摘  要： 為了定位篡改區域，提出了一種新的方法來檢測這種篡改。首先利用JPEG圖像的塊效應來檢測是否經過裁剪，然后利用篡改區域與未篡改區域的不一致性來檢測圖像篡改并且定位篡改區域。實驗結果表明，這種方法有非常好的效果，對圖像質量因子較低的圖像同樣有效。
關鍵詞： 裁剪；合成；不一致

　隨著科技的進步，人們的生活水平不斷提高，數碼相機的價格越來越低廉，同時操作簡單的圖像處理軟件的廣泛的應用，使得越來越多的人對圖片進行處理和修飾，一些別有用心的人也利用圖像處理軟件對數字圖片進行篡改、偽造，以達到惡意制造虛假新聞、攻擊他人等目的，以至于JPEG圖像篡改的研究成為熱點[1-2]。
　針對JPEG壓縮特性，研究者提出了很多被動取證的方法。FARID H提出在像素域進行JPEG合成圖像檢測的方案[3]，將待檢測的JPEG合成圖像以不同的質量因子重新壓縮，比較其與待檢測圖像的差別。洛維奇等提出一種新方法檢測圖像裁剪[4]，但是不能檢測裁剪4行4列的圖像。本文利用JPEG圖像在頻域下的塊效應能解決這種情況。參考文獻[5]利用量化后的DCT系數分布不同來區分是否經過二次JPEG壓縮，同時也為本文剪裁的方法提供了有力的證據。很多學者利用塊效應來定位篡改區域[6-7]。Ye Shuiming[8]和李晟[9]則用一次壓縮的質量因子對圖像進行再壓縮，篡改區域的壓縮失真會大于非篡改區域，通過度量這種失真的不一致性，實現JPEG圖像的篡改檢測。利用篡改區域與未篡改區域塊效應不一致性來定位篡改區域。參考文獻[10]~[12]則利用量化表來定位篡改區域，但是對最后一次壓縮質量因子很小的情況檢測失效。本文利用篡改區域與非篡改區域是否錯位和塊效應不一致相結合的方法來定位篡改區域。本文提出的方法更有效，即使在最后一次壓縮質量因子很小的情況下也能檢測并定位篡改區域。
1 JPEG圖像的合成偽作模型
　篡改方式有很多種，主要有合成、變體潤飾、增強、計算機生成和繪畫，其中合成圖像是最常見的一種偽造手段。JPEG圖像剪裁即將一幅JPEG圖像裁剪成m行n列，從而使很多篡改算法失效，只有知道剪裁的行列數，才能精確定位篡改區域。裁剪模型如圖1所示。JPEG圖像合成即將一幅JPEG圖像中的某個區域復制粘貼到另外一幅JPEG圖像中的某個區域，然后再保存為JPEG格式的圖像。圖2所示為JPEG圖像的合成偽造模型，原始圖像1、原始圖像2和合成圖像的質量因子分別為QF0、QF1和QF2，圖中的每個網格單元表示8×8的子塊，假設區域1的坐標為（x1，y1），區域2的坐標為（x2，y2），令m1=mod（|x1-x2|，8），m2=mod（|y1-y2|，8），假設m1、m2在[0，7]范圍內服從均勻分布，那么p（m1=0&m2=0）=1/82=1.562 4%，說明區域1與區域2的8×8分塊位置一致的概率很低，且實際中為了獲得較好的拼接效果，往往要求將區域1放置在特定的位置，很難照顧到分塊位置的一致性。因此可以認為，在篡改區域普遍存在分塊位置不一致的問題。本文提出的方法正是利用這一點來檢測篡改區域。

　在判斷圖像剪切的基礎上，提出了一種新的檢測圖像是否經過篡改，定位篡改區域，并且有很好的效果。但是此算法的缺點是對篡改區域較小的圖像沒有作用，如果篡改區域與未篡改區域沒有錯位，將影響實驗效果，但這種概率很小，基本忽略不計。本文對篡改區域定位效果明顯，對質量因子要求比同類算法低，并且有很好的效果。
參考文獻
[1] FARID H． Image forgery detection[J]． IEEE Signal Processing Magazine， 2009，26（2）：16-25.
[2] FRIDRIEH J． Digital image forensics[J]． IEEE Signal Processing Magazine， 2009，26（2）：26-37．
[3] FARID H． Exposing digital forgeries from JPEG ghosts[J]．IEEE Transactions on Information Forensics and Security，2009，4（1）：154-160．
[4] Luo Weiqi. A novel method for detecting cropped and recompressed image block[C]. Proceedings of ICASSP， 2007（2）：217-220.
[5] Chen Yilei， Hsu Chiouting. Detecting recompression of JPEG images via periodicity analysis of compression artifacts for tampering detection[J]. IEEE Transactions on Information Forensics and Security， 2011，6（2）：396-406.
[6] 吳首陽，俞能海，李衛海.基于塊效應的合成圖像盲檢測[J].計算機研究與發展，2009，46（增刊）：196-199.
[7] 鄭二功，平西建.針對一類圖像篡改的被動盲取證[J].電子與信息學報，2010，36（2）：394-399.
[8] Ye Shuiming， Sun Qibin， Chang Eechien. Detecting digital image forgeries by measuring inconsistencies of blocking artifact[C]. IEEE International Conference on Multimedia and Expo Proceedings， 2009：12-15.
[9] 李晟，張新鵬.利用壓縮特性的合成圖像檢測[J].應用科學學報，2008，26（3）：281-287.
[10] BIANCHI T， ROSA A D， PIVA A. Improved DCT coefficient analysis for forgery localization JPEG images[C]. Proceedings ICSSSP， 2011： 2444-2447.
[11] LIN S， CHANG M，  CHEN Y. A passive-blind forgery detection scheme based on content-adaptive quantization table estimation[J]. IEEE Transactions on Circuits System Video Technology， 2011， 21（4）：421-434.
[12] BIANCHI T， PIVA A. Image forgery localization via block-grained analysis of JPEG artifacts[J]. IEEE Transactions on Information Forensics Security， 2012，7（3）：1003-1017.