基于JPEG壓縮的數(shù)字化地質(zhì)資料篡改探測方法及應(yīng)用

劉助龍，趙于前，廖 苗，張竣凱，戴塔根

(1. 中南大學(xué) 有色金屬成礦預(yù)測教育部重點實驗室，長沙 410083；2. 中南大學(xué) 地球科學(xué)與信息物理學(xué)院，長沙 410083)

地質(zhì)資料是地質(zhì)工作形成的重要知識財富，為我國社會經(jīng)濟(jì)發(fā)展提供了重要的支撐。截止到2006年6月底，全國地質(zhì)資料館已收藏了包括區(qū)域調(diào)查、礦產(chǎn)、石油和天然氣、海洋、水工環(huán)(災(zāi)害地質(zhì))、物化遙、信息技術(shù)、科研等在內(nèi)的各類紙質(zhì)成果地質(zhì)資料 10萬余種；1999年，實施地質(zhì)大調(diào)查計劃以來又產(chǎn)生了2000余種成果地質(zhì)調(diào)查資料[1?3]。國家及省級地質(zhì)資料館開展了長達(dá)10 a的地質(zhì)資料圖文數(shù)字化工作，全國地質(zhì)資料館已在網(wǎng)上提供了5 000余份資料的全文在線瀏覽服務(wù)。為充分發(fā)揮海量地質(zhì)資料的潛在巨大作用，2009年以來國土資源部全面部署了地質(zhì)資料信息服務(wù)集群化和產(chǎn)業(yè)化工作，主要目標(biāo)是對地質(zhì)資料信息進(jìn)行集群開發(fā)，通過統(tǒng)一的共享服務(wù)平臺，為經(jīng)濟(jì)社會發(fā)展提供系列、權(quán)威、集群化的地質(zhì)資料信息產(chǎn)品。按照統(tǒng)一部署，全國地質(zhì)資料館、實物中心、油氣中心、部信息中心、經(jīng)研院等有關(guān)單位和上海、山東、青海、湖北、湖南5個省份開展了試點工作。地質(zhì)資料電子化服務(wù)有了新的進(jìn)展，信息服務(wù)面不斷拓展，服務(wù)質(zhì)量不斷提高，最大限度地滿足了社會經(jīng)濟(jì)發(fā)展對地質(zhì)資料提出的多層次、多范圍和多樣化要求，提高了地質(zhì)資料的利用率。

全新的地質(zhì)資料服務(wù)模式下，已經(jīng)構(gòu)建了全國、區(qū)域和省的三級地質(zhì)資料信息服務(wù)集群體系，同時開發(fā)了共享服務(wù)產(chǎn)品。然而，在這些資料通過互聯(lián)網(wǎng)面向公眾服務(wù)的過程中，采用Photoshop、Acron等圖像編輯軟件，就能很容易地對一些數(shù)字圖像資料進(jìn)行篡改，但很難肉眼辨別。如果一些被蓄意篡改的地質(zhì)資料傳播出去，可能會對相關(guān)工作帶來非常嚴(yán)重的后果。如何判斷為政府、社會單位和公眾提供的地質(zhì)資料信息產(chǎn)品是權(quán)威的、沒被篡改過的，同時為使用者提供便捷的圖像真實性檢測方法，已成為服務(wù)過程中面臨的一個重要問題。

目前，中國地質(zhì)調(diào)查局發(fā)展研究中心組織開展了數(shù)字水印技術(shù)[4?6]在地質(zhì)數(shù)據(jù)成果匯交、分發(fā)等過程中實現(xiàn)知識產(chǎn)權(quán)保護(hù)的應(yīng)用研究。數(shù)字水印技術(shù)是一種主動檢測技術(shù)，由于其必須提前向原始數(shù)字圖像中嵌入驗證信息，所以在一定程度上，主動取證技術(shù)會受到應(yīng)用條件的限制，無法從根本上遏制圖像篡改的發(fā)展，因而現(xiàn)在更注重被動取證技術(shù)[7?10]研究。

