欢迎光临第一论文网,权威的论文发表,我们将竭诚为您服务!
您的位置: 第一论文网 -> 微电子学论文 -> 文章内容

图像取证技术及其相关问题和策略分析

作者:第一论文网 更新时间:2015年10月26日 21:04:51

 1.引言
  由于数码图像的普及,以及图像处理和信息提取等技术的快速发展,使人们对图像本身有了更高的要求,并且图像在越来越多的司法或其它鉴定场合成为关键证物,如何在纷乱复杂的图像中去伪存真,提取更完备更正确信息成为了当前数字图像研究中的一个热点。图像取证正是在这个背景下应运而生。
  2.图像取证技术的研究意义
  自进入二十一世纪以来,随着个人电脑和其他数码设备的大规模普及,图像几乎成了人们每天都能接触到的东西,成为了人们生活中有意或无意都会留下的一个参照物,所以其中包含的巨量的信息是我们取之不尽用之不竭的资源。在司法或其它鉴定领域,只要我们能合理的利用图像直接或间接包含的信息,我们就能获取我们能够想了解的任何一个方面,所以,对图像取证技术的研究具有重大现实意义。只要拥有优越的图像取证方法,我们就能够从图像中看出端倪,进而获取方方面面我们可能用到的信息,为进一步的司法举证或者其他鉴定工作打下良好基础,同时在这个信息时代中借助高科技提供充足的线索,使鉴定人员能够事半功倍的还原现场,大幅度的提升判断速度和工作效率。
  3.图像取证技术的分类
  人们应用图像取证技术去解决问题的追求主要有以下五个方面:
  一是原始证据图像品质达不到需求,需要对图像进行各种优化处理来对图像中的细节信息进行分辨,以便更加细致的对照。在现实生活中,我们经常会遇到数码设备由于光线、环境以及设备自身性能的问题而得到的不清晰的图像,导致图像中的关键目标无法进行分辨,这类图像亟需一种有效的优化方法来区分其中的关键目标,以便为司法或者其他鉴定工作服务;
  二是图像资料数量巨大,人们需要更加智能的技术来对图像中感兴趣的信息进行快速检索。当前的软硬件条件下各式各样的图像信息数量庞大,尤其是各种监控设备的广泛应用使得图像数量规模变得更加令人叹为观止,有统计显示,对于一段时长6小时的监控录像,有时甚至需要使用其时长60%以上的工作时间才能完成取证工作,所以人们在这些纷繁复杂的图像信息中寻觅自己关注的特定信息步履维艰,非常需要一种有效的针对图像内容的检索方法来快速的识别自己感兴趣的图像;
  三是随着各种图像处理技术的发展和图像处理工具大规模应用,图像变得越来越容易被篡改和伪造,网络上的PS风气日益流行,并且这种修改是肉眼无法觉察的,使得我们在这些真假难辨的图像面前如坠云雾,更有甚者,一些图片伪造者别有用心,希望借其“作品”扰乱视听,歪曲事实,如大名鼎鼎的“华南虎”事件,这类问题造成诸多方面的负面影响,导致政府公信力或者公众判断力下降,破坏社会的安定团结,造成许多恶劣后果。另外许多拥有严格版权的图像也有被侵权之忧,人们需要一种有效的区分图片真伪和来源的方法;
  四是图像资料中隐含的间接信息的提取,比如图像中物体的速度或者景深等三维信息,这些都是图像所能提供的间接信息,我们可以根据图像的成像原理,来对其间接信息进行分析和提取,检测图像中目标的位置或速度,来实现一些极具现实意义的应用,比如汽车超速检测等;
  五是在有足够的线索时将其他信息转换为图像信息,比如模拟画像和合成照片等参考物证,这些应用是另一个意义上的图像取证。
  以上五个方面的应用是建立在当前的硬件应用环境之上的,可概括为增强取证、图像篡改检测、图像间接信息提取、图像内容智能检索、基于信息的图像构建五个方面,对图像取证技术的研究能够在目前这个环境下为人们提供充足的证据,以便对某一事物进行全方位的考察。
  4.主要研究方法与现状
  本文论述的图像取证问题范围涵盖图像,下面对这图像取证五个方面问题的研究方法与现状分别进行介绍。
  4.1 图像增强
  从信号图像出现开始,人们便致力于改善图像显示效果,最早的图像增强可追溯到1921年美国和欧洲进行海底电缆通信时,为了改善模拟信号图像的还原效果,研究人员将图像的灰度等级从5个增加到了15个,大大改善了图像复原的效果。到了20世纪60年代,第一台可以进行数字图像处理的计算机研制成功,人们开始用几何校正和灰度变换等方法进行图像增强,到了70年代初,研究者已经将图像增强技术应用到医学图像、地球遥感监测和天文学图像等领域,80年代之后,硬件的快速发展让人们有更充足的图像增强算法来进行选择,进入90年代之后,图像增强技术更广泛的应用到人们的生活和生产等领域,研究者们开始尝试将这些算法嵌入到数码设备中。
