数字图像鲁棒隐写综述

随着智能设备和社交网络的飞速发展,通过网络传输的数字图像成为了实施隐蔽通信的新型重要载体,适应网络信道的图像隐写技术有望成为开放网络环境下可靠、隐蔽传递信息的一种重要方式。然而,数字图像通过Facebook、Twitter、微信、微博等社交网络传输的过程中,往往会遭受压缩、缩放、滤波等处理,对传统信息隐藏技术在兼顾鲁棒性与抗检测性方面提出了新的挑战。为此,研究者经过多年的努力探索,提出了可抵抗多种图像处理攻击和统计检测的新型鲁棒隐写技术。本文结合网络有损信道中隐蔽通信应用需求,对现有的数字图像鲁棒隐写技术进行综述。首先简要介绍本领域的研究背景,并从图像水印和隐写两方面对图像信息隐藏技术的基本概念、相关技术和发展趋势进行了简要总结。在此基础上,将图像鲁棒隐写技术的研究架构分为载体图像选择、鲁棒载体构造、嵌入代价度量、嵌入通道选择、信源/信道编码以及应用安全策略等方面,并分别对相关方法的基本原理进行了归纳和阐述。随后,对具有代表性的相关方法进行了对比测试,并结合应用场景需求给出了推荐的鲁棒隐写方法。最后,指出了数字图像鲁棒隐写技术有待进一步研究解决的问题。     

基于DWT和SUDOKU的多功能数字图像水印算法

传统的水印算法一般都是单功能的,在实用中很难满足,为了实现对数字图像的双重保护,提出了一种基于DWT和数独SUDOKU的多功能鲁棒-脆弱数字图像水印算法。首先,通过修改图像子块的小波域系数的值,将鲁棒水印嵌入到数字图像中以实现数字图像的版权保护功能。然后,基于数独模型,将脆弱水印信息嵌入到图像空域中以实现数字图像的篡改定位功能。仿真实验结果表明,该多功能数字图像水印算法把鲁棒水印和脆弱水印有效的统一起来,嵌入两种水印后的数字图像具有良好的不可见性,提取的鲁棒水印具有较强的抗攻击能力,而脆弱水印则能准确定位出篡改位置。     

基于DCT域的数字图像双水印算法

提出了一种基于DCT域的数字图像双水印算法,将鲁棒水印与脆弱水印同时嵌入到DCT的中低频系数中,鲁棒水印和脆弱水印的嵌入与顺序无关,且不相互影响.首先,对DCT变换后的系数按照它们的位置进行了特殊的分类,通过分类后每一类中正负号的数量来表达鲁棒水印信息,增强了算法的鲁棒性.对相同的DCT 系数使用邻近值比较法嵌入脆弱水印.实验结果表明鲁棒水印可以实现了对图像载体的版权认证,脆弱水印实现了对图像载体的完整性保护和篡改定位.     

基于支持向量机和混沌序列的空域图像双水印

为解决图像同时具有版权保护和内容认证需求问题,提出了一种基于支持向量机的鲁棒水印和混沌序列与LSB相结合的脆弱水印的双重图像水印算法.利用图像邻域像素之间的相关性,通过训练回归型支持向量机模型实现鲁棒水印图像嵌入或提取操作.然后,再将已嵌入鲁棒水印的载体图像用最低有效位和混沌序列相结合的方法嵌入基于载体图像内容的脆弱水印.实验结果表明,该算法同时实现了图像的版权保护和内容篡改定位,提高了水印系统的安全性.     

一种基于H.264视频内容认证的水印算法

提出一种基于H.264视频内容认证的半脆弱水印,该水印方案对视频内容恶意篡改敏感,而对于视频重编码等内容保持操作鲁棒。水印方案建立在视频压缩域上利用图像块之间不变的能量关系构建基于内容的特征码。由于DCT系数块能量主要集中在低频部分,所以用低频部分来生成特征码,用高频部分来嵌入水印。实验结果证明算法是有效的,并且较好地实现了篡改定位。     

一个可用于完整性确认的数字图像水印算法

首先提出了一种鲁棒的、公开水印新算法,然后采用该新算法和LSB这两个不同的算法,在同一个载体图像中,同时加入了两个同样的自相似水印,一个是完全脆弱的水印,另一个则是鲁棒的水印.采用这种双重水印嵌入方案,通过对这两个分别是完全脆弱和鲁棒的水印的提取,并通过它们之间的对比和互相验证,可以达到鉴别对图像的篡改,以及对篡改的位置和篡改的内容进行识别,进而达到完整性确认的目的.     