本文作者介紹了幾種基于JPEG(Joint photographic experts group)格式圖像篡改的被動檢測算法，并將其應(yīng)用于地質(zhì)資料的篡改檢測。

1 JPEG壓縮原理

數(shù)字地質(zhì)資料圖通常是尺寸較大的圖像，如果使用無損圖像格式保存，將會給資料的儲存和傳輸帶來諸多不便。JPEG壓縮算法使用一種有損的壓縮方式來處理圖像，當(dāng)使用適當(dāng)?shù)膲嚎s因子壓縮圖像時，其失真的程度不至于影響圖像文字和紋理等信息的傳播，即可以同時得到較好的圖像質(zhì)量并占用較小的存儲空間，這也就是JPEG圖像之所以廣泛地應(yīng)用于地質(zhì)資料數(shù)字化格式的主要原因。本文作者首先簡單介紹JPEG壓縮的基本原理。

圖1 JPEG壓縮流程圖Fig. 1 Flow chart of JPEG compression

JPEG壓縮流程如圖1所示，主要包括以下6個步驟：1)圖像空間轉(zhuǎn)換；2)縮減采樣；3) 8×8分塊；4)DCT變換；5)量化；6)熵編碼。首先將源圖像從RGB(紅綠藍(lán))空間轉(zhuǎn)換到 YUV(亮度色度)空間，然后將色差和色度進(jìn)行空間縮減采樣，再將源圖像分成連續(xù)不重疊的 8×8像素塊，并對每個塊進(jìn)行離散余弦變換(Discrete cosine transform，DCT)，得到64個DCT系數(shù)。習(xí)慣上將位于左上角的第一個值稱為 DC(Direct current)系數(shù)，其余 63個系數(shù)稱為 AC(Alternating current)系數(shù)。接著，用由 64個整數(shù)值的量化步長組成的8×8的量化表來量化64個DCT系數(shù)，并對量化結(jié)果進(jìn)行四舍五入取整。通過使用一個合適的質(zhì)量因子(Quality factor, QF)，可以對圖像質(zhì)量和壓縮比率進(jìn)行調(diào)整，且標(biāo)準(zhǔn)JPEG壓縮的QF值為1到100的整數(shù)，其中QF=100表示最小的量化步長，因而可以得到最好的圖像質(zhì)量和最小的壓縮比率，QF=1則反之。圖2(a)和(b)分別表示標(biāo)準(zhǔn)質(zhì)量因子QF=100和QF=50的量化表。最后，量化后的 DCT(QDCT)系數(shù)通過運(yùn)用熵編碼編碼成比特流。先使用Z字形編碼把QDCT系數(shù)變?yōu)橐痪S，再使用霍夫曼編碼(Huffman coding)生成二進(jìn)制比特流。

讀取圖像的過程是解壓縮過程，只需要把以上流程反向執(zhí)行。需要注意的是由于在量化過程中存在著取整，因此量化是不可逆的，這也是JPEG壓縮是有損壓縮的原因。

2 幾種基于 JPEG 壓縮的篡改探測算法

2.1 基于BAG的JPEG圖像篡改檢測算法

JPEG壓縮操作在圖像中引入了水平和豎直的網(wǎng)格，稱為塊偽影柵格(Block artifact grids，BAG)[11]。當(dāng)篡改者對圖像進(jìn)行復(fù)制?粘貼操作時，被粘貼過去的圖像塊的 BAG通常與原來圖像中的 BAG不匹配(匹配概念為 1/64)，如圖 3所示。圖 3(a)和(b)所示是兩幅原始圖像，圖中的每個網(wǎng)格代表一個8×8分塊，圖 3(a)的虛線方框內(nèi)區(qū)域為被復(fù)制區(qū)域，圖 3(b)所示的虛線方框內(nèi)區(qū)域為被選中的覆蓋區(qū)域，圖 3(c)為將圖 3(a)所示的虛線方框內(nèi)區(qū)域復(fù)制粘貼至圖 3(b)所示的虛線方框內(nèi)區(qū)域后得到的合成圖像。圖3(a)～(c)中實線為塊偽影柵格。從合成圖像很容易看出被粘貼區(qū)域與原始區(qū)域的柵格不匹配。當(dāng)篡改者對圖像進(jìn)行噴繪[12?13]或者類似于噴繪的操作時，被提取的 BAG圖像中常出現(xiàn)大片無柵格區(qū)域或者柵格無規(guī)則排列區(qū)域。因此，可以通過檢測 BAG圖像中的柵格不匹配或空白柵格現(xiàn)象來檢測圖像的篡改并對被篡改區(qū)域進(jìn)行定位。該方法的局限性是，當(dāng)被篡改后的圖像再次以JPEG格式保存時，由于引入了新的JPEG柵格而導(dǎo)致無法檢測原始圖像的BAG，該方法失效。

