- 相關(guān)推薦
基于JPEG雙量化效應(yīng)的圖像盲取證
摘要：JPEG圖像的雙量化效應(yīng)為JPEG圖像的篡改檢測提供了重要線索。根據(jù)JPEG圖像被局部篡改后，又被保存為JPEG格式時(shí)，未被篡改的區(qū)域(背景區(qū)域)的離散余弦變換(DCT)系數(shù)會經(jīng)歷雙重JPEG壓縮，篡改區(qū)域的DCT系數(shù)則只經(jīng)歷了1次JPEG壓縮。而JPEG圖像在經(jīng)過離散余弦變換后其DCT域的交流(AC)系數(shù)的分布符合一個(gè)用合適的參數(shù)來描述的拉普拉斯分布，在此基礎(chǔ)上提出了一種JPEG圖像重壓縮概率模型來描述重壓縮前后DCT系數(shù)統(tǒng)計(jì)特性的變化，并依據(jù)貝葉斯準(zhǔn)則，利用后驗(yàn)概率表示出圖像篡改中存在的雙重壓縮效應(yīng)塊和只經(jīng)歷單次壓縮塊的特征值。然后設(shè)定閾值，通過閾值進(jìn)行分類判斷就可以實(shí)現(xiàn)對篡改區(qū)域的自動檢測和提取。實(shí)驗(yàn)結(jié)果表明，該方法能快速并準(zhǔn)確地實(shí)現(xiàn)篡改區(qū)域的自動檢測和提取，并且在第2次壓縮因子小于第1次壓縮因子時(shí)，檢測結(jié)果相對于利用JPEG塊效應(yīng)不一致的圖像篡改盲檢測算法和利用JPEG圖像量化表的圖像篡改盲檢測算法有了明顯的提高。
關(guān)鍵詞：雙量化效應(yīng);圖像篡改;拉普拉斯分布;盲取證
引言
JPEG(Joint Photographic Experts Group)是當(dāng)前主流的圖像壓縮標(biāo)準(zhǔn)，是目前靜態(tài)圖像中壓縮比較高的，被廣泛地應(yīng)用于多媒體和網(wǎng)絡(luò)程序中，而針對此類圖像的偽造篡改也是越來越多，并且僅僅依靠人眼很難辨別出真?zhèn)�。在這種情況下圖像的真實(shí)性也就成為人們所關(guān)注的問題。因此，本文對此類圖像的取證技術(shù)展開研究。當(dāng)前數(shù)字圖像取證技術(shù)主要分為兩類：主動取證和被動取證。主動取證技術(shù)[1]是預(yù)先對數(shù)字圖像嵌入脆弱水印或簽名，通過提取水印、簽名的手段進(jìn)行取證; 相比之下，數(shù)字圖像被動取證技術(shù)作為一種在不依賴任何預(yù)簽名提取或預(yù)嵌入信息對圖像的真?zhèn)魏蛠碓催M(jìn)行鑒別的技術(shù)，只需要依靠待檢測圖像就可以實(shí)施取證，具有更高的應(yīng)用價(jià)值，但其取證難度大于主動取證。針對經(jīng)歷雙重JPEG篡改圖像，研究學(xué)者已經(jīng)提出了各種盲取證算法。很多學(xué)者通過對圖像第1次壓縮量化表的估計(jì)來定位篡改區(qū)域[2-4];Farid[5]則通過使用不同的壓縮因子對待測的JPEG圖像進(jìn)行再次壓縮，當(dāng)壓縮因子與篡改區(qū)域的壓縮因子相同時(shí)，篡改區(qū)域表現(xiàn)出的失真程度最小，由此來實(shí)現(xiàn)對圖像篡改區(qū)域的檢測。He等[6]通過分析JPEG圖像的離散余弦變換(Discrete Cosine Transform， DCT)系數(shù)的雙重量化效應(yīng)，通過尋找局部二次壓縮的痕跡，首次實(shí)現(xiàn)了對JPEG圖像的篡改區(qū)域的自動檢測和定位。