數(shù)字圖像取證技術(shù)

第1章 概論
1.1 數(shù)字圖像取證的研究背景及意義
1.2 數(shù)字圖像取證的相關(guān)概念
1.2.1 數(shù)字圖像的組成
1.2.2 圖像分析及數(shù)字圖像處理
1.2.3 數(shù)字圖像篡改
1.2.4 數(shù)字圖像取證
1.3 現(xiàn)有的數(shù)字圖像取證方法
1.4 數(shù)字圖像取證的研究現(xiàn)狀
1.4.1 數(shù)字取證國內(nèi)外相關(guān)關(guān)注重點(diǎn)
1.4.2 國際數(shù)字圖像取證相關(guān)研究
1.4.3 國內(nèi)數(shù)字圖像取證相關(guān)研究
1.5 數(shù)字圖像取證研究發(fā)展方向
1.5.1 數(shù)字圖像取證技術(shù)研究的問題分析
1.5.2 取證的未來研究方向
習(xí)題
本章參考文獻(xiàn)
第2章 數(shù)字圖像篡改
2.1 數(shù)字圖像真實(shí)性篡改
2.1.1 合成
2.1.2 變種
2.1.3 潤飾
2.1.4 增強(qiáng)
2.1.5 計(jì)算機(jī)生成
2.1.6 繪畫
2.2 數(shù)字圖像完整性篡改
2.3 數(shù)字圖像原始性篡改
2.4 數(shù)字圖像版權(quán)篡改
習(xí)題
本章參考文獻(xiàn)
第3章 數(shù)字圖像主動取證
3.1 數(shù)字圖像主動取證定義和分類
3.2 數(shù)字水印的形式和產(chǎn)生
3.3 數(shù)字圖像主動取證技術(shù)
3.3.1 魯棒性數(shù)字水印
3.3.2 脆弱性數(shù)字水印
3.3.3 數(shù)字指紋
3.4 數(shù)字圖像主動取證應(yīng)用
3.4.1 圖像內(nèi)容真實(shí)性取證
3.4.2 圖像版權(quán)標(biāo)識
3.4.3 圖像盜版追蹤及副本保護(hù)
3.5 數(shù)字圖像主動取證的要求和算法設(shè)計(jì)
3.5.1 不可感知性
3.5.2 魯棒性
3.5.3 是否需要原始數(shù)據(jù)的水印恢復(fù)
3.5.4 水印的提取和驗(yàn)證
3.5.5 水印的安全和密鑰
3.5.6 確定真正的所有者
習(xí)題
本章參考文獻(xiàn)
第4章 數(shù)字圖像被動盲取證
4.1 數(shù)字圖像盲取證定義和分類
4.2 數(shù)字圖像盲取證研究方向
4.2.1 圖像篡改檢測
4.2.2 圖像來源認(rèn)證
4.2.3 圖像隱密分析檢測
4.3 數(shù)字圖像盲取證系統(tǒng)
4.3.1 圖像建模與參數(shù)估計(jì)
4.3.2 理想的圖像取證方式
4.3.3 圖像數(shù)據(jù)庫
習(xí)題
本章參考文獻(xiàn)
第5章 復(fù)制—粘貼篡改操作取證
5.1 復(fù)制—粘貼操作
5.1.1 同幅圖復(fù)制—粘貼篡改
5.1.2 不同圖復(fù)制拼接篡改
5.2 同幅圖復(fù)制—粘貼篡改取證
5.2.1 同幅圖復(fù)制—粘貼篡改取證分類
5.2.2 基于圖像自相關(guān)降維匹配的復(fù)制—粘貼檢測
5.2.3 基于小波分解的自相關(guān)復(fù)制—粘貼取證
5.3 不同圖復(fù)制—粘貼合成取證
5.4 基于JPEG塊效應(yīng)的復(fù)制—粘貼取證
5.4.1 針對JPEG合成篡改圖像的算法和思路
5.4.2 塊效應(yīng)網(wǎng)格提取算法
5.4.3 JPEG合成圖像的盲檢測
習(xí)題
本章參考文獻(xiàn)
第6章 雙重JPEG壓縮、重采樣取證
6.1 雙重JPEG壓縮和重采樣
6.1.1 JPEG壓縮和解壓縮
6.1.2 重采樣原理及二維圖像常用的重采樣方法
6.2 雙重JPEG壓縮取證
6.2.1 由待檢圖像估計(jì)原JPEG壓縮的量化矩陣
6.2.2 雙重JPEG壓縮與雙重量化
6.2.3 基于雙重量化的雙重JPEG壓縮檢測
6.3 重采樣操作取證
6.3.1 重采樣相關(guān)性描述
6.3.2 重采樣檢測
習(xí)題
本章參考文獻(xiàn)
第7章 模糊潤飾取證
7.1 模糊操作與圖像邊緣特性
7.1.1 人工模糊操作的數(shù)學(xué)表達(dá)
7.1.2 圖像離焦模糊和人工模糊
7.1.3 基于真實(shí)性鑒別的模糊取證現(xiàn)狀
7.2 基于同態(tài)濾波圖像邊緣模糊檢測
7.2.1 同態(tài)濾波與人工模糊邊界
7.2.2 利用數(shù)學(xué)形態(tài)學(xué)邊緣特性的模糊檢測算法
7.2.3 仿真及實(shí)驗(yàn)結(jié)果