圖2 JPEG 量化表: (a) QF=100; (b) QF=50Fig. 2 JPEG qualification tables: (a) QF=100; (b) QF=50

圖3 BAG不匹配示意圖: (a) 被復(fù)制區(qū)域的原始圖像柵格; (b) 被粘貼區(qū)域的原始圖像柵格; (c) 合成圖像柵格Fig. 3 Schematic diagrams of BAG mismatching: (a) Original BAG image of copied region; (b) Original BAG image of pasted region; (c) BAG of composite image

BAG圖像的提取方法由以下幾個步驟組成。

1) 從原始圖像中提取弱水平方向的邊緣。

圖像中的 BAG被視為一種弱邊緣，通過計算二次差分絕對值可以提取出這種弱邊緣。設(shè) f(x, y)為待檢測圖像中(x, y)位置的灰度值，二次差分絕對值為

為了減弱圖像中強(qiáng)邊緣對弱邊緣的影響，該方法使用中值濾波器來減少強(qiáng)邊緣的干擾，并將所有大于50的d(x, y)值設(shè)置為0。接著，對水平方向每33列(前后各兩個DCT塊)的d(x, y)求和以增強(qiáng)弱水平方向邊緣

最后，采用式(3)來均衡化弱水平方向邊緣：

式中：右邊第二項為增強(qiáng)后弱水平方向邊緣的局部均值。

2) 在弱水平方向邊緣圖像中以 8為周期提取水平方向BAG。

BAG是一種出現(xiàn)在8×8像素塊邊緣的周期信號，同時它也是一種局部信號，只與周圍4個像素塊有關(guān)。因此，通過使用8為周期的中值濾波器來增強(qiáng)弱邊緣圖像e，最終得到水平方向BAG：

3) 提取豎直方向BAG以及獲得最終BAG結(jié)果圖。

通過與步驟(1)和(2)類似的方式，可以提取出豎直方向 BAG圖像 gv。將 gh和 gv相加，便得到最終的BAG圖像

然而，從一幅BAG圖像中直接觀察BAG不匹配區(qū)域的過程十分麻煩且?guī)в泻艽蟮闹饔^性。為了使檢測結(jié)果更直觀，對提取到的BAG圖像中BAG不匹配區(qū)域進(jìn)行標(biāo)記。首先，將提取的BAG圖像分成8×8不重疊塊，對于其中每一個8×8塊A，如果它位于一個不匹配位置，那么，在其6×6中央?yún)^(qū)域?qū)⒊霈F(xiàn)錯配的柵格線(BAG line)。可以用b作為塊BAG位置的標(biāo)記符號，將塊A的6×6中央?yún)^(qū)域的6橫行的每行求和后得到的最大值與其6豎列的每列求和后得到的最大值相加，并減去塊A橫、豎邊緣各自求和后得到的最小值，計算公式如下：

式中：函數(shù)max[A{}]和min[A{}]返回矩陣A{}中的最大或最小值。最后，將BAG圖像中所有8×8塊由式(6)計算得到最終的標(biāo)記結(jié)果圖。