Binghiamton大學(xué)的Fridrich研究小組運(yùn)用將針對圖像單個(gè)像素點(diǎn)的方法轉(zhuǎn)化為對圖像塊的操作，提出了一種基于圖像塊的DCT量化系數(shù)分析的盲取證算法[7];李晟等[8]則用一定的壓縮因子對圖像進(jìn)行再次壓縮，根據(jù)篡改區(qū)域的失真程度大于非篡改區(qū)域的失真程度，實(shí)現(xiàn)對JPEG圖像的篡改檢測;文獻(xiàn)[9]通過利用每個(gè)交流(Alternating Current， AC)系數(shù)頻率項(xiàng)的光譜能量密度中的峰值點(diǎn)個(gè)數(shù)與量化步長之間差值為1的特點(diǎn)，估計(jì)出量化表，進(jìn)一步計(jì)算得到圖像的塊特征，通過塊特征之間的不連續(xù)性來檢測圖像是否經(jīng)過篡改。
然而，現(xiàn)有的大部分盲取證算法大都要求待檢測圖像是未壓縮或者是壓縮因子較高的圖像，并且能夠廣泛應(yīng)用的JPEG圖像的篡改檢測算法還比較少。本文基于JPEG圖像壓縮理論基礎(chǔ)，通過對JPEG圖像雙量化效應(yīng)的分析，利用其DCT域的AC系數(shù)的分布符合拉普拉斯分布，并采用局部鄰域法對λ進(jìn)行估計(jì)，依據(jù)貝葉斯準(zhǔn)則，利用后驗(yàn)概率表示出篡改圖像中存在的雙重壓縮效應(yīng)的篡改塊，實(shí)現(xiàn)對篡改區(qū)域的自動檢測和提取。與文獻(xiàn)[11]所采用的算法相比，本文方法的檢測性能有很大的提升，特別是在第2次壓縮因子(QF2)比第1次壓縮因子(QF1)小時(shí)，檢測效果更好。
一、JPEG壓縮原理
JPEG壓縮和解壓過程如圖1所示，JPEG壓縮是一種有損壓縮，它是基于8×8像素塊的壓縮編碼過程，主要由預(yù)處理、分塊、離散余弦變換、量化、Huffman編碼等構(gòu)成。
原始圖像數(shù)據(jù)分成8×8的小塊，經(jīng)過DCT后，其低頻分量都集中在左上角，高頻分量分布在右下角，對于每一個(gè)8×8的小塊，其中D(0，0)(即第1行第1列元素，D為8×8的圖像塊)代表了直流(Direct Current， DC)系數(shù)，其他的63個(gè)元素是AC系數(shù)。而低頻分量包含了圖像的主要信息(如亮度)，其中量化的目的就是為了保持低頻分量，抑制高頻分量，達(dá)到壓縮圖像的目的。而DCT系數(shù)的量化這一步驟是不可逆的，量化步長越大，圖像在進(jìn)行反量化時(shí)，所丟失的高頻信息也就會越多，圖像失真也就會越明顯。量化矩陣通常與一定的壓縮因子相對應(yīng)， 壓縮因子是一個(gè)從1到100的整數(shù)。圖像進(jìn)行JPEG壓縮時(shí)，通常需要指定一個(gè)壓縮因子QF，一旦QF確定，量化矩陣QT就可以通過式(1)計(jì)算得出：
QT=[(QTij×α(QF)+50)/100]; i， j∈{0，1，2，…，7} (1
α(QF)=5000/QF，1≤QF<50
200-2QF，50≤QF≤100
其中：QTij是JPEG標(biāo)準(zhǔn)推薦亮度分量的量化矩陣，[・]表示四舍五入運(yùn)算。
二、JPEG圖像合成篡改的數(shù)學(xué)模型
JPEG合成篡改圖像是指JPEG格式的圖像的一部分被其他圖像置換，如圖2所示，圖2(a)為一幅JPEG格式的背景圖像P1，圖2(b)為篡改來源圖像P2，圖2(c)為篡改合成圖像P3，其數(shù)學(xué)模型可用式(2)描述：
y(i， j)=A1⊙P1(i， j)+A2⊙P2(i， j)=A・P(i， j)(2)
