CN103839083A - 一种jpeg图片量化表篡改的检测方法 - Google Patents

Abstract

本发明公开一种JPEG图片量化表篡改的检测方法，包括以下步骤：选取若干JPEG图片作为原始JPEG图片，对原始JPEG图片的量化表进行篡改，获取量化表篡改后的JPEG图片；对原始JPEG图片和量化表篡改后的JPEG图片提取特征；根据从原始JPEG图片与量化表篡改后的JPEG图片提取的特征，对分类器进行训练，得到分类器模型；提取待测图片的特征，根据分类器模型判断待测图片的量化表是否篡改。本发明可以作为一种对篡改量化表的JPEG图片进行识别的技术，为检测恶意图像篡改提供有效的自动化手段，在司法和刑侦取证等方面有着广阔的应用前景。

Description

一种JPEG图片量化表篡改的检测方法

技术领域

本发明属于多媒体信息安全与取证领域，具体涉及一种JPEG图片量化表篡改的检测方法。

背景技术

伴随着各种功能强大的专业级图像编辑软件例如Photoshop、ACDsee的普及，篡改图像变得越来越容易，即使普通用户也能篡改出视觉上足以以假乱真的图片。然而，原始JPEG图片经过Photoshop、ACDsee等篡改后，当再次保存成JPEG后将不可避免的引入自身的量化表，因为软件的量化表大多不同于相机和手机拍摄的JPEG图片的量化表，这导致了篡改前后的JPEG图片量化表不一致。如果不将量化表替换回篡改前的量化表，将很容易被检测出来。因此，为了消除量化表的不一致性，篡改者有可能会替换量化表，以掩盖篡改的事实。通过大量替换量化表的实验，我们发现替换后的JPEG图片并不会明显失真，人眼很难察觉。

近年来，数字图像的篡改已经影响到政治、法律、传媒等方方面面。各种恶意的篡改实例不胜枚举，因此图像认证技术变得十分重要。

图像认证技术可分为主动认证和被动认证两类。典型的主动认证技术包括数字水印和数字签名。这两种方法都需要事先对图片附加额外的信息，认证时从图片中提取相应信息，然后与事先附加信息进行匹配判别。而在实际的应用中，更多的情况下我们不可能获得有效的附加信息，因此主动认证方法有很大局限性。这种情况下，就需要借助于被动式的认证技术。图像被动认证技术不需要任何附加的信息，而是利用和分析图像的一些内在特征，来达到认证的目的。

在图像被动认证方面，虽然理论上可以通过检测JPEG图片是否经过两次JPEG压缩来判别JPEG图片原始性，但是由于目前相机、手机等拍摄设备生成的JPEG图片的量化表与Photoshop等软件的常用量化表相近，所以两次JPEG压缩的检测结果通常不理想。

发明内容

本发明为克服上述现有技术所述的至少一种缺陷（不足），提供一种JPEG图片量化表篡改的检测方法，本发明能够有效检测原始JPEG图片被图像编辑软件压缩，然后篡改量化表的行为。

为解决上述技术问题，本发明的技术方案如下：

一种JPEG图片量化表篡改的检测方法，包括以下步骤：

步骤S1：选取若干JPEG图片作为原始JPEG图片，对原始JPEG图片的量化表进行篡改，获取量化表篡改后的JPEG图片；

步骤S2：对原始JPEG图片和量化表篡改后的JPEG图片提取特征；

步骤S3：根据步骤S2中得到的特征，用原始JPEG图片与量化表篡改后的JPEG图片对分类器进行训练，得到分类器模型；

步骤S4：提取待测图片的特征，根据分类器模型判断待测图片的量化表是否篡改。

在一种优选的方案中，步骤S1中，原始JPEG图片通过拍摄设备拍摄得到。

在一种优选的方案中，步骤S1中，选取的原始JPEG图片为彩色图片。

在一种优选的方案中，步骤S1中，对原始JPEG图片的量化表进行篡改，获取量化表篡改后的JPEG图片的方法为：对选取的每幅原始JPEG图片，分别用Photoshop或ACDsee软件，采用与其原始JPEG图片不同的量化表进行JPEG重压缩，然后用原始JPEG图片的量化表替换重压缩后的JPEG图片的量化表。

在一种优选的方案中，步骤S2中，对原始JPEG图片和量化表篡改后的JPEG图片进行特征提取的方法包括以下步骤：

（1）分别在JPEG图片的Y、Cb、Cr通道中，统计采用ZigZag指标算法排序后，即量化系数的Z行排序，的前N个频率子带的量化DCT系数的绝对值之和，构成一个3×N的矩阵，记为A，

