周梓航 張潔 陳果 東華大學(xué)

基于陰影一致性的圖像取證技術(shù)

周梓航 張潔 陳果 東華大學(xué)

隨著計(jì)算機(jī)網(wǎng)絡(luò)和圖像處理技術(shù)的快速發(fā)展，人們能夠很容易篡改圖像的內(nèi)容而不留下任何痕跡，因此，數(shù)字圖像的真實(shí)性受到了各國(guó)相關(guān)機(jī)構(gòu)的廣泛關(guān)注。數(shù)字圖像取證技術(shù)作為信息安全技術(shù)的分支之一，是對(duì)數(shù)字圖像的偽造、篡改和隱秘性進(jìn)行分析、鑒別和認(rèn)證的技術(shù)。本文簡(jiǎn)單介紹數(shù)字圖像取證技術(shù)研究的基礎(chǔ)和發(fā)展現(xiàn)狀，并在深入研究當(dāng)前模型的基礎(chǔ)上，改進(jìn)了基于光源位置、光學(xué)特性一致性的算法，并使用matlab進(jìn)行編程，得到檢測(cè)圖像真?zhèn)螒?yīng)用軟件。

圖像取證 光學(xué)特性 陰影信息 matlab

1 引言

現(xiàn)今電腦圖像的合成技術(shù)的不斷進(jìn)步，衍生了很多視覺上難以分別的偽造圖像。這些合成圖破壞了人們對(duì)圖像的信任感，影響著法律的執(zhí)行、國(guó)家的穩(wěn)固、媒體、廣告、電子商務(wù)等等各行各業(yè)。

數(shù)字圖像被動(dòng)盲取證技術(shù)是指在沒有嵌入水印的前提下檢測(cè)圖像從拍攝以后是否經(jīng)過(guò)了篡改。盡管多數(shù)篡改都不會(huì)引起人們視覺上的懷疑，但是圖像篡改會(huì)不可避免的引起圖像統(tǒng)計(jì)特性上的變化，圖像取證技術(shù)通過(guò)檢測(cè)圖像統(tǒng)計(jì)特性的變化，來(lái)判斷圖像的原始性、真實(shí)性和完整性，它對(duì)拍攝數(shù)字圖像的數(shù)碼相機(jī)沒有特殊的要求，具有重要的應(yīng)用價(jià)值.

本文主要針對(duì)單光源照射下生成的數(shù)字圖像，如局部光源（如室內(nèi)的燈泡）和無(wú)限遠(yuǎn)光源（光照條件良好的太陽(yáng)）提出了在不依賴任何簽名提取或嵌入信息的前提下，一種新的對(duì)圖像內(nèi)容的真實(shí)性進(jìn)行鑒別的，基于陰影一致性的圖像取證方法，并根據(jù)理論分析和算法研究，設(shè)計(jì)了一個(gè)圖像篡改檢測(cè)的軟件平臺(tái)。

2 算法的提出

本文提出的圖像鑒別真?zhèn)蔚姆椒?，主要研究圖像陰影一致性的光學(xué)特征，結(jié)合朗伯光照模型建立線性規(guī)劃方程分析并簡(jiǎn)化模型，設(shè)計(jì)合適的優(yōu)化算法，引入物理學(xué)原理中的紋理特性，在實(shí)踐過(guò)程中對(duì)算法進(jìn)行調(diào)整，進(jìn)一步對(duì)陰影產(chǎn)生的楔形進(jìn)行約束，優(yōu)化已有的線性模型，進(jìn)而提高算法的精確度和魯棒性。

本文的數(shù)字圖像篡改檢測(cè)的基本研究框架，如圖1所示。

圖1 研究框架

3 陰影問(wèn)題分析

3.1 特征點(diǎn)的分析

特征點(diǎn)的選擇主要運(yùn)用的方法是對(duì)物體和陰影進(jìn)行邊緣檢測(cè)，并通過(guò)分割算法將圖像中物體的陰影提取出來(lái)。

