数字图像篡改自恢复理论模型及方法研究

Image self-recovery technique embeds the information related with image contents into the image itself, and utilizes the extractable information to conduct tampering localization and content recovery. However, there are no systematic theoretical supports to date, and still some deficiencies for the performance of tampering recovery, which deserve further in-depth investigation. In this project, based on the information theory, we depict the constraint relationship for bit rate of reference data, tolerable tampering rate and visual quality of recovered image, construct the cost function including four components, i.e., region classification, reference-data representation, interleaved embedding and tampering recovery, and establish the theoretical model of self-recovery. Based on this theoretical model, we will carry on technical innovations for self-recovery. According to Slepian-Wolf theorem and Poisson equation, the new method for tampering recovery with side information will be developed, which can effectively improve the efficiency of reference data and the recovery quality of tampered region. Under the condition of insufficient reference data, the inpainting method based on multi-planar region detection with homographic matrix will be studied to increase the accuracy of tampering recovery. The self-recovery in compressed domain and encrypted domain will also be studied to extend the application scenarios. The research results have the important significance for image content protection and multimedia information security.

数字图像自恢复技术通过在图像中隐藏与自身内容相关的信息，利用可提取信息进行篡改定位和内容恢复，但该技术提出至今尚缺乏系统的理论支持，篡改恢复性能尚存在一定缺陷，许多学术问题亟待深入研究。本项目从信息论出发，刻画用于内容恢复的参考数据比特率与可容忍篡改率及图像恢复质量间的约束关系，构建包含区域分类、参考数据表示、交织嵌入、篡改恢复四个模块的代价函数，建立自恢复的理论模型。并在此基础上实现方法创新：基于Slepian-Wolf定理和泊松方程发展依赖边信息的篡改恢复机制，可有效提高参考数据的利用效率和篡改区域的恢复质量；并研究在大面积篡改且可用参考数据不足的条件下，引入基于单应性矩阵的多平面检测分析的盲修复方法，改善篡改恢复结果的可信度；发展可抗压缩的参考数据生成和篡改恢复方法，并通过基于同态计算的加密图像压缩来实现密文域图像的嵌入方法。项目成果对数字图像内容保护和多媒体信息安全具有重要意义。

随着互联网和数字信号处理技术的迅速发展，多媒体数据（特别是数字图像）的传输和处理越来越普及和便利。然而与此同时，一些别有用心者通过许多强大的图像处理工具可以很容易地编辑或篡改数字图像的内容，达到混淆视听、提供伪证或制造虚假新闻的目的。因此，我们可能无法确定接收或下载的数字图像是真实的或是伪造的。在这种背景下，对数字图像的完整性保护，即图像内容认证（Image Content Authentication），具有重要的现实意义。为此，我们重点考虑了以下研究问题：研究建立面向可容忍篡改率和篡改恢复质量为目标的图像自恢复理论模型；研究考虑在参考数据的编码效率无法应对大面积恶意篡改时的内容恢复策略，利用边信息优化机制提高在可用参考数据不足时盲修复恢复结果的可信度；面向压缩域图像的高质量篡改恢复和加密域图像的自嵌入技术。具体来说，本项目针对数字图像篡改自恢复的前沿学术问题开展了深入研究：建立了面向给定可容忍篡改率和恢复质量的图像自恢复模型的系列理论表达及求解方法，给出了水印嵌入和恢复过程中图像区域分类、参考数据表示、数据交织嵌入、篡改区域恢复四者之间的综合优化策略和方法；提出了一系列基于边信息构建、分等级参考共享机制（Reference Sharing）、泊松方程（Poisson Equation）求解、多平面检测辅助信息驱动的可信恢复inpainting的图像篡改自恢复方法、基于感知认证哈希的图像篡改检测方法、以及压缩图像和加密图像的参考数据嵌入方法。项目研究取得的成果对实现在数字图像内容安全和隐私保护，以及多媒体信息安全、真伪鉴定、可信数据传输等方面具有重要的理论意义和实际应用价值。