导读:本文包含了盲取证技术论文开题报告文献综述及选题提纲参考文献，主要关键词:网络入侵,节点,盲取证,盲源定位
盲取证技术论文文献综述
王莉莉,张建军[1]（2019）在《网络入侵节点的盲取证技术研究与仿真》一文中研究指出为了提高网络入侵的检测能力和盲取证能力,进行网络入侵节点的盲取证技术研究,提出基于分组链路转发协议融合的网络入侵节点的盲取证技术。构建入侵网络节点的分组链路转发模型,采用融合滤波控制方法进行网络入侵节点的差异性特征提取,根据提取入侵节点的差异性谱特征量进行盲源定位,采用自相关检测器进行网络入侵节点的可靠性分离,结合模糊决策方法构建入侵节点盲取证的判决统计量,采用门限阈值判断方法,结合分组链路转发协议实现路由融合,从而完成入侵节点的准确定位和盲取证。仿真结果表明,采用该方法进行网络入侵节点的盲取证,对入侵节点的定位性能较好,提高了网络入侵的检测能力,确保网络安全。(本文来源于《现代电子技术》期刊2019年09期）
朱叶[2]（2017）在《数字图像复制—粘贴篡改盲取证关键技术研究》一文中研究指出随着数字图像获取设备的日益普及,图像成为人们日常生活中获取新闻、信息的重要渠道。同时,伴随着Photo Shop等众多图像编辑工具的发展,越来越多的人可以轻松方便地对图像进行编辑,如拼接合成、背景渲染、区域复制等等,带给人们生活丰富的乐趣。但近年来,在新闻报道、学术研究、法庭证据等要求图像完全真实的场所,部分人滥用编辑篡改过的图像,达到混淆视听、自私利己的目的,严重者已触犯法律。基于此,图像篡改取证技术成为近年来研究的热点。本文对图像篡改中的常见手段复制-粘贴篡改进行研究,具体内容如下:1.基于彩色LBP的隐蔽性复制-粘贴篡改盲取证算法现有的复制-粘贴盲取证算法对彩色图像的预处理包括:○1将彩色图像转换为灰度图像,完全舍弃了图像的彩色信息,降低了篡改检测精度;○2对彩色图像的叁个通道分别进行处理,计算量是单通道的叁倍,大大增加了算法运行时间。基于此,本文提出基于彩色局部二值模式(Color Local Binary Patterns)图像和改进的kd树超平面划分标记split搜索方法的隐蔽性复制-粘贴盲取证算法。算法首先对彩色图像进行预处理,即建立彩色LBP纹理图像,从而实现彩色信息与LBP纹理特征的融合;其次重迭分块并提取灰度共生矩阵特征(Gray Level Co-occurrence Matrix);最后,提出改进的kd树和超平面划分标记split搜索方法,快速匹配图像块,并应用形态学操作去除误匹配,精确定位复制-粘贴区域。实验结果表明,本算法对隐蔽性复制-粘贴篡改定位准确,并对模糊、噪声、JPEG重压缩后处理操作有很好的鲁棒性。2.基于多尺度ORB特征的复制-粘贴盲取证算法二进制特征(Binary Features)具有快速提取和高匹配率特性,是近年来流行的特征描述子,其中,ORB(Oriented FAST and Rotated BRIEF)具有平移、旋转、扭曲不变性,但不具有尺度不变性,对包含缩放操作的复制-粘贴篡改鲁棒性较差。基于此,针对目前图像复制-粘贴盲取证算法误匹配高、鲁棒性差的问题,本文提出基于多尺度二进制特征描述符ORB的复制-粘贴盲取证算法。本算法首先建立高斯尺度空间,其次分别对尺度空间提取o FAST(oriented FAST)特征点和ORB特征;然后,将o FAST特征点还原映射到初始图像,并根据海明距离匹配ORB特征;最后应用随机抽样一致(RANSAC)算法去除误匹配对,定位复制-粘贴篡改区域。实验结果表明,本算法不仅能抵抗尺度变换、旋转等几何变换,并且对模糊、噪声、JPEG重压缩等后处理具有较好的鲁棒性,同时对较难检测的隐藏痕迹类篡改图像有较好的效果。