本文用到的是基本閾值的分析方法：Otsu算法（最大類間方差法，有時(shí)也稱之為大津算法）。

利用閾值將原圖像分成前景，背景兩個(gè)圖像。

當(dāng)取最佳閾值時(shí)，背景應(yīng)該與前景差別最大，關(guān)鍵在于如何選擇衡量差別的標(biāo)準(zhǔn)，而在Otsu算法中這個(gè)衡量差別的標(biāo)準(zhǔn)就是最大類間。方差在本算法中類間方差用sb表示，最大類間方差用。算法效果如圖2。

圖2 用Otsu檢測(cè)圖像中物體陰影示例（原圖摘自網(wǎng)絡(luò)）

根據(jù)提取的陰影輪廓，可以初步判斷陰影的形狀，關(guān)鍵點(diǎn)的位置，比如指示牌的頂端和三角牌的邊角等都是關(guān)鍵點(diǎn)。特征點(diǎn)是關(guān)鍵點(diǎn)的一種，特點(diǎn)是：

①陰影上的特征點(diǎn)與投影物體的點(diǎn)具有明確的對(duì)應(yīng)關(guān)系。

②與物體之間的連線是明確可知的。

③特征點(diǎn)與其他的點(diǎn)沒有重合，可以通過(guò)肉眼識(shí)別。

在分析圖像中物體產(chǎn)生的陰影時(shí)，選擇的特征點(diǎn)往往側(cè)重于物體的邊界點(diǎn)，這是因?yàn)槲矬w的邊界點(diǎn)很容易在對(duì)應(yīng)的陰影上產(chǎn)生符合要求的特征點(diǎn)，并可以通過(guò)肉眼進(jìn)行識(shí)別。

3.2 Lambert光照模型

Lambert光照模型（圖3）用來(lái)計(jì)算圖像中不同區(qū)域的光源方向，進(jìn)而估計(jì)光源的位置，并根據(jù)漫反射在物體表面形成的光學(xué)相關(guān)特性，在圖像中獲得大量的楔形區(qū)域。光源的位置是位于多個(gè)楔形區(qū)域部分，楔形的方向是從陰影指向?qū)?yīng)物體的部位。

圖3 Lambert光照模型

對(duì)于真實(shí)的圖像，在無(wú)限遠(yuǎn)的二維平面上一定存在一個(gè)估計(jì)光源的位置去滿足所有投射陰影的線性約束方程。因此，所有約束條件的交集應(yīng)該定義一個(gè)非空的區(qū)域。

在圖4中，通過(guò)兩條實(shí)線定義一個(gè)楔形區(qū)域，并一個(gè)曲線定義半平面。投影光源的位置應(yīng)該在這些約束條件形成的交集部分，虛線用來(lái)表示它的反方向，表示這個(gè)楔形區(qū)域的夾角。

圖4 圖中曲線表示物體上的感光平面

3.3 陰影的約束條件

平面上的線性不等式可以表示陰影的約束條件，圖3中顯示的兩條線是通過(guò)它們的法線和點(diǎn)來(lái)簡(jiǎn)單定義的，法線的方向指定平面上的一個(gè)區(qū)域，在這個(gè)區(qū)域里必然存在一個(gè)待解決的參數(shù)x，這兩個(gè)區(qū)域是楔形區(qū)域向上的部分，圖3.1(a)中顯示了一條通過(guò)它的法線和點(diǎn)定義的線，任何情況下，一個(gè)陰影的約束條件都可以通過(guò)一對(duì)實(shí)線（楔形區(qū)域投射陰影的約束）或者一條線（半平面附加的陰影約束）來(lái)定義。

從一致的場(chǎng)景可以得到?jīng)]有誤差的線性約束，一個(gè)解決方案應(yīng)該存在于這個(gè)不等式的系統(tǒng)當(dāng)中，一個(gè)可能的不等式的解存在于這個(gè)線性約束中，即可以得到一個(gè)含有最小誤差的方程的解來(lái)滿足所有因素和附屬陰影的約束方程。

陰影間的約束條件必須是一致的，否則就不存在光源的位置去滿足所有的約束。即一些約束條件是部分圖像被篡改后產(chǎn)生的。

當(dāng)圖像生成不一致約束條件時(shí)，我們希望找出是哪一個(gè)約束條件是和別的有沖突的，因此沖突的約束條件提供了最根本的證據(jù)去鑒別一個(gè)圖像是否被篡改，并檢測(cè)圖像哪一部分的被篡改。