其中：y(i， j)為JPEG篡改合成圖像;⊙表示Hadamard積;P1(i， j)為一幅JPEG格式的背景圖像;P2(i， j)為其他圖像(可以是JPEG格式的圖像，也可以是其他無損壓縮格式的圖像);源圖像P(i， j)=[P1(i， j)，P2(i， j)]T;置換混合矩陣A=[A1，A2]。這里 A1=1， (i， j)∈U10， (i， j)∈U2
A2=1， (i， j)∈U10， (i， j)∈U2
其中：U1∪U2=U，U1∩U2=。本文的目的就是僅僅根據(jù)篡改合成圖像分離出源圖像P(i， j)中的篡改區(qū)域。
三、JPEG圖像雙重壓縮中的雙量化效應(yīng)
JPEG圖像進(jìn)行第1次壓縮時(shí)，需要用量化矩陣QT1對DCT系數(shù)進(jìn)行量化，得到量化后的DCT系數(shù)。而進(jìn)行第2次壓縮時(shí)，則先把量化后的DCT系數(shù)乘以第一次量化矩陣QT1，再使用第2次量化矩陣QT2來進(jìn)行量化操作。
以分辨率為256×256的Lena灰度圖像為例，為了觀察直方圖特性，圖像進(jìn)行8×8分塊的離散余弦變換后，我們提取所有8×8圖像塊的(1，2)位置處的DCT系數(shù)進(jìn)行統(tǒng)計(jì)，圖4(a)顯示的是經(jīng)過DCT后(1，2)位置上的未經(jīng)量化的DCT系數(shù)概率分布直方圖，圖4(b)為經(jīng)歷量化步長Q1=5后所有圖像塊 (1，2)位置上的DCT系數(shù)概率分布直方圖。從圖4(a)中可以看出，經(jīng)歷離散余弦變換后，其AC系數(shù)在同一位置上的DCT系數(shù)直方圖呈現(xiàn)出近似的拉普拉斯分布;而經(jīng)歷1次壓縮量化后，其系數(shù)值就會呈現(xiàn)出周期性的缺失，如圖4(b)所示。
設(shè)第一次壓縮過程中未量化的DCT系數(shù)為D1，量化后的系數(shù)為D1′，量化步長為Q1，第二次量化后的DCT系數(shù)為D2，量化步長為Q2。根據(jù)JPEG壓縮和解壓過程可以得到：
D2=D1Q1Q1Q2
根據(jù)取整的性質(zhì)可以推出：
Q1×(「Q2Q1(D2-1/2)-12)≤D1<
Q1×(Q2Q1(D2+1/2)」+12)
其中：・」為向下取整運(yùn)算，「・為向上取整運(yùn)算，[・]為四舍五入取整運(yùn)算。設(shè)定：
L(D2)=Q1×(「Q2Q1(D2-1/2)-12)
R(D2)=Q1×(Q2Q1(D2+1/2)」+12)
因此我們可以用DCT系數(shù)直方圖上的區(qū)間長度來描述經(jīng)歷雙重壓縮前后系數(shù)之間的變化關(guān)系如式(3)：
n(D2)=R(D2)-L(D2)=
Q1×Q2Q1(D2+1/2)」-「Q2Q1(D2-1/2)+1(3
根據(jù)式(3)可以看出，n(D2)是D1取值區(qū)間的長度，并且是一個(gè)周期函數(shù)，而它的周期性是DCT系數(shù)直方圖出現(xiàn)周期性的根本原因。且周期為p=Q1gcd(Q1，Q2)，其中g(shù)cd(Q1，Q2)表示為Q1和Q2的最大公約數(shù)。
四、基于JPEG雙量化效應(yīng)的檢測算法
4.1JPEG篡改圖像雙重壓縮效應(yīng)分析
當(dāng)一個(gè)源圖像經(jīng)過篡改后又保存為JPEG格式的圖像時(shí)，未被篡改的區(qū)域(背景區(qū)域)會經(jīng)歷了2次JPEG壓縮，其DCT系數(shù)值會表現(xiàn)出雙重壓縮效應(yīng)，然而篡改區(qū)域則只經(jīng)歷過1次JPEG壓縮，該區(qū)域的DCT系數(shù)不會表現(xiàn)出雙重壓縮效應(yīng)。下面分3種情況來說明：
