针对图像取证的鲁棒性JPEG量化步长估计方法研究及其在篡改定位中的应用

本刊推荐：本文提出了一种针对解压缩后JPEG图像（D-JPEG）的鲁棒性量化步长估计新方法。通过建立含噪与篡改图像的DCT系数统计模型，利用子带内舍入DCT系数绝对值差的周期性特征，实现了在噪声干扰和局部篡改场景下仍能精准估计JPEG量化步长（Quantization Step）。该方法在彩色图像和低质量因子压缩场景中表现卓越，为图像取证（Forensics）和篡改定位（Forgery Localization）提供了关键技术支撑。

　　

Highlight

本文的创新点在于：

• •

  所提方法在彩色图像中的量化步长估计精度优于现有技术，特别是在较低JPEG质量因子时

• •

  在估计伪造D-JPEG图像中的量化步长方面，所提方法优于现有方法

• •

  与现有量化步长估计方法不同，所提方法对噪声添加具有鲁棒性

Statistical models for subband DCT coefficients（子带DCT系数的统计模型）

在灰度图像JPEG压缩过程中，图像首先被分割为8×8像素的非重叠块，各块独立处理。每个块被转换到二维DCT（2D-DCT）域后进行量化。设B表示图像的一个8×8块，$X$表示其2D-DCT系数，$Q$表示8×8 JPEG量化矩阵。块中$(i,j)\text{th}$子带的量化DCT系数由$z_{ij}=\left(\frac{x_{ij}}{q_{ij}}\right),i,j\in \{1,2,\dots ,8\},$给出，其中$\left(?\right)$表示取整运算。

Proposed quantization step estimation method（提出的量化步长估计方法）

我们提出了一种对噪声添加和局部篡改均具有鲁棒性的量化步长估计方法。首先，我们为含噪D-JPEG和伪造D-JPEG图像的子带DCT系数提出了一个统计模型。基于此模型，我们进而提出了一种用于D-JPEG图像中量化步长估计的鲁棒方法。

Experimental results（实验结果）

我们进行了大量实验以证明所提量化步长估计方法的卓越性能。实验中采用了来自ALASKA数据集[39]的10,000张尺寸为512×512像素的未压缩彩色图像。通过将彩色图像转换为灰度生成了一个灰度图像集。这些未压缩图像使用十一个不同的质量因子$\{100,99,98,95,90,85,80,75,70,65,60\}$进行了JPEG压缩。

Conclusion（结论）

本文提出了一种用于D-JPEG图像中JPEG量化步长估计的方法。由于JPEG解压缩过程引入的噪声，子带中去量化的DCT系数会散布在量化步长的整数倍周围。D-JPEG图像中的噪声添加和篡改进一步加剧了这种散布，降低了量化步长估计的精度。所提方法利用了给定D-JPEG图像子带DCT系数的概率质量函数（PMF）与...