A＝FirstSumPerFre(i,j),i＝1,2,3...N,j＝1,2,3分别对应Y,Cb,Cr通道；

（2）将JPEG图片解压到RGB空域，以[x,y]方式裁剪图片，即去除前x行和前y列的像素点，然后对剩余像素点重新进行JPEG压缩，得到新的JPEG图片，接着分别在Y、Cb、Cr通道中，统计采用ZigZag指标算法排序后的前N个频率子带的量化DCT系数的绝对值之和，构成一个3×N的矩阵，记为B，

B＝SecondSumPerFre(i,j),i＝1,2,3...N,j＝1,2,3分别对应Y,Cb,Cr通道；

（3）计算裁剪前与裁剪后相对应的频率子带的量化DCT系数的绝对值之和的比值，即矩阵A与矩阵B的对应元素相除，构成3×N维的特征，记为特征矩阵C，

$C=\frac{\mathrm{FirstSumPerFre}(i,j)}{\mathrm{SecondSumPerFre}(i,j)},i=\mathrm{1,2,3}...N,j=\mathrm{1,2,3}.$

在一种优选的方案中，所述x=4，y=4。

在一种优选的方案中，步骤S3中，所述分类器是SVM分类器，训练过程中采取五折交叉验证。

与现有技术相比，本发明技术方案的有益效果是：

（1）目前尚未有JPEG图片量化表篡改检测的相关技术的公布，本发明弥补了这方面的空白。

（2）本发明能够有效检测原始JPEG图片被图像编辑软件压缩、然后对量化表进行篡改的行为，为JPEG图片原始性的鉴定提供了有效的方法。

（3）本发明对JPEG图片量化表篡改的检测具有较高的准确率，当本发明选择的参数N大于10时，准确率大于99%。

附图说明

图1是篡改JPEG量化表的过程。

图2是本专利算法的流程。

图3是原始JPEG图片和量化表被替换后图片的特征(仅Y通道)示例。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

（2）篡改量化表的图片的构造：首先对原始JPEG分别用软件Photoshop的常用压缩参数(品质因子为11、12)和ACDsee的常用压缩参数(量化因子为96、97、98和99)进行JPEG重压缩，然后将压缩后的JPEG图片的量化表替换成对应的原始图片的量化表。其中排除压缩后的JPEG量化表与原始JPEG量化表一致的情况。

（3）对每幅原始JPEG图片与篡改量化表后的JPEG图片，如图2所示按照以下方法提取特征：

a)分别在JPEG的Y、Cb、Cr通道中，对ZigZag排序后的前N个频率子带，统计每个子带的量化DCT系数的绝对值之和，构成一个3×N的矩阵，记为A，

A＝FirstSumPerFre(i,j),i＝1,2,3...N,j＝1,2,3分别对应Y,Cb,Cr通道；

b)将JPEG图片解压到RGB空域，以[4，4]方式裁剪图片，即去除前4行和前4列的像素点，然后对剩余像素点的重新JPEG压缩，得到新的JPEG图片，接着分别从Y、Cb、Cr通道中对按照ZigZag排列的前N个频率子带，再统计每个子带的量化DCT系数的绝对值之和，构成一个3×N的矩阵，记为B，B＝SecondSumPerFre(i,j),i＝1,2,3...N,j＝1,2,3分别对应Y,Cb,Cr通道；

c)计算裁剪前与裁剪后，量化DCT系数的绝对值的比值，即矩阵A与矩阵B的对应元素相除，构成3×N维的特征，记为特征矩阵C，

$C=\frac{\mathrm{FirstSumPerFre}(i,j)}{\mathrm{SecondSumPerFre}(i,j)},i=\mathrm{1,2,3}...N,j=\mathrm{1,2,3}.$

（4）根据c)中得到的特征，利用已知的原始JPEG图片与篡改量化表后的JPEG图片对分类器进行训练，得到分类器模型。

（5）利用分类器对待测JPEG图片做检测判断：首先按步骤(3)提取待测图片的特征，然后利用步骤(4)得到的分类器模型进行判别。

表1拍摄设备型号列表

本发明方法的原理如下：

当原始JPEG图片，经过图像编辑软件重新压缩，然后将其量化表替换成原始量化表后，会留下基于信号处理的统计特征。通过大量实验发现，当对篡改量化表后的JPEG图片，用[4，4]裁剪去除前4行和前4列的像素点，再进行JPEG压缩，单个频率子带的量化DCT系数的绝对值之和与裁剪前有着明显的区别，即两者的比值偏离1而原始图片的比值接近1。如图3所示，原始JPEG图片被Photoshop以12的品质因子压缩，然后替换成原始JPEG图片量化表。

为了说明方便，仅列出Y通道提取的特征序列，可以发现原始图片的特征序列大都接近1，尤其是对应低频部分的特征，而替换后的图片的特征明显偏离1。同样，Cb和Cr通道的特征也有类似的现象。

