下载文档原格式
机器视觉是一个相当新且发展十分迅速的研究领域，目前己成为现代制造业工业的重要研究领域之一。
近年来在机器视觉技术基础上的各项研究及应用不断的发展，针对不同应用情况的特点，形成了不同的基于机器视觉技术的应用系统。
在工业零件制造中，经常需要对半成品或成品或再制造产品进行几何尺寸的检测，一般要求具有较高的检测精度和较快的检测速度。
传统的接触式的人工检测的方法不但繁琐，劳动强度大，而且检测速度较慢，不能消除人为的测量误差。
在检测过程中还可能对物体的表面造成一定的损伤，这些都使得传统检测方法达不到理想的要求。
非接触式的基于机器视觉技术的在线检测方法，以其检测速度快，精度高，测量项目多等特点在工业制造中具有广阔的应用前景。
本文基于工业中圆形再制制造产品的检测要求，对机器视觉的在线工件检测系统进行了深入的分析和研究。
1.1机器视觉1.1.1 机器视觉的概念机器视觉，简单的讲，可以理解为给机器加装上视觉装置，或者是加装有视觉装置的机器。
给机器加装视觉装置的目的，是为了使机器具有类似于人类的视觉功能，从而提高机器的自动化和智能化程度。
由于机器视觉涉及到多个学科和多种技术（包括数字图像处理技术、机械工程技术、控制技术、电光源照明技术，光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术等），所以给出一个精确的定义是很困难的，而且在这个问题上见仁见智，各人认识也不尽相同。
美国制造工程师协会(SME)机器视觉分会和美国机器人工业协会(RIA)自动化视觉分会关于机器视觉的定义是:"Machine vision is the use of devices for optical non-contact sensing to automatically receive and interpret an image of a real scene in order to obtain information and/or control machines or processes.”译成中文:“机器视觉是使用光学器件进行非接触感知，自动获取和解释一个真实场景的图像，以获取信息或控制机器或过程。
第20卷第8期2022年8月太赫兹科学与电子信息学报Journal of Terahertz Science and Electronic Information TechnologyVol.20，No.8Aug.，2022基于Focal-EIOU函数的被动式太赫兹图像违禁物品识别周敏(中国铁路设计集团有限公司电化电信院，天津300308)摘要：针对被动式太赫兹安检系统因环境影响导致图像质量波动，从而影响识别算法，导致准确率大幅降低的问题，提出了基于Focal-EIOU损失函数的改进YOLOv4算法，并用被动式太赫兹人体安检图像对刀、枪违禁物品进行模型训练获得模型。
建立不同环境、不同位置角度携带刀枪嫌疑物人员的太赫兹图像数据库，采用图像增广的方法构建丰富数据集；将YOLOv4的CIOUloss改进为Focal-EIOU loss，提高算法对太赫兹图像识别的鲁棒性，进而经过训练获得较优的模型。
在本文的测试集中，使用改进后的算法训练的模型平均检测精确度(mAP)达到96.4%，检测速度在28ms左右，交并比(IOU)平均值为0.95，在同等条件下高于常规算法，改善了检测识别的效果。
实验结果表明，本文方法能够有效提高被动式太赫兹人体安检系统的嫌疑物识别准确率，有利于该项技术在人体安检领域的推广应用。
关键词：太赫兹成像；人体安检；目标识别；损失函数中图分类号：TN29；TP391.41文献标志码：A doi：10.11805/TKYDA2021269prohibitedDetection of objects in passive terahertz images based onFocal-EIOU loss functionZHOU Min(Electrification&Telegraphy Engineering Design Research Department，China Railway Design Corporation，Tianjin300308，China) AbstractAbstract：：Aiming at the problem that the image quality fluctuation of passive terahertz security system is caused by environmental change,which affects the recognition algorithm and leads to asignificant decrease in accuracy,this paper proposes an improved YOLOv4algorithm based on Focal-Efficient Intersection Over Union(EIOU)loss function,and uses passive terahertz human security image toconduct model training for prohibited items of