4 改進(jìn)基于陰影的分析方法

基于以上算法，在有限的圖像界面上包含物體和對(duì)應(yīng)的陰影，按以下步驟進(jìn)行分析：

①基于最大類間方差法來(lái)檢測(cè)圖像的陰影區(qū)域，獲得陰影的外緣。

②查看所獲得的陰影外緣是否清晰，如果不清晰，則對(duì)初始圖像增強(qiáng)，尤其強(qiáng)調(diào)圖像的陰影特性，有目的的擴(kuò)大圖像中陰影與圖像中其他部位的區(qū)別，從而能夠更明顯的識(shí)別圖像中的物體陰影。然后重復(fù)步驟1，再一次提取陰影外緣。

③選取4～10個(gè)特征點(diǎn)，由上文3.1特征點(diǎn)的分析來(lái)確定特征點(diǎn)。

④又楔形選取的原理以及技巧，在已經(jīng)確定好的特征點(diǎn)上選取合適的角度和方向，得到一個(gè)確定的楔形。

⑤判斷這些楔形在有限的界面內(nèi)以及超過(guò)圖片界面的區(qū)域是否有交集。如果有交集，則判斷該圖片有可能是真的。如果沒有交集，則判斷圖片可能被篡改過(guò)。

5 實(shí)例

6 結(jié)束語(yǔ)

上文中已經(jīng)清晰地描述了一種基于圖像陰影一致性來(lái)檢測(cè)圖像真?zhèn)尾僮鞯募夹g(shù)。以前的照明和基于陰影的取證技術(shù)即利用投射陰影為其找到獨(dú)特的陰影—物體匹配技術(shù)是可行的。（例如：椎體）相比之下，我們利用了廣泛的歧義投射，雖然每個(gè)約束的信息性不高，許多這樣約束的組合可以有效地檢測(cè)出不能明顯被感知的不一致的陰影。最后求出楔形的公共區(qū)域，是一個(gè)標(biāo)準(zhǔn)的線性規(guī)劃問(wèn)題，來(lái)推定有效的解決方案。所有的楔形能相交到一個(gè)共同的區(qū)域也即陰影具有一致性說(shuō)明這張照片的光照特性在物理上是可行的。而無(wú)法找到共同區(qū)域的線性規(guī)劃組，則可作為證據(jù)證明該照片是篡改過(guò)的。在后一種情況下，可能這張照片很難在視覺上識(shí)別那些約束不一致性。因此我們提供的是一種非視覺上檢測(cè)方法，來(lái)確定圖像的哪個(gè)部分被篡改過(guò)了。

但是這個(gè)方法僅適用于處在單光源的環(huán)境下的照片，雖然這個(gè)限制導(dǎo)致無(wú)法分析多個(gè)光源或漫射區(qū)域照明的場(chǎng)景?；陉幱耙恢滦缘膱D像取證技術(shù)并非完美，還需要完善和提高，也就是說(shuō)，需要組合陰影一致性的技術(shù)和其他技術(shù)來(lái)估計(jì)圖像的光源位置，從而更加精準(zhǔn)快速的判斷圖像是否被篡改過(guò)。為了達(dá)到這個(gè)目標(biāo)，有待進(jìn)行更多的研究。

參考文獻(xiàn)

[1]周琳娜.數(shù)字圖像盲取證技術(shù)研究[D].北京郵電大學(xué),2007

[2]王朔中,張新鵬,張開文.數(shù)字密寫和密寫分析-互聯(lián)網(wǎng)時(shí)代的信息戰(zhàn)技術(shù)[M].北京：清華大學(xué)出版社，2005

[3]陳鉗生.數(shù)字圖像取證技術(shù)及其發(fā)展[J].硅谷,2011,10:17-26

[4]王鳳英,程震.網(wǎng)絡(luò)與信息安全[D].北京:中國(guó)鐵道出版社，2006

[5]G.J.Simmons. The prisoners' problem and the subliminal channel. Proceedings of Advances in Cryptology. Springer,1984:51-67