下面给出本发明方法的一些具体实验及其结果：

1、实验组织：

正样本：3000张原始JPEG图片来自15个不同型号和种类的拍摄设备；

负样本：对原始JPEG分别用软件Photoshop的常用压缩参数，品质因子为11、12和ACDsee的常用压缩参数，品质因子为96、97、98和99；进行JPEG重压缩。其中排除压缩后的JPEG量化表与原始JPEG量化表一致的情况。替换后的图片的平均峰值信噪比（PSNR）大于44dB，人眼很难察觉出差异。最后从中随机选择3000张作为最终的负样本。

分类方式：对1500个正样本和1500个负样本的特征进行训练，剩下的1500个正样本和1500个负样本用作测试。其中，分类器是SVM分类器，训练过程中采取五折交叉验证。

2、实验结果

如表2所示，参数N表示从Y、Cb和Cr通道的前N个频率子带提取特征，准确率表示被正确分类的样本占所有用于分类的样本的比例。表2给出了不同参数N的情况下，本发明的检测准确率。

表2：不同的参数N下的分类结果

参数N	5	10	15	20	25	30
							准确率	97.34%	99.63%	99.90%	99.81%	99.88%	99.87%
参数N	35	40	45	50	55	60
							准确率	99.86%	99.82%	99.81%	99.74%	99.83%	99.83%

从表2可以看出，对于不同的参数N，本发明的准确率都大于97%，且当N≥10时，准确率在99.8%附近，这充分说明本发明对于鉴定JPEG图片是否由原始JPEG先被图像编辑软件重压缩然后被篡改量化表，有着很高的准确性，对于有效识别恶意篡改行为有着重要价值。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (7)

1.一种JPEG图片量化表篡改的检测方法，其特征在于，包括以下步骤：

步骤S1：选取若干JPEG图片作为原始JPEG图片，对原始JPEG图片的量化表进行篡改，获取量化表篡改后的JPEG图片；

步骤S2：对原始JPEG图片和量化表篡改后的JPEG图片提取特征；

步骤S3：根据步骤S2中得到的特征，用原始JPEG图片与量化表篡改后的JPEG图片对分类器进行训练，得到分类器模型；

步骤S4：提取待测图片的特征，根据分类器模型判断待测图片的量化表是否篡改。

2.根据权利要求1所述的JPEG图片量化表篡改的检测方法，其特征在于，步骤S1中，原始JPEG图片通过拍摄设备拍摄得到。

3.根据权利要求1所述的JPEG图片量化表篡改的检测方法，其特征在于，步骤S1中，选取的原始JPEG图片为彩色图片。

4.根据权利要求1所述的JPEG图片量化表篡改的检测方法，其特征在于，步骤S1中，对原始JPEG图片的量化表进行篡改，获取量化表篡改后的JPEG图片的方法为：对选取的每幅原始JPEG图片，分别用Photoshop或ACDsee软件，采用与其原始JPEG图片不同的量化表进行JPEG重压缩，然后用原始JPEG图片的量化表替换重压缩后的JPEG图片的量化表。

5.根据权利要求4所述的JPEG图片量化表篡改的检测方法，其特征在于，步骤S2中，对原始JPEG图片和量化表篡改后的JPEG图片进行特征提取的方法包括以下步骤：

（1）分别在JPEG图片的Y、Cb、Cr通道中，统计采用ZigZag指标算法排序，即量化系数的Z行排序，后的前N个频率子带的量化DCT系数的绝对值之和，构成一个3×N的矩阵，记为A，

A＝FirstSumPerFre(i,j),i＝1,2,3...N,j＝1,2,3分别对应Y,Cb,Cr通道；

（2）将JPEG图片解压到RGB空域，以[x，y]方式裁剪图片，即去除前x行和前y列的像素点，然后对剩余像素点重新进行JPEG压缩，得到新的JPEG图片，接着分别在Y、Cb、Cr通道中，统计采用ZigZag指标算法排序后的前N个频率子带的量化DCT系数的绝对值之和，构成一个3×N的矩阵，记为B，

B＝SecondSumPerFre(i,j),i＝1,2,3...N,j＝1,2,3分别对应Y,Cb,Cr通道；

（3）计算裁剪前与裁剪后相对应的频率子带的量化DCT系数的绝对值之和的比值，即矩阵A与矩阵B的对应元素相除，构成3×N维的特征，记为特征矩阵C，

$C=\frac{\mathrm{FirstSumPerFre}(i,j)}{\mathrm{SecondSumPerFre}(i,j)},i=\mathrm{1,2,3}...N,j=\mathrm{1,2,3}.$

6.根据权利要求5所述的JPEG图片量化表篡改的检测方法，其特征在于，所述x=4，y=4。

7.根据权利要求1所述的JPEG图片量化表篡改的检测方法，其特征在于，步骤S3中，所述分类器是SVM分类器，训练过程中采取五折交叉验证。

Images