下采样对数字图像伪造检测的影响分析

在数字图像伪造检测中,取证过程容易导致伪造痕迹丢失,造成图像内容鉴别困难。为此,研究数字图像伪造检测方法的可靠性。给出图像复制-移动伪造检测流程,分析下采样处理对图像伪造检测的影响。理论分析与实验结果表明,在一定情况下,下采样处理会移除数字图像的伪造痕迹,影响检测结果。     

生成对抗网络驱动的图像隐写与水印模型

目的 图像信息隐藏包括图像隐写术和图像水印技术两个分支。隐写术是一种将秘密信息隐藏在载体中的技术,目的是为了实现隐秘通信,其主要评价指标是抵御隐写分析的能力。水印技术与隐写术原理类似,但其是通过把水印信息嵌入到载体中以达到保护知识产权的作用,追求的是防止水印被破坏而尽可能地提高水印信息的鲁棒性。研究者们试图利用生成对抗网络（generative adversarial networks,GANs）进行自动化的隐写算法以及鲁棒水印算法的设计,但所设计的算法在信息提取准确率、嵌入容量和隐写安全性或水印鲁棒性、水印图像质量等方面存在不足。方法 本文提出了基于生成对抗网络的新型端到端隐写模型（image information hiding-GAN,IIH-GAN）和鲁棒盲水印模型（image robust blind watermark-GAN,IRBW-GAN）,分别用于图像隐写术和图像鲁棒盲水印。网络模型中使用了更有效的编码器和解码器结构SE-ResNet（squeeze and excitation ResNet）,该模块根据通道之间的相互依赖性来自适应地重新校准通道方式的特征响应。结果 实验结果表明隐写模型IIH-GAN相对其他方法在性能方面具有较大改善,当已知训练好的隐写分析模型的内部参数时,将对抗样本加入到IIH-GAN的训练过程,最终可以使隐写分析模型的检测准确率从97.43%降低至49.29%。该隐写模型还可以在256×256像素的图像上做到高达1 bit/像素（bits-per-pixel）的相对嵌入容量;IRBW-GAN水印模型在提升水印嵌入容量的同时显著提升了水印图像质量以及水印提取正确率,在JEPG压缩的攻击下较对比方法提取准确率提高了约20%。结论 本文所提IIH-GAN和IRBW-GAN模型在图像隐写和图像水印领域分别实现了领先于对比模型的性能。     

基于MPEG-Ⅰ/Ⅱ视频内容认证的半脆弱水印方案

提出了一种基于MPEG-Ⅰ/Ⅱ视频内容认证的半脆弱水印方案,该水印方案对视频内容恶意篡改敏感,对类似于视频重编码等内容保持操作鲁棒.水印方案完全建立在视频压缩域之上,利用视频图像块与块之间不变的能量关系构建基于内容的特征码,加上版权信息、控制信息生成完整的水印认证码,运用边信息通信方式嵌入视频VLC域.通过对提取出的水印信息和重构的认证码进行比较,实现了对视频的内容认证.该文最后给出了实验结果,证明了该方案的可行性.     

基于混沌的DWT域多功能图像数字水印算法

提出了一种基于混沌的DWT域多功能图像数字水印算法。原始水印分为鲁棒水印和半脆弱水印,分别用于版权保护和图像认证。根据不同的应用,鲁棒水印又分为容量小但鲁棒性要求相对高和容量大但鲁棒性要求相对低的两种,它们和半脆弱水印分别嵌入DWT域的不同部分。并利用广义猫映射置乱鲁棒水印和Logistic混沌系统生成半脆弱水印以提高安全性。实验表明,嵌入水印后的图像视觉质量好,其中鲁棒水印能抵抗各种常规图像处理,半脆弱水印能准确地检测并定位内容篡改。     

基于小波树的鲁棒—脆弱图像水印技术

为了实现数字图像的版权保护和篡改检测功能,提出一种鲁棒-脆弱水印算法.在小波变换后的图像中,由逼近子带的系数构造特征水印,并根据小波零树思想,嵌入到重要小波树的第一主分量中.提取的特征与水印进行比较不仅可确定图像的版权,而且可证明内容的完整性.实验表明,此算法不仅可以抵抗滤波、压缩、加噪、重量化等常见的图像处理操作,且在人的参与下,可以较好的定位图像的篡改.     