1)當(dāng)篡改區(qū)域(置換區(qū)域)的圖像來自于非JPEG格式的圖像時(shí)(比如，BMP、TIF格式的圖像或者其他無損格式的圖像時(shí))，篡改來源圖像本身就沒有經(jīng)歷過JPEG壓縮，當(dāng)篡改圖像最終保存為JPEG格式，篡改區(qū)域只經(jīng)歷了1次JPEG壓縮，自然不會表現(xiàn)出雙重壓縮效應(yīng)。
2)圖像的篡改區(qū)域和背景區(qū)域的8×8分塊位置一致的概率很低。在實(shí)際的篡改操作中往往會對圖像中的某個(gè)特定區(qū)域進(jìn)行篡改偽造。當(dāng)篡改區(qū)域來自JPEG圖像，假設(shè)背景區(qū)域的起始位置的坐標(biāo)為(x1，y1)，篡改區(qū)域置換的起始位置為(x2，y2)，那么(|x2-x1|%8，|y2-y1|%8)=(0，0)的幾率只有1/64，也就是說篡改區(qū)域表現(xiàn)出雙重壓縮效應(yīng)的幾率僅僅有1/64。
3)篡改者為了使圖像看起來更加真實(shí)，往往會對置換區(qū)域的邊緣進(jìn)行模糊潤飾、羽化、平滑等操作，此時(shí)這些邊緣塊就不會包含完整的8×8圖像塊，篡改區(qū)域相當(dāng)于只經(jīng)歷了1次JPEG壓縮。
4.2依據(jù)貝葉斯準(zhǔn)則提取篡改塊的特征值
本文通過建立經(jīng)歷2次壓縮和1次壓縮時(shí)圖像像素分布的概率模型，利用貝葉斯估計(jì)的方法估計(jì)出待測圖像中每一個(gè)像素點(diǎn)被篡改的概率。根據(jù)文獻(xiàn)[10]得知，圖像經(jīng)過基于8×8塊的離散余弦變換后，其所有塊同一位置的交流(AC)系數(shù)的直方圖分布可以用一個(gè)以λ為參數(shù)的近似拉普拉斯分布函數(shù)來表示。因此對于一個(gè)未經(jīng)量化的DCT系數(shù)塊的AC分量系數(shù)D1的一個(gè)系數(shù)x(i， j)服從以λ(i， j)為參數(shù)的拉普拉斯分布：
p(D1)=λ(i， j)2 exp(-λ(i， j)D1)(4)
其中：λ(i， j)為位于第i行(i∈0，1，2，…，7);第j列(j∈0，1，2，…，7)的DCT系數(shù)所對應(yīng)的分布參數(shù)。
文獻(xiàn)[11]直接使用λ=2/σ，σ為圖像的標(biāo)準(zhǔn)差，此方案能準(zhǔn)確地描述出第2次壓縮因子大于第1次壓縮因子時(shí)(QF2>QF1)的概率分布，然而當(dāng)JPEG圖像的壓縮比越來越大時(shí)，也就是第2次壓縮因子小于第一次壓縮因子時(shí)(QF2 本文則采用局部鄰域法對當(dāng)前子塊的λ矩陣進(jìn)行估計(jì)。圖5顯示的是本實(shí)驗(yàn)中采用的鄰域算法，僅考慮當(dāng)前塊(圖5中黑色區(qū)域部分)及其鄰域(鄰域的大小取24，圖5中白色區(qū)域部分)。對位于圖像邊界位置的塊，則只考慮其位于圖像邊界內(nèi)的相鄰塊計(jì)算λ，得到與這些塊相對應(yīng)的λ矩陣。此方案能夠在深度量化條件下(即QF2遠(yuǎn)小于QF1)也能達(dá)到較好的估計(jì)效果。
由式(3)可知，未篡改區(qū)域(背景區(qū)域)經(jīng)過2次壓縮后，區(qū)間 [L(D2)，R(D2)]內(nèi)的原始DCT系數(shù)D1會被映射成同一個(gè)值D2，那么對于背景區(qū)域中AC分量系數(shù)D2的系數(shù)x(i， j)的概率可以由式(5)表示為：