3.区分SGO真实图像和复制-粘贴篡改图像的盲取证算法自然场景中经常包含两个或多个相似但真实的目标(Similar but Genuine Objects,SGO),如商标、建筑等,给传统的复制-粘贴篡改盲取证算法带来巨大的挑战。现有的复制-粘贴图像库仅包含旋转、尺度变换等几何变换和噪声、模糊、JPEG重压缩等后处理操作,没有探讨存在多个SGO的情况。基于此,本文首先提出一个新的复制-粘贴篡改图像库(Copy-move forgery database,COVERAGE),该图像库包含100幅SGO的真实图像和其对应的复制-粘贴篡改图像,并采用平移、尺度变换、旋转、自由变换、光照变换(线性和非线性光照变换)、组合变换共6种篡改操作。通过对SGO真实图像和复制-粘贴篡改图像研究发现,SGO真实图像的相似目标区域不存在复制-粘贴篡改区域的仿射变换矩阵,基于此,本章提出区分SGO真实图像和复制-粘贴篡改图像的盲取证算法。4.针对光照变换的复制-粘贴盲取证算法针对目前复制-粘贴篡改盲取证算法对光照变换操作鲁棒性较差的问题,本文首先提出基于最大稳定极值区域(Maximally Stable Extremal Regions,MSERs)和局部灰度序模式(Local Intensity Order Pattern,LIOP)的复制-粘贴盲取证算法。局部灰度序模式LIOP对线性光照变换表现出较好的不变性,但对复杂光照变换鲁棒性较差。因此,针对非线性光照变换操作,本文提出基于DOG区域和混合灰度序模式(Mixed Intensity Order Pattern,MIOP)的复制-粘贴篡改盲取证算法,混合灰度序模式MIOP是全局灰度序模式(Overall Intensity Order Pattern,OIOP)和局部灰度序模式LIOP的融合,在局部特征计算中使用了与方向无关的采样策略,具有几何旋转不变性,并且对复杂光照变换具有较好的鲁棒性。(本文来源于《吉林大学》期刊2017-06-01）
施寅飞[3]（2016）在《基于数字图像统计特征的盲取证技术研究》一文中研究指出人们可以通过听觉、视觉、味觉等多种途径获得外界信息,其中来自于视觉的信息大约占80%。数字图像作为视觉信息最为常见的载体,它传递出来的信息比通过其它途径获取的信息更为准确和真实。然而随着数码相机、个人电脑的普及,人们看到的图片可能是经过图像编辑软件恶意伪造和篡改后的图片,因此人们获取可靠和真实信息的重要途径受到严重威胁。数字图像盲取证是一种在待测图像未嵌入数字水印、数字签名、数字指纹等先验知识的情形下对其真实性以及来源进行鉴别的技术。本文研究了数字图像统计特征对数字图像盲取证的影响以及提出了一种新的自然图像和计算机生成图像的盲取证算法。首先,通过Benford定律研究了离散余弦变换(Discrete Cosine Transform,DCT)系数的选择对自然图像和计算机生成图像鉴别的影响,仿真结果表明:在使用相同判据和最佳阈值的情况下,自然图像和计算机生成图像的分类准确率随着选择的图像DCT高频系数的增多而先提高,然后达到最大值,之后随着DCT低频系数逐渐增多,分类准确率下降,因此体现图像细节的DCT高频系数更有益于图像分类准确率的提高;在使用最佳判据和最佳阈值的情况下,利用灰度图对自然图像和计算机生成图像进行分类,其准确率最高,图像的绿色(green,G)通道次之,红色(red,R)通道和蓝色(blue,B)通道都较差。