  目前国内外关于图像增强方法主要有基于空域的方法、基于变换域的方法和基于机器学习或贝叶斯统计的方法等。其中基于空域的方法主要是从子图像乃至像素级别对图像进行直方图均衡[1—2]、线性对比度调整、反锐化掩膜、自适应优化[3]等处理,前两者主要对图像亮度对比度进行优化,后两者主要针对图像边缘细节进行优化。基于变换域的方法包括傅里叶(Fourier)变换、小波(Wavelet)变换、曲波(Curvelet)、脊波(Redgelet)和轮廓波(Contourlet)变换、离散余弦(Discrete Cosine Transform)变换等,其原理是将图像变换到其他空间,然后利用此空间对信号处理的优势进行处理,然后再将此空间里的信号重构为空域图像的形式,以实现优化处理。
  较之空域图像增强方法不同,变换域增强方法有其独到的优势。基于空域的图像增强方法往往针对性较强,如直方图均衡方法主要针对图像的对比度进行优化增强,自适应优化和反锐化掩膜主要将图像的边缘细节进行效果提升,而变换域方法有时候能够取得一举多得的效果。
  随着数学理论的发展,又出现了许多新的图像增强方法,其中最具代表性的有基于数学形态学的方法、基于模糊数学的方法、基于人工智能的方法和基于偏微分方程的方法等。
  4.2 图像篡改伪造检测
  自1814年第一张照片问世之后不久,便出现了对照片的修改和加工,1865年著名摄影家Mathew Brady拍摄的一张照片在后期人为的增加了一个人物,从此之后,各种出于政治或者其他目的的图像篡改便流行开来,大部分都是通过拼接手段对照片中的人物或者物品进行增加或者移除,进入数码时代之后,图像篡改变的更加简单易行,随着数码技术和工具的普及,对图像是否为篡改和伪造的甄别成为了计算机领域又一个前沿课题,由于图像篡改检测涉及到司法、舆论、政府公信力和传媒等多方面的利害关系,当前学术界开始对图像篡改检测投入更多的精力进行研究。

 Shih—fu chang等人通过研究CCD失真校正、非线性伽马校正、色彩插值、白平衡和传感器噪声等对图像生成的影响,并对这些影响形成的特征进行检测,从而对图像的来源和图像是否拼接进行鉴定。Hany Farid等人利用小波分解和高阶统计建模等方法来对图像素材(包括数码照片、扫描图像和计算机生成图像)进行盲检测,根据来源不同的图像具有各异的高阶统计的特性,结合机器学习和数据挖掘技术,来进行来源检测。Hany Farid和A.Popescu还根据DCT系数直方图中的类采样效应来进行二次压缩检测,并且通过EM算法(Expectation/Maximization)进行数字图像重采样检测。J.Fridrich等人利用数码相机的模式噪声来作为检测标准来判断相机,进行相机识别。马里兰大学的吴旻利用对图像不同块之间DCT系数的相关性、信噪比进行统计和双谱分析的方法,对图像的空域滤波、压缩、重采样、亮度调整等篡改操作进行检测。
  在图像防伪方面,数字水印技术是当前研究的热点,并且在国内外的研究中取得了初步的进展。数字图像篡改取证的研究近年来受到了世界上各国研究机构和研究者的重视,在许多国际重要期刊与国际会议上,图像盲取证越来越多的成为一个重要专题,IEEE、Springer都为图像盲取证设置了独立的期刊,数字图像取证科学的前沿性和重要性由此凸显出来,一些图像相关厂商也在其产品中增加关于图像篡改取证的模块,图像处理工具大亨Adobe正准备在其招牌产品Photoshop中增加图像防伪外挂程序,来进行图像真伪和篡改的识别。
  数字图像真伪甄别涉及到图像处理分析技术、数理统计、模式识别、数据挖掘、成像原理、计算机视觉等方面的知识,是一项比较复杂的系统工程。
  4.3 图像间接信息的提取
  成像的过程是将三维景物通过光学系统变换到二维平面上的过程,按照感光媒介不同可分为传统成像系统和现代成像系统,其代表分别为化学胶片和CCD(或CMOS)。在成像的过程中,拍摄目标所包含的各种相关信息也被悉数记录,在计算技术发达的今天,国内外研究者寄希望于将包含在图像中的这些蛛丝马迹加以综合运用,以便获取许多我们以前只有通过物理测量或人工识别才可以获取的信息,这些应用在现代被归类为机器视觉。