p(D2H1)=∫R(D2)L(D2)p(D1)dD1=
F(R(D2))-F(L(D2))(5)
其中：H1代表圖像塊中未被篡改的像素，F(xiàn)(x)是累積分函數(shù)。通過第3章分析可知，當(dāng)篡改區(qū)域的1次量化可以看成量化步長Q2=Q1的2次量化。因此篡改塊的DCT系數(shù)為D2的概率可以用式(6)表示為：
p(D2H2)=F(R′(D2)-F(L′(D2))(6)
其中：R′(D2)=Q2(D2+1/2」+1/2)，L′(D2)=Q2(「D2-1/2-1/2)。
H2代表圖像塊中被篡改的像素。依據(jù)貝葉斯準(zhǔn)則，則圖像塊中像素未被篡改的概率為：
p(H1D2)=p(D2H1)×p(H1)p(D2H1)×p(H1)+p(D2H2)×p(H2) (7)
其中，p(H1)和p(H2)分別為待檢測圖像的像素為正常和篡改時(shí)的先驗(yàn)概率，在本實(shí)驗(yàn)中取0.5，則：
p(H1D2)=p(D2H1)p(D2H1)+p(D2H2)(8
由于JPEG壓縮是基于8×8像素塊操作的，具有64個(gè)頻率值(1個(gè)直流系數(shù)和63個(gè)交流系數(shù))，文獻(xiàn)[12]研究證明，經(jīng)量化后少數(shù)AC系數(shù)已經(jīng)能很好地表示出圖像的紋理信息。式(8)是圖像中單個(gè)像素為正常時(shí)的后驗(yàn)概率，在實(shí)驗(yàn)中將每一個(gè)8×8的小塊內(nèi)的63個(gè)AC分量(DC分量不滿足拉普拉斯分布)的后驗(yàn)概率值相加，就可以得到圖像塊的后驗(yàn)概率值T。
T=∑Nj=1pj(9)
其中N=63，pi為每一個(gè)8×8像素塊內(nèi)的63個(gè)AC分量的后驗(yàn)概率值。
T作為每個(gè)8×8圖像子塊的檢測特征值。在實(shí)驗(yàn)中如果待檢測塊是篡改塊則特征值T接近于0，并且會集中在一個(gè)集中區(qū)域。然后通過設(shè)置閾值進(jìn)行分類判斷，就可以定位出圖像的篡改區(qū)域。
在實(shí)驗(yàn)中，還需要知道篡改圖像第1次壓縮時(shí)的量化矩陣QT1和第2次壓縮時(shí)的量化矩陣QT2。QT2可以用Matlab JPEG Toolbox[13]從待測JPEG圖像頭文件中提取，而QT1則需要進(jìn)行估計(jì)。本實(shí)驗(yàn)中采用的是文獻(xiàn)[3]的方法對QT1進(jìn)行估計(jì)。
五、實(shí)驗(yàn)結(jié)果與分析
本文實(shí)驗(yàn)選取的圖像為灰度圖像，RGB圖像可以轉(zhuǎn)化為灰度圖像，測試圖像分辨率為256×256，實(shí)驗(yàn)平臺為Matlab R2014a。為驗(yàn)證算法的有效性，從圖像庫中選取100幅圖像進(jìn)行測試，存儲格式都為BMP格式。然后使用壓縮因子QF1∈{60，65，70，75，80，85，90，95}分別對這100幅圖像進(jìn)行壓縮，生成1次JPEG壓縮圖像，得到100×8幅JPEG圖像。然后使用對其進(jìn)行篡改操作，篡改圖像分別以壓縮因子QF2∈{60，65，70，75，80，85，90}重新壓縮保存，則總共生成 5600 幅合成偽造圖像。在實(shí)驗(yàn)中，檢測率由式(10)計(jì)算得到：
ρ=1N∑Ni=0Si∩EiEi(10)
其中：Si為在圖像i中檢測出的篡改區(qū)域面積;Ei為真實(shí)的篡改區(qū)域面積;N為圖像的總數(shù)，在此N=100。