然后,研究了DCT系数的选择对拼接图像鉴别的影响,仿真结果表明:从最高频往低频选择DCT系数,随着低频分量的增加,两类图像的分类准确率变化不大;从最低频往高频选择DCT系数,随着能够捕捉拼接图像锐利边缘的高频细节分量增加,两类图像的分类准确率有较大的改善;当选择相同数量的DCT系数时,从最高频向低频选择DCT系数方案的分类准确率普遍优于从最低频向高频选择DCT系数方案的分类准确率。最后,提出了一种基于图像分层模型无序度的自然图像和计算机生成图像的盲取证算法。通过提取数字图像的每个二进制图层的无序度特征,用这些特征训练支持向量机并对待测数字图像的类别进行预测,仿真结果表明:通过将二进制图层划分为合适长度的子序列计算图层的无序度,上述两类图像的分类准确率可达82.80%,受试者工作特征曲线(receiver operating characteristic curve,ROC)下面积(area under the ROC curve,AUC)值为0.8982,分类器性能属于良好,逼近优秀,对自然图像和计算机生成图像具有较好的分类效果。(本文来源于《南京邮电大学》期刊2016-11-18）
刘肖[4]（2016）在《数字图像拼接篡改的盲取证技术研究与应用》一文中研究指出当今时代,数字图像已成为承载和传播信息最重要的数字载体之一,数字图像处理技术的兴盛也造就了一大批简单而强大的图像处理软件。人们在使用图像处理技术美化生活的同时,一系列以扭曲事实为目的图像造假事件也屡屡发生,对社会造成恶劣影响。鉴于此,数字图像取证技术的发展势在必行,而从图像内容本身出发的盲取证技术则是目前的研究热点。本文在研究数字图像盲取证技术基础上,对不同幅图像拼接篡改的盲取证进行了深入研究。主要工作包括以下叁个方面:1.通过研究现有的图像拼接篡改的盲取证方法,总结出图像拼接篡改盲取证流程,并研究流程各个过程中使用到的主要方法。首先是研究特征提取部分,尤其是主流的马尔可夫特征提取和灰度共生矩阵特征提取,从中了解到两种特征提取的过程和实现中所需要注意的参数设置等细节内容,并且独自用代码实现特征提取方法。然后研究支持向量机分类算法,了解算法的实现过程,并且仔细研究了LIBSVM软件包,从中学习支持向量机的训练过程和交叉验证、网格搜索。2.通过研究现有的图像拼接检测算法发现在图像拼接检测部分存在方法单一和计算复杂度高的问题,并且发现在所有参数优化方法中,粒子群算法有收敛速度快的特点,能够降低计算时间。因此提出了一种基于粒子群算法的图像拼接检测算法,从理论和实验两个部分分别论证粒子群算法应用到图像拼接检测算法中的优势。3.设计实现了一个图像拼接篡改的盲取证系统,该系统能够清晰展现图像拼接篡改盲取证流程的实现过程。首先是输入图像,然后展示两种特征提取的过程和图像拼接检测过程,最后展示支持向量机的鉴别结果和粒子群算法的适应度曲线。(本文来源于《重庆邮电大学》期刊2016-05-28）
杨帆帆[5]（2016）在《基于插值的拼接图像盲取证技术研究》一文中研究指出目前,数字图像正面临着被随意篡改和伪造的威胁,这使得“以照片为证”“眼见为实”的观念被完全打破。因此,探索并了解图像中具有的真实性和可信度非常重要。传统的主动取证技术,如数字水印等需要预先对图像进行处理,使得此技术在实际中的应用具有一定的局限性。为此,本文研究一种不依赖标识信息的取证技术——数字图像盲取证。在图像获取和图像缩放等过程中,图像采样被广泛使用,而图像插值在此过程中具有不可或缺的作用。此外,图像拼接是数字图像篡改中最常用的手段之一。因此,本文围绕数字图像盲取证中的真实性检测问题,对基于插值的拼接图像盲取证理论和技术进行了深入研究。本论文首先详细介绍了彩色图像的成像原理,重点研究了Bayer模式的彩色滤波阵列(Color Filter Array, CFA)及其插值原理,探索了图像处理中常用的插值方法和不同插值方法下信号的形态,为开展图像盲取证工作提供了理论依据。