18、基于梯度局部熵的数字伪造图像盲检测

基于梯度局部熵的数字伪造图像盲检测

1. 引言

在当今时代，数字摄影技术和强大的图像编辑软件使得即使是非专业人士也能轻松创建出逼真的数字伪造图像。然而，这些数字伪造图像可能会给我们的社会和生活带来麻烦，甚至造成巨大的经济损失。因此，对数字图像内容可靠性的需求正在迅速增长。

近年来，人们提出了多种检测数字伪造图像的方法：
- Johnson等人提出了一种基于光照不一致性的方法，但该方法在物体表面不兼容或原始和伪造物体在相似光照条件下拍摄时可能失效。
- Popescu等人开发了通过检测重采样痕迹来识别数字伪造的方法，但对于以JPEG格式存储的处理图像，结果可能不太可靠。
- Min wu等人分析和检测了数字图像上的多种操作，这些方法基于DCT系数的相关性、频谱分析和信噪比预测。
- Weihong Wang和Hany Farid基于EM算法开发了一种检测双重MPEG压缩痕迹的方法。
- Chen等人提供了一个统一的框架，用于从图像中识别源数码相机并揭示数字修改的图像。

显然，检测数字伪造图像是一个复杂的问题，没有普遍适用的解决方案。本文提出通过比较局部梯度熵和梯度来检测人工羽化操作的痕迹，并且认为人工羽化操作通常用于在伪造图像区域与其周围环境之间创建平滑过渡。此外，该算法的结果以可信度的形式呈现，更加合理和易于理解。

2. 羽化操作模型

在伪造数字图像时，羽化操作是必不可少的，它通常与复制和粘贴操作相关联，有助于使粘贴的对象与周围环境平滑、自然地融合。羽化操作模型假设过渡区域的灰度值由以下公式给出：
[f_i = \frac{(1 - \frac{i}{r})f_1 + \fra