  机器视觉主要通过将观察对象进行数字化,根据人类的判别规则来对观察目标进行判别,或者逆用成像原理来获取观察目标的物理数据,从而实现对数字化图像信息进行自动化的识别,这些需要识别的信息主要包括被拍摄目标与相机之间的距离、目标运动速度、图像中包含的文字乃至人物等等,对图像中的这些信息进行精确识别一直都是机器视觉领域的研究重点和难点。在现代的生产生活中,机器视觉已经越来越多的被应用到实际,完成一些重复性和机械性的识别工作,以弥补人眼长时间连续进行机械性识别易产生疲劳和不稳定的不足,减轻人类的劳动强度,在一些智能机器人中,也置入了机器视觉模块,以便判断周围环境,为高级人工智能程序提供输入信息。
  1987年,Pentland首先提出了图像模糊程度与物体距离之间的关系,并将离焦图像的点扩散函数近似为类高斯函数来进行计算。1988年,Subbarao和Gurumoorthy等人取消了对点扩散函数的限制,利用线扩散函数的扩散参数来代表物体与镜头之间的距离,只需点扩散函数具有圆对称性就可以。1999年,Schechner和Kiryati采用灵敏分析的方法来使用圆柱形点扩散函数估计测距误差和不同频率成分的关系,使离焦测距算法在精度上有了更高的提升。
  国内外也有许多学者根据图像中运动模糊位移来测算物体的相对运动速度,Cannon等利用频域中的零值条纹在理论上证明从匀速直线运动模糊图像中估计运动方向和相对运动尺度的可行性,但并没有给出自动鉴别的方法。
  在三维重建方面,目前的主要做法是找到图像的被动线索和主动线索,然后根据同一场景的多个角度的图像来进行参数化建模。
  4.4 图像内容智能检索
  基于图像内容的检索是计算机领域拥有战略意义的新课题,由于其潜在应用价值极大,所以国内外对于这方面的研究都比较重视,从九十年代至今,已经有许多趋近成熟的系统问世。
  国际商用公司(IBM)率先研发出第一个图像内容检索系统QBIC,其后麻省理工学院(MIT)也凭借其人才优势研发出了PhotoBook图像检索系统。美国哥伦比亚大学也开发出了VisualSeek,这类系统主要针对如何选择合适的全局特征来描述图像中的内容。为了解决图像内容检索算法实用性比较差的问题,后来的研究者提出了Image Retrieval算法,各国科学家沿着这一方向又研发出了Netra、BlobWorld、SLMPLIcity等系统。
  华裔科学家黄煦涛首先将相关反馈技术应用于图像检索,以减少机器低层特征与人类高层语义之间的差异,提高检索结果的针对性。
  4.5 基于信息构建图像
  在计算机模拟画像方面,早期公安部组织研发了PZY—110型人像组合仪,不过未能在全国推广普及。九十年代由公安部和清华大学开发的自动模拟画像系统通过了专家鉴定。2001年中国刑警学院的赵成文教授的“警星CCK—Ⅲ人像模拟组合系统”开发成功,并达到了国际先进水平。
  在颅骨面貌复原方面,我国的吉林大学和意大利都灵大学都采用了首先人工堆颅骨外观修正,再对颅骨各个面的二维图像进行采样并建模。
  加拿大哥伦比亚大学的Imager Lab采用参数化人脸模型的办法来进行建模,Giuseppe等人采用CT切片的叠加来进行三维网格建模,取得了较好的复原效果。
  5.总结
  数字图像取证技术由于起步较晚,尚未形成系统的理论体系和研究模型。本文对图像取证技术及其研究内容做了综述,并总结了图像取证技术五个方面当前的国内外研究方法与现状。图像取证技术是在当前硬件环境下发展起来的一个新兴领域,它包括到图像质量优化、图像真伪鉴别、图像间接信息提取、图像内容智能检索、基于信息构建图像等方面,涉及到信号与信号处理、成像原理、计算机视觉、数学形态学、统计学乃至密码学等领域,是人们从繁杂的图像信息中搜索有价值线索的利器,是与现实生活息息相关的一个研究方向,对于司法取证、图像信息智能过滤和提取、敏感图像真伪鉴别等有很大应用价值,极具现实意义。
  参考文献
  [1]刘国军,唐降龙,黄剑华等.基于模糊小波的图像对比度增强算法[J].电子学报,2005,33(4):643—646.
  [2]A.C.Popescu and H.Farid.Exposing Digital Forgeries by Detecting Duplicated Image Regions[M].Technical Report,TR2004—515,Dartmouth College,Computer Science,2004.
  [3]郭维新.由最佳散焦图像序列测距[D].广州:暨南大学,1990.
  作者简介:王勇亮(1987—),男,山东梁山人,硕士研究生,现供职于山东烟台生产力促进中心,主要从事虚拟现实系统应用与研究。