使用本文算法進(jìn)行檢測，結(jié)果見表1，把本文算法明顯優(yōu)于文獻(xiàn)[11]中的算法的結(jié)果用下劃線標(biāo)注。表2為文獻(xiàn)[11]算法得到的檢測率，可以看出，實(shí)驗(yàn)中沒有進(jìn)行QF2=QF1情況下的實(shí)驗(yàn)，因?yàn)楦鶕?jù)第3章分析可知，這種情況下不滿足雙量化效應(yīng)。當(dāng)QF2>QF1時(shí)，兩種算法都有較好的檢測效果，并且當(dāng)?shù)?次壓縮因子QF2遠(yuǎn)大于第1次壓縮因子QF1時(shí)，量化步長Q1>Q2，此時(shí)直方圖所表現(xiàn)出的周期特性非常明顯，在JPEG篡改圖像中其像素為正常的后驗(yàn)概率值p(H1u2)=0，并大大增強(qiáng)了對篡改塊的檢測效果。并且當(dāng)QF2遠(yuǎn)大于QF1時(shí)，在直方圖上的值會表現(xiàn)出周期性的缺失，其表現(xiàn)出的雙重壓縮特性會越來越明顯，檢測的效果也越好，如圖6(a)、(b)所示，此時(shí)幾乎能夠完全檢測出篡改區(qū)域;但是當(dāng)QF2Q1，經(jīng)過壓縮后的圖像的DCT系數(shù)的高頻部分會出現(xiàn)大量的0值，此時(shí)直方圖上的值會表現(xiàn)出周期性的波峰和波谷，直方圖的周期性就不是很明顯，未篡改區(qū)域的雙重壓縮特征表現(xiàn)不明顯，但是在本實(shí)驗(yàn)中，通過采用局部鄰域法對λ 估計(jì)方法，在深度量化的情況下(即QF2）。本實(shí)驗(yàn)中出現(xiàn)漏檢和誤檢主要有以下3方面原因：1)當(dāng)篡改圖像的背景圖像極為單一時(shí)，其DCT域系數(shù)統(tǒng)計(jì)特性不明顯，此時(shí)采用本文檢測方案時(shí)容易出現(xiàn)誤判;2)對檢測特征值T進(jìn)行分類時(shí)，閾值設(shè)置不當(dāng)，導(dǎo)致圖像塊被分類為篡改塊;3)對λ矩陣的估計(jì)不準(zhǔn)確導(dǎo)致對圖像塊篡改概率值計(jì)算錯(cuò)誤，導(dǎo)致圖像塊被錯(cuò)誤的認(rèn)定為篡改塊。
六、結(jié)語
本文利用了JPEG圖像雙重壓縮對DCT系數(shù)分布產(chǎn)生的影響，提出了一種基于DCT系數(shù)雙量化映射關(guān)系的檢測算法。該算法能很好地檢測出篡改圖像中的篡改區(qū)域，對于QF1>QF2的情況下，檢測率相對于其他傳統(tǒng)算法有明顯的提高。能否準(zhǔn)確估計(jì)原始DCT系數(shù)分布在很大程度上影響了整個(gè)算法的準(zhǔn)確性，但是本文所采用的近似的以λ為參數(shù)的拉普拉斯分布模型，能很好地體現(xiàn)出原始DCT系數(shù)分布，但是由于本文中忽略了直流(DC)系數(shù)，這將會對檢測結(jié)果的準(zhǔn)確性造成一定的影響，并且當(dāng)來自于不同原始圖像的背景和對象的原始壓縮因子都相同情況下(即QF2=QF1時(shí))的合成圖像的檢測，本文算法則不起作用。后面將針對此類JPEG合成篡改圖像進(jìn)行繼續(xù)研究。
參考文獻(xiàn)：
[1]LIE W， LIN T， CHENG S. Dual protection of JPEG images based on informed embedding and twostage watermark extraction techniques[J]. IEEE Transactions on Information Forensics and Security， 2006，1(3)：330-341.
