[发明专利]基于D-S证据理论的数字图像可信性度量方法

说明书

技术领域

本发明属于数字图像安全领域，特别是涉及一种基于D-S证据理论的数字图像可信性度量方法。

背景技术

随着网络技术和数字多媒体技术快速发展以及数字图像编辑工具的普及，人们可以轻易地对数字图像进行修改甚至篡改，并将之通过网络进行传播。人们对图像有一种天生的信赖，以为“眼见为实”，然而目前犯罪分子却广泛利用人们的这种信赖天性，将数字图像进行篡改、伪造或隐写秘密信息，以达到其犯罪目的。有关数字图像的安全事件在各个国家不断发生，有些影响非常恶劣，从而逐渐影响了人们对数字图像的信任。

目前数字图像的可信性分析主要分为盲环境下和非盲环境下的分析。非盲环境下的分析主要依赖于数字图像的水印和数字签名技术。但数字水印、数字签名会增加用户操作和成本上的负担，影响图像质量，存在着容易遭受篡改和攻击的弱点，更重要的是目前网络上绝大部分图像没有数字水印或数字签名。数字图像取证技术是一门新兴起的数字多媒体安全技术，但目前的数字图像取证技术存在以下缺点：

1、目前的数字图像取证技术只能对某种图像篡改或隐写做取证，而不能做到综合取证。但在实际的网络环境中，数字图像所经受的篡改往往不止一种，因而目前的取证方法往往对实际网络环境中的数字图像无效。

2、目前的数字图像取证技术往往只能做出是和否的二值判断，二不能对其度量的程度做出比较科学的估计。

3、目前的数字图像取证技术没有考虑各种证据之间的冲突性，因而在判断上也只能简单判断某种篡改，一旦有多种篡改时往往由于这种证据的冲突而导致无效。

发明内容

本发明是为避免上述现有技术所存在的不足，提供一种基于D-S证据理论的数字图像可信性度量方法，以其对数字图像的隐写安全性、篡改完整性及来源可靠性等做出综合度量。

本发明基于D-S证据理论的数字图像可信性度量方法的特点是按如下步骤进行：

步骤1：构建用于特征比对的篡改特征集、建立数字图像可信性度量模型；

步骤2：对所述数字图像可信性度量模型进行自检；

步骤3：对未知图像提取相应的篡改特征，并使用所建立的数字图像可信性度量模型对未知图像进行预测；最后使用D-S证据理论对预测结果进行处理并给出未知图像的度量结果和可信区间；

所述步骤1按如下过程进行：

1.1，由用户制定数字图像可信指标I，I＝{tag|tag＝1，2…n}，其中n为正整数，tag为数字图像篡改行为的标记；

1.2，根据步骤1.1中用户制订的数字图像可信指标I建立包含具有相等规模大小的n个图像集的训练集，所述训练集中包含未经任何篡改的图像集tag＝1和n-1个经过单一类型篡改的图像集tag＝2，3，4…n；

1.3，对所述训练集中的n个图像集分别提取tag＝2，3，4…n类型的篡改特征，构成n个篡改特征集，对获得的n个篡改特征集使用分类器进行训练，获得相应的n个模型，记为model_i，i＝1，2，…n；

所述步骤2按如下过程进行：

2.1，任意选取数字图像不同于训练集的测试集，要求所述测试集中图像规模至少为500幅，测试所述训练集中的每一幅图像或者未经篡改，或者经过步骤1.1中所涉及的篡改类型tag＝2，3，4…n篡改；

2.2，对步骤2.1中选取的测试集中的图像提取tag＝2，3…n类型的篡改特征；

2.3，将步骤2.2中提取的篡改特征和步骤1.3中获得的model_i使用分类器作预测，得到model_i预测结果，每一条预测结果中含有将图像预测为属于步骤1.2中定义的各种图像类别的分类概率；

2.4，分析步骤2.3的预测结果，定义差值概率的绝对值d等于每一条预测结果的分类概率中最大的两个概率值之差的绝对值；设定门限ε，其中0＜ε＜1；若d＜ε，则认为此时这两个起关键作用的分类概率比较近似，model_i在这种情况下难以做出准确判断，此时的分类结果是不可靠的；统计这样的不可靠分类事件的发生频率以及做出的正确判断事件的发生频率，即为各个model的不确定度U及准确率A，所述不确定度U和准确率A均为n维向量，对准确率A作归一化处理；

所述步骤3按如下过程进行：

3.1，对一幅未知图像提取tag＝2，3…n类型的篡改特征；

3.2，将步骤3.1中提取的篡改特征和步骤1.3中获得的model_i使用分类器进行预测，获得n个model的预测结果；

所述步骤4按如下过程进行：