他區(qū)域相比應(yīng)該有不同的CFA去馬賽克值。為了度量這個(gè)特征，篡改兩個(gè)不同相機(jī)（Sony DSC 90 and Canon Powershot A80）所拍攝出的照片，原始圖片與被篡改的圖像如圖4所示，在此，我們給出兩種不同局部篡改檢測(cè)的方法，第一個(gè)方法是基于綠色通道中CFA圖案估計(jì)，第二種方法基于在內(nèi)插像素與非內(nèi)插像素中的噪聲功率分析。

圖2　用F2特性進(jìn)行篡改檢測(cè)

為了驗(yàn)證第一個(gè)檢測(cè)方法，給定圖片的綠色通道被劃分成W×W的子塊，且每個(gè)子塊都用兩種不同的綠色Bayer圖形（如圖1所示）重新插入。在兩種不同圖形中估計(jì)誤差的均方差，然后進(jìn)行相互比較，CFA模式殘剩的最小均方差將被假設(shè)為原始相機(jī)的最初CFA模式。CFA模式中的不一致現(xiàn)象被認(rèn)為是在對(duì)應(yīng)圖像子塊中很可能被篡改的證據(jù)，在被篡改圖像中檢測(cè)CFA不一致現(xiàn)象結(jié)果如圖2所示。

第二種方法是基于在2.2小節(jié)中介紹的特性2，為了驗(yàn)證這個(gè)方法，被篡改的圖片如圖2（a）所示，其中d被分為W×W 的W/2步幅子塊（W=96）。之后，對(duì)于任一圖像子塊，F(xiàn)2特征計(jì)算如2.2小節(jié)中所示，最終，計(jì)算的F2特征值被應(yīng)用到線性閾值上。低于閾值的區(qū)域則被假定可能是被篡改的區(qū)域。被計(jì)算的CFA特征圖譜（1/F2）及檢測(cè)到的被篡改區(qū)域。

4　結(jié)束語

在本文中，基于篡改檢測(cè)的2種不同的特性方法被介紹，所提出的方法不需要任何復(fù)雜的機(jī)器學(xué)習(xí)算法來做出決定，相反，憑借經(jīng)驗(yàn)確定線性閾值方法來判斷給定的圖片是否被篡改。所提方法的有效性已在成千上萬張圖片上測(cè)試，實(shí)驗(yàn)結(jié)果證明所提方法已成功運(yùn)用在圖像篡改檢測(cè)問題上且錯(cuò)誤率較低。

［1］Ye S，Sun Q，Chang E C.Detecting digital image forgeries by measuring inconsistencies of blocking artifact［C］//Multimedia and Expo，2010 IEEE International Conference on.IEEE，2010：12-15.

Research on Image Tamper Detection Techniques Based on CFA Demosaicing

WANG Jian-gang1WEI Jun2JI Dong-sheng1
（1 Gansu radio and television university，Lanzhou GanSu 730000 China）
（2 Lanzhou jiaotong university affiliated elementary school，Lanzhou GanSu 730000 China）

In the research of image tamper detection，the new method of tamper blind detection for JPEG images is proposed，which is inconsistent with the quantization table of the tampered JPEG images.Through the intelligent selection of a number of image blocks，the original quantization table of the image to be measured is estimated iteratively，and the tampered region is roughly located.Then，one JPEG compression is made for the tampered region with the evaluated original quantization table，and the tampered region is finally determined by the difference between compressed and uncompressed image pixel values.Experiments show that the proposed method is of high performance.

digital image forensics；tamper detection；CFA；noise analysis

TP391.6

A

1008-1739（2015）11-58-3

定稿日期：2015-05-12