数字图像成像渠道取证的非线性机理及应用研究

Digital image acquisition pipeline forensics is an important research topic in digital image forensics. The current works are mainly concentrated on the construction of forensics methods. Most of them extract features from image space domain or transform domain, and then accomplish forensics by using pattern classification. However, few works has been done to the research of forensics mechanism, and principles for the selection of forensics features are not established. Thus, the forensics results lack of scientific and reasonable explanation, and the performance of the forensics method is hard to be improved, which limits its popularization and application. Aiming at the prominent problems existed in the current research of digital image acquisition pipeline forensics, this proposal makes deep researches on the key technologies for the nonlinear mechanism of digital image acquisition pipeline forensics and its applications, including: analysis and expression methods for nonlinear factors in image acquisition pipeline, nonlinear mechanism of digital image acquisition pipeline forensics, nonlinear optimization method for SVM classifier, and the application of the nonlinear factors in image acquisition pipeline forensics. Through this research, resolve the problems of effective acquisition and expression of forensics features for digital image acquisition pipeline forensics, compliment the related theory for digital image acquisition pipeline forensics and extend the application field of nonlinear theory. The research achievements can be applied for criminal investigation, news report, intelligent analysis and etc. It will play an important role in protecting the social stability and promoting the social development.

数字图像成像渠道取证是数字图像取证的一个重要研究内容。已有研究成果主要集中在取证方法的构建方面，大多通过从图像空间域或变换域抽取特征，利用模式分类的方式实现取证。但在取证机理上尚未形成系统的研究，在取证特征的选取方面缺乏有效的指导准则，导致取证结果缺乏科学合理的解释，取证算法的性能提升困难，影响了取证方法的推广应用。针对当前研究存在的突出问题，本项目深入研究数字图像成像渠道取证的非线性机理及其应用的关键技术，主要包括：成像渠道的非线性因素分析与定量表达方法、成像渠道取证的非线性机理、SVM分类器的非线性优化方法、非线性因素在图像成像渠道取证中的应用方法。通过研究，解决数字图像成像渠道取证特征的有效获取与表达问题，完善数字图像成像渠道取证的有关理论，并拓展非线性理论的应用领域。研究成果可应用到犯罪调查、新闻报道、情报分析等领域，为维护社会稳定和促进社会发展发挥重要的作用。

数字图像是当前应用最为广泛的信息载体之一。随着数字图像处理技术以及计算机图形学的发展，人们可以方便地使用数字图像处理软件进行图像合成、裁剪、润饰，或使用三维造型软件创造逼真的计算机图片。然而，这为伪造证据、虚报科学成果、炮制虚假新闻等提供了可能，严重地威胁着司法公正、学术诚信与新闻可信。为此，数字图像取证问题受到了学术界和企业界的普遍关注。. 数字图像成像渠道取证是数字图像取证的一个重要研究内容，它用来辨别图像获取的成像渠道。本项目针对当前数字图像成像渠道取证机理缺少系统的研究、取证特征的选取缺乏有效的指导准则、取证算法的性能提升困难等问题，研究数字图像成像渠道取证的非线性机理及应用。 .针对成像渠道的非线性因素分析与定量表达方法，课题组提出基于导向图预测传感器模式噪声（SPN）和分块加权构造SPN的相机来源取证方法以及基于PRNU二元相似性度量的自然图像和计算机生成图像来源取证方法。. 在成像渠道的非线性机理方面，课题组分析了孔隙度纹理对图像的影响、研究了多颜色空间局部二值模式（LBP）在成像渠道取证方面的应用。. 在SVM分类器的非线性优化方面，课题组结合彩色纹理马尔科夫特征研究了利用SVM-REF特征选择优化人脸欺骗检测性能的方法、并结合彩色共生局部二值模式采用集成学习和Softmax分类等方式优化人脸照片攻击和视频回放攻击。. 在非线性因素在图像成像渠道取证中的应用研究方面，课题组采用多元线性回归分析法提取残差图像，并对回归模型拟合度进行分析，提取残差直方图特征和多重分形谱特征进行取证。. 在人脸伪造检测取证与反取证方面，课题组从图像纹理、色彩差异、传感器模式噪声、生成对抗网络等角度研究了人脸伪造检测、融合人脸复原等。 .成果方面，项目组共发表论文28篇，其中SCI索引论文18篇，EI检索论文9篇，中文CSCD期刊1篇，其中CCF推荐的学术期刊或学术会议上发表20篇，另申请发明专利三项（授权2项），研制取证工具系统两个，共计培养学生19名。