为进一步验证图像插值信号的特性,推导了插值信号导数方差和协方差的周期性。基于周期性和Radon变换对图像插值进行检测,提出的算法可对感兴趣区域进行插值检测,也可对整幅图像进行检测。仿真实验表明,提出的算法可以对不同来源图像、经过不同插值算法和不同图像处理软件处理后的图像进行检测,并可通过手动圈出可疑区域,对篡改图像进行插值检测。为进一步实现篡改区域的全自动检测和定位,并提高检测的准确率,提出了基于双立方插值和高斯混合模型(Gaussian Mixture Model, GMM)(?)勺拼接图像盲取证算法。为减小预测误差,采用双立方插值估计原始图像。研究了插值信号的均值和方差规律特性,并基于预测误差的方差提取特征,采用GMM对不同位置的特征进行建模,利用期望最大化(Expectation Maximization, EM)算法估计模型中的参数。仿真实验表明,本文所提算法可成功对拼接图像的篡改区域进行自动定位,并提高检测的准确率。(本文来源于《山东大学》期刊2016-05-22）
赵洁,刘萌萌,武斌,翟大伟[6]（2016）在《数字图像区域复制篡改的盲取证技术研究进展》一文中研究指出由于盲取证技术不需要任何预先嵌入的认证信息,而仅根据图像本身的统计特性就能鉴别数字图像的原始性、真实性和完整性,已经成为数字媒体安全领域的研究热点.文中介绍了数字图像中常见的区域复制篡改方式,分析实际篡改过程中可能涉及到的图像处理操作,总结归纳了区域复制篡改盲取证方法的一般流程.最后,指出现有目前方法存在的问题,并对盲取证技术未来的研究方向进行展望.(本文来源于《华侨大学学报(自然科学版)》期刊2016年01期）
张艳华[7]（2015）在《数字图像复制粘贴盲取证技术研究》一文中研究指出随着各种数字图像获取设备的普及,数字图像在社会各领域得到了广泛应用。但各种图像处理软件的不断出现,使得数字图像能够被轻而易举地篡改,这导致越来越多的伪造图像出现在人们的生活中,在社会各领域都带来了严重的不良影响,从而引起社会各界对图像篡改取证技术发展的广泛关注。数字图像盲取证是在没有任何先验信息的前提下,对图像的真伪进行鉴定的技术。图像复制粘贴篡改盲取证技术的研究是图像盲取证领域中一个备受瞩目的课题。复制粘贴通常是通过复制图像的某一小块区域粘贴到同图的其他位置上。由于被复制的区域来自于同一幅图像中,隐蔽性较好,不易被人察觉并且很容易操作,因此复制粘贴是应用较多的一种篡改手段。针对图像复制粘贴篡改的取证,虽然已有许多专业人士提出了各自的方法,但仍然存在许多挑战性的问题。本文对现有典型的复制粘贴篡改检测算法进行了定性的分析,从解决一般算法中匹配运算复杂度高、未考虑存在翻转处理的篡改、多重复制粘贴检测以及篡改区域定位精度低等问题为出发点,定性分析了SIFT算法的特点并进行了鲁棒性验证,并基于SIFT特征对数字图像复制粘贴篡改检测算法进行了相应的研究。利用Photoshop制作了测试集,在图像篡改操作中,复制和粘贴区域都是随机选择的,排除算法受图像内容的影响的可能。本论文取得的研究成果主要包括以下两个方面:一、针对现有基于SIFT的图像复制粘贴篡改盲检测方法中存在的匹配速度慢的问题,提出了一种有效的特征匹配方法——ng2NN(new generalization 2 Nearest Neighbor),同时引入了快速ZNCC(Zero Mean Normalized Cross Correlation)的策略,实现了篡改区域的快速精确定位。