最近在做深度學習的圖像取證工作，做一下資源的彙總和科普、文獻的總結工作
1. 對圖像取證技術的總結
文中主要介紹了幾種不同的圖像取證方法，簡述如下：
I. copy-move 檢測方法
檢測原理： 同一幅圖像中檢測到大塊相同的內容
技術手段： 稀疏特徵點（SIFT）的判斷；基於圖像塊的圖像匹配算法
II. 傳感器噪聲取證
檢測原理： 傳感器的噪聲模型（利用成像傳感器的硅陣列製作瑕疵所得到的固定像素圖）等價於相機指紋
技術手段： 通過對處理後的圖像的潛在噪聲模式檢測，判斷圖像是否完整出自一個相機
III. 像素重採樣檢測
檢測原理： 圖像經放大，旋轉等得到的圖片本質是採用了像素插值技術。像素插值技術：放大後的像素空擋由周圍像素補齊，常見插值技術有：雙線性插值技術； 雙三次插值技術；
技術手段： 可利用最大期望算法獲得放大倍數相關的週期性係數； 通過分析鄰近像素相關性，取得像素插值。
IV. 反射不一致性檢測
檢測原理： 經過修改後的圖片，在鏡面反光的地方違背了小孔成像及光線反射的物理常識，即消隱點（反射與入射點的連線在小孔成像下的相交點）的存在。
技術手段： 基於幾何約束的取證方法： 使用原始圖反射數據找到消隱點，再使用消隱點，將其與入射點連接，判斷直線是否相交與反射點。
V. 光照一致性檢測
檢測原理：PS過後的圖片往往使用到不同的圖片，而不同圖片的光照方向不盡相同。
檢測技術： 抽象各個物體所攜帶的光照痕跡，這樣的過程往往基於：檢測人臉 -> 人臉關鍵點檢測 -> 擬合三維人臉模型 -> 估計光照參數 -> 計算光照參數差異性 -> 判斷是否爲原始圖片。
2. 圖像取證的不錯綜述
數字圖像取證技術的發展 這篇文章的引用量很少，但我覺得確實寫的不錯。還請大佬看過發現問題後指教一下，是不是因爲文章太淺的原因。
論文大體分爲兩個部分：
I. 數字圖像的篡改：分爲六大類
（1） 合成：同一/不同圖像的複製，粘貼操作 -> 假象/隱藏 -> 消除圖像中的篡改痕跡，往往其中包含縮放、旋轉和潤飾等處理
（2） 變體：源圖像與目標圖像以一定權重重合 -> 同一圖像保持兩個特徵
（3） 增強：就和我們平時說的濾鏡一樣
（4） 潤飾：同一幅圖像中對局部區域進行復制粘貼，並模糊操作，掃除邊緣痕跡
（5） 計算機生成：3D多邊建模 -> 顏色+紋理 -> 虛擬照相機 => 圖像統計特徵差異（與自然圖像）
（6） 繪畫：略
作者提出，還可以加上三種篡改類型：
（一）圖像完整性篡改 —— 水印+隱寫書
（二）圖像原始性 —— 二次獲取圖像
（三）版權
圖像篡改的工具：
分割ROI：Matting（修邊） —— Bayesion, Poisson
Impainting —— 修復自然空白
II. 篡改圖像的數字取證
3. 對於圖像取證技術初學者入門手冊
Digital image forensics: a booklet for beginners
4. 深度學習在圖像取證方面的應用
5. 面部修飾相關數據集
ND-IIITD
6. 圖片篡改監測相關論文彙總GitHub
image_tampering_detection_references
7. Performance servey
https://xgyopen.github.io/2018/06/15/2018-06-15-imv-defect-detecting-investigation/