检测对齐的双重JPEG（Joint Photographic Experts Group）压缩图像是数字图像取证领域的一个关键研究领域。对齐的双JPEG压缩图像的检测任务可以分为两个子任务，即检测具有相同量化矩阵的双JPEG压缩图像（同步重压缩）或具有不同量化矩阵的双JPEG压缩图像（异步重压缩）。现有的方法中异步重压缩的算法无法检测同步图像，虽然同步重压缩图像的算法能够检测一步，但是性能不是特别的理想。为了解决这个问题，项目组打算基于前人工作的收敛误差[1,2]进行继续研究，图1展示了所提方法的框架。
图1 算法框架图
具体来说，所提方法主要分为量化扰动和像素状态图两个部分。其中量化扰动是考虑到JPEG收敛获取的条件是非常苛刻的，需要对图像使用相同质量因子进行连续的压缩，因此如果在下一次的压缩过程中引入不同的量化步长就能够获取到一个偏移量（扰动误差）。扰动误差和图像在不同压缩次数的稳定性有关，从而使得所提取的扰动误差具有一定的通用性。此外，由于JPEG图像的格式问题，量化误差并不能直接获取，原先获取量化误差的方式需要对图像进行重压缩，从而导致获取到的量化误差存在损失，但是通过量化扰动可以获取原先量化误差的偏移量来弥补这个损失，我们称为扰动量化误差。由于，扰动误差和扰动量化误差的获取都涉及到了偏移前后的误差之间关系的构建，所提方法采用通过除法运算来替代常用的减法运算，排除掉因为截断误差和舍入误差因为取值范围的问题而不得不划分成两种的情况，同时引入逻辑运算来为除法运算赋予正负号，构建相对变化率更好地表征扰动误差和扰动量化误差。
像素状态图是指如果从像素级上观察两次压缩之间的截断误差和舍入误差，会发现截断误差和舍入误差之间存在相互转换的关系，根据这种截断误差和舍入误差之间的转换关系，我们构建了转换状态的定义公式，然后根据公式计算出像素状态图，公式如下所示。
最终利用马尔科夫概率转移从像素状态图上提取相应的特征。
表1展示了在UCID数据集上的性能，我们发现所提方法虽然都不是最高的，但是在所有情况下都是取得了第二高的性能，这是因为所提方案是第一个关注通用性但是其他的方法主要是关注其中的一个问题，所以一旦面临其他的问题，之前的算法会出现明显的下降。
表1 不同算法在UCID上的表现
表2是通用性实验，具体来说就是将每个重压缩图像的第一次压缩的质量因子随机选择，保证异步和同步的比例是4:1，从而体现出异步出现的概率高，但是同步也存在的情况。从而构建了具有通用性要求的实验组，我们发现，这时我们的性能取得了最高。
表2 通用性实验
论文信息
相关论文已被IEEE Transactions on Circuits and Systems for Video Technology（TCSVT）录用，作者为南京理工大学王昊，孙金生教授；南京信息工程大学王金伟教授，张家伟；解放军信息工程大学罗向阳教授；齐鲁工业大学马宾教授；深圳大学的李斌教授。
Wang Hao, Wang Jinwei, Zhang Jiawei, Luo Xiangyang, Ma Bin, Li Bin and Sun Jinsheng. General Forensics for Aligned Double JPEG Compression Based on the Quantization Interference[J]. IEEE Transactions on Circuits and Systems for Video Technology (TCSVT), 接收，DOI: DOI: 10.1109/TCSVT.2023.3341032.
参考文献
[1] Y. Niu, X. Li, Y. Zhao and R. Ni, “Detection of double JPEG compression with the same quantization matrix via convergence analysis,” IEEE Trans. on Circuits & Systems for Video Technol., vol. 32, no. 5, pp. 3279-3290, 2022.
[2] H. Wang, J. Wang, X. Luo, Y. Zheng, Bin Ma, J. Sun and S. Kr. Jha, ”Detecting aligned double JPEG compressed color image with same quantization matrix based on the stability of image,” in IEEE Trans. on Circuits & Systems for Video Technol., vol. 32, no. 6, pp. 4065-4080, 2022.
供稿：王昊，南京理工大学自动化学院
声明：本文来自隐者联盟，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