2.2 基于BPPM的JPEG圖像篡改檢測算法

與單壓縮不同，JPEG雙壓縮是指對圖像進(jìn)行連續(xù)兩次壓縮，第一次的壓縮因子為QF1，第二次的壓縮因子為QF2，且第一次與第二次壓縮的柵格是相匹配的。因為雙壓縮包含兩次量化過程，這種過程使JPEG圖像離散余弦變化后，DCT系數(shù)的直方圖產(chǎn)生周期的波峰波谷現(xiàn)象，這種現(xiàn)象被稱為雙量化效應(yīng)[14]。為了直觀說明這一現(xiàn)象，用Matlab隨機(jī)生成一組均值為0、標(biāo)準(zhǔn)差為10且包含10 000個數(shù)值的正態(tài)分布數(shù)據(jù)集s。圖4(a)所示為數(shù)據(jù)集s的直方圖。可以看出，它基本呈現(xiàn)連續(xù)分布；圖4(b)所示為對該組數(shù)據(jù)先經(jīng)過量化步長2量化，再經(jīng)過量化步長3量化后的直方圖?？梢钥吹?，有明顯的峰谷周期產(chǎn)生；圖 4(c)所示為對該組數(shù)據(jù)先經(jīng)過量化步長3量化，再經(jīng)過量化步長2量化后的直方圖?？梢钥吹?，同樣產(chǎn)生了峰谷周期現(xiàn)象。

圖 4 雙量化效應(yīng)闡述: (a) 正態(tài)分布數(shù)據(jù)集 s直方圖;(b) 數(shù)據(jù)集s先后經(jīng)量化步長2和3量化后的直方圖; (c) 數(shù)據(jù)集s先后經(jīng)量化步長3和2量化后的直方圖Fig. 4 Elaboration for double quantization effects:(a) Histogram for set of normal distribution data s;(b) Histogram for data s quantized by quantization step 2 and then quantization step 3; (c) Histogram for data s quantized by quantization step 3 and then quantization step 2

假設(shè)原始圖像是一幅JPEG圖像，將其篡改后再次以JPEG格式保存。所得圖像中未篡改區(qū)域經(jīng)歷了兩次JPEG壓縮，因此，可以在其中檢測到雙量化效應(yīng)，而篡改區(qū)域一般不會出現(xiàn)雙量化效應(yīng)，這是因為：1)篡改區(qū)域經(jīng)噴繪產(chǎn)生或從無壓縮圖像中復(fù)制?粘貼過來的，所以，只經(jīng)歷了一次 JPEG壓縮；2)篡改區(qū)域來自另一幅JPEG圖像，或是從原圖中另一區(qū)域復(fù)制過來，但是被復(fù)制區(qū)域的柵格與原圖像的柵格不匹配(與2.1節(jié)情況類似)，此情況不滿足產(chǎn)生雙壓縮的條件。因此，可以通過檢測圖像中雙量化效應(yīng)的缺失來進(jìn)行圖像篡改檢測和定位篡改區(qū)域。

該方法由以下幾個步驟組成。

1) 提取圖像中所有 8×8塊同一頻率的 DCT系數(shù)，并生成64個DCT系數(shù)直方圖。

2)估計每一個DCT系數(shù)直方圖的周期。

設(shè)s0是直方圖中柱(bin)最大值所對應(yīng)的索引值，smax和 smin分別是直方圖中索引的最大值和最小值。對于每個介于1和smax/20的周期p，本文作者可以計算下面的值：式中：imax=[(smax?sp)/p]，imin=[(smin?sp)/p]。H(p)定義的是當(dāng)周期取p時收集波峰的能力?？梢杂^察到，當(dāng)p和直方圖的周期相等時，能夠得到最大的H(p)，此時直方圖的周期phist=argmaxpH(p)。

3) 計算編碼塊后驗概率圖。

由于原始區(qū)域會產(chǎn)生雙量化效應(yīng)而篡改區(qū)域不會，因此，屬于原始區(qū)域的 DCT塊會累積到直方圖的波峰中去，而篡改區(qū)域的塊則會隨機(jī)地累積到直方圖的每個部分中。

