基于被動檢測的圖像篡改方法

邵換崢 劉奇付

摘要：隨著數字圖像越來越普及和Photoshop、美圖秀秀、光影魔術手等圖像處理軟件的流行，使得數字圖像的原創、真實、完整、可靠成為當今社會的一大問題，如何在零認知的前提下通過光照特性、顏色特性、數學特征的改變來檢測出數字圖像造假，就是文章要探討的基于被動檢測的圖像篡改算法的研究內容。

關鍵詞：圖像篡改；圖像偽造；檢測；鑒定

數字圖像即照片的數字化，與傳統膠卷照片相比，更便攜更廉價，是使用二進制數據通過特定格式記錄的照片的數字信息，隨著手機、平板電腦等便攜設備的普及，人手一部數碼相機，每天產生了數以億計數字圖像，除了家庭應用之外，它還廣泛應用于印刷媒體、電子展覽，甚至醫療診斷、法庭取證、課堂教學等方面。早前在模擬圖像時，偽造圖像幾乎是不可能的，但在當下圖像編輯工具普及的情況下，圖像偽造現象越來越泛濫，這種問題就對圖像篡改算法有著強烈的社會需求。

基于被動檢測的圖像篡改算法是在事先沒有對圖像做任何嵌入、插入的前提下盲取證技術，是檢測圖像篡改最好的方法，其思路是從圖像本身的數字特征、光照特征等入手檢測其變化，進而達到檢測圖像是否被篡改的目的，這種算法更有實際運用價值。

1 圖像篡改檢測

圖像篡改的方法一般有拼接、變換、修飾、覆蓋等，我們就可以針對不同的篡改手段進行有針對性的采樣檢測。圖像篡改的主動檢測方法雖然效率高、成功性大，但需要事先插入密鑰或算法嵌入，如果沒有事先導入則無法檢出。而被動檢測則基于盲測，不需要對檢材有任何前提要求，具有極大的應用前景和發展潛力，已成為國內外同行的研究方向，是目前的熱門研究領域。基于被動檢測的圖像篡改方法主要是基于原始圖像檢測，對圖像完整性、真實性等進行檢測，常用的思路和方法主要有以下幾種。

1.1 濾波器檢測

如圖1所示，如果對圖像進行過放大縮小或旋轉等工具操作改變了物體的大小或位置可以使用濾波器檢測出來。

圖1即是篡改圖像后通過濾波器檢測出來的，在相應像素的強度數值有變化的部分進行了插值處理，這種操作會產生有規律的特性。

1.2 噪聲異常檢測

還有一種情況比較常見：圖像篡改者往往利用添加噪聲來進行掩飾，這種情況可以對對象實施小塊分割，用中值法來檢測其噪聲差值，若存在異常偏差的噪聲，就表示圖像被篡改過，如圖2所示。

1.3 平穩循環法

如果對圖像進行了綻放、旋轉變化，則其中會隱藏平穩循環的特性，這種規律性往往可以被檢測出來，分析其光譜成分中存在的規律，就可以檢出篡改痕跡。但這種方法適合于發生形變的圖形的篡改。

1.4 DCT直方圖檢測

JPEG圖像中都有雙量子效應，利用篡改中前后兩次圖像壓縮造成的DCT直方圖變化來檢測圖像篡改，分析其產生的DQ效應則可以檢出圖像是否篡改。這種檢測方法有很明顯的優勢，達到快速檢出的目標，但它的缺點是只能檢測JPEG格式的圖像（見圖3），而對其他GIF和PNG等圖像格式無效。

1.5 顏色濾鏡矩陣檢測

拍照時，顏色濾鏡是由傳感器中的微波的單個彩色濾鏡獲取的，大部分數碼相機僅有一個CMOS傳感器，所以一個PX只有一個顏色通道，如果對圖像進行了篡改，顏色濾鏡矩陣是可以被檢測出來的。

1.6 模糊濾鏡篡改檢測

大部分圖像篡改處理后，會采用高斯模糊或其他模糊濾鏡工具，這樣可以運用頻率檢測或灰度檢測相結合來檢測，或者增強圖像對比度可以非常有效地進行檢出。

1.7 關鍵點檢測

利用成熟的算法提取待檢圖片的關鍵特征點，檢測其極值，進而確定所在位置和尺寸，再進一步精確，同時找到高對比度和穩定的部分，進而分析關鍵點是否一致來達到檢出的目的，如圖4所示。

1.8 其他方法

以上是圖像篡改檢測時常用到的思路和工具，要實際操作中還可以檢測相機設備的一致性、圖像色差、圖像特征統計分析、圖像質量相似性特征分析等來檢測篡改過程的痕跡及存在問題等。

2 結語

本文介紹了圖像篡改的應用現狀及需求，并重點分析了應用最廣泛的被動檢測的幾種方法和工具，可以助力圖像偽造的痕跡檢測和統計分析，可以實現對圖像拼接、縮放、合成篡改的有效檢測。

[參考文獻]

[1]劉奇付，李靜靜.計算機算法在生物信息學中的應用綜述[J].軟件導刊，2017（9）：209-211.

[2]李紫艷，劉奇付.基于誘導線描畫算法的車載導航系統的研究[J].電腦與電信，2016（11）：32-34.

[3]劉奇付，李紫艷.艦船磁定位算法實現及計算分析[J].艦船科學技術，2016（2）：58-60.

[4]朱珍，劉奇付.無線傳感器網絡中數據傳輸路徑選擇優化方案[J].計算機測量與控制，2014（4）：1317-1319.

[5]劉奇付，曾雪松.淺析入侵模式挖掘系統結構算法[J].大學教育，2013（15）：36-37.