图像取证分析的多特征分类器融合研究

随着图像在新闻图片、法律证据、数字金融文档领域的大量使用，各种看似真实实则篡改的图像和以假乱真的计算机成像图像带来了互联网和大众的信任危机，图像取证技术已成为信息安全领域中一个新兴且极其重要的研究方向，同时也是研究图像内容安全的关键技术。本课题围绕自然图像高阶特征与分类器融合的研究，将高阶特征与现有普遍应用的低阶特征相结合，并引入新分类器不同算法的多特征融合，实现自然图像的篡改取证。具体内容包括：1、研究基于高阶能量谱的特征提取方法，建立图像的高阶谱特征的模型；2、针对自然图像复杂多变的特点，对图像自然视觉特性进行多特征融合和优化；3、应用于图像篡改和特征分类，并在分类决策工作中进行多特征融合，研究更有效、更准确的判别、分类方法，特别是研究分类算法在取证领域中的新应用，以进一步提高检测效率。该项目可应用于图像证据的可信性认证、图像的真伪识别，保护互联网上图像内容的真实性和证据的合法性。

随着数字图像技术的发展，图像认证技术中盲取证技术的重要性日益显现。本研究课题侧重研究图像认证过程中真实图像和篡改图像相关特征的提取及分析认知，并实现对这些特征的综合应用分类，从而实现更准确、全面的图像认证效果。. 在整个项目实施过程中，我们主要完成了以下工作：. (1)对真实图像和篡改图像的一些特征进行了对比分析研究，这些特征主要包括：像素相关性、图像统计描述特征、高阶矩特征、噪声特性、边缘特性、光照特性等。研究分析表明这些特征都有助于进行图像的认证，它们对于拼接图像的认证、自然图像与计算机合成图像的区分、翻拍图像的认证都具有较好的应用效果；. (2)利用本研究发现的这些新特征并结合以往的一些研究成果，进行特征融合应用，实现了对拼接、翻拍及人工合成图像的综合认证，进一步提高检测效率。.本研究项目成果可应用于图像证据的可信性认证、图像的真伪识别，保护互联网上图像内容的真实性和证据的合法性。根据项目的研究成果已经发表论文13篇，申请软件著作权2项，培养博士、硕士研究生共12人。