最近在做深度学习的图像取证工作,做一下资源的汇总和科普、文献的总结工作
1. 对图像取证技术的总结
文中主要介绍了几种不同的图像取证方法,简述如下:
I. copy-move 检测方法
检测原理: 同一幅图像中检测到大块相同的内容
技术手段: 稀疏特征点(SIFT)的判断;基于图像块的图像匹配算法
II. 传感器噪声取证
检测原理: 传感器的噪声模型(利用成像传感器的硅阵列制作瑕疵所得到的固定像素图)等价于相机指纹
技术手段: 通过对处理后的图像的潜在噪声模式检测,判断图像是否完整出自一个相机
III. 像素重采样检测
检测原理: 图像经放大,旋转等得到的图片本质是采用了像素插值技术。像素插值技术:放大后的像素空挡由周围像素补齐,常见插值技术有:双线性插值技术; 双三次插值技术;
技术手段: 可利用最大期望算法获得放大倍数相关的周期性系数; 通过分析邻近像素相关性,取得像素插值。
IV. 反射不一致性检测
检测原理: 经过修改后的图片,在镜面反光的地方违背了小孔成像及光线反射的物理常识,即消隐点(反射与入射点的连线在小孔成像下的相交点)的存在。
技术手段: 基于几何约束的取证方法: 使用原始图反射数据找到消隐点,再使用消隐点,将其与入射点连接,判断直线是否相交与反射点。
V. 光照一致性检测
检测原理:PS过后的图片往往使用到不同的图片,而不同图片的光照方向不尽相同。
检测技术: 抽象各个物体所携带的光照痕迹,这样的过程往往基于:检测人脸 -> 人脸关键点检测 -> 拟合三维人脸模型 -> 估计光照参数 -> 计算光照参数差异性 -> 判断是否为原始图片。
2. 图像取证的不错综述
数字图像取证技术的发展 这篇文章的引用量很少,但我觉得确实写的不错。还请大佬看过发现问题后指教一下,是不是因为文章太浅的原因。
论文大体分为两个部分:
I. 数字图像的篡改:分为六大类
(1) 合成:同一/不同图像的复制,粘贴操作 -> 假象/隐藏 -> 消除图像中的篡改痕迹,往往其中包含缩放、旋转和润饰等处理
(2) 变体:源图像与目标图像以一定权重重合 -> 同一图像保持两个特征
(3) 增强:就和我们平时说的滤镜一样
(4) 润饰:同一幅图像中对局部区域进行复制粘贴,并模糊操作,扫除边缘痕迹
(5) 计算机生成:3D多边建模 -> 颜色+纹理 -> 虚拟照相机 => 图像统计特征差异(与自然图像)
(6) 绘画:略
作者提出,还可以加上三种篡改类型:
(一)图像完整性篡改 —— 水印+隐写书
(二)图像原始性 —— 二次获取图像
(三)版权
图像篡改的工具:
分割ROI:Matting(修边) —— Bayesion, Poisson
Impainting —— 修复自然空白
II. 篡改图像的数字取证
3. 对于图像取证技术初学者入门手册
Digital image forensics: a booklet for beginners
4. 深度学习在图像取证方面的应用
5. 面部修饰相关数据集
ND-IIITD
6. 图片篡改监测相关论文汇总GitHub
image_tampering_detection_references
7. Performance servey
https://xgyopen.github.io/2018/06/15/2018-06-15-imv-defect-detecting-investigation/