[发明专利]基于混淆处理效应分离的图像操作链中操作类型识别方法

说明书

本发明涉及一种基于混淆处理效应分离的图像操作链中操作类型识别方法。所述方法包括构建基于盲源分离的数字图像操作链的操作分离模型；估计数字图像特征的相关程度，初步识别图像篡改操作类型；依据Dempster‑Shafer证据理论，估计篡改操作置信区间，精确识别图像篡改操作类型。与现有技术相比，本发明提供的一种基于混淆处理效应分离的图像操作链中操作类型识别方法，面向更实际的JPEG图像多重篡改场景。本发明的方法可行且有效，在识别图像经历的篡改操作类型方面能取得良好的效果。

技术领域

本发明涉及图像取证和多媒体安全技术领域，具体涉及一种基于混淆处理效应分离的图像操作链中操作类型识别方法。

背景技术

随着Photoshop、GIMP等图像编辑软件的流行，对数字图像内容的编辑和修改变得越来越便捷，并且多数篡改伪造操作都不会引起人们视觉上的怀疑。如果数字图像被恶意篡改和广泛传播，将给社会带来严重的公共信任危机。因此，如何结合数字图像处理技术和统计分析技术对图像进行真实性和完整性的验证，是图像取证和多媒体安全领域的重大挑战。

由于篡改伪造行为会改变原始数字图像的统计特性，因此，图像被动取证依据数字图像本身的这些统计特性，实现对数字图像真实性和完整性的验证。被动取证技术具有良好的适应性，近些年逐渐成为图像取证技术领域研究的热点。

然而，大多数图像被动取证技术都是基于图像仅被单操作篡改的假设进行操作取证，或者仅仅对图像是否经历篡改进行判断，因此可能限制经历多重篡改的图像取证结果准确性。例如，文献“Yifang Chen，Xiangui Kang，Z.Jane Wang，and Qiong Zhang.“Densely connected convolutional neural network for multi-purpose imageforensics under anti-forensic attacks.”ACM Workshop on Information Hiding andMultimedia Security(IHMMSEC)，2018.”公开了一种基于稠密卷积神经网络的单篡改操作取证方法，文献“Haodong Li，Weiqi Luo，and Jiwu Huang.“Identification ofvarious image operations using residual-based features.”IEEE Transactions onCircuits and Systems for Video Technology(TCSVT)，2018.”公开了一种基于图像残差域特征的单篡改操作取证方法，文献“Marco Fontani，Tiziano Bianchi，Alessia DeRosa，Alessandro Piva，and Mauro Barni.“A framework for decision Fusion inimage forensics based on dempster–shafer theory of evidence.”IEEETransactions on Information Forensics and Security(TIFS)，2013.”公开了一种基于Dempster-Shafer证据理论的图像真伪判别方法。

有鉴于此，本发明面向更深层次的图像操作链取证目标，提出了一种基于混淆处理效应分离的图像操作链中操作类型识别方法，以提高JPEG图像中篡改操作的检测准确性。

发明内容

本发明提出了一种基于混淆处理效应分离的图像操作链中操作分离方法，用以识别操作链中包含的篡改操作类型，所述方法包括：

(1)构建基于盲源分离的数字图像操作链的操作分离模型；

(2)依据数字图像特征的相关程度，初步识别篡改操作类型；

(3)依据Dempster-Shafer证据理论，估计篡改操作置信区间，精确识别篡改操作类型。

具体内容如下：