ng2NN是多近邻搜索策略-g2NN(generalization 2 Nearest Neighbor)的改进,即首先对关键点集合进行递归分半处理,然后在每一对分半组合中进行g2NN特征匹配。在检测算法中,首先提取SIFT特征,接着进行ng2NN特征匹配,其次将匹配对进行J-linkage聚类,根据聚类结果求出复制块与粘贴块之间的仿射变换模型。最后将待测图进行仿射变换,用快速ZNCC的策略估计出待测图与变换图之间的相关性,基于图像相关性信息对目标区域进行快速精确定位。从实验结果可以看出,改进后的算法效率大大提高,得到了较好的篡改区域定位效果且对多重复制粘贴仍有效。二、针对现有复制粘贴篡改检测方法大都未考虑存在翻转的情况,提出了一种抗翻转的图像复制-粘贴篡改检测算法。通过图像预处理操作,应用SIFT特征不仅能够检测出一般的复制粘贴篡改,而且对欺骗性更强的复制-翻转-粘贴的检测仍有效,并能抵抗旋转、缩放等图像处理行为,对多重复制粘贴的情况仍有效。(本文来源于《宁波大学》期刊2015-06-16）
刘劲[8]（2015）在《面向真实性鉴别的数字图像盲取证技术研究》一文中研究指出由于数字图像的易于复制和编辑并能迅速通过网络传输的特性,数字图像已经成为重要的信息载体,渗入了人们生活的各个领域,包括新闻媒体、科学研究和政治法律等。但数字图像处理技术的高速发展,也使得图像的篡改变得更容易,别有目的的受篡改的数字图像的传播对人们生活造成许多不利的影响。因此,如何鉴别一副数字图像是否经历过篡改,成为数字时代一项亟需解决的问题。数字图像取证技术指的是通过一定的技术方法,判断一副数字图像的来源、是否经历了篡改等问题,可以分为数字图像主动取证技术和数字图像盲取证技术两类。其中,数字图像主动取证技术的研究主要溯源与数字水印技术,其主要思想是对数字图像进行预处理,在其中添加数字水印,通过检测数字图像中的水印是否遭到了破坏来判断数字图像是否受到了篡改处理。图像盲取证不需要预先对待检测的图像嵌入数字签名,而是通过对图像自身的信息进行分析来达到对图像进行取证检测的目的。数字图像盲取证的理论依据在于,一旦对图像进行了篡改,必然会改变图像的本质特性,尤其是统计方面的特征。由于数字图像盲取证技术不需要对数字图像进行预处理,而是通过研究数字图像的拍摄衍生特征,或研究数字图像本身包含的特征,来判断图像是由何种成像设备生成,或者图像是否经历了某种篡改,因此,拥有更好的应用前景。针对数字图像盲取证技术目前存在的问题,首先简要概述了盲取证技术的相关方法和理论,然后分析了现有方法的不足,即现有盲取证技术大多解决的是图像的完整性鉴别问题或图像源鉴别问题,而没有解决人们更为关心的图像内容篡改的鉴别问题。提出了面向真实性鉴别的数字图像盲取证的重要性,并藉此厘清了本文的研究动机和研究目的,选择了克隆检测和拼接检测这两种最为典型的面向真实性鉴别的盲取证技术做深入研究。针对数字图像盲取证研究中的克隆检测,提出了基于多分辨率直方图的图像克隆检测技术。该方案利用多分辨率直方图良好的鲁棒性以及能够表达空间信息的特性,对目标图像重迭分块并提取224维特征,进而构成特征矩阵,通过对特征矩阵进行比对处理判断目标图像中是否存在相同或相似图像块。实验表明,该算法能有效检测图像中的克隆篡改操作,且能抵抗JPEG压缩和噪声添加。针对数字图像盲取证研究中的拼接检测,将判断一副数字图像是否经历了拼接操作的问题,转换成判断多副图像怎样分为经历了拼接操作的篡改图像和未经历篡改操作的自然图像两类情况的二值分类问题。通过分析对数字图像进行拼接操作所产生的图像特性变化,提出了在机器学习框架下的数字图像拼接检测技术。