基于视觉感知机理的图像内容关联性和有效性取证研究

As an emerging technology, digital image content correlation and validity (include authenticity and integrity) forensics have important applications, such as network information authenticity identifying and filtering, truth tracking, court forensics, news and media, scientific and technological achievements appraisal, military image content recognizing, and so on. In this study, we will comply with the physiological processes that human perceives image content via visual perception, and the psychological characteristics that human cognizes and understands image content via brain, to study the theories and key technologies of digital image forensics by using the methods of structured analyzing and multi-level image understanding. These theories and technologies can be used to detect the authenticity and integrity of the image content, and analyze the correlation and primitiveness of the image content. To achieve this goal, we will start our works from analyzing the organizational form and organizational structure of the image metadata, deeply analyze image implicit characteristics, refine key perceptual features, and explore novel image source identification approaches and image manipulated history tracking methods that are not rely on any learning model. We will also explore novel image forging detection methods and image tampering localization methods that do not depend on any prior information. We will analyze the correlation of image content, and track the migration relations of image content. Furthermore, we will solve problems which existed in existing algorithms, such as ill-posed, weak generalization, lack of robustness, and low resistivity to the interference from anti-forensics. Our works are significance to reveal the general mechanism of image passive forensics analysis. Our results will establish the theoretical foundation and provide effective solution for developing the general methods of digital image content trusted computing.

数字图像内容关联性和有效性(包括真实性和完整性)取证在网络信息的真实性鉴别和过滤、隐藏在信息背后的事实真相追踪、法庭取证、新闻传媒、科技成果鉴定、军事图像内容辨识等方面具有重要应用。本项目根据人类视觉感知图像内容的生理过程和人脑理解图像内容的心理特点，采用结构化分析和多层次理解的方法，研究数字图像内容真实性、完整性、关联性和原始性取证理论和关键技术。为此，我们从图像元数据组织形式和组织结构出发，深入剖析图像的内隐特性，凝练关键感知特征，研究不依赖任何学习模型的图像来源鉴别方法和操作历史追踪方法；研究不依赖任何先验信息的图像篡改检测与篡改定位新方法，分析图像内容的关联性，追踪图像内容的迁移关系；解决现存算法普遍存在的不适定性、泛化性弱、缺乏鲁棒性、不能抗反取证的干扰等问题。本项目的研究将进一步揭示数字图像被动取证分析的机理，为建立实用的图像内容可信计算方法奠定理论基础并提供有效的解决方案。

针对在网络信息的真实性鉴别和过滤、隐藏在信息背后的事实真相追踪、法庭取证、新闻传媒、科技成果鉴定、军事图像内容辨识等方面具有重要应用的数字图像内容真实性、完整性和有效性取证技术和内容迁移追踪技术展开深入研究。提出了四种不依赖任何先验信息的多源图像拼接/合成被动取证方法，两种细粒度图像内容拼接伪造检测和局部内容迁移追踪方法。建立了两种不依赖任何先验信息的单源图像局部区域复制-移动-粘贴攻击和内容迁移被动取证方法。研究了图像关键感知特征提取和表征方法，建立了两种细粒度图像感知Hash生成方法和两种轻量级图像感知Hash生成方法，以及四种基于Hash的图像篡改检测与篡改定位方法。研究了不同采集方式所获得图像的元数据组织形式与组织结构的内在差异性特征模式，建立了图像来源鉴别方法。研究了图像润饰操作所引入的全局特征模式的不一致性和局部特征模式的改变，提出了两种基于深度学习的人脸图像全局/局部润饰检测方法。研究了图像重采样、重拍摄、滤波等操作在图像中引入的不同类型、不同程度的新的数据相关模式，建立了不依赖任何学习模型的“判定性”和“计算性”图像操作历史追踪算法。研究了基于深度学习的图像篡改伪造取证方法，提出了基于深度卷积神经网络的图像内容篡改检测方法。研究了深度伪造及其检测技术，提出了新的残差网络模型ResNet26，建立了基于深度学习的深度伪造检测方法。本项目建立了实用的图像内容关联性和有效性取证方法，实现了图像来源鉴别、操作历史追踪、内容迁移追踪、篡改伪造检测；为建立实用的图像内容可信计算方法提供了有效的解决方案，并解决了现存算法普遍存在的不适定性、泛化性弱、缺乏鲁棒性、不能抵抗反取证的干扰等问题。本项目的研究结果对于提高数字内容的有效性、可信性和可用性、分析图像内容的关联关系、揭示事实真相、维护互联网的公共信任秩序、维护法律公正、新闻真实、科学诚信等，具有十分重要的意义。

内容获取失败，请点击重试