數字圖像人工模糊痕跡的檢測方法

左菊仙 鄧堅

摘 要 隨著Photoshop等圖像處理工具的日益盛行，人們可以較容易對圖像的內容進行修改偽造，已達到篡改圖像原本信息的目的。修改偽造數字圖像的案件已屢見不鮮，對圖像進行真實性鑒別有著非常重要的意義。為了使人們察覺不到修改的痕跡，偽造者在修改圖像的過程中會使用到多種篡改的操作方法，例如放大縮小、壓縮、模糊，裁剪等。本文主要研究偽造操作中的模糊操作。對模糊操作的原理以及現有的檢測方法進行研究探討，提出一種簡單有效的模糊痕跡檢測方法，為鑒別圖像的偽造痕跡提供有力的憑據。

關鍵詞 圖像偽造；模糊痕跡；數字圖像

中圖分類號 TP3 文獻標識碼 A 文章編號 1674-6708（2018）215-0104-02

對圖像的真實性進行鑒別的方法可以分為兩種，一種是圖像主動認證方法，該方法需要事先在數字圖像中嵌入數字水印或簽名，通過對水印或簽名進行鑒別進行認證。但是，此方法不足以解決現實中案件圖像無水印的問題。另一種方法是圖像被動認證方法，該方法主要針對沒有嵌入數字水印或簽名的圖像，由于原圖像沒有先驗知識作為參考，主要是通過對圖像偽造操作痕跡進行檢測判斷對其進行真偽的檢驗，也稱為盲被動圖像檢測，圖像被動認證成為圖像證據學領域新的研究方向。偽造者在修改圖像的過程中會使用到多種篡改的操作方法，例如放大縮小、壓縮、模糊、裁剪等，其中模糊操作是修改圖像過程中經常使用到的一種操作，對模糊操作的原理以及檢測方法進行研究探討具有一定的研究意義。

1 模糊操作的原理

偽造者在修改圖像的過程中為了使偽造圖像不留下篡改痕跡，通常會使用到放大縮小、壓縮、模糊、裁剪等多種篡改操作手段，為使篡改的圖像區域融合于原圖像，通常會對修改的圖像區域進行模糊，以達到隱藏偽造痕跡的目的。模糊是人們偽造修改圖像過程中經常使用到的一種操作。

圖像中的像素每一個都有自己的像素值，這些像素值決定了圖像最終的顯示。通過對圖像中的像素值進行平均處理，讓這些像素值越來越來接近，來達到一種無法辨識出這些像素點的差別，從來產生模糊的效果。即圖像模糊的基本原理是對通過對圖像的幾個鄰近像素值進行它們的灰度平均值計算。其中采用不同算法的濾波器模糊的方法也不同，得到的模糊效果也不同。例如圖像處理軟件Photoshop就提供了多種的模糊方法供用戶選擇使用。

在圖像修改操作中經常使用到的是高斯模糊，高斯模糊是美國Adobe圖像軟件公司開發的一個圖像處理軟件Adobe Photoshop（系列）中的一個濾鏡。高斯模糊的原理是根據高斯曲線調節像素色值，即高斯模糊能夠把某一點周圍的像素色值按高斯曲線統計起來，采用數學上加權平均的計算方法得到這條曲線的色值。

2 檢測方法概述

目前已存在多種檢測模糊操作痕跡的檢測方法，例如歸一化DCT系數方法、基于異常色調率的方法、基于二次模糊相關性的模糊檢測方法等。

2.1 基于異常色調率的檢測方法

以RGB彩色圖像為例，照相機在形成彩色圖像的過程中濾色陣列插值作用會使圖像的色彩通道（R通道、G通道、B通道）在局部空間內分別建立一定的聯系，產生局部的相關性，而修改圖像時使用到的模糊操作會分別對R分量，G分量以及B分量進行非線性修改，會破壞上述所描述的這種相關性，該方法主要就是以這個特征作為檢測模糊操作的依據。因此，利用這一特點作為模糊痕跡檢測的依據。利用該方法可以檢測修改圖像操作中的模糊操作痕跡，但該方法中使用有兩個經驗閾值，因此對檢測多種圖像方面存在一定的局限，通用性能不強；且該方法的效率不高，同時壓縮操作會對該方法的檢測準確性造成干擾。

2.2 基于二次模糊的檢測方法

基于二次模糊的檢測方法主要依據是模糊區域如果被再次模糊，則第二次模糊區域與第一次模糊區域對應位置的相關性應該大于第一次模糊區域和非模糊區域的相關性。檢測的具體算法如下所述。