基于MPEG-I /II视频内容认证的半脆弱水印方案

提出了一种基于MPEG-I/II视频内容认证的半脆弱水印方案，该水印方案对视频内容恶意篡改敏感，对类似于视频重编码等内容保持操作鲁棒。水印方案完全建立在视频压缩域之上，利用视频图像块与块之间不变的能量关系构建基于内容的特征码，加上版权信息、控制信息生成完整的水印认证码，运用边信息通信方式嵌入视频VLC域。通过对提取出的水印信息和重构的认证码进行比较，实现了对视频的内容认证。该文最后给出了实验结果，证明了该方案的可行性。     

基于自适应提点鲁棒定位的图像复制粘贴篡改检测

复制-粘贴篡改检测(Copy-Move Forgery Detection, CMFD)是数字图像篡改的一种常见方式, 近年来已成为多媒体取证领域一个重要的研究方向. 本文提出一种鲁棒的复制-粘贴篡改检测算法, 基于构造波动函数自适应获取阈值的方法均匀提取图像特征点, 可在篡改区域小或平滑的情况下进行鲁棒检测. 引入DBQ-LSH匹配算法进行特征匹配, 降低了时间复杂度. 提出基于不变矩LBP图像的定位方法, 在图像受到噪声攻击和JPEG压缩攻击下能精准定位篡改位置. 实验结果表明, 该算法具有优良的检测正确率(图像级)和检测精度 (像素级).     

一种新颖的复合型盲水印算法

针对很多数字水印设计方案都是单水印嵌入的状况,提出了一种新的复合型图像水印技术。在图像作品里同时嵌入鲁棒水印和脆弱水印。这样,既对图像作品进行了版权保护,又能知道作品内容是否被篡改,实现了版权保护和内容认证的双重功能。两种水印的提取和检测工作都不需要原始图像就可以完成,是一种盲水印算法。仿真实验表明,该算法比较有效,具有很好的应用前景。     

基于光源颜色和噪声的图像拼接篡改检测方法

数字图像拼接篡改是一种常见的图像伪造手段.在图像取证中,检测拼接伪造仍然是一项艰巨的任务.现有的拼接伪造检测方法多根据一种图像特性的不一致检测并定位篡改区域,而实际拼接篡改伪造往往会造成多种图像特性的改变.针对现有单一特征提取不能充分反映拼接图像特性导致检测精确率低的问题,提出一种通过提取光源颜色和噪声的混合特征来定位...     

基于整数提升小波变换的多功能数字水印

针对大多数水印算法只具有单一的功能,提出了一种新的多功能数字水印算法。首先将图像进行整数提升小波变换,根据不同的嵌入算法调整自适应量化公式分别量化低频系数和水平方向的高频系数。然后将鲁棒水印嵌入到量化后的低频系数,用于版权保护,该水印嵌入方法并没有改变原图像内容,因此不影响第二个水印的嵌入和提取。采用系数抖动调制的方法将半脆弱水印嵌入到自适应量化后的水平方向的高频系数,用于内容认证。实验结果表明该算法能够很好地实现数字图像版权保护、篡改检测和定位。     

小波与DCT双重域的主动式数字图像内容鉴别方法

提出一种主动式数字图像内容鉴别方法.该方法嵌入鉴别水印和恢复水印,鉴别水印由伪随机数产生器生成,嵌入的鉴别水印与图像篡改位置存在本质联系,实现了对图像的篡改定位.同时利用图像小波变换的近似子带的DCT量化系数作为图像内容特征生成恢复水印信息,并隐藏在DWT系数之中,实现了对图像的篡改恢复.鉴别时引入对角扩展和去除孤立点技术来辅助篡改定位和恢复.实验证明,使用基于小波与DCT双重域的水印算法能较好地将对图像内容的恶意篡改和偶然失真区分开来,可以给出内容篡改的位置,并近似恢复出图像原始内容.     