設(shè)一個周期是從第s0個柱開始，在第s0+p?1個柱結(jié)束，那么原始區(qū)域塊累積到第s0+i個柱的概率為

式中：h(k)表示DCT系數(shù)直方圖中索引為k的值。

同樣，篡改區(qū)域塊在這個周期中累積到第s0+i的個柱概率為

根據(jù)貝葉斯估計，如果一個塊累積到第s0+i個柱，那么該塊是一個篡改塊或者原始塊的后驗概率可以分別表示為

可以通過以上公式計算出圖像中每個 DCT塊是否篡改的后驗概率，得到一個編碼塊后驗概率圖(Block posterior probability map, BPPM)[14]，圖中的每一個像素點代表的是檢測圖像中的一個DCT塊，像素的值代表的是這個DCT塊的累積后驗概率。從這個圖中就能分辨出篡改區(qū)域。

2.3 基于ASAD的JPEG圖像篡改檢測算法

設(shè)被檢測圖像為f(x, y)，用JPEG質(zhì)量因子Q對其進(jìn)行壓縮后的圖像為fQ(x, y)，可以通過計算被檢測圖像與壓縮后圖像所對應(yīng)像素差的絕對值之和的均值(Averaged sum of absolute difference, ASAD)[15]的方法來檢測篡改區(qū)域。該方法對于JPEG原始圖像進(jìn)行噴繪，復(fù)制?粘貼，填涂等篡改后，并以JPEG格式和無壓縮格式保存的圖像檢測都有效。具體步驟如下。

1) JPEG壓縮。

以質(zhì)量因子QF對待檢測圖像f進(jìn)行JPEG壓縮，得到壓縮圖像fQ。

2) 計算該壓縮圖像與原被檢測圖像的每個像素的差的絕對值其中：f(x, y)表示點(x, y)的像素值。

3) 由于差的絕對值圖像 FQ(x, y)對比度不夠明顯，以至于很難從差值圖像中分辨出篡改區(qū)域，因此，以點(x, y)為中心計算大小為(2b+1)×(2b+1)的像素塊的差值絕對值之和，并求其均值，公式如下：

通過后面的實驗將進(jìn)一步發(fā)現(xiàn)，b值越大，檢測到的篡改區(qū)域越明顯，但是篡改區(qū)域的邊界將變得越模糊且耗時更多。

4) 如果需要，再以不同的JPEG質(zhì)量因子Q壓縮待檢測圖像，重復(fù)以上步驟。

一般情況下，如果ASAD圖像中存在一部分區(qū)域明顯亮于或者暗于圖像其他區(qū)域，則認(rèn)為被檢測圖像的對應(yīng)區(qū)域是篡改區(qū)域。

對于彩色圖像，可以對其RGB 3個色彩空間分別應(yīng)用式(12)和(13)，然后計算其均值來檢測篡改區(qū)域。因此，式(12)和(13)可以分別用式(14)和(15)代替；

式中：i=1, 2, 3表示RGB 3個色彩空間；fQ(x, y, i)表示以質(zhì)量因子QF壓縮的待檢測圖像的第i個色彩空間的像素值；f (x, y, i)表示待檢測圖像的第i個色彩空間的像素值。

3 實驗結(jié)果與分析

圖 5(a)所示為 JPEG 質(zhì)量因子為 50、大小為617×720的鉆孔剖面圖的一部分，該部分圖中鉆孔并沒有打到礦體。圖 5(b)所示為圖 5(a)的篡改圖并以無壓縮的TIF格式保存，篡改后的圖像增加了一處礦體(即圖 5(b)中的網(wǎng)格填充區(qū)域)，從而使該地區(qū)由無礦成為有礦，造成信息失真。圖 5(c)所示為對圖 5(b)進(jìn)行 BAG提取后得到的檢測結(jié)果圖。圖 5(d)所示為對圖 5(c)進(jìn)行標(biāo)記的最終結(jié)果圖。可以看到，篡改區(qū)域雖然能被大致檢測出來，但同時出現(xiàn)大量噪聲影響檢測結(jié)果。圖5(e) 所示為以質(zhì)量因子50壓縮待檢測圖像，且b=8時計算得到的ASAD圖像，圖5(f)所示是對圖 5(e)進(jìn)行分割的結(jié)果，從圖 5(e)中很容易判定待檢測圖像被篡改過，并定位篡改區(qū)域。很明顯，ASAD算法的檢測結(jié)果優(yōu)于BAG提取算法的檢測結(jié)果。

