左菊仙 鄧堅(jiān)

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(nèi)容進(jìn)行修改偽造，已達(dá)到篡改圖像原本信息的目的。修改偽造數(shù)字圖像的案件已屢見不鮮，對圖像進(jìn)行真實(shí)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(xiàn)有的檢測方法進(jìn)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(jù)。

關(guān)鍵詞 圖像偽造；模糊痕跡；數(shù)字圖像

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

對圖像的真實(shí)性進(jìn)行鑒別的方法可以分為兩種，一種是圖像主動(dòng)認(rèn)證方法，該方法需要事先在數(shù)字圖像中嵌入數(shù)字水印或簽名，通過對水印或簽名進(jìn)行鑒別進(jìn)行認(rèn)證。但是，此方法不足以解決現(xiàn)實(shí)中案件圖像無水印的問題。另一種方法是圖像被動(dòng)認(rèn)證方法，該方法主要針對沒有嵌入數(shù)字水印或簽名的圖像，由于原圖像沒有先驗(yàn)知識作為參考，主要是通過對圖像偽造操作痕跡進(jìn)行檢測判斷對其進(jìn)行真?zhèn)蔚臋z驗(yàn)，也稱為盲被動(dòng)圖像檢測，圖像被動(dòng)認(rèn)證成為圖像證據(jù)學(xué)領(lǐng)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(jīng)常使用到的一種操作，對模糊操作的原理以及檢測方法進(jìn)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(qū)域融合于原圖像，通常會對修改的圖像區(qū)域進(jìn)行模糊，以達(dá)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(jīng)常使用到的一種操作。

圖像中的像素每一個(gè)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(jìn)行平均處理，讓這些像素值越來越來接近，來達(dá)到一種無法辨識出這些像素點(diǎn)的差別，從來產(chǎn)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(gè)鄰近像素值進(jìn)行它們的灰度平均值計(jì)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(jīng)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(fā)的一個(gè)圖像處理軟件Adobe Photoshop（系列）中的一個(gè)濾鏡。高斯模糊的原理是根據(jù)高斯曲線調(diào)節(jié)像素色值，即高斯模糊能夠把某一點(diǎn)周圍的像素色值按高斯曲線統(tǒng)計(jì)起來，采用數(shù)學(xué)上加權(quán)平均的計(jì)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(shù)方法、基于異常色調(diào)率的方法、基于二次模糊相關(guān)性的模糊檢測方法等。

2.1 基于異常色調(diào)率的檢測方法

以RGB彩色圖像為例，照相機(jī)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(nèi)分別建立一定的聯(lián)系，產(chǎn)生局部的相關(guān)性，而修改圖像時(shí)使用到的模糊操作會分別對R分量，G分量以及B分量進(jìn)行非線性修改，會破壞上述所描述的這種相關(guān)性，該方法主要就是以這個(gè)特征作為檢測模糊操作的依據(jù)。因此，利用這一特點(diǎn)作為模糊痕跡檢測的依據(jù)。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(gè)經(jīng)驗(yàn)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(qiáng)；且該方法的效率不高，同時(shí)壓縮操作會對該方法的檢測準(zhǔn)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(jù)是模糊區(qū)域如果被再次模糊，則第二次模糊區(qū)域與第一次模糊區(qū)域?qū)?yīng)位置的相關(guān)性應(yīng)該大于第一次模糊區(qū)域和非模糊區(qū)域的相關(guān)性。檢測的具體算法如下所述。

步驟一：設(shè)待檢測圖像y（i，j）的大小為M×N，對圖像y進(jìn)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(jìn)行大小為k×k的子塊劃分，得到y(tǒng)K（i，j）和gK（i，j）。

步驟五：通過數(shù)據(jù)分析設(shè)置一個(gè)閾值t，把相關(guān)系數(shù)大于t的這些圖像塊標(biāo)記出來，并認(rèn)為是模糊區(qū)域。

實(shí)驗(yàn)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(diǎn)分塊計(jì)算，算法的計(jì)算復(fù)雜度比較高并且時(shí)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(shù)對待測圖像進(jìn)行一次模糊處理，然后計(jì)算原待測圖像和模糊后的圖像的像素差值，通過統(tǒng)計(jì)像素差值的分布來進(jìn)行模糊痕跡的檢測，并依據(jù)像素差值定位出模糊篡改區(qū)域。

3.1 檢測步驟

步驟一，先對待檢測的圖像進(jìn)行模糊計(jì)算得到一幅模糊圖像。

步驟二，再將步驟一中計(jì)算得到模糊圖像與待測圖像按對應(yīng)像素位置進(jìn)行像素值相減運(yùn)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(jìn)行統(tǒng)計(jì)，像素較小且集中的區(qū)域認(rèn)定為是被模糊修改過的區(qū)域。

對待測圖像進(jìn)行模糊計(jì)算的模糊函數(shù)設(shè)置為3×3模板，標(biāo)準(zhǔn)方差為1的高斯模糊函數(shù)。

像素較小且集中是指：在一幅差值圖像中統(tǒng)計(jì)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(qū)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(dāng)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(zhì)量因子100至60之間對其分別進(jìn)行不同程度的壓縮，選取其中經(jīng)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(jìn)行模糊檢測，由實(shí)驗(yàn)結(jié)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?qū)⒛：圹E區(qū)域檢測區(qū)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(jì)算復(fù)雜度和計(jì)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(jìn)行檢測試驗(yàn)，首先運(yùn)用本文提出的方法進(jìn)行檢測計(jì)算，然后使用基于二次模糊相關(guān)性的模糊檢測方法進(jìn)行計(jì)算，比較兩種算法的計(jì)算時(shí)間。由數(shù)據(jù)顯示可以看出本文所提方法的計(jì)算時(shí)間消耗較少，這是由于基于二次模糊相關(guān)性的模糊檢測算法是逐點(diǎn)分塊依次計(jì)算相關(guān)系數(shù)，而本文方法是像素點(diǎn)對點(diǎn)一次運(yùn)算，所以大大提高了算法的運(yùn)算速度，而且當(dāng)圖像塊逐漸增大時(shí)，計(jì)算效率提高的優(yōu)勢會更加明顯。

4 結(jié)論

文章研究分析了模糊操作的基本原理和現(xiàn)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(shù)對待測圖像進(jìn)行一次模糊處理，然后計(jì)算原待測圖像和模糊后的圖像的像素差值，通過統(tǒng)計(jì)像素差值的分布來進(jìn)行模糊痕跡的檢測，并依據(jù)像素差值定位出模糊篡改區(qū)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(yàn)信息，即能實(shí)現(xiàn)對不同模糊方式下模糊操作痕跡的盲檢測；同時(shí)受JPEG壓縮的影響相對較小，具有較好的魯棒性；計(jì)算復(fù)雜度也較低，運(yùn)行消耗時(shí)間少，并且對較小區(qū)域的模糊痕跡也能較好檢測與定位。

參考文獻(xiàn)

[1]左菊仙，鄧堅(jiān).基于重采樣痕跡的圖像偽造檢測[J].計(jì)算機(jī)應(yīng)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(jì)算機(jī)工程，2016（1）：237-242.

[3]黃維，黃添強(qiáng).基于塊效應(yīng)網(wǎng)格偏移的重獲取JPEG圖像篡改檢測[J].網(wǎng)絡(luò)與信息安全學(xué)報(bào)，2017（12）：24-30.

[4]葉鵬釗，馮華君.基于塊效應(yīng)抑制的壓縮降質(zhì)模糊圖像盲復(fù)原[J].浙江大學(xué)學(xué)報(bào)（工學(xué)版），2018（2）：406-412.