knife and gun.A terahertz image database of people carryingsuspected objects in different environments and different positions is established,and a rich data set isconstructed by image augmentation method.The Complete IOU(CIOU)loss of YOLOv4is improved toFocal-EIOU loss to improve the robustness of the algorithm for terahertz image recognition,and then abetter model is obtained after training.In the test set of this paper,since YOLOv4algorithm has lowrobustness for terahertz image recognition accuracy,CIOU loss of YOLOv4is modified and adjusted toFocal-EIOU loss,and a better model is finally obtained through training.The mean Average Precision(mAP)of the model trained by the improved algorithm reaches96.4%,the detection speed is about28ms,and the average value of IOU is0.95,which are higher than those of the conventional algorithms under thesame conditions,the detection and recognition effect are improved.The experimental results show that theproposed method can effectively improve the suspect identification accuracy of passive terahertz humansecurity system,which is conducive to the popularization and application of this technology in the field ofhuman security.KeywordsKeywords：：terahertz imaging；human security；object identification；loss function 近年来，全球在公共交通人群聚集处的暴恐事件频发，造成大量人员伤亡和经济损失，社会影响极其恶劣，文章编号：2095-4980（2022）08-0810-07收稿日期：2021-07-02；修回日期：2021-09-22基金项目：中国铁路设计集团有限公司科技开发课题资助项目(2020YY240802)第8期周敏：基于Focal −EIOU 损失函数的被动式太赫兹图像违禁物品识别因此安检变得越来越严格。
声像资料司法鉴定概论声像资料，也称为视听资料，是指以图像，声音形式证明案件事实情况的证据材料，包括录音，录像，照片，胶片，光盘，计算机及其他高科技设备储存的材料等。
声像资料是随着现代科学技术发展而出现的一种新的证据形式。
由于我国声像物证鉴定技术起步较晚，发展相对滞后，目前尚未形成一整套完善的系统的检验技术，故在很多方面还要借鉴国外的经验。
本文尝试对声像资料的内容做一个概述性的描述，旨在对于声像资料有进一步的了解，为以后的深入学习打下基础。
标签：声像资料；语音资料；图像资料声像资料司法鉴定声像资料司法鉴定是指运用物理学和计算机学的原理和技术，对录音带，录像带，磁盘，光盘，图片，手机等载体上记录的声音，图像信息的真实性，完整性及所反映的情况过程进行鉴定，并对记录的声音，图像中的语言，人体，物体的种类或同一认定。
由于声像资料的可编辑性，其可信度经常受到质疑，而经过后期修改的声像资料在法律上是没有证据效应的，故声像资料必须经过相关部门的鉴定，才能确定其内容是否为伪造或者被修改处理过。
根据声像资料鉴定对象的不同，鉴定技术可以分为语言鉴定和图像鉴定。
语音资料司法鉴定声纹是指通过声谱仪显示的，携带语言信息的语音声波图谱的通称，语音学中将其称为语图，法庭科学中通常称为声纹。
根据科学研究表明，声纹不仅具有特定性，而且有相对稳定性的特点。
成年以后，人的声音可保持长期相对稳定不变。
实验证明，无论讲话者是故意模仿他人声音和语气，还是耳语轻声讲话，即使模仿得惟妙惟肖，其声纹却始终相同。
基于声纹的这两个特征，侦查人员就可将获取的犯罪分子的声纹和嫌疑人的声纹，通过声纹鉴定技术进行检验对比，迅速认定罪犯，为侦查破案提供可靠的证据。
语音鉴定主要采用声纹鉴定法，其基本方法可以概括为“听，看，测”三个字，即采用听觉评价，视谱比较，定量比较的方法对样本进行鉴定。
