摘 要：一幅真实的数字图像中的噪声特征具有一致性，而由多幅数字图像拼接的合成图像的噪声特征没有一致性。本文，我们利用小波变换多分辨率的特点，依据原图像和篡改后图像的平均运算、细节运算不同的原理，采用了支持向量机（SVM）分类器的诸多常用核函数中的S形核函数进行分类识别，提出了基于图像背景噪声的图像伪作检测算法。该方法对于识别合成的数字图像具有显著效果，对合成图像的篡改操作有较好地鲁棒性。

关键词：噪声；篡改；小波变换；支持向量机

中图分类号：TP391.41

在当今互联网时代，信息尤其是图像信息的真实性对于商业、军事、媒体等来说都至关重要，但是由于相应的图像篡改技术在不断升级，使得如何识别初始图像和篡改图像成了研究的难点，也是学术界关注的重点之一。目前研究图像篡改的检测方法，分为主动与被动技术两种。主动技术包括给数字水印和数字签名，他们都有在图像中添加附加信息等弊端；被动技术是根据图像本身信息来判断其是否篡改，包括四种常见的检查方法：采用SURF提取图像不变量特征采用最近邻法进行特征匹配的图像复制粘贴篡改检测技术[1]；基于质量评价量和方差分析以及基于相位一致性的篡改检测技术[2-3]；利用相机模板噪声与待测图像相匹的篡改检测技术[4]；利用图像高阶统计量来计算噪声标准差的不一致性的篡改检测技术[5-6]。本文通过小波变换获得图像噪声，再运用支持向量机分类器进行特征分析真实图像和篡改图像，从而识别图像是否被篡改。……