基于统计特征的图像篡改评价模型

doi:10.13229/j.cnki.jdxbgxb201604032

吉林大学学报(工学版) ›› 2016, Vol. 46 ›› Issue (4): 1232-1238.doi: 10.13229/j.cnki.jdxbgxb201604032

基于统计特征的图像篡改评价模型

申铉京^{1, 2}, 范子龙^{1, 2}, 吕颖达³, 陈海鹏^{1, 2}

1.吉林大学计算机科学与技术学院,长春 130012;
2.吉林大学符号计算与知识工程教育部重点实验室,长春 130012;
3.吉林大学公共计算机教学与研究中心,长春 130012

收稿日期:2014-12-05 出版日期:2016-07-20 发布日期:2016-07-20
通讯作者: 陈海鹏(1978-),男,副教授,博士.研究方向:图像处理与模式识别,多媒体信息安全.E-mail:chenhp@jlu.edu.cn
作者简介:申铉京(1958-),男,教授,博士生导师.研究方向:图像处理与模式识别,多媒体信息安全,智能控制技术.E-mail:xjshen@jlu.edu.cn
基金资助:
国家自然科学青年基金项目(61305046); 吉林省自然科学基金项目(20140101193JC); 吉林省自然科学青年基金项目(20130522117JH)

Image tampering assessment model based on statistical features

SHEN Xuan-jing^{1, 2}, FAN Zi-long^{1, 2}, LYU Ying-da³, CHEN Hai-peng^{1, 2}

1.College of Computer Science and Technology, Jilin University, Changchun 130012, China;
2.Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun 130012, China;
3.Public Computer Teaching and Research Center Technology, Jilin University, Changchun 130012, China

Received:2014-12-05 Online:2016-07-20 Published:2016-07-20

摘要/Abstract

摘要： 为了实现图像篡改手段的定性分析,构造了基于图像统计特征的篡改评价模型。该模型提取图像的LTP三值模式特征、LBP纹理特征和WLD局部特征,利用SVM分类器,实现对自然图像、计算机生成图像、复制-粘贴图像、拼接篡改图像、重获图像的多分类。实验结果表明,该模型能够在盲环境下实现图像的有效分类,客观分析图像篡改手段,综合正确检测率为85%。

关键词: 计算机应用, 盲鉴别, 篡改评价模型, LTP特征向量, LBP特征向量, WLD特征向量

Abstract: In order to qualitatively analyze different tampering means of digital images, a tampering evaluation model based on image statistical features is proposed. First, the Local Ternary Pattern (LTP) features, Local Binary Pattern (LBP) features and Weber Local Descriptor (WLD) features ternary are extracted from the image. Then, SVM is used to classify the nature images, computer generated images, copy-pasted images, spliced images and recaptured images. Experimental results show that the proposed model can effectively classify the tampering images in the blind environment, objectively identify the image tampering method, and the comprehensive correct detection rate can reach 85%.

Key words: computer application, blind identification, tampering evaluation model, LTP feature vector, LBP feature vector, WLD feature vector

中图分类号:

TP391

申铉京, 范子龙, 吕颖达, 陈海鹏. 基于统计特征的图像篡改评价模型[J]. 吉林大学学报(工学版), 2016, 46(4): 1232-1238.

SHEN Xuan-jing, FAN Zi-long, LYU Ying-da, CHEN Hai-peng. Image tampering assessment model based on statistical features[J]. 吉林大学学报(工学版), 2016, 46(4): 1232-1238.