在此之前首先要对语音的样本进行检验，样本是否被修改过或者是伪造的。
语音样本的检验可以从录音内容的连贯性，声纹形态和语音资料的原始性方面入手。
DeepFakeDetetion、数字图像处理操作取证研究⽅向综述DeepFake Detetion综述综述⼀：DeepFake⽣成与防御研究⼊门转⾃公众号【隐者联盟】DeepFake（深度伪造）是英⽂“Deep Learning”和“Fake”的混成词，专指基于⼈⼯智能的⼈体图像合成技术，这是维基百科对Deepfake的基本定义。
⼴义⽽⾔，深度伪造包括基于深度学习的图像、⽂本、⾳视频等各种媒体的⽣成和编辑技术。
从2017年Reddit社区“DeepFake”作品引起轰动，到近期“蚂蚁呀嘿”的盛⾏，DeepFake已经在全⽹掀起了⼀次次应⽤热潮。
深度学习的发展使⼈脸伪造技术趋于⼤众化，由DeepFake技术滥⽤导致的问题也严重威胁着社会信誉、司法公正乃⾄国家安全，因此相应的防御技术也得到了快速发展。
伪造技术概述1. 基于图像域特征编码的⽅法现阶段，全智能化的⼈脸深度伪造技术发展并不完备，其中主流的伪造技术主要从⼈脸图像域的⾓度出发，通过对⼈脸图像进⾏特征编码、重构的操作⽅式实现篡改，篡改类型可以概括为⾯部替换和属性编辑两⼤类。
其中⾯部替换旨在⽤原始⼈脸⾯部替换⽬标⼈脸的⾯部区域，涉及⽬标图像⾝份属性的变化。
⽽属性编辑主要针对⽬标⼈脸⾝份信息外的各类属性进⾏编辑篡改，如使⽤表情迁移、唇形篡改等。
⾯部替换的经典算法是“Deepfakes”[1]，主体结构基于⾃动编码器实现。
对于原始⼈脸A和⽬标⼈脸B，训练权值共享的编码器⽤于编码⼈脸特征，解码端A和B各⾃训练独⽴解码器⽤于重构⼈脸。
在测试阶段，⽤训好的编码器对⽬标B进⾏编码，再⽤训好的A解码器来解码B的特征，以实现A与B之间的⼈脸替换。
为了达到更好的替换效果和更佳的可操控性，对抗损失和⼈脸解耦重构等技术也被⽤于深伪算法进⾏约束与监督，并产⽣了很多变体⽅法，如FSGAN[2]、FaceShifter[3]等，使得⽣成的伪造⼈脸质量⼤幅提⾼。
属性编辑算法的基本原理与⾯部替换类似，但该类算法以⼈脸属性为对象进⾏篡改，不涉及到⽬标⼈物⾝份信息的改变，通常⽤来进⾏⼈脸的表情迁移、唇形篡改等应⽤。
刑侦技术、基于色温的视频帧复制-粘贴篡改检测杨健梅1刘盈颖21.福建高图信息科技有限公司2.福建警察学院摘要：视频帧复制-粘贴篡改是一种常见的视频篡改方式，即复制某个视频中一段连续视频序列粘贴至另一段视频序列中，使得视频内容发生改变。
提出一种基于色温的视频篡改检测方法，用于检测不同光源下拍摄所得的视频帧复制-粘贴篡改。
算法首先估计每一视频帧的全局色温与参考色温，接着计算全局色温与参考色温的色温距离，最后使用k-means算法找出色温异常的视频帧视为篡改帧。
实验结果表明，与同类型算法相比，该算法具有更高的准确度和更好的检测效率。
关键词:腋制-糊廨改全局翻引言随着多媒体技术的发展，功能强大的视频处理软件日渐普及，使得人们能够轻而易举地对视频进行篡改，颠覆"眼见为实”的传统观念。
如果这些篡改后的视频数据被用于司法取证、新闻报导和科学探索等领域，将对社会生活的各个方面造成严重影响。
视频取证技术是证据科学领域逐渐发展起来的一个新兴学科，用于检验视频的完整性和真实性，它分为主动取证和被动取证两种阴。
主动取证是预先在视频生成过程中嵌入不可感知的验证信息，通过检测这些信息的完整性来判断视频的真实性，在实际应用中具有较大的局限性。
相比之下，被动取证作为盲取证技术，是直接根据视频自身提供的信息进行鉴别，无需对数字视频做任何预处理，实用性更强附。
视频帧复制-粘贴篡改是一种常见的视频篡改方式，即复制某个视频中一个连续视频序列粘贴至另一视频序列中，从而达到增加或删除初濒中的某个人或某个物体的目的。
图■I给出了本文研究的视频帧复制-粘贝確改的两种方式。
目前帧复制-粘贴篡改的研究现状主要有：文献［5］提出一种基于视频时空相关性的帧复制-粘贴篡改检测算法，利用相位相关性实现篡改检测；文献⑹提出了一种基于首位数字特征的双重MPEG压缩检测算法，选取了一种12维的首位数字特征，并采用支持向量机进行双重MPEG压缩的检测；文献⑺提出一种基于残差的帧间复制粘贴篡改检测算法，即对每个选定的残差帧计算其离散余弦变换系数的嫡，使用子序列特征分析来判定出现的重复帧；文献［8］提出一种由粗到细的视频帧复制-粘贴篡改检测算法，该算法分为候选片段选取，空间相似度测量，帧复制分类和后续处理等四个步骤；文献［9］提出一种利用内容连续性的数字视频篡改检测算法，采用切比雪雄特征进行利群点检M来达到检测目的；文献［10］提出一种基于SVD的帧间复制粘贴篡改检测算法，该算法在检测精度和时间效率上优于其他同类型算法。
图像复制-粘贴篡改快速取证
王忠美;龙永红
【期刊名称】《湖南工业大学学报》
【年(卷),期】2010(024)006
【摘要】提出了一种新的篡改检测算法,将图像分为大小相同的重叠块,然后提取每块的特征向量,并对所求出的特征向量通过基数排序来减少搜索空间,减少运算量.对排序后的特性向量求相邻的特征向量的差异(偏移向量),并对偏移向量进行统计,如果存在大量的相同偏移向量可认定为篡改区域.最后利用数学形态学操作获得最终的篡改定位结果.
