针对篡改图像的被动检测方法

针对篡改图像的被动检测方法

摘要：在使用到数字图像的任何领域中，图像安全都是一个关键性的问题。而图像更是法医研究、法律执行的一部分，例如，罪犯的图像，罪犯现场的图像，生物特征图像等等。随着数字影像的发展，数字图像在特殊领域中的作用更是不言而喻的。数字图像处理的快速发展虽然促使了法医研究中很多新技术的产生，但同时也使得图像篡改更加容易。时至今日，很多图像处理软件如光影魔术手，美图秀秀的日益商业化，数字图像的真实性，完整性，可靠性便成为一大问题。所以，对图像篡改检测工具的需求就不可避免。本文主要介绍了几种被动检测篡改图像的方法。被动取证，即在对图像或图像的来源没有任何预知信息的前提下，检测出图像是否造假，通过对图像特性（光照特性）的改变，或数字图像的数学特征的改变等方面的检测来实现目的。

关键词：图像取证，图像篡改，图像伪造，伪造检测，图像鉴定

一、引言

数字图像是对人、物、艺术、场所或数据等的二维呈现，它与真实世界有一定的相似性，并且在0-1秒内即可成像。它广泛应用于印刷媒体和电子媒体。数字图像在医疗诊断、法庭做证、商业广告、报刊杂志、休闲娱乐、教育教学等方面有广泛的应用，其中大多数的应用比较敏感，例如，基于图像的医学诊断，基于图像为证据的法庭判决。

图像在法医实验中有着至关重要的作用，因为图像是用来记录犯罪现场的证据。当将这些图像呈现在法庭上作为证据时，图片的完整性就很重要。图像伪造已经成为继数字媒介迅速发展滞后的一个威胁。早前使用模拟图像时，篡改图像是不可能的。但在当今的数字时代，图像编辑工具的逐渐普及，不留下明显篡改痕迹，视觉痕迹而改变数字图像的信息却是既容易又有可能的。正是由于如此，数字图像的完整性或真实性成为一个问题，这种问题的出现更是对篡改检测的方法有着鲁棒性和可靠性方面的强烈要求。

篡改取证方法可大致分为主动取证和被动取证。数字图像主动取证技术是指事先向待取证的图像嵌入图像，在取证的过程中对嵌入信息进行认证的技术，这种技术主要有数字水印和数字签名等，但因需要事先在图像中添加额外信息，而待确认图像常常不含有这些信息，所以其实用性很有限，因此，这种检测不适于处理不明图像或不可靠来源的图像。

被动取证技术，或者说盲取证技术是检测篡改图像最好的方法。为检测篡改的痕迹，盲取证的思路是从图像的功能和伪造的事实（可能会带入图像的特定的可检测到的变化）入手达到检测的目的，这种技术更有应用价值，但难度相对的也会更大。

在本文中将简要介绍图像篡改检测的盲取证技术的近期发展，以及一些现有检测方法的优缺点比较。

二、图像篡改

数字图像可能以很多方式被修饰、编辑或篡改。其中大多数方式列举如下:

（一）拼接

其篡改原理是选取图像的一部分拼接到该图像或其他图像场景中以达到遮掩或造成假象的效果。它可以分为同幅图像的合成篡改和不同幅图像之间的合成篡改。图1是不同幅图像的拼接篡改的例子。

图1 拼接图像示例

（二）图像修饰

图像修饰大多用于杂志封面，通过改变其背景使得画面质量差的图像能够更加自然，美观，舒适，或者通过改变图片的色度使得照片更吸引人的眼球，见图2所示。

图2 图像修饰示例

（三）几何变换

有些图画中的一部分以常见的几何变换——平移、缩放、旋转——改变。篡改者将图画中的某一部分进行复制，并对其进行几何改变，以达到自己想要的效果。示例见图三所示。

图3（a）原始图像

图3（b）篡改图像

（四）粘贴复制

粘贴复制常用于掩盖图像中的部分区域或移除不想要的部分，图像中的某部分也可能是在图像中其他部分的粘贴和复制所得，见图4所示。

图4（a）原始图像

图4（b）粘贴复制后的图像

图4（c）复制区域

三、图像篡改检测

在图像的被动检测中，已有几种方法提出。各种被篡改的图像在盲检测后会产生不同的结果。

（一）几何转换图像的检测

大多数被篡改的图像中都有两部分或两部分以上相同的区域，而这些区域则是以几何方式改变的。篡改时常用的方法是缩放和旋转，使用缩放的方法改变的是物体的大小，而改变大小通常会产生没有变化的错觉。旋转改变的则是物体在图像对齐的角度。

任何几何变换都有两个基本步骤。第一步：利用空间转换对图像中像素进行重新布置；第二步：使用插值滤波器在像素强度值改变的地方进行插值。转换中这样的步骤会产生周期性的特征，而图像中的这些特征是可以使用滤波器组检测出来的。

图5展示了篡改图像是如何通过重采样检测出来的。这种方法适用于低阶插值多项式，高阶多项式会让检测变得困难。不同的插值多项式也会造成不同的复杂相关性。此外，如果伪造者添加噪声来掩盖篡改的痕迹，用这种方法来鉴定篡改也不是很有效的。

图5（a）图像和矩形研究区域

图5（b）重采样检测的输出

（二）局部噪声不一致的检测

篡改图像通常会用局部噪声来掩饰其篡改部分，添加随机噪声也是很常见的方法。如果噪声衰减，不管是主动取证还是被动检测，都会会影响篡改图像检测方法的结果。

Babak Mahdian和Stanislav Saic主张检测图像不同程度的噪声，将图像分割成有不同程度噪声的分块，基于非重叠块最高分辨率平铺小波系数估计局部噪声。在分块中使用中值法检测噪声偏差，若图像中存在异常的噪声偏差，就代表图像是被篡改过的，见图6所示。

图6 图3（b）中噪声不一致检测的结果

然而，大多数图像中都有不同噪声水平的孤立区域，这些都可以检测出其不一致性。鉴于人们对这种结果的解释，这种检测噪声水平的方法可作为其他检测篡改方法的补充。

（三）循环平稳方法

循环平稳过程的信号具有统计性能随时间周期性变化的特点。循环平稳过程可看做是多个交错的静止过程。Babak Mahdian和Stanislav Saic认为，产生缩放变化的图像包含隐藏的循环平稳特性，而这是可以被检测出来的，循环平稳特性在每一个缩放图像中引入插值的概念；循环平稳信号的光谱成分中存在着特定的关系，通过检测图像中的这些特征，就可以检测出采样的痕迹，以及变换参数。见图7。