学位论文简介
随着智能手机等便携式图像/视频采集设备的普及，数字图像和视频等视觉媒体随着社交媒体风靡网络，已经成为人们日常生活获取和交流信息的重要载体。同时，随着Photoshop、剪映等图像/视频编辑工具功能越来越强大，图像/视频编辑操作变得越来越容易。尤其是，近几年人工智能技术的发展，卷积神经网络（CNN）和生成对抗网络（GAN）等深度网络模型在图像生成、图像缩放、视频帧率上转等领域都得到了广泛的应用，出现了Deep Nude等工具。然而，各种图像/视频编辑操作也可能用于恶意目的。如果虚假的图像/视频广泛传播，可能误导社会舆论和破坏公共信任秩序。因此，迫切需要发展数字视觉媒体取证技术，以验证视觉媒体的真实性、原始性和完整性。本文以图像内容感知缩放和视频帧率上转两种典型的图像/视频操作为研究对象，研究其被动取证，既包括传统的特征提取+模式分类方法，也包括基于深度学习的取证方法。具体地，本文的主要工作和创新成果包括：具体地，主要的研究成果如下：
针对图像内容感知缩放（seam carving）引起的相邻像素间差值变化，提出一个端到端网络 SCDNet，用于检测基于内容感知缩放的图像。
针对基于图像内容感知技术的图像尺寸调整会导致频率异常，提出一个深度检测网络 SPNet，融合空间图像和相位谱作为网络输入，获取图像感知缩放过程中的操作痕迹。
针对视频帧率上转换（FRUC）过程中，原始帧和插值帧之间纹理变化会 出现较大差异的特点，提出一种基于平均纹理变化的视频上转换盲检测算法。
针对视频帧率上转提出一种基于视频平滑度周期性特征的被动取证算法。
主要学术成果
[1] Xia M, Chen J, Yang G, et al. Robust detection of seam carving with low ratio via pixel adjacency subtraction and CNN-based transfer learning[J]. Journal of Information Security and Applications, 2023, 75: 103522.
[2] Xia M, Yang G, Li L, et al. Detecting video frame rate up-conversion based on frame-level analysis of average texture variation[J]. Multimedia Tools and Applications, 2017, 76: 8399-8421.
[3] Xia M, Li S, Chen W, et al. Perceptual image hashing using rotation invariant uniform local binary patterns and color feature[M]//Advances in Computers. Elsevier, 2023, 130: 163-205.
[4]夏明,杨高波,黄勤珍.使用PSNR周期特性检测视频帧率上转伪造[J].计算机应用研究,2016,33(08):2409-2412.
[5] Li Y, Xia M, Liu X, et al. Identification of various image retargeting techniques using hybrid features[J]. Journal of Information Security and Applications, 2020, 51: 102459.