【总页数】5页(P58-62)
【作者】王忠美;龙永红
【作者单位】湖南工业大学计算机与通信学院,湖南株洲412008;湖南工业大学计算机与通信学院,湖南株洲412008
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.数字图像复制粘贴篡改盲取证算法研究与实现 [J], 杨江涛;马喜宏;邬琦
2.基于复制粘贴篡改的被动图像取证算法的研究 [J], 徐长英;王英
3.数字图像复制粘贴篡改取证技术比较研究 [J], 韩敏;孙晋国
4.数字图像复制粘贴篡改取证 [J], 邢文博; 杜志淳
5.基于RG-SIFT的图像复制粘贴篡改取证算法 [J], 李奇杰;巩家昌;杨洪臣;蔡能斌
因版权原因，仅展示原文概要，查看原文内容请购买。
一种被动毫米波图像中人体隐匿物品的检测方法作者：穆森单海婧周锦源邱桂苹来源：《科技资讯》 2014年第36期穆森单海婧周锦源邱桂苹（航天二院七0六所北京 100854）摘要：根据被动毫米波图像的特点，需要设计一种适应并且有效的被动毫米波图像中人体隐匿危险物品的检测方法。
该文提出了一种被动毫米波图像中人体隐匿物品的检测方法，首先，对原始被动毫米波图像进行预处理，通过插值重建后，采用三次迭代增强方法进行图像增强，获取处理后的被动毫米波图像，以使被动毫米波图像目标与背景进行明显区分；然后，通过对人体是否存在进行预判断，若存在则进行人体目标检测，获取人体区域；最后，采用两次迭代分割的方法对人体区域内的隐匿物品进行检测，并对检测到的隐匿物品区域进行标记。
实验结果表明，该方法能有效地检测出被动毫米波图像中的人体隐匿物品，具有较高的准确性。
关键词：被动毫米波图像图像预处理人体检测人体隐匿物品检测中图分类号：TH74文献标识码：A文章编号：1672-3791（2014）12（c）-0202-02毫米波是指波长范围在1～10 mm之间的电磁波，其频率范围从30GHZ到300 GHZ。
毫米波成像系统分为主动和被动两种工作模式，在探测人体隐匿物体的应用中，被动毫米波成像系统占据了主要地位[1]。
被动毫米波成像系统不仅可以检测出隐藏在织物下的金属物体，还可以检测出塑料、液体、炸药等危险品，获得的信息更加详尽准确，可以大大地降低误警率。
除此之外，被动毫米波成像系统不发射电磁波，不会对人体造成任何伤害。
近年来，被动毫米波成像技术在人员安检等方面得到了越来越广泛的应用，因此完成被动毫米波图像中人体隐匿危险物品的检测具有重要的意义。
现有的人体隐匿危险物品的检测方法主要是针对微波图像[2-3]、红外图像[4]、太赫兹THz图像[5]等，所采用的物品检测算法都是根据自身图像的成像特点设计的。
在被动毫米波图像中人体隐匿危险物品的检测中，现有的物体检测算法并不适用，主要原因包括：一是被动毫米波成像技术结构复杂造价昂贵，将毫米波成像技术用于藏匿物品的探测还处于初级阶段，被动毫米波成像系统所采集到的图像较之上述几类图像，图像中的噪声和模糊现象严重，分辨率低，不能很好地反映目标场景的特性，图像达不到所要求的质量，藏匿在衣服下的物体形状模糊难以辨别；二是图像中包含的隐匿物体种类更详细，包含金属、塑料、液体、炸药等，表现在灰度图像中灰度值有高有低，亮度有明有暗，增加了检测的难度。
自动对焦工作原理自动对焦是摄影设备中的重要功能，它可以帮助摄影师快速、准确地对焦目标，以获得清晰的图像。
其工作原理可以分为两类：被动对焦和主动对焦。
被动对焦是指利用相机或者镜头上的传感器来检测图像的焦点位置，然后通过调整镜头来实现对焦。
这种方法广泛应用在自动对焦相机中。
被动对焦最早采用的技术是利用对焦传感器。
对焦传感器通常位于相机的下方，它们用于检测图像中的对比度变化。
当光线从镜头通过之后，它们会分散到对焦传感器上，根据图像的对比度差异来计算出焦点位置。
对焦传感器会将这些数据传输给相机的对焦系统，然后对镜头进行调整，使焦点位置和传感器检测到的焦点位置一致。
近年来，相机制造商还引入了更为先进的对焦技术，例如相位检测对焦（Phase Detection Autofocus，简称PDAF）。
PDAF是利用成像传感器上的相位检测像素阵列对光线进行定位，从而计算出焦点位置。
相位检测像素阵列是一种特殊的像素布局，它利用了成像传感器上的每个像素的分布规律来检测相位差。