圖 6(a)所示為礦區(qū)激電異常與實際成礦比對圖，它是質(zhì)量因子為70、大小為572×758的JPEG圖像的一部分。該部分圖中黃色條形區(qū)域為經(jīng)激電中梯掃面形成的兩組走向為 70°的 Dη1、Dη2異常帶。該異常呈多個橢圓形，包在一起，北東向展布，規(guī)模較大，連續(xù)性好。因此，圈定此激電異常帶為成礦靶區(qū)。經(jīng)鉆孔驗證，可確定礦體存在的位置與圈定的靶區(qū)基本相符。圖6(b)所示為采用復(fù)制?粘貼篡改方式，將礦體下移，然后將所得圖像保存為質(zhì)量因子為90的JPEG圖像。篡改后，礦體物理位置偏離靶區(qū)至東南方向300 m處，對后期的勘探開采工作形成極大誤導(dǎo)。圖6(c)所示為采用BPPM算法得到的檢測結(jié)果?？梢钥闯?，其中對應(yīng)于篡改區(qū)域的位置明顯亮于其他區(qū)域。圖 6(d)所示為圖 6(c)的分割結(jié)果，但是其中仍存在一些噪聲，影響對于篡改區(qū)域的判斷。圖 6(e)所示為以JPEG質(zhì)量因子70壓縮待檢測圖像且b=8計算得到的ASAD圖像，圖6(f)所示為對圖6(e)進(jìn)行分割的結(jié)果。通過圖6(d)和(f)可以對篡改區(qū)域作出較準(zhǔn)確的判定。也可以看出，ASAD方法的檢測結(jié)果明顯優(yōu)于BPPM方法的檢測結(jié)果。

圖5 經(jīng)填涂方式篡改并以TIF格式保存的篡改圖像檢測: (a) 原始圖像; (b) 篡改圖像; (c) 對(b)進(jìn)行BAG提取得到的檢測結(jié)果圖; (d) 對(c)進(jìn)行標(biāo)記的結(jié)果圖; (e) ASAD圖; (f) 對(d)進(jìn)行分割的結(jié)果圖Fig. 5 Detection of filling tampered image saved at TIF format: (a) Original image; (b) Tampered image; (c) Extracted BAG image form (b); (d) Marked BAG image of (c); (e) ASAD image; (f) Segmentation result of (e)

圖6 經(jīng)復(fù)制?粘貼方式篡改并以JPEG格式保存的篡改圖像檢測: (a) 原始圖像; (b) 篡改圖像; (c) BPPM圖; (d) (c)的分割結(jié)果; (e) ASAD圖像; (f) 對(e)進(jìn)行分割的結(jié)果圖Fig. 6 Detection of copy-paste tampered image saved at JPEG format: (a) Original image; (b) Tampered image; (c) BMMP image;(d) Segmentation result of (c); (e) ASAD image; (f) Segmentation result of (e)

圖7 經(jīng)填涂方式篡改并以JPEG格式保存的篡改圖像檢測: (a) 原始圖像; (b) 篡改圖像; (c) BPPM圖; (d) 圖(c)的分割結(jié)果;(e) ASAD圖像; (f) 圖(e)的分割結(jié)果Fig. 7 Detection of filling tampered image saved at JPEG format: (a) Original image; (b) Tampered image; (c) BMMP image;(d) Segmentation result of (c); (e) ASAD image; (f) Segmentation result of (e)

