中文摘要：

针对当前数字图像盲取证技术缺乏统一的理论基础，各种取证算法只针对图像成像及处理过程中的个别特征进行检测，检测准确率有限而约束条件较严等问题，采用张量分析手段，对图像获取设备和处理历程进行建模，探索数字图像盲取证技术的一般性理论基础，在此之上，研究具有强鲁棒性且约束条件少的数字图像全局盲取证方法。研究重点与创新点包括1、将图像获取与处理历程视为全局过程，构建全局过程的一般性数字图像盲取证理论基础；2、探索新的适宜对全局特征进行分离的张量分解技术；3、通过全局特征的提取与分析，实现鲁棒的图像来源认证、图像处理历程认证、图像局部篡改检测等图像盲取证主要目标。本项目的理论研究对揭示数字图像盲取证技术的一般规律有重要意义，为深入研究高效盲取证方法奠定理论基础，推动盲取证技术的发展。具体盲取证技术的研究是在理论研究基础之上的实践探索，即提供了具有较强通用性的实践技术，也是对理论正确性的一个检验。

结论摘要：

数字图像盲取证技术是在不依赖先验知识的情况下，判断数字图像是否经过修改及修改情况的技术。当前，国内外学者针对数字图像的统计特征和成像处理过程中设备留下的痕迹，设计了多种算法来鉴定图像的真伪，并确定篡改区域。但这些算法往往只针对某种特定特征进行取证，检测准确率受条件约束严重。本项目针对多种图像来源和复合处理等复杂情况，以张量分析为主要手段，对图像获取设备和处理历程进行建模，探索数字图像盲取证技术的一般性理论基础，研究具有强鲁棒性且约束条件少的数字图像盲取证通用方法。主要研究重点与创新点包括（1）将图像获取与处理历程视为全局过程，提出一般性数字图像盲取证理论。该理论借助Tucker张量分解工具，将数码相机感光器件获取的原始数据作为张量核，将彩色滤波阵列插值、亮度矫正、噪声抑制等操作的线性成分作为张量分解矩阵，将非线性部分作为分解残差，并将残差作为图像获取设备与处理历程的特征。（2）研究了基于张量分析的数字图像获取设备取证、数字图像处理历程认证、图像局部篡改检测等技术，提出相应算法，并总结了张量分析手段的优点和局限。通常数码相片以JPEG格式保存，我们取张量分解残差在频域1/8整数倍位置上的峰值作为特征，用可靠数据训练SVM分类器后，可以鲁棒地获得较高的分类准确率。但与内容相关的图像处理算法必然会导致全局特征的差异，不适宜用张量分析方法进行检测。（3）研究了数字图像缩放、旋转操作的重采样检测。伪造图像时往往会采用复制-粘贴操作，为了保证视觉效果，会对粘贴区域进行缩放、旋转等处理，引入重采样。通过无向像素方差的频谱分析，可以检测到缩放、旋转操作引入的周期性，周期大小与缩放、旋转的参数相关。因此，可以通过无向像素方差频谱中的周期检测，提取图像缩放、旋转操作参数，实现局部篡改的检测。（4）围绕图像局部篡改检测，研究了图像显著性区域分割技术，提出了一种基于超级像素的图像显著性区域表示方法。以超级像素为处理单元，以超级像素中的颜色、纹理特征为分类依据，较好地实现了图像中感兴趣目标的分割提取，提高了数字图像局部篡改检测的针对性，降低了运算量。本项目的理论研究有助于建立数字图像盲取证技术的一般性理论，为进一步深入研究奠定基础。从全局角度进行特征提取与分析的取证方法提高数字图像盲取证技术的能力，为有效地检测处理过程相对复杂的伪造图像提出新的方法，推动了盲取证技术的发展。