通过分析相位差，相机可以确定焦点位置，并调整镜头实现对焦。
相位检测对焦可以实现更快的对焦速度和更准确的对焦结果。
与被动对焦不同，主动对焦是由摄影师手动进行的。
在手动对焦模式下，摄影师可以通过调整镜头环或者摄影设备上的对焦环来实现对焦。
这种方法要求摄影师具备一定的经验和技巧，需要时刻观察和调整焦点，以确保图像的清晰度。
总结来说，自动对焦的工作原理是利用相机或者镜头上的传感器来检测图像的焦点位置，然后通过调整镜头来实现对焦。
被动对焦采用了对焦传感器或相位检测像素阵列来检测焦点位置，从而实现精确的对焦。
而主动对焦需要摄影师手动调整镜头来实现对焦，其依赖于摄影师的经验和技巧。
随着技术的不断发展，自动对焦功能在摄影设备中的表现越来越优秀，能够帮助摄影师更好地捕捉到细节清晰、画面锐利的图像。
基于 Vision Transformer 的毫米波人体安检图像违禁品识别贾宝芝1，2(1.厦门瑞为信息技术有限公司研究院；2.厦门市视觉感知技术及应用重点实验室 福建厦门 361000)摘要： 毫米波人体安检图像因为成像质量和遮挡等问题，使违禁品的识别难度较大。
因此采用更优的检测识别算法，提升违禁品的识别速度和精度一直是业内重点研究的方向。
将Vision Transformer （ViT ）应用到毫米波图像违禁品的识别过程中，通过将无监督预训练的ViT 与经典的目标检测算法（Faster R-CNN ）相结合，实现了高精度的毫米波人体安检图像违禁品识别。
为了充分训练和测试算法，制作一个包含枪支和刀具两类违禁品，共计14.5万个违禁品成像样本的毫米波人体安检数据集。
通过与经典的基于101层残差网络（ResNet-101）的Faster R-CNN 对比，该算法使mAP50提升了2.4个点，达到了89.9%。
关键词： 毫米波人体安检 无监督 违禁品识别 残差网络中图分类号： TP391.41文献标识码： A文章编号： 1672-3791(2023)23-0055-04Identification of Prohibited Items in Millimeter-Wave Human Security Inspection Images Based on the Vision TransformerJIA Baozhi 1,2(1.Research Institute of Xiamen Reconova Information Technology Co., Ltd.; 2.Xiamen Key Laboratory of VisualPerception Technology and Application, Xiamen, Fujian Province, 361000 China)Abstract: The millimeter-wave human security inspection image is difficult to identify prohibited items because of problems such as imaging quality and occlusion, so using a better detection and identification algorithm to improve the identification speed and accuracy of prohibited items has always been a key research direction in the industry. This paper applies the Vision Transformer (ViT) to the millimeter-wave image identification process of prohibited items, combines the unsupervised pre-trained ViT with the classic object detection algorithm Faster R-CNN, and achieves the high-precision millimeter-wave human security inspection image identification