7.3 基于Benford模型的圖像高斯模糊取證
7.3.1 Benford模型與高斯低通濾波
7.3.2 基于Benford模型的圖像高斯模糊取證算法
7.3.3 統(tǒng)計(jì)圖像的MSD分布曲線的MATLAB程序
7.3.4 實(shí)驗(yàn)結(jié)果
7.4 利用色彩通道聯(lián)合一致性的模糊潤飾檢測
7.4.1 模糊操作對色彩通道聯(lián)合一致性的破壞
7.4.2 異常色調(diào)率的定義
7.4.3 分類器的選取
7.4.4 實(shí)現(xiàn)與檢測結(jié)果
習(xí)題
本章參考文獻(xiàn)
第8章 圖像獲取設(shè)備取證
8.1 數(shù)字照片獲取設(shè)備特征
8.1.1 數(shù)碼相機(jī)獲取圖像的自然屬性統(tǒng)計(jì)特性
8.1.2 手機(jī)獲取圖像自然屬性統(tǒng)計(jì)特性
8.1.3 掃描儀獲取圖像自然屬性統(tǒng)計(jì)特性
8.2 基于CFA差值的數(shù)碼相機(jī)類型取證
8.2.1 已有的數(shù)碼相機(jī)類型取證技術(shù)及問題
8.2.2 數(shù)碼相機(jī)CFA插值
8.2.3 基于CFA插值的數(shù)碼相機(jī)類型取證
8.3 數(shù)碼圖像輸出打印機(jī)類型取證
8.3.1 已有的打印文件真實(shí)性認(rèn)證技術(shù)及問題
8.3.2 激光打印機(jī)處理過程
8.3.3 基于字符圖像質(zhì)量特征的打印機(jī)類型取證
8.4 基于高階統(tǒng)計(jì)特征訓(xùn)練分類的來源認(rèn)證
8.4.1 高階統(tǒng)計(jì)特征的提取
8.4.2 分類器設(shè)計(jì)及分類判決
8.4.3 程序框圖與實(shí)驗(yàn)結(jié)果
習(xí)題
本章參考文獻(xiàn)
第9章 自然圖像統(tǒng)計(jì)規(guī)律取證
9.1 自然圖像空間像素相關(guān)性游程統(tǒng)計(jì)規(guī)律取證
9.1.1 數(shù)理統(tǒng)計(jì)理論基礎(chǔ)
9.1.2 圖像取證的數(shù)理統(tǒng)計(jì)一般性研究模型
9.1.3 圖像空間像素游程統(tǒng)計(jì)規(guī)律
9.1.4 不同圖像空間像素游程統(tǒng)計(jì)規(guī)律對比
9.1.5 文本與圖像數(shù)據(jù)統(tǒng)計(jì)規(guī)律的對比
9.1.6 偽隨機(jī)序列與圖像信息數(shù)據(jù)統(tǒng)計(jì)規(guī)律對比
9.2 二值傳真圖像游程統(tǒng)計(jì)規(guī)律取證
9.2.1 二值傳真圖像特點(diǎn)及隱密篡改
9.2.2 二值傳真圖像游程統(tǒng)計(jì)規(guī)律研究
9.2.3 針對二值傳真圖像的隱密取證
9.3 基于圖像分解的自然圖像取證
9.3.1 基于QMF分解的自然圖像特性
9.3.2 基于LAHD分解的自然圖像特性
9.4 數(shù)字圖像取證標(biāo)準(zhǔn)圖像庫
9.4.1 國際國內(nèi)現(xiàn)有圖像數(shù)據(jù)庫情況
9.4.2 數(shù)字取證測試專用圖像庫建庫原則
9.4.3 專用圖像庫的可擴(kuò)展性和拓?fù)浣Y(jié)構(gòu)
習(xí)題
本章參考文獻(xiàn)
第10章 圖像隱密取證
10.1 隱密分析取證研究現(xiàn)狀及系統(tǒng)模型
10.1.1 隱密分析取證研究現(xiàn)狀
10.1.2 數(shù)字圖像隱密分析取證系統(tǒng)模型
10.1.3 隱密分析取證研究的發(fā)展趨勢
10.2 基于BMP圖像隱密分析技術(shù)
10.2.1 LSB隱密方法
10.2.2 針對直接LSB嵌入隱密分析
10.2.3 SES隱密算法
10.2.4 SES嵌入引起的空域像素值統(tǒng)計(jì)特性變化
10.2.5 針對SES隱密的隱密分析方法
10.3 針對GIF圖像自適應(yīng)嵌入的隱密分析技術(shù)
10.3.1 使用編碼組的圖像自適應(yīng)隱密算法
10.3.2 自適應(yīng)嵌入后引起的索引值分布變化
10.3.3 針對圖像自適應(yīng)嵌入的隱密分析算法設(shè)計(jì)
10.4 針對JPEG圖像MB隱密分析技術(shù)
10.4.1 MB1隱密算法原理
10.4.2 MB1隱密分析算法
習(xí)題
本章參考文獻(xiàn)
附錄
附錄A “廣場鴿”案件數(shù)字圖像盲取證分析
附錄B 數(shù)字取證技術(shù)的相關(guān)站點(diǎn)