圖 7(a)所示為 JPEG 質(zhì)量因子為 75、大小為693×1 148的某礦區(qū)區(qū)域地質(zhì)圖圖例部分。圖中錳礦為沉積變質(zhì)型礦床，錳礦層主要賦存于震旦下統(tǒng)蓮沱組上部地層中，可確定此地層為主要找礦標(biāo)志。圖7(b)所示為對圖 7(a)進(jìn)行填涂方式篡改的區(qū)域地質(zhì)圖的圖例，且篡改后的圖像以JPEG質(zhì)量因子85保存。將圖7(a)中圖例Za更改為震旦系上統(tǒng)后，如利用此圖進(jìn)行詳查、勘探等工作，就不會將震旦下統(tǒng)蓮沱組上部地層作為重點找礦區(qū)。圖7(c)所示為采用BPPM算法得到的檢測結(jié)果，圖 7(d)所示為圖 7(c)的分割結(jié)果。圖7(e)所示為以質(zhì)量因子75壓縮待檢測圖像且b=8計算得到的ASAD圖像；圖7(f)所示為對圖7(e)進(jìn)行分割的結(jié)果。可以看出，圖7(d)和(f)檢測結(jié)果理想。

本文作者運(yùn)用兩個衡量指標(biāo)來評價檢測結(jié)果。第一個指標(biāo)是檢測出的篡改區(qū)域 A1與真實篡改區(qū)域 A2的覆蓋率(Overlap, OL)：

第二個指標(biāo)為誤檢率(Detection error, DE)，定義如下：

式中：W1表示將未篡改區(qū)域判定為篡改區(qū)域的像素個數(shù)；W2表示將篡改區(qū)域判定為未篡改區(qū)域的像素個數(shù)；TR表示真實篡改區(qū)域的像素個數(shù)。OL值越大、DE值越小，檢測結(jié)果就越好。對圖6和7中兩種不同算法的全圖檢測結(jié)果分別用OL和DE進(jìn)行評價，結(jié)果如表1所示。

對于ASAD算法，b值過小計算得到的ASAD圖像對比度不明顯，而b值過大篡改區(qū)域的邊界將變得模糊，因此，需通過實驗選取最優(yōu)的b值。在圖6和7中，取不同的b值，分別計算OL和DE值，得到的結(jié)果如表2所示?？梢悦黠@看出，b等于8時檢測結(jié)果最優(yōu)。

表1 圖6和7的 ASAD算法與BMMP算法檢測結(jié)果評價比較Table 1 Detection results comparisons between ASAD algorithm and BMMP algorithm for Figs. 6 and 7

表2 圖6和7的ASAD算法不同b值計算得到的檢測結(jié)果評價比較Table 2 Detection results comparisons of ASAD algorithm with different values of b for Figs. 6 and 7

在Intel Pentium PC(2.93GHz CPU,512MB 內(nèi)存)的Matlab 7.1平臺上，對于圖6和7，比較以不同b值計算出4幅ASAD圖像與計算出BMMP圖像所需的時間，比較結(jié)果如表3所示?？梢院苊黠@看到，隨著圖像大小與b值的增大，本研究所提出的方法耗時將明顯增加。此外，比較兩種方法的實驗結(jié)果和耗時，可以得到如下結(jié)論：BMMP算法比 ASAD算法計算更簡單更快。

表3 ASAD算法計算得到4幅ASAD圖像與BMMP算法的耗時比較Table 3 Detecting time comparison between ASAD algorithm generating 4 images and BMMP algorithm (s)

4 結(jié)論

1) 闡述了3種基于JPEG格式的圖像篡改檢測方法，為數(shù)字化成果地質(zhì)資料在共享服務(wù)過程中可能出現(xiàn)的被篡改現(xiàn)象探索了全新的篡改探測方法，對海量數(shù)字化成果地質(zhì)資料版權(quán)保護(hù)和真實性檢測具有極高的理論和實用價值，從而進(jìn)一步服務(wù)于地質(zhì)資料信息集群化產(chǎn)業(yè)化工作。

2) 基于JPEG篡改探測的3種方法能夠探測經(jīng)不同方式篡改后保存為JPEG格式或其他無壓縮格式的數(shù)字化成果地質(zhì)資料圖像，并能準(zhǔn)確定位被篡改區(qū)域。