of prohibited items. In order to fully train and test the algorithm, this article creates a millimeter-wave human security inspection dataset which contains two kinds of prohibited items: guns and knives, with a total of 145,000 imaging samples of prohib‐ited items. Compared with the classic Faster R-CNN based on ResNet-101, the algorithm improves mAP50 by 2.4 points to 89.9%.Key Words: Millimeter-wave human security inspection; Unsupervised; Identification of prohibited items；Re‐sidual network毫米波安检是一种高级安全检查技术，用于检测隐藏在人体或物体表面的非法物品或危险物质。
基于可逆可见水印的医学图像隐私保护算法作者：高海波邓小鸿陈志刚来源：《计算机应用》2014年第01期摘要：针对医学图像感兴趣区域隐私泄露问题，提出了一种新的基于可逆可见水印的隐私保护算法。
算法将二值水印图像嵌入在医学图像感兴趣区域实施隐私保护，利用人类视觉系统（HSV）的掩蔽特性和自适应的像素映射机制，对水印可见性和透明性进行动态调整；采用收缩投影技术，有效解决了嵌入过程中可能出现的溢出问题；最后，随机数密钥的引入增强了可见水印的鲁棒性。
实验结果表明，算法嵌入的水印具有较好的可见性和透明性，产生的水印附加信息数量仅为65608位；另外，在不知道密钥情况下，水印移去困难，恢复后图像与嵌入水印后图像质量相差不到1dB。
关键词：可逆水印；可见水印；医学图像；隐私保护；人类视觉系统中图分类号： TP309 文献标志码： A0引言随着区域医疗服务的快速发展，医院与医院之间的信息交换也越来越频繁。
如远程诊断的应用，患者或者医生通过网络将医学诊断图像传输给在线的专家寻求高质量的诊断，但是由于医学图像的数字特性和网络传输过程中的不安全性，使得医学图像很容易被篡改或非法复制，特别是含有病人重要隐私信息的病灶区域需要进行重点保护。
在医学图像中的病灶区域加入可见水印可以有效地防止医学图像的非认证使用，从而以主动的方式来保护医学图像隐私信息。
鉴于病灶区域在医学诊断过程中的重要性，任何微小的失真都有可能造成严重的医学事故，采用可逆可见水印技术[1-2]能确保合法的用户在移除可见水印操作后，无损恢复出原始图像。
目前，也有学者们提出采用可逆不可见水印技术在医学图像中进行信息隐藏、版权认证和篡改检测，其方法属于被动的防护方式[3-7]，本文的研究重点在可逆可见水印方法。
可逆可见水印具有4个重要的属性：1）可逆性，嵌入的可见水印能被移去并且水印区域像素能无损恢复；2）可见性，水印具有肉眼可察觉性，体现主动防护特性；3）透明性，可见水印覆盖的原始图像区域要具有一定的可见性；4）鲁棒性，可见水印覆盖区域的原始像素值在非授权情况下，不能够轻易地被恢复出来。
《计算机视觉》 指导老师：梁栋 1 针对篡改图像的被动检测方法 摘要：在使用到数字图像的任何领域中，图像安全都是一个关键性的问题。而图像更是法医研究、法律执行的一部分，例如，罪犯的图像，罪犯现场的图像，生物特征图像等等。随着数字影像的发展，数字图像在特殊领域中的作用更是不言而喻的。数字图像处理的快速 发展虽然促使了法医研究中很多新技术的产生，但同时也使得图像篡改更加容易。时至今日，很多图像处理软件如光影魔术手，美图秀秀的日益商业化，数字图像的真实性，完整性，可靠性便成为一大问题。所以，对图像篡改检测工具的需求就不可避免。本文主要介绍了几种被动检测篡改图像的方法。被动取证，即在对图像或图像的来源没有任何预知信息的前提下，检测出图像是否造假，通过对图像特性（光照特性）的改变，或数字图像的数学特征的改变等方面的检测来实现目的。 