参考文献

[1] 王春哲, 李杰, 李明晶,等. 一种多扭曲失真图像的质量评价方法[J]. 液晶与显示, 2015, 30(04):681-686.
Wang Chun-zhe, Li Jie, Li Ming-jing, et al. Image quality assessment algorithm for multi-distorted image[J].Chinese Journal of Liquid Crystals and Displays , 2015, 30(4): 681-686.
[2] 曹雷, 陈洪斌, 邱琪, 等. 盲图像复原研究现状[J]. 中国光学, 2014,7(1): 68-78.
Cao Lei, Chen Hong-bin, Qiu Qi, et al. Research status of blind image restoration[J]. Chinese Optics, 2014,7(1): 68-78.
[3] 柯洪昌, 孙宏彬. 图像序列的显著性目标区域检测方法[J]. 中国光学, 2015,8(5): 768-774.
Ke Hong-chang, Sun Hong-bin. A saliency target area detection method of image sequence[J]. Chinese Optics, 2015,8(5): 768-774.
[4] 张振东, 陈健, 王伟国, 等. 基于SSIM_NCCDFT的超分辨率复原评价方法研究[J]. 液晶与显示, 2015, 30(4): 713-721.
Zhang Zhen-dong, Chen Jian, Wang Wei-guo, et al. Evaluation method of super-resolution restoration based on SSIM_NCCDFT[J].Chinese Journal of Liquid Crystals and Displays, 2015, 30(4): 713-721.
[5] 朱艳玲. 数字图像取证的关键技术研究[D]. 北京:北京邮电大学计算机学院, 2011.
Zhu Yan-ling. Study on key technology for digital image forensies[D].Beijing: School of Computer Science,Beijing University of Posts and Telecommunications, 2011.
[6] 胡东辉, 王丽娜, 江夏秋. 盲环境下的数字图像可信性评估模型研究[J]. 计算机学报, 2009, 32(4): 675-687.
Hu Dong-hui,Wang Li-na, Jiang Xia-qiu. Research on trust worthiness evaluation model for digital image in blind environment[J]. Chinese Journal of Computers,2009, 32(4): 675-687.
[7] 孟宪哲. 盲环境下数字图像篡改鉴定的关键理论与技术研究[D]. 北京: 北京邮电大学计算机学院2013.
Meng Xian-zhe. Study of the key theories and algorithms on image forensics[D]. Beijing: School of Computer Science,Beijing University of Posts and Telecommunications, 2013.
[8] Tan X, Triggs B. Enhanced Local Texture Feature sets for Face Recognition under Difficult Lighting Conditions[M]. Berlin Heidelberg:Springer, 2007: 168-182.
[9] Li Z, Ye J, Shi Y Q. Distinguishing computer graphics from photographic images using local binary patterns[C]∥International Conference on Digital Forensics and Watermaking,Springer Berlin Heidelberg, 2012, 7809: 228-241.
[10] 刘晓霞, 李峰, 熊兵. 基于韦伯局部特征的图像拼接检测[J]. 计算机工程与应用, 2013, 49(12): 140-143.
Liu Xiao-xia, Li Feng, Xiong Bing. Image splicing detection using Weber local descriptors[J]. Computer Engineering and Applications, 2013, 49(12):140-143.
[11] 薛宁静. 多类支持向量机分类器对比研究[J]. 计算机工程与设计, 2011,32(5),1792-1795.
Xue Ning-jing. Comparison of multi-class support vector machines[J]. Computer Engineering and Design,2011,32(5),1792-1795.
[12] Ng T T, Chang S F, Hsu J, et al. Columbia photographic images and photorealistic computer graphics dataset[R]. Columbia University, Advent Technical Report, 2005:205-2004-5.
[13] The DVMM Laboratory of Columbia University. Columbia image splicing detection evaluation dataset[DB/OL].[ 2010-08-26]. http:∥www.ee. columbia.edu/ln/dvmm/downloads/AuthSplicedData-Set/ dlform.html.
[14] Gao X, Qiu B, Shen J J, et al. A smart phone image database for single image recapture detection[C]∥International Conference on Digital Watermarking, 2010, 6526:90-104.
[15] Chang C C, Lin C J. LIBSVM: a library for support vector machines[J]. ACM Transactions on Intelligent Systems and Technology (TIST), 2011, 2(3):389-396.

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15]	侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

基于统计特征的图像篡改评价模型

Image tampering assessment model based on statistical features

RICH HTML

PDF (PC)

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10