学位论文简介
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：
(1)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。该网络不仅对于高缩放 比例图像取得了优异的检测性能，对于低缩放比例图像的检测性能更加优于现有 的同类检测方法。
（2）针对图像内容感知缩放检测，提出一个结合空域和相位谱的深度检测网 络 SPNet。将空域图像和图像相位谱作为 SPNet 的输 入，以便多角度捕获图像内容感知缩放过程中可能留下的痕迹，随后用浅层分类网络作为骨干网络，减少卷积核 的感受野来抑制图像高层语义和内容的干扰，从而聚焦于从局部痕迹区域学习取证特征。这种处理方式对JPEG压缩图像有较强的鲁棒性。
（3）针对常用的视频帧复制操作，提出一种基于时空切片局部差异的取证方 法，该方法利用了伪造视频序列时空切片在垂直和水平方向的差异，并用滤波器放大这种差异，以捕获伪造痕迹，该方法计算简单，并能准确对伪造对象进行定位。
依据原始帧和视频帧率上转（FRUC）的插值帧在纹理上呈现较大差异的 特点，提出一种基于平均纹理变化的两阶段视频帧率上转被动检测算法。该方法在检测时间、效率和检测精度方面优于已有的方法。
（4）针对视频帧率上转或视频拼接合成的伪造视频，提出一种基于视频平滑 度周期性特征的被动取证算法。方法对于多种视频帧率上转方法合成的伪造视频能够有效地进行检测，并且计算复杂度较低、耗时短。
主要学术成果
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.（第一作者）
Detecting video frame rate up-conversion based on frame-level analysis of average texture variation[J]. Multimedia Tools and Applications, 2017, 76: 8399-8421.（第 一作者）
Perceptual image hashing using rotation invariant uniform local binary patterns and color feature[J]. Advances in Computers. Elsevier, 2023, 130: 163-205.（第 一 作 者）
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.（第一作者）
