面向复杂情形的数字图像篡改定位方法研究

With the rapid development on image processing technology, tampering images without leaving obvious perceptual artifacts becomes much easier, which would lead to serious negative influences on society, politics, economy, criminal investigation，justice and diplomacy. Digital image forensics is a kind of important technique for identifying the originality and authenticity of digital images. The existing forensic methods, however, are still subjected to many constraints and far away from practical applications, and thus they cannot work well on the tricky problem of locating the tampered regions within an image forgery, especially in some complex situations. For example, the images come from different sources, the tampering methods are diverse, and so on. In order to improve the performance of digital image forgery localization, this project will study forgery localization methods in complex situations. The main research topics are as follows: 1. deep learning based framework for forgery localization; 2. construction of forgery localization features for small regions; 3. design of fusion strategies for forgery localization. This project is supposed to break through the key techniques for image forgery localization in practical situations, and improve the theory and solution of image forgery localization, which will further support the practical applications of image forensic techniques.

随着数字图像处理技术的发展，对数字图像篡改而不留下明显的视觉痕迹变得越发容易，这对社会、政治、经济、刑侦、司法、外交等诸多方面造成了严重的负面影响。数字图像取证技术是用于鉴定数字图像原始性和真实性的重要技术。然而，目前的取证方法限制条件较多，离实际应用场景尚有距离，未能很好解决定位图像中的篡改区域这一难题，尤其是在面对图像来源各异、篡改手段多样等复杂情形时。为提高数字图像篡改定位的性能，本项目拟研究面向复杂情形的篡改定位方法，主要研究内容包括：1.应用于图像篡改定位的深度学习框架；2.适用于小区域的篡改特征模型的构造；3.面向篡改定位的融合策略的设计。通过本项目的研究，可突破实际场景下图像篡改定位的关键技术，完善图像篡改定位的理论和方法，并为数字图像取证的应用提供技术支撑。

在数字图像取证中，对篡改区域进行定位具有重要意义。由于实际篡改场景复杂多样，篡改定位成为了数字图像取证的难题之一。本项目围绕图像篡改定位问题展开研究。为解决现有方法定位精度不足、未能充分集成多种特征、无法有效应对基于人工智能(AI)的新型篡改手段等局限性，本项目研究基于深度学习的图像篡改定位网络架构与特征提取模型，设计面向不同性质多域特征的融合策略，开发针对深度网络生成/修复图像的篡改检测和定位方法，以提高在不同情形下识别并定位图像中篡改区域的性能。本项目的主要研究内容包括：1) 应用于图像篡改定位的深度网络架构及特征提取模型；2) 图像篡改定位中的特征融合策略；3) 面向AI图像篡改的检测和定位机制。..本项目的重要研究成果包括：设计了面向图像篡改定位的密集连接全卷积网络架构，可有效提取图像局部篡改特征以定位篡改区域；分析了图像篡改在不同域中引入的痕迹，提出了多域特征的融合方法，可强化对篡改痕迹的表征能力从而提高篡改定位性能；分析了深度网络生成图像与真实图像的内在差异，提出了有效的深度网络生成图像检测方法；分析了深度图像修复技术在图像中导致的异常痕迹，设计了可准确定位修复区域的高通全卷积网络模型。此外，我们还将相关理论和方法拓展到增强型图像修复和隐私保护中的目标跟踪定位等问题。..本项目完成了适用于篡改定位的深度网络架构设计、特征提取模型构建、特征融合策略设计、AI图像篡改辨识等研究任务，发表高质量学术论文8篇（含SCI论文5篇，EI论文2篇，IEEE Trans.系列论文2篇，CCF-A类期刊/会议论文3篇），申请中国发明专利2项、PCT专利1项，培养2名博士后、1名博士研究生、4名硕士研究生。本项目的研究成果有助于完善多媒体内容安全的理论和方法，并为图像篡改检测与定位的实际应用提供关键技术支撑。