将受拼接与否已知的图像集作为训练图像集,利用SVM对训练图像集数据进行训练获得预测模型,然后利用所得模型对测试图像进行预测,判断所测试图像是自然图像还是篡改图像。实验表明,该算法的指标与所对比算法有一定优势。克隆操作和拼接操作可以看做在同一副图像或不同图像中生成了原始图像中部分图像的拷贝,可以考虑用局部拷贝检测的思想解决这两张操作的检测问题。因此,提出了基于局部拷贝检测的盲取证算法。一方面,通过特征融合提取精准特征,保证检测的准确性；另一方面,通过基于机器学习的感知哈希将特征映射为紧凑的哈希码,提高检测的效率。以上一系列技术方法能有效解决面向真实性鉴别的数字图像盲取证问题。但展望海量数字图像在互联网高速传播的未来,仍需继续完善数字图像盲取证技术框架、探索数字图像真实性相关的图像语义、研究利用互联网用户反馈信息帮助数字图像取证的方法等来提高面向真实性鉴别的数字图像盲取证技术的性能。(本文来源于《华中科技大学》期刊2015-05-21）
康媛[9]（2015）在《JPEG图像篡改盲取证技术及相关问题的研究》一文中研究指出随着数字技术的发展,图像编辑软件以及图像获取设备被广泛应用和不断更新,即使不具备数字图像专业知识的人也可以轻易地篡改图像并且难以用肉眼识别,而如果这些篡改图像被滥用于司法认证或者新闻媒体等中时,会造成一系列的问题,如：影响社会发展、政治稳定等。由于JPEG作为数字图像最常用的存储格式,因此针对JPEG图像的篡改取证技术的研究显得颇为重要。本文的主要工作内容如下：(1)提出了一种基于压缩块效应的图像盲取证方法。在JPEG图像压缩过程中,将图像分成8×8大小的不重迭块,并用量化表中对应的量化系数进行量化,通过研究发现由于量化表的高频系数和低频系数相差较大,这些图像块在量化过程中会呈现出一种特性,这种特性主要出现在经历过JPEG压缩的图像中。本文利用此特性,提出一种基于压缩块效应的盲取证方法,该方法不需要任何先验条件就可以判别待测图像是否为篡改图像。(2)提出了一种基于量化表的JPEG图像取证及篡改定位的方法。由于篡改图像由篡改区域和背景区域两部分组成,首先,通过建立并不断完善量化表数据库的方式,结合已有的估计原始量化表的方法,将计算得到的量化表与数据库中的量化表相匹配得到准确的量化表,即得到背景区域所在原始图像的量化表。经过研究发现将篡改图像利用背景区域所在图像的量化表压缩后背景区域会产生JPEG Ghosts效应,在此效应的基础上提出一种基于量化表的JPEG图像取证及篡改定位的方法。该方法能够有效地检测JPEG格式的篡改图像并标记出篡改区域,同时具有较强的鲁棒性,即使篡改区域经过变形、放缩、模糊等操作,该方法同样有效。(本文来源于《湖南师范大学》期刊2015-05-01）
刘丽娟[10]（2014）在《数字图像篡改盲取证技术研究》一文中研究指出数字图像以其直观、即时以及易处理等特点成为现代多媒体领域重要形式之一。然而,随着数字技术以及图像处理软件的日益发展,普通用户也能轻易地对图像进行篡改,社会各领域频繁出现图像造假现象,数字图像的真实性和完整性受到质疑,数字图像取证技术成为目前安全领域的研究热点。目前,比较流行的图像格式是JPEG压缩格式,因此,论文针对篡改前后图像存储格式是否为JPEG格式,把图像篡改模型分成叁类,即未压缩、单压缩和重压缩,其中重压缩图像又可依据前后两次压缩的DCT网格偏移分成对齐重压缩(A-JPEG)和非对齐重压缩(NA-JPEG)。根据这四种篡改模型,提出基于噪声估计和量化表不一致性的数字图像篡改取证方法,具体内容如下：(1)提出一种基于背景噪声估计的图像篡改取证方法。利用图像偏度统计特性分块估计噪声标准差,检测出噪声异常部分为篡改区域。提出用微分求值法解决背景噪声估计算法中最优值求解问题,避免局部极小值出现。