[2]BIANCHI T， PIVA A. Image forgery localization via blockgrained analysis of JPEG artifacts[J]. IEEE Transactions on Information Forensics and Security， 2012，7(3)：1003-1017.
[3]LUKAS J， FRIDRICH J. Estimation of primary quantization matrix in double compressed JPEG images[C]// Proceedings of the 2003 Digital Forensic Research Workshop. Piscataway： IEEE， 2003：67-84.
[4]LIN T， CHANG M， CHEN Y. A passiveblind forgery detection scheme based on contentadaptive quantization table estimation[J]. IEEE Transactions on Circuits and Systems for Video Technology， 2011，21(4)：421-434.
[5]FARID H. 1 exposing digital forgeries from JPEG ghosts[J]. IEEE Transactions on Information Forensics and Security， 2009， 4(1)：154-160.
[6]HE J， LIN Z， WANG L， et al. Detecting doctored JPEG images via DCT coefficient analysis[C]// Proceedings of the 9th European Conference on Computer Vision， LNCS 3953. Berlin： Springer， 2006： 423-435.
[7]FRIDRICH J， SOUKAL D， LUKAS J. Detection of copymove forgery in digital images[C]// Proceedings of the 2003 Digital Forensic Research Workshop. Piscataway： IEEE， 2003：1-10.
[8]LI S， ZHANG X. Detection of composite images based on JPEG compression properties[J]. Journal of Applied Sciences， 2008， 26(3)：281-287.(李晟，張新鵬. 利用JPEG壓縮特性的合成圖像檢測[J].應(yīng)用科學(xué)學(xué)報(bào)，2008，26(3)：281-287.)
[9]YE S， SUN Q， CHANG E. Detecting digital image forgeries by measuring inconsistencies of blocking artifact[C]// Proceedings of the 2007 IEEE International Conference on Multimedia and Expo. Piscataway： IEEE， 2007：12-15.
[10]REININGER R， GIBSON J. Distributions of the twodimensional DCT coefficients for images[J]. IEEE Transactions on Communications， 1983，31(6)：835-839.
[11]WANG Q， ZHANG R. Exposing digital image forgeries based on double quantization mapping relation of DCT coefficient[J]. Journal of Electronics and Information Technology， 2014，36(9)：2068-2074.(王青， 張榮. 基于DCT系數(shù)雙量化映射關(guān)系的圖像盲取證算法[J]. 電子與信息學(xué)報(bào)， 2014， 36(9)：2068-2074.)
[12]ICHIGAYA A， KUROZUMI M， HARA N， et al. A method of estimating coding PSNR using quantized DCT coefficients[J]. IEEE Transactions on Circuits and Systems for Video Technology， 2006， 16(2)：251-259.
[13]DDE Lab at Binghamton University. Matlab JPEG toolbox [EB/OL].[20150703].http：//dde.binghamton.edu/download/feature_extractors/.
【基于JPEG雙量化效應(yīng)的圖像盲取證】相關(guān)文章：
直接取證及美國域外取證制度評析（上）05-30
醫(yī)學(xué)圖像領(lǐng)域中數(shù)字圖像處理的應(yīng)用論文04-19
光電效應(yīng)的研究歷史和光電效應(yīng)法測量的探討論文04-23
影視公司并購重組的路徑與效應(yīng)08-21
量刑與刑的量化-兼論“電腦量刑”06-03
英語教學(xué)加強(qiáng)整體效應(yīng)探析06-01
中國股市投資者的處置效應(yīng)05-29
談地理圖像投影導(dǎo)學(xué)法08-21