关键词：图像取证，图像篡改，图像伪造，伪造检测，图像鉴定 一、引言 数字图像是对人、物、艺术、场所或数据等的二维呈现，它与真实世界有一定的相似性，并且在0-1秒内即可成像。它广泛应用于印刷媒体和电子媒体。数字图像在医疗诊断、法庭做证、商业广告、报刊杂志、休闲娱乐、教育教学等方面有广泛的应用，其中大多数的应用比较敏感，例如，基于图像的医学诊断，基于图像为证据的法庭判决。 图像在法医实验中有着至关重要的作用，因为图像是用来记录犯罪现场的证据。当将这些图像呈现在法庭上作为证据时，图片的完整性就很重要。图像伪造已经成为继数字媒介迅速发展滞后的一个威胁。早前使用模拟图像时，篡改图像是不可能的。但在当今的数字时代，图像编辑工具的逐渐普及，不留下明显篡改痕迹，视觉痕迹而改变数字图像的信息却是既容易又有可能的。正是由于如此，数字图像的完整性或真实性成为一个问题，这种问题的出现更是对篡改检测的方法有着鲁棒性和可靠性方面的强烈要求。 篡改取证方法可大致分为主动取证和被动取证。数字图像主动取证技术是指事先向待取证的图像嵌入图像，在取证的过程中对嵌入信息进行认证的技术，这种技术主要有数字水印和数字签名等，但因需要事先在图像中添加额外信息，而待确认图像常常不含有这些信息，所以其实用性很有限，因此，这种检测不适于处理不明图像或不可靠来源的图像。 被动取证技术，或者说盲取证技术是检测篡改图像最好的方法。为检测篡改的痕迹，盲取证的思路是从图像的功能和伪造的事实（可能会带入图像的特定的可检测到的变化）入手达到检测的目的，这种技术更有应用价值，但难度相对的也会更大。 《计算机视觉》 指导老师：梁栋 2 在本文中将简要介绍图像篡改检测的盲取证技术的近期发展，以及一些现有检测方法的优缺点比较。 二、图像篡改 数字图像可能以很多方式被修饰、编辑或篡改。其中大多数方式列举如下: （一）拼接 其篡改原理是选取图像的一部分拼接到该图像或其他图像场景中以达到遮掩或造成假象的效果。它可以分为同幅图像的合成篡改和不同幅图像之间的合成篡改。图1是不同幅图像的拼接篡改的例子。
图1 拼接图像示例 （二）图像修饰
图像修饰大多用于杂志封面，通过改变其背景使得画面质量差的图像能够更加自然，美观，舒适，或者通过改变图片的色度使得照片更吸引人的眼球，见图2所示。 《计算机视觉》 指导老师：梁栋
3 图2 图像修饰示例 （三）几何变换 有些图画中的一部分以常见的几何变换——平移、缩放、旋转——改变。篡改者将图画中的某一部分进行复制，并对其进行几何改变，以达到自己想要的效果。示例见图三所示。
图3（a） 原始图像 图3（b） 篡改图像 （四）粘贴复制
粘贴复制常用于掩盖图像中的部分区域或移除不想要的部分，图像中的某部分也可能是在图像中其他部分的粘贴和复制所得，见图4所示。 《计算机视觉》 指导老师：梁栋 4 图4（a）原始图像 图4（b）粘贴复制后的图像 图4（c）复制区域 三、图像篡改检测 在图像的被动检测中，已有几种方法提出。各种被篡改的图像在盲检测后会产生不同的结果。 （一）几何转换图像的检测 《计算机视觉》 指导老师：梁栋 5 大多数被篡改的图像中都有两部分或两部分以上相同的区域，而这些区域则是以几何方式改变的。篡改时常用的方法是缩放和旋转，使用缩放的方法改变的是物体的大小，而改变大小通常会产生没有变化的错觉。旋转改变的则是物体在图像对齐的角度。 任何几何变换都有两个基本步骤。第一步：利用空间转换对图像中像素进行重新布置；第二步：使用插值滤波器在像素强度值改变的地方进行插值。转换中这样的步骤会产生周期性的特征，而图像中的这些特征是可以使用滤波器组检测出来的。 图5展示了篡改图像是如何通过重采样检测出来的。这种方法适用于低阶插值多项式，高阶多项式会让检测变得困难。不同的插值多项式也会造成不同的复杂相关性。此外，如果伪造者添加噪声来掩盖篡改的痕迹，用这种方法来鉴定篡改也不是很有效的。
图5（a）图像和矩形研究区域 图5（b）重采样检测的输出 《计算机视觉》 指导老师：梁栋
6 （二）局部噪声不一致的检测 篡改图像通常会用局部噪声来掩饰其篡改部分，添加随机噪声也是很常见的方法。 如果噪声衰减，不管是主动取证还是被动检测，都会会影响篡改图像检测方法的结果。 Babak Mahdian和Stanislav Saic主张检测图像不同程度的噪声，将图像分割成有不同程度噪声的分块，基于非重叠块最高分辨率平铺小波系数估计局部噪声。在分块中使用中值法检测噪声偏差，若图像中存在异常的噪声偏差，就代表图像是被篡改过的，见图6所示。