3) 相比數(shù)字簽名和數(shù)字水印鑒別技術(shù)，基于JPEG篡改探測方法不需要數(shù)字化成果地質(zhì)資料提供方對圖像進(jìn)行預(yù)處理(提取簽名或嵌入水印)，操作簡單方便，成本較低，應(yīng)用前景廣泛。

[1] 尚 武, 楊東來, 李景朝, 姜作勤. 中國地質(zhì)信息服務(wù)體系的現(xiàn)狀、差距及對策[J]. 中國地質(zhì), 2007, 34(4): 730?736.

SHANG Wu, YANG Dong-lai, LI Jing-chao, JIANG Zuo-qin.Gap and countermeasures of the geoinformation service system of China [J]. Geology in China, 2007, 34(4): 730?736.

[2] 周進(jìn)生. 關(guān)于成果地質(zhì)資料社會化服務(wù)的理性思考[J]. 資源與產(chǎn)業(yè), 2007, 9(6): 119?121.

ZHOU Jin-sheng. Views on public Service of archived geological data [J]. Resources & Industries, 2007, 9(6):119?121.

[3] 姜作勤, 馬智民, 楊東來, 李景朝, 尚 武, 王 群. 地質(zhì)信息服務(wù)體系框架研究[J]. 中國地質(zhì), 2007, 34(1): 173?178.

JIANG Zuo-qin, MA Zhi-min, YANG Dong-lai, LI Jing-chao,SHANG Wu, WANG Qun. Framework of the geological information service system [J]. Geology in China, 2007, 34(1):173?178.

[4] ZHANG F, ZHANG X H, ZHANG H B. Digital image watermarking capacity and detection error rate [J]. Pattern Recognition Letters, 2007, 28(1): 1?10.

[5] CELIK M, SHARMA G, SABER E. Hierarchical watermarking for secure image authentication with localization [J]. IEEE Transactions on Image Processing, 2002, 11(6): 585?595.

[6] KUNDUR D, HATZINAKOS D. Digital watermarking for tell-tale tamper proof i ng and authentication [J]. Proc IEEE, 1999,87(7): 1167?1180.

[7] HUANG Y, LU W, SUN W, LONG D. Improved DCT-based detection of copy-move forgery in images [J]. Forensic Science International, 2011, 206(1/3): 178?184.

[8] STAMM M C, LIU K J R. Forensic detection of image manipulation using statistical intrinsic fingerprints [J]. IEEE Transactions on Information Forensics and Security, 2010, 5(3):492?506.

[9] PENG F, NIE Y, LONG M. A complete passive blind image copy-move forensics scheme based on compound statistic features [J]. Forensic Science International, 2011, 212(1/3):21?25.

[10] MAHDIAN B, SAIC S. Using noise inconsistencies for blind image forensics [J]. Image and Vision Computing, 2009, 27(10):1497?1503.

[11] LI Wei-hai, YUAN Yuan, YU Neng-hai. Passive detection of doctored JPEG image via block artifact grid extraction [J].Signal Processing, 2009, 89(9): 1821?1829.

[12] CRIMINISI A, PEREZ P, TOYAMA K. Region filling and object removal by exemplar-based inpainting [J]. IEEE Transactions on Image Processing, 2004, 13(9): 1200?1212.

[13] BERTALMIO M, VESE L, SAPIOR G, OSHER S. Simultaneous structure and texture image inpainting [J]. IEEE Transactions on Image Processing, 2003, 12(8): 882?889.

[14] LIN Z, HE J, TANG X, TANG C K. Fast, automatic and fine-grained tampered JPEG image detection via DCT coefficient analysis [J]. Pattern Recognition, 2009, 42(11):2492?2501.

[15] LIU Z, LI X, ZHAO Y. Passive detection of copy-paste tampering for digital image forensics [C]// Proc Fourth International Conference on Intelligent Computation Technology and Automation. Los Alamitos, Canada: IEEE Computer Society,2011: 649?652.