该方法解决了高阶统计算法中必须已知原始信号的问题,并有效避免图像细节部分对噪声标准差的干扰,提高了噪声估计的正确率。(2)提出一种基于量化表不一致的单压缩图像篡改取证方法。研究单压缩情况下离散余弦变换(DCT)直方图特性,改进原始量化表估计算法,进一步利用估计出的原始量化表实现篡改取证,算法中还涉及到图像后处理生成二值图像。实验结果表明,改进算法能实现直流(DC)分量的量化步长估计,并提高量化表估计的正确率,且能准确定位篡改区域。(3)提出一种基于量化表不一致的对齐重压缩图像篡改取证方法。利用直方图特性实现原始量化步长估计,研究对齐重压缩效应,最后根据两次量化表的关系分两种情况实现篡改区域检测。实验结果表明,当第一次压缩的量化步长大于第二次压缩的量化步长时,提出的算法几乎不受背景细节影响。(4)提出一种基于量化表不一致的非对齐重压缩图像篡改取证方法。首先通过估计两次压缩的网格偏移量确定第一次压缩网格,然后通过DCT系数直方图的周期性求出第一次压缩时的量化步长,最后通过直方图后验概率确定篡改区域。实验结果表明,当两次压缩的质量因子差达到25以上时,正检率达90%以上,且该算法能检测较小尺寸图像。(5)综合以上四种取证方法,提出一套数字图像篡改盲取证系统框架。该系统算法能实现四种篡改情况下篡改区域的自动检测与定位。(本文来源于《北京化工大学》期刊2014-06-04）
盲取证技术论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着数字图像获取设备的日益普及,图像成为人们日常生活中获取新闻、信息的重要渠道。同时,伴随着Photo Shop等众多图像编辑工具的发展,越来越多的人可以轻松方便地对图像进行编辑,如拼接合成、背景渲染、区域复制等等,带给人们生活丰富的乐趣。但近年来,在新闻报道、学术研究、法庭证据等要求图像完全真实的场所,部分人滥用编辑篡改过的图像,达到混淆视听、自私利己的目的,严重者已触犯法律。基于此,图像篡改取证技术成为近年来研究的热点。本文对图像篡改中的常见手段复制-粘贴篡改进行研究,具体内容如下:1.基于彩色LBP的隐蔽性复制-粘贴篡改盲取证算法现有的复制-粘贴盲取证算法对彩色图像的预处理包括:○1将彩色图像转换为灰度图像,完全舍弃了图像的彩色信息,降低了篡改检测精度;○2对彩色图像的叁个通道分别进行处理,计算量是单通道的叁倍,大大增加了算法运行时间。基于此,本文提出基于彩色局部二值模式(Color Local Binary Patterns)图像和改进的kd树超平面划分标记split搜索方法的隐蔽性复制-粘贴盲取证算法。算法首先对彩色图像进行预处理,即建立彩色LBP纹理图像,从而实现彩色信息与LBP纹理特征的融合;其次重迭分块并提取灰度共生矩阵特征(Gray Level Co-occurrence Matrix);最后,提出改进的kd树和超平面划分标记split搜索方法,快速匹配图像块,并应用形态学操作去除误匹配,精确定位复制-粘贴区域。实验结果表明,本算法对隐蔽性复制-粘贴篡改定位准确,并对模糊、噪声、JPEG重压缩后处理操作有很好的鲁棒性。2.基于多尺度ORB特征的复制-粘贴盲取证算法二进制特征(Binary Features)具有快速提取和高匹配率特性,是近年来流行的特征描述子,其中,ORB(Oriented FAST and Rotated BRIEF)具有平移、旋转、扭曲不变性,但不具有尺度不变性,对包含缩放操作的复制-粘贴篡改鲁棒性较差。基于此,针对目前图像复制-粘贴盲取证算法误匹配高、鲁棒性差的问题,本文提出基于多尺度二进制特征描述符ORB的复制-粘贴盲取证算法。