图6 图3（b）中噪声不一致检测的结果 然而，大多数图像中都有不同噪声水平的孤立区域，这些都可以检测出其不一致性。鉴于人们对这种结果的解释，这种检测噪声水平的方法可作为其他检测篡改方法的补充。 （三）循环平稳方法 循环平稳过程的信号具有统计性能随时间周期性变化的特点。循环平稳过程可看做是多个交错的静止过程。 Babak Mahdian和Stanislav Saic认为，产生缩放变化的图像包含隐藏的循环平稳特性，而这是可以被检测出来的，循环平稳特性在每一个缩放图像中引入插值的概念；循环平稳信号的光谱成分中存在着特定的关系，通过检测图像中的这些特征，就可以检测出采样的痕迹，以及变换参数。见图7。 《计算机视觉》 指导老师：梁栋
7 图7（a） 分析图像 图7（b）相关性图 这种方法只适用于检测发生图像大小变换的图形。任何如旋转、仿射的几何变换 不能检测采用循环平稳性。针对于图像大小变换检测的这种方法也可以用于图像取证。 （四）视觉线索检测拼接 拼接是图像变换技术历史最悠久的一种，所以至今为止，检测拼接图像的方法有很多种。 曲振华、邱国平和黄继武等提出基于人类视觉系统的一种方法，这是一种基于边缘的方法，其原理是检测边缘附近被拼接的痕迹。分析师试图查找图像中物体边缘的异常，以此来检测图像拼接。 专家们认为通过视觉的分析，图像拼接可以人为的检测出来。基于这个前提，HVS《计算机视觉》 指导老师：梁栋 8 的研究已被开发为图像拼接检测的程序。 固定的可视化算法用于预测前几个可视点，可通过检测拼接边缘和可视点之间的联系对拼接图像进行检测，见图8所示。
图8 在拼接图像上的实际图像测试 为隐藏图像的拼接，图像被模糊化处理或加入噪声后，这种分析边缘锐度的检测方
法就变得不再适合，边缘结构、对噪声和模糊度的敏感等优势变得不再存在。 （五）CFA插值检测 摄影时，色彩滤镜阵列（CFA），或色彩滤镜马赛克（CFM）是由放置在图像传感器上的像素传感器中的微小的彩色滤镜捕捉颜色信息的。大多数相机只有一个CCD或CMOS传感器，所以一个像素只有一个通道颜色。而要获取色彩丰富的图像还需要CFA得到每个像素点另外两个颜色通道。 CFA插值时利用已采集通道颜色的线性组合对其它缺失的通道颜色进行估计，这样像素点之间就会产生一定的相关性，篡改图像会破坏这种相关性，通过检测这些变化，被篡改的区域就可以被验证出来。图9解释了如何通过识别CFA检测出被篡改区域。
图9（a） 原始图像 《计算机视觉》 指导老师：梁栋
9 图9（b）CFA模型检测出的篡改区域 该方法用于检测改变了大小、压缩以及过滤等操作的图像，然而，有些真实的图像
并没有CFA值，这样的图像就不可以用来检测其真实性。 （六）DCT系数分析 当今电子媒体使用的图片大多数都是JPEG的格式，这些图片在离散余弦变换系数
直方图上有波峰和波谷，这种现象就称为DQ效应。JPEG图像的双量化效应是检测盒发现JPEG图像篡改的重要线索之一。 这种方案对比了用DCT系数直方图计算未篡改区域后验概率和用区间长度计算 未篡改区域后续概率之间的差异，提取能有效区分篡改块和未篡改块的特征，然后计算每个图像块的特征值。通过设置阈值，将特征值大于阈值的图像块判定为篡改块，最后选取连通区域，标定出篡改区域。 利用篡改过程中两次JPEG压缩造成的DCT系数直方图周期性变化来检测图像是否经过篡改，通过分析篡改过程中产生的双量子化效应，篡改的JPEG图像就能检测出来。图10揭示了通过分析DQ效应的变化如何检测出篡改行为的。
图10（a） 篡改的JPEG图像 《计算机视觉》 指导老师：梁栋
10 图10（b）（a）的可能背景 图10（c）（b）的分块 图10（d）篡改区域 图10（e）原始图像 这种方法有不受制于篡改方法的优势，并且，这种方法可以处理不完全解压缩的图像，
因此达到快速检测的目的。它唯一的缺点就是对图像格式有限制，只能是JPEG格式。 四、结论 本文分析列举了盲取证的一些图像篡改的方法，尽管上述所列举的都能有效的检测出图像的真伪，但其中有些方法却需要特定的条件，例如，要求图像是特定的格式或在特定的色彩区间。因此，未来在图像篡改检测方面的研究更应该专注于研究出一种不受图像格式限制的万能的检测方法。