用于图像认证的可恢复半脆弱数字水印

为了提高图像认证的可靠性,提出了一种用于图像内容认证的可恢复半脆弱数字水印方案,该方案不仅能鉴别数字图像内容的真实性,还可近似恢复图像中被篡改的区域。该方案基于半色调处理技术,首先将图像半色调处理后生成的二值水印图像经JBIG2压缩后作为嵌入水印,然后经量化索引调制嵌入小波域。用该方案嵌入水印后的图像,在检测时,不但可以定位图像中被篡改的区域,还可以对提取的恢复水印进行解压,并可通过逆半色调处理来重建原图像,用它的对应部分替换被篡改区域来实现对被篡改图像的篡改恢复。此外,由于该算法采用密钥来控制水印的嵌入位置,从而保证了水印的安全性;仿真实验是采用一般性操作和篡改操作相结合的方法,实验结果表明,该算法在保护数字图像内容真实性方面是可行的。     

数字视频区域篡改的检测与定位

目的 数字视频区域篡改是指视频帧图像的某个关键区域被覆盖或被替换,经过图像编辑和修补之后,该关键区域的修改痕迹很难通过肉眼来分辨。视频图像的关键区域承载了视频序列的关键语义信息。如果该篡改操作属于恶意的伪造行为,将产生非常严重的影响和后果。因此,视频区域篡改的检测与定位研究具有重要的研究价值和应用前景。方法 数字图像的复制粘贴篡改检测已经取得较大的研究进展,相关研究成果也很多。但是,数字视频区域篡改的检测与定位不能直接采用数字图像的复制—粘贴篡改取证算法。数字视频区域篡改检测与定位是数字视频被动取证研究领域中的一个新兴的研究方向,近年来越来越多的学者在该领域开展研究工作。目前,数字视频的区域篡改检测与定位研究还缺少完善的理论支撑和通用的检测与定位算法。在广泛调研最近几年的最新研究成果的基础上,对数字视频区域篡改的被动取证概念及重要性进行了介绍,将现有的数字视频区域篡改被动取证算法分为4类：基于噪声模式的算法、基于像素相关性的算法、基于视频内容特征的算法和基于抽象统计特征的算法。然后,对这些区域篡改检测与定位的算法进行对比分析,并介绍现有的视频区域篡改软件和算法,以及篡改检测算法的测试数据库。最后,对本研究领域存在的问题和挑战进行总结,并对未来的研究趋势进行展望。结果 选取了20篇文献中的18种算法,分别介绍每种算法的算法原理,并对这些算法进行对比分析。大部分的算法都宣称可以检测并定位出篡改可疑区域,但是检测和定位的精度、计算复杂度都各有差异。其中,基于时空域的像素相关性分析的算法具有较好的检测和定位效果,并且支持运动背景视频中的运动目标删除篡改检测和定位。基于光流平滑性异常的算法和基于运动目标检测的算法都是基于公开的视频篡改测试库进行比较测试的,两种算法都具有较好的检测和定位效果。基于隐写分析特征提取的集成分类算法虽然只能实现时域上的篡改定位,不能实现更精细的空域篡改定位,但是该算法为基于机器学习的大规模视频篡改取证研究提供了新思路和可能的发展方向,具有较大的指导意义。结论 由于视频编码压缩引入噪声,以及视频区域篡改软件工具和技术的改进,视频区域篡改检测和定位仍是一个极具挑战的课题。未来几年,基于视频内容特征和抽象统计特征的视频区域篡改检测和定位算法,有可能结合深度学习算法,得到进一步的研究和发展;相关的理论算法、系统模型和评价标准等研究成果将逐步完善。     

鲁棒视频水印研究进展

数字视频在当前通信世界中被认为是一种重要而有效的媒体,广泛应用于新闻、短视频和有线网络广播视频节目中。随着计算机与互联网技术的发展,数字视频内容容易被侵权使用者肆意复制和传播,如何保护视频版权日益成为人们关注的问题。鲁棒视频水印是实现视频版权保护的一种有效手段。作为数字视频水印的分支,鲁棒视频水印是一种通过特定算法在需要被保护的视频对象中嵌入秘密信息——水印来证明版权归属的技术。本文对当前的视频水印技术进行了概述,对视频水印的概念、应用场景、分类方式、设计要求、发展历程和相关经典方法进行了介绍和梳理。本文归纳总结了2016—2021年鲁棒视频水印相关研究工作,包括基于内容的、基于码流的、基于深度学习和其他类型视频水印,并对其中部分工作进行了相应的性能比较和分析。其中,基于内容的视频水印方法将视频看做帧序列,由于在每一帧上应用水印算法,不考虑视频的编解码过程,这类方法实现简单,计算效率高;基于码流的视频水印方法将水印嵌入到编码比特流中,该方案更快速,故可支持实时视频水印应用;基于深度学习的方法取代了依靠手工设计的特征来提高水印的性能。最后分析了鲁棒视频水印的未来发展趋势。