本算法首先建立高斯尺度空间,其次分别对尺度空间提取o FAST(oriented FAST)特征点和ORB特征;然后,将o FAST特征点还原映射到初始图像,并根据海明距离匹配ORB特征;最后应用随机抽样一致(RANSAC)算法去除误匹配对,定位复制-粘贴篡改区域。实验结果表明,本算法不仅能抵抗尺度变换、旋转等几何变换,并且对模糊、噪声、JPEG重压缩等后处理具有较好的鲁棒性,同时对较难检测的隐藏痕迹类篡改图像有较好的效果。3.区分SGO真实图像和复制-粘贴篡改图像的盲取证算法自然场景中经常包含两个或多个相似但真实的目标(Similar but Genuine Objects,SGO),如商标、建筑等,给传统的复制-粘贴篡改盲取证算法带来巨大的挑战。现有的复制-粘贴图像库仅包含旋转、尺度变换等几何变换和噪声、模糊、JPEG重压缩等后处理操作,没有探讨存在多个SGO的情况。基于此,本文首先提出一个新的复制-粘贴篡改图像库(Copy-move forgery database,COVERAGE),该图像库包含100幅SGO的真实图像和其对应的复制-粘贴篡改图像,并采用平移、尺度变换、旋转、自由变换、光照变换(线性和非线性光照变换)、组合变换共6种篡改操作。通过对SGO真实图像和复制-粘贴篡改图像研究发现,SGO真实图像的相似目标区域不存在复制-粘贴篡改区域的仿射变换矩阵,基于此,本章提出区分SGO真实图像和复制-粘贴篡改图像的盲取证算法。4.针对光照变换的复制-粘贴盲取证算法针对目前复制-粘贴篡改盲取证算法对光照变换操作鲁棒性较差的问题,本文首先提出基于最大稳定极值区域(Maximally Stable Extremal Regions,MSERs)和局部灰度序模式(Local Intensity Order Pattern,LIOP)的复制-粘贴盲取证算法。局部灰度序模式LIOP对线性光照变换表现出较好的不变性,但对复杂光照变换鲁棒性较差。因此,针对非线性光照变换操作,本文提出基于DOG区域和混合灰度序模式(Mixed Intensity Order Pattern,MIOP)的复制-粘贴篡改盲取证算法,混合灰度序模式MIOP是全局灰度序模式(Overall Intensity Order Pattern,OIOP)和局部灰度序模式LIOP的融合,在局部特征计算中使用了与方向无关的采样策略,具有几何旋转不变性,并且对复杂光照变换具有较好的鲁棒性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
盲取证技术论文参考文献
[1].王莉莉,张建军.网络入侵节点的盲取证技术研究与仿真[J].现代电子技术.2019
[2].朱叶.数字图像复制—粘贴篡改盲取证关键技术研究[D].吉林大学.2017
[3].施寅飞.基于数字图像统计特征的盲取证技术研究[D].南京邮电大学.2016
[4].刘肖.数字图像拼接篡改的盲取证技术研究与应用[D].重庆邮电大学.2016
[5].杨帆帆.基于插值的拼接图像盲取证技术研究[D].山东大学.2016
[6].赵洁,刘萌萌,武斌,翟大伟.数字图像区域复制篡改的盲取证技术研究进展[J].华侨大学学报(自然科学版).2016
[7].张艳华.数字图像复制粘贴盲取证技术研究[D].宁波大学.2015
[8].刘劲.面向真实性鉴别的数字图像盲取证技术研究[D].华中科技大学.2015
[9].康媛.JPEG图像篡改盲取证技术及相关问题的研究[D].湖南师范大学.2015
[10].刘丽娟.数字图像篡改盲取证技术研究[D].北京化工大学.2014