步驟一：設待檢測圖像y（i，j）的大小為M×N，對圖像y進行再一次的模糊操作，得到圖像g（i，j）。

步驟二：對y（i，j）和g（i，j）分別進行大小為k×k的子塊劃分，得到yK（i，j）和gK（i，j）。

步驟五：通過數據分析設置一個閾值t，把相關系數大于t的這些圖像塊標記出來，并認為是模糊區域。

實驗證明該方法具有一定的檢測效果，但如果圖像被壓縮操作（例如JPEG壓縮）后，其檢測效果會受到一定的影響；該方法需要逐點分塊計算，算法的計算復雜度比較高并且時間消耗較大。

3 提出的檢測方法

提出了一種簡單并且有效的模糊檢測方法。主要利用模糊函數對待測圖像進行一次模糊處理，然后計算原待測圖像和模糊后的圖像的像素差值，通過統計像素差值的分布來進行模糊痕跡的檢測，并依據像素差值定位出模糊篡改區域。

3.1 檢測步驟

步驟一，先對待檢測的圖像進行模糊計算得到一幅模糊圖像。

步驟二，再將步驟一中計算得到模糊圖像與待測圖像按對應像素位置進行像素值相減運算，得到一副相減后的圖像，然后對其取其絕對值得到一副差值圖像。

步驟三，最后對差值圖像進行統計，像素較小且集中的區域認定為是被模糊修改過的區域。

對待測圖像進行模糊計算的模糊函數設置為3×3模板，標準方差為1的高斯模糊函數。

像素較小且集中是指：在一幅差值圖像中統計其像素值，得到像素值的分布，從像素值分布情況可以視覺觀察到其值較小且集中區域，針對不同圖像可能其值不一樣。

3.2 檢測方法性能分析

當一幅圖像被JPEG壓縮后，該檢測方法的檢測能力會不會受到影響，為說明問題，我們以一幅局部模糊圖像為檢測對象，然后選取質量因子100至60之間對其分別進行不同程度的壓縮，選取其中經理不同程度的8幅壓縮圖像，用所提出的檢測方法對該8幅圖像進行模糊檢測，由實驗結果對比可以看出隨著壓縮因子減小，即隨著壓縮程度增大，檢測精確度會逐漸變差，但仍然能夠將模糊痕跡區域檢測區分出來，即該方法對JPEG壓縮具有一定的抵抗能力。

下面分析比較該方法的計算復雜度和計算效率，為了說明問題，我們分別選取7種不同大小的圖像塊進行檢測試驗，首先運用本文提出的方法進行檢測計算，然后使用基于二次模糊相關性的模糊檢測方法進行計算，比較兩種算法的計算時間。由數據顯示可以看出本文所提方法的計算時間消耗較少，這是由于基于二次模糊相關性的模糊檢測算法是逐點分塊依次計算相關系數，而本文方法是像素點對點一次運算，所以大大提高了算法的運算速度，而且當圖像塊逐漸增大時，計算效率提高的優勢會更加明顯。

4 結論

文章研究分析了模糊操作的基本原理和現有模糊操作的檢測方法。然后提出了一種簡單并且有效的模糊檢測方法。主要利用模糊函數對待測圖像進行一次模糊處理，然后計算原待測圖像和模糊后的圖像的像素差值，通過統計像素差值的分布來進行模糊痕跡的檢測，并依據像素差值定位出模糊篡改區域。該方法這樣對篡改圖像中模糊操作的檢測就不需要先驗信息，即能實現對不同模糊方式下模糊操作痕跡的盲檢測；同時受JPEG壓縮的影響相對較小，具有較好的魯棒性；計算復雜度也較低，運行消耗時間少，并且對較小區域的模糊痕跡也能較好檢測與定位。

參考文獻

[1]左菊仙，鄧堅.基于重采樣痕跡的圖像偽造檢測[J].計算機應用與軟件，2016，33（10）：328-333.

[2]周治平，胡成燕.基于色彩一致性的圖像模糊篡改檢測[J].計算機工程，2016（1）：237-242.

[3]黃維，黃添強.基于塊效應網格偏移的重獲取JPEG圖像篡改檢測[J].網絡與信息安全學報，2017（12）：24-30.

[4]葉鵬釗，馮華君.基于塊效應抑制的壓縮降質模糊圖像盲復原[J].